WO2018141447A1 - Verfahren zur lokalisierung eines höher automatisierten, z.b. hochautomatisierten fahrzeugs (haf) in einer digitalen lokalisierungskarte - Google Patents
Verfahren zur lokalisierung eines höher automatisierten, z.b. hochautomatisierten fahrzeugs (haf) in einer digitalen lokalisierungskarte Download PDFInfo
- Publication number
- WO2018141447A1 WO2018141447A1 PCT/EP2017/082432 EP2017082432W WO2018141447A1 WO 2018141447 A1 WO2018141447 A1 WO 2018141447A1 EP 2017082432 W EP2017082432 W EP 2017082432W WO 2018141447 A1 WO2018141447 A1 WO 2018141447A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- haf
- objects
- semistatic
- features
- semi
- Prior art date
Links
- 230000004807 localization Effects 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000011156 evaluation Methods 0.000 claims abstract description 26
- 238000013459 approach Methods 0.000 claims abstract description 14
- 238000004590 computer program Methods 0.000 claims abstract description 5
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 7
- 238000012546 transfer Methods 0.000 claims description 7
- 230000001133 acceleration Effects 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 2
- 230000008901 benefit Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- 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
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/12—Systems for determining distance or velocity not using reflection or reradiation using electromagnetic waves other than radio waves
-
- G—PHYSICS
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
Definitions
- HAF highly automated vehicle
- the invention relates to a method and system for locating a more automated, e.g. highly automated vehicle (HAF) in a digital localization map.
- HAF highly automated vehicle
- automated means all those degrees of automation which, in the sense of the Federal Highway Research Institute (BASt), correspond to an automated longitudinal and lateral guidance with increasing system responsibility, e.g. highly automated and fully automated driving.
- BASt Federal Highway Research Institute
- Vehicle environment the so-called environment model
- the so-called environment model can be set up, with the goal of achieving higher accuracy and safety and a larger field of view compared to individual data sources has top priority.
- highly automated driving is a high
- HAF highly automated vehicle
- HAF highly automated vehicle
- a method for locating a higher automated vehicle, particularly a highly automated vehicle (HAF) in a digital location map comprising the following steps: 51 detecting features of semi-static objects in an environment of the HAF by means of at least a first sensor;
- the digital location map only containing landmarks suitable for locating the HAF that are not obscured by semistatic objects with respect to the location and / or approach trajectory of the HAF;
- a driver assistance system for highly automated vehicles which detects landmarks for locating the vehicle on the basis of in-vehicle environment sensors.
- the landmarks are classified and, if appropriate, assigned the attribute "semistatic.”
- the server if appropriate the back-end server, to transmit the information from the vehicle with which the server makes a hypothesis about the introduced attribute "
- the at least one first sensor is a stationary infrastructure sensor, wherein the at least one
- Light signal system is mounted, and / or that the at least one first sensor is attached to the HAF, and / or that the at least one first sensor is mounted on another HAF.
- the features of the semi-static objects at least one of the features contour, geoposition, color, dimensions, orientation in space, speed and / or
- the step S3 of the classification is performed by a control unit associated with the at least one sensor and / or by the evaluation unit, and the step S3 of the classification at least on the basis of one of the features contour, geoposition, color, dimensions, orientation in space, speed and / or acceleration state of semistatic objects.
- the evaluation unit is a MobileEdgeComputing server, wherein the MobileEdgeComputing server is stationary in particular.
- Environment model includes the step of georeferencing the semistatic objects.
- Driver Assistance System detects and classifies semi-static objects, such as garbage cans, parked vehicles or trailers, and transmits their contour and geoposition to the server. This then calculates for the
- the respective method step of the transmission in steps S2, S5 is effected by a respective radio signal.
- step S6 of localization of the HAF using the digital localization map comprises that at least one of the features of the semi-static objects is perceived by environment sensing of the HAF and that control of the HAF employs matching techniques to perform the Environment sensors perceived at least one feature with the information of the
- Another object of the present invention is a system for
- Locating a highly automated vehicle (HAF) in a digital localization map the system comprising at least a first sensor configured to detect features of semi-static objects in a HAF environment. Furthermore, the system comprises a
- Communication interface which is adapted to transmit the features of the semi-static objects to an evaluation unit, wherein the evaluation unit is adapted to perform a classification of the semi-static objects.
- the classification comprises the semistatic objects being assigned the feature "semistatic" as a result of the classification
- the evaluation device is further configured to transfer the features of the semistatic objects into a local environment model of the HAF, the local environment model for localizing the HAF suitable
- the evaluation unit is set up to check, when creating the local environment model, whether the landmarks suitable for locating the HAF are related to the position and / or a position
- the evaluation device is set up to include only those landmarks in the local environment model that are not obscured by semistatic objects with regard to the position and / or a starting trajectory of the HAF, wherein the communication interface is also set up to handle the local
- the system further includes control of the HAF, the controller being configured to locate the HAF using the HAF's digital localization map as well as environmental sensors
- a further subject of the present invention is formed
- Computer program which comprises a program code for carrying out the method according to the invention, when the computer program is executed on a computer.
- the solution according to the invention particularly brings about the technical advantage of improving the robustness or the accuracy in localizing a HAF, since in the case of temporary occlusions a reduction of the data to be transmitted between the server and the vehicle takes place.
- neither time nor computing capacity will be wasted on the vehicle side to detect landmarks that are anyway not visible and to match / compare them with a more extensive feature card.
- Another advantage is that always enough landmarks for matching can be detected and thus be available in the map. Furthermore, concealment situations of landmarks stored on the server can be determined on the basis of the feedback from the vehicles, which in turn ensures a secure localization of a vehicle
- Is related to passenger cars it is not limited thereto, but can be used with any type of vehicle trucks (P) and / or passenger cars (PKW).
- Fig. 1 is a plan view of a situation in traffic, in which the
- FIG. 2 is a flow chart of an embodiment of the invention
- FIG. 1 shows a traffic junction 10, in which two
- the traffic at the traffic junction 10 is regulated, inter alia, by traffic light systems 150, 151, 152, 153.
- traffic light systems 150, 151, 152, 153 are located in the environment of
- the traffic signals 150, 151, 152, 153, the building corners 180, 190 and a stop line 170 in geo-referenced form and as permanent landmarks for creating a traffic digital environment model are available. This means that, for example, certain to detect the building corner
- the building corner 180 necessary features of the building corner 180 and their position in a suitable coordinate system in digital form and for creating an environment model for a HAF are stored in a data store.
- the features necessary for the detection of the building corner for example, their position, the dimensions or color of the adjacent walls, their
- the data store For example, it may be a local evaluation unit 300, for example a MobileEdgeComputing server, or a remote server, not shown. In the exemplary embodiment, it is assumed that the data memory is part of the local evaluation unit 300.
- the use of the traffic signals 150, 151, 152, 153, the building corners 180, 190 and the stop line 170 as permanent landmarks means that their position and the features necessary for their recognition can be transmitted to a HAF.
- a driver assistance system of the HAF can be used with the so-called
- Matching methods and a corresponding on-board sensor for example, cameras that locate permanent landmarks and use their position relative to the HAF to locate the HAF in a digital map.
- FIG. 1 shows a first object 400 and a second object 410.
- the first object 400 may, for example, be a temporarily parked construction container for road works, while the second object 410 may be a temporary object 400
- the first object 400 and the second object 410 are referred to as semi-static objects, since they are immovable with respect to the moment of passage of the HAF 200, but do not remain so long-term in their position as permanent landmarks suitable. As can be seen in FIG. 1, the first object 400 hides the
- a first step of the method according to the invention features of semistatic objects 400, 410 in an environment of
- the HAF 200 detected by at least one first sensor see also Fig. 2.
- the first sensor may be a stationary infrastructure sensor, the
- HAF 200 for example, attached to a lantern or to a traffic signal, or a sensor mounted on the HAF 200 itself or another HAF, such as an environment camera of a HAF.
- the features of the semi-static objects 400, 410 may be one or more of the features contour, geoposition, color, dimensions, orientation in space, speed and / or acceleration state of the acquired semistatic objects 400, 410.
- a step S2 the detected features of the semi-static objects 400, 410 and the vehicle position are transmitted to the evaluation unit 300.
- the transmission preferably takes place via a radio signal, which is why both the evaluation unit 300 and the first sensor have a corresponding one
- Step S3 includes the classification of the semistatic objects 400, 410, where the semistatic objects 400, 410 are assigned the characteristic "semistatic" as a result of the classification if corresponding criteria are present, as criteria for classifying the recorded objects as "semistatic "can, for example, one or more of the features contour, geoposition, color, dimensions, orientation in space,
- Speed and / or acceleration state of the semistatic objects 400, 410 serve.
- the classification can be carried out both by a control unit assigned to the at least one sensor, that is to say before the transmitted features of the semistatic objects 400, 410 and the
- step S4 the characteristics of the semistatic objects 400, 410 are transferred to a local environment model of the HAF 200, it being checked in the creation of the local environment model, whether suitable for the localization of the HAF landmarks in relation to the position and / or a Anfahrtrajektorie of the HAF 200 are obscured by the semistatic objects 400, 410.
- the first object 400 and the second object 410 are classified as semi-static objects.
- the step S4 of transferring the features of the semistatic objects 400, 410 into a local environment model preferably includes the step of georeferencing the semistatic objects 400, 410.
- the local environment model which is transmitted to the HAF 200 in the form of a digital localization map in step S5, therefore only contains information regarding the lighting installations 150, 151, 153, as well as with respect to the second
- step S6 the driver assistance system of the HAF 200 then locates the HAF 200 using the digital location map, using both the transmitted permanent landmarks and other location information, such as the global one
- GPS Positioning System
- the step S6 of localizing the HAF 200 using the digital localization map thereby preferably, as described above, that at least one of the features of the semi-static objects 400, 410 by an environment sensor system of the HAF 200th is perceived and that a driver assistance system or a control of the HAF 200 uses matching method in order to detect the at least one characteristic perceived by means of the environment sensor with the information of the
- FIG. 1 also shows a system for locating the HAF 200 in a digital localization map, the system comprising: at least one first sensor, wherein the at least one first sensor is configured to provide features of semistatic objects 400; 410 in one
- a communication interface which is set up to transmit the features of the semistatic objects 400, 410 to an evaluation unit 300, wherein the evaluation unit 300 is configured to
- the classification comprising assigning the feature "semistatic" to the semistatic objects 400, 410 as a result of the classification, and being further adapted to
- Localization of the HAF contains 200 suitable landmarks, and where the
- Evaluation unit 300 is set up to check, when creating the local environment model, whether the landmarks suitable for locating the HAF 200 are related to the position and / or a location
- Approach trajectory of the HAF 200 are obscured by the semi-static objects 400, 410, and is set up to incorporate only those landmarks in the local environment model, with respect to the position and / or approach approach of the HAF 200 not by the semistatic objects 400, 410 be concealed, the communication interface is further adapted to the local environment model in the form of a digital
- Combinations of features may include.
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Aviation & Aerospace Engineering (AREA)
- Electromagnetism (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
Die Erfindung betrifft ein Verfahren zur Lokalisierung eines hochautomatisierten Fahrzeugs (HAF) in einer digitalen Lokalisierungskarte, umfassend die Schritte: S1 Erfassen von Merkmalen semistatischer Objekte in einer Umgebung des HAF mittels zumindest eines ersten Sensors; S2 Übermittlung der Merkmale der semistatischen Objekte sowie der Fahrzeugposition an eine Auswerteeinheit; S3 Klassifikation der semistatischen Objekte, wobei den semistatischen Objekten als Ergebnis der Klassifikation das Merkmal „semistatisch" zugeordnet wird; S4 Überführung der Merkmale der semistatischen Objekte in ein lokales Umfeldmodell des HAF, wobei bei der Erstellung des lokalen Umfeldmodells überprüft wird, ob für die Lokalisierung des HAF geeignete Landmarken in Bezug auf die Position und/oder eine Anfahrtrajektorie des HAF durch die semistatischen Objekte verdeckt werden; S5 Übermittlung des lokalen Umfeldmodells an das HAF in Form einer digitalen Lokalisierungskarte, wobei die digitale Lokalisierungskarte nur solche für die Lokalisierung des HAF geeignete Landmarken enthält, die in Bezug auf die Position und/oder eine Anfahrtrajektorie des HAF nicht durch semistatische Objekte verdeckt werden; und S6 Lokalisierung des HAF unter Verwendung der digitalen Lokalisierungskarte. Die Erfindung betrifft ferner einentsprechendes Systemsowie ein Computerprogramm.
Description
Beschreibung Titel
Verfahren zur Lokalisierung eines höher automatisierten, z.B.
hochautomatisierten Fahrzeugs (HAF) in einer digitalen Lokalisierungskarte
Die Erfindung betrifft ein Verfahren und ein System zur Lokalisierung eines höher automatisierten, z.B. hochautomatisierten Fahrzeugs (HAF) in einer digitalen Lokalisierungskarte.
Stand der Technik
Angesichts einer Zunahme des Automatisierungsgrades von Fahrzeugen werden immer komplexere Fahrerassistenzsysteme eingesetzt. Für solche
Fahrerassistenzsysteme und Funktionen, wie z.B. dem hochautomatisierten Fahren oder dem vollautomatisiertem Fahren, wird eine große Zahl von
Sensoren im Fahrzeug benötigt, die eine exakte Erfassung des Fahrzeugumfelds ermöglichen. Um das Fahrzeug höher automatisiert zu steuern ist es z.B.
notwendig, die Fahrspuren zuverlässig zu erkennen, sodass das Fahrzeug innerhalb einer erkannten Fahrspur geführt werden kann. Im Folgenden werden unter höher automatisiert all diejenigen Automatisierungsgrade verstanden, die im Sinne der Bundesanstalt für Straßenwesen (BASt) eine automatisierte Längsund Querführung mit steigender Systemverantwortung entsprechen, z.B. das hoch- und vollautomatisierte Fahren.
Ferner ist bekannt, dass anhand von verschiedenen Umfeldsensoren, wie beispielsweise Radarsensoren, Kameras, Fahrdynamiksensoren, GPS (Global Positioning System) und digitalen Karten eine Repräsentation der
Fahrzeugumgebung, das sogenannte Umfeldmodell, aufgebaut werden kann, wobei das Ziel eine höhere Genauigkeit und Sicherheit sowie einen größeren Sichtbereich gegenüber einzelnen Datenquellen zu erzielen höchste Priorität hat. Insbesondere in Hinblick auf hochautomatisiertes Fahren ist eine hohe
Systemrobustheit und Systemverfügbarkeit notwendig. Heute umgesetzte Fahrerassistenzsysteme für hochautomatisierte Fahrzeuge legen den
Schwerpunkt auf eine Verbesserung von Genauigkeit, Sichtbereich sowie eine erhöhte Sicherheit der Detektionen.
Im Stand der Technik ist eine Vielzahl von Möglichkeiten offenbart, eine
Lokalisierung eines hochautomatisierten Fahrzeugs (HAF) in einer digitalen Karte durchzuführen. Darunter fallen beispielsweise Verfahren, bei denen dem HAF nur diejenige Anzahl bzw. Dichte an Landmarken übermittelt wird, die für eine ausreichend genaue Lokalisierung benötigt werden, so dass Datenraten für die Übertragung vom Server zum Fahrzeug gespart oder auch die
Rechenkomplexität im Fahrzeug reduziert und die Laufzeit beschleunigt werden kann. Dabei erweist es sich aber als nachteilig, dass Landmarken auch verdeckt sein können und somit durch das HAF nicht wahrgenommen werden können. Dies führt einerseits zu einer unnötigen Übermittlung von Daten und andererseits zu einer gegebenenfalls schlechten Lokalisierungsgenauigkeit, da nicht ausreichend Informationen für ein Matching zur Verfügung stehen. Unter Matching wird der Vergleich der erkannten mit den in der Karten vorhandenen Landmarken verstanden. Dies steht aber im Widerspruch zu einer hohen Systemsicherheit, die für automatisiertes Fahren notwendig ist.
Es ist daher eine Aufgabe der vorliegenden Erfindung, ein verbessertes
Verfahren zur Lokalisierung eines hochautomatisierten Fahrzeugs (HAF) in einer digitalen Lokalisierungskarte bereitzustellen.
Offenbarung der Erfindung
Diese Aufgabe wird mittels des jeweiligen Gegenstands der unabhängigen Ansprüche gelöst. Vorteilhafte Ausgestaltungen der Erfindung sind Gegenstand von jeweils abhängigen Unteransprüchen.
Nach einem Aspekt der Erfindung wird ein Verfahren zur Lokalisierung eines höher automatisierten Fahrzeugs, insbesondere eines hochautomatisierten Fahrzeugs (HAF) in einer digitalen Lokalisierungskarte bereitgestellt, umfassend die folgenden Schritte:
51 Erfassen von Merkmalen semistatischer Objekte in einer Umgebung des HAF mittels zumindest eines ersten Sensors;
52 Übermittlung der Merkmale der semistatischen Objekte sowie der
Fahrzeugposition an eine Auswerteeinheit;
53 Klassifikation der semistatischen Objekte, wobei den semistatischen
Objekten als Ergebnis der Klassifikation das Merkmal„semistatisch" zugewiesen wird;
54 Überführung der Merkmale der semistatischen Objekte in ein lokales
Umfeldmodell des HAF, wobei bei der Erstellung des lokalen Umfeldmodells überprüft wird, ob für die Lokalisierung des HAF geeignete Landmarken in Bezug auf die Position und/oder eine Anfahrtrajektorie des HAF durch die semistatischen Objekte verdeckt werden;
55 Übermittlung des lokalen Umfeldmodells an das HAF in Form einer digitalen Lokalisierungskarte, wobei die digitale Lokalisierungskarte nur solche für die Lokalisierung des HAF geeignete Landmarken enthält, die in Bezug auf die Position und/oder eine Anfahrtrajektorie des HAF nicht durch semistatische Objekte verdeckt werden; und
56 Lokalisierung des HAF unter Verwendung der digitalen Lokalisierungskarte.
Erfindungsgemäß wird somit ein Fahrerassistenzsystem für hochautomatisierte Fahrzeuge offenbart, welches anhand von fahrzeuginternen Umfeldsensoren Landmarken zur Lokalisierung des Fahrzeugs detektiert. Weiter werden die Landmarken klassifiziert und ihnen gegebenenfalls das Attribut„semistatisch" zugewiesen. Grundsätzlich ist es möglich, dass dem Server, ggf. dem Backend- Server, ferner diejenigen Informationen vom Fahrzeug übermittelt werden, mit denen der Server eine Hypothese über das eingeführte Attribut„verdeckt" oder „sichtbar" aktualisieren kann. Durch Weglassen der verdeckten Landmarken bei der Übermittlung des lokalen Umfeldmodells an das HAF in Form einer digitalen Lokalisierungskarte wird die Robustheit bzw. die Genauigkeit der Lokalisierung erhöht, da das Fahrerassistenzsystem des HAF sowie die zugeordneten
Umfeldsensoren des HAF in diesem Fall keine Rechenkapazität und Zeit
verschwenden, die ohnehin nicht sichtbaren Landmarke zu identifizieren und mit einer umfangreicheren erwarteten Feature-Karte zu matchen.
Nach einer Ausführungsform ist vorgesehen, dass der zumindest eine erste Sensor ein ortsfester Infrastruktursensor ist, wobei der zumindest eine
Infrastruktursensor insbesondere an einer Laterne oder an einer
Lichtsignalanlage angebracht ist, und/oder dass der zumindest eine erste Sensor an dem HAF angebracht ist, und/oder dass der zumindest eine erste Sensor an einem weiteren HAF angebracht ist.
Nach einer weiteren Ausführungsform ist vorgesehen, dass die Merkmale der semistatischen Objekte zumindest eines der Merkmale Kontur, Geoposition, Farbe, Abmessungen, Orientierung im Raum, Geschwindigkeit und/oder
Beschleunigungszustand umfassen.
Vorteilhafterweise erfolgt der Schritt S3 der Klassifikation durch eine dem zumindest einen Sensors zugeordnete Steuerungseinheit und/oder durch die Auswerteeinheit, und der Schritt S3 der Klassifikation zumindest anhand eines der Merkmale Kontur, Geoposition, Farbe, Abmessungen, Orientierung im Raum, Geschwindigkeit und/oder Beschleunigungszustand der semistatischen Objekte.
Bevorzugterweise ist die Auswerteeinheit ein MobileEdgeComputing-Server, wobei der MobileEdgeComputing-Server insbesondere ortsfest ist.
Nach einer vorteilhaften Ausführungsform ist vorgesehen, dass der Schritt S4 der Überführung der Merkmale der semistatischen Objekte in ein lokales
Umfeldmodell den Schritt der Georeferenzierung der semistatischen Objekte umfasst.
Dadurch wird insbesondere der technische Vorteil bewirkt, dass das
Fahrerassistenzsystem semistatische Objekte, wie beispielsweise Mülltonnen, parkende Fahrzeuge oder Anhänger, erkennt, klassifiziert und deren Kontur und Geoposition an den Server übermittelt. Dieser errechnet dann für die
anfahrenden Fahrzeuge auf Basis der gefahrenen Trajektorie und der zur Verfügung stehenden Fahrspurgeometrien, ob für aktuell oder zukünftig im
Umfeld des HAF befindliche Landmarken eine Verdeckungswahrscheinlichkeit besteht.
In einer vorteilhaften Ausgestaltung erfolgt der jeweilige Verfahrensschritt der Übermittlung in den Schritten S2, S5 durch jeweils ein Funksignal.
In einer weiteren Ausführungsform ist vorgesehen, dass der Schritt S6 der Lokalisierung des HAF unter Verwendung der digitalen Lokalisierungskarte umfasst, dass zumindest eines der Merkmale der semistatischen Objekte durch eine Umfeldsensorik des HAF wahrgenommen wird und dass eine Steuerung des HAF Matchingverfahren einsetzt, um das mittels der Umfeldsensorik wahrgenommene zumindest eine Merkmal mit den Informationen der
Lokalisierungskarte zu vergleichen. Einen weiteren Gegenstand der vorliegenden Erfindung bildet ein System zur
Lokalisierung eines hochautomatisierten Fahrzeugs (HAF) in einer digitalen Lokalisierungskarte, wobei das System zumindest einen ersten Sensor umfasst, der dazu eingerichtet ist, Merkmale semistatischer Objekte in einer Umgebung des HAF zu erfassen. Ferner umfasst das System eine
Kommunikationsschnittstelle, die dazu eingerichtet ist, die Merkmale der semistatischen Objekte an eine Auswerteeinheit zu übermitteln, wobei die Auswerteeinheit dazu eingerichtet ist, eine Klassifikation der semistatischen Objekte durchzuführen. Die Klassifikation umfasst, dass den semistatischen Objekten als Ergebnis der Klassifikation das Merkmal„semistatisch" zugeordnet wird. Die Auswerteinrichtung ist ferner dazu eingerichtet ist, die Merkmale der semistatischen Objekte in ein lokales Umfeldmodell des HAF zu überführen, wobei das lokale Umfeldmodell zur Lokalisierung des HAF geeignete
Landmarken enthält. Die Auswerteeinheit ist dazu eingerichtet, bei der Erstellung des lokalen Umfeldmodells zu überprüfen, ob die zur Lokalisierung des HAF geeigneten Landmarken in Bezug auf die Position und/oder eine
Anfahrtrajektorie des HAF durch die semistatischen Objekte verdeckt werden. Ferner ist die Auswerteinrichtung eingerichtet, nur solche Landmarken in das lokale Umfeldmodell einzubinden, die in Bezug auf die Position und/oder eine Anfahrtrajektorie des HAF nicht durch semistatische Objekte verdeckt werden, wobei die Kommunikationsschnittstelle ferner dazu eingerichtet ist, das lokale
Umfeldmodell in Form einer digitalen Lokalisierungskarte an das HAF zu
übertragen. Das System umfasst ferner eine Steuerung des HAF, wobei die Steuerung dazu eingerichtet ist, eine Lokalisierung des HAF unter Verwendung der digitalen Lokalisierungskarte sowie von Umfeldsensoren des HAF
durchzuführen.
Einen weiteren Gegenstand der vorliegenden Erfindung bildet ein
Computerprogramm, welches einen Programmcode zur Durchführung des erfindungsgemäßen Verfahrens umfasst, wenn das Computerprogramm auf einem Computer ausgeführt wird.
Durch die erfindungsgemäße Lösung wird insbesondere der technische Vorteil einer Verbesserung der Robustheit bzw. der Genauigkeit bei der Lokalisierung eines HAF bewirkt, da im Falle temporärer Verdeckungen eine Reduktion der zwischen dem Server und dem Fahrzeug zu übertragenden Daten erfolgt. Somit wird fahrzeugseitig weder Zeit noch Rechenkapazität darauf verschwendet werden, ohnehin nicht sichtbare Landmarken zu detektieren und mit einer umfangreicheren Feature-Karte zu matchen/vergleichen.
Ein weiterer Vorteil besteht darin, dass immer ausreichend viele Landmarken für das Matching detektiert werden können und auf diese Weise in der Karte zur Verfügung stehen. Ferner können Verdeckungssituationen von auf dem Server abgespeicherten Landmarken auf Basis der Rückmeldungen der Fahrzeuge ermittelt werden, wodurch wiederum eine sichere Lokalisierung eines
hochautomatisierten Fahrzeugs in einer digitalen Karte ermöglicht werden kann.
Obwohl die vorliegende Erfindung im Folgenden hauptsächlich in
Zusammenhang mit Personenkraftwagen beschrieben wird, ist sie darauf nicht beschränkt, sondern kann mit jeder Art von Fahrzeug Lastkraftfahrzeuge (LKW) und/oder Personenkraftwagen (PKW) genutzt werden.
Weitere Merkmale, Anwendungsmöglichkeiten und Vorteile der Erfindung ergeben sich aus der nachfolgenden Beschreibung der Ausführungsbeispiele der Erfindung, welche in den Figuren dargestellt sind. Dabei ist zu beachten, dass die dargestellten Merkmale nur einen beschreibenden Charakter haben und auch in Kombination mit Merkmalen anderer oben beschriebener Weiterentwicklungen
verwendet werden können und nicht dazu gedacht sind, die Erfindung in irgendeiner Form einzuschränken.
Zeichnungen
Die Erfindung wird im Folgenden anhand von bevorzugten
Ausführungsbeispielen näher erläutert, wobei für gleiche Merkmale gleiche Bezugszeichen verwendet werden. Die Zeichnungen sind schematisch und zeigen:
Fig. 1 eine Draufsicht auf eine Situation im Straßenverkehr, in der das
erfindungsgemäße Verfahren zur Lokalisierung eines
hochautomatisierten Fahrzeugs (HAF) zum Einsatz kommt; und Fig. 2 eine Ablaufschema einer Ausführungsform des erfindungsgemäßen
Verfahrens.
Figur 1 zeigt einen Verkehrsknotenpunkt 10, bei dem sich zwei
Straßenabschnitte 100, 101 mit jeweils zwei Fahrbahnen 1 10, 120, 1 1 1 , 121 kreuzen, welche mit einem höher automatisierten Fahrzeug, insbesondere mit einem hochautomatisierten Fahrzeug (HAF) 200 befahrbar sind. Der Verkehr an dem Verkehrsknotenpunkt 10 wird unter anderem durch Lichtsignalanlagen 150, 151 , 152, 153 geregelt. Außerdem befinden sich im Umfeld des
Verkehrsknotenpunktes 10 eine erste Gebäudeecke 180 und eine zweite Gebäudeecke 190. Im Rahmen dieses Beispiels soll angenommen werden, dass die Lichtsignalanlagen 150, 151 , 152, 153, die Gebäudeecken 180, 190 sowie eine Haltelinie 170 in georeferenzierter Form und als permanente Landmarken zur Erstellung eines digitalen Umfeldmodells zur Verfügung stehen. Das bedeutet, dass beispielsweise bestimmte zur Erkennung der Gebäudeecke
180 notwendige Merkmale der Gebäudeecke 180 sowie ihre Position in einem geeigneten Koordinatensystem in digitaler Form und zur Erstellung eines Umfeldmodells für ein HAF in einem Datenspeicher hinterlegt sind. Die zur Erkennung der Gebäudeecke notwendigen Merkmale können beispielsweise ihre Position, die Abmessungen oder Farbe der angrenzenden Wände, ihre
Erstreckung in vertikaler Richtung und ähnliches sein. Bei dem Datenspeicher
kann es sich beispielsweise um eine lokale Auswerteeinheit 300, beispielsweise einen MobileEdgeComputing-Server, oder aber um einen nicht dargestellten entfernten Server handeln. Im Rahmen des Ausführungsbeispiels wird angenommen, dass der Datenspeicher ein Teil der lokalen Auswerteeinheit 300 ist.
Die Verwendung der Lichtsignalanlagen 150, 151 , 152, 153, der Gebäudeecken 180, 190 sowie der Haltelinie 170 als permanente Landmarken beinhaltet, dass ihre Position und die zu ihrer Erkennung notwendigen Merkmale einem HAF übermittelt werden können. Nach Erhalt der entsprechenden Informationen kann ein Fahrerassistenzsystem des HAF unter Verwendung sogenannter
Matchingverfahren und einer entsprechenden Bordsensorik, beispielsweise Kameras, die permanenten Landmarken auffinden und ihre Position relativ zum HAF zur Lokalisierung des HAF in einer digitalen Karte nutzen.
Weiterhin zeigt Figur 1 ein erstes Objekt 400 sowie ein zweites Objekt 410. Das erste Objekt 400 kann beispielsweise ein temporär abgestellter Baucontainer für Straßenarbeiten sein, während es sich bei dem zweiten Objekt 410
beispielsweise um eine temporär aufgestellte Anzeigentafel handelt. Im Rahmen der Anmeldung werden das erste Objekt 400 sowie das zweite Objekt 410 als semistatische Objekte bezeichnet, da sie zwar in Bezug auf den Moment der Überfahrt des HAF 200 unbeweglich sind, jedoch nicht derart langfristig an ihrer Position bleiben, dass sie sich als permanente Landmarken eignen. Wie in Figur 1 zu erkennen ist, verdeckt das erste Objekt 400 die
Lichtsignalanlage 152 gegenüber dem HAF 200, während das zweite Objekt 410 die erste Gebäudeecke 180 gegenüber dem HAF 200 verdeckt, sodass
Umfeldsensoren des HAF 200, beispielsweise Kameras, nicht in der Lage sind, die prinzipiell als permanente Landmarken geeignete Lichtsignalanlage 152 sowie die Gebäudeecke 180 aufzufinden. Eine Übertragung der Position und die zu ihrer Erkennung notwendigen Merkmale der Lichtsignalanlage 152 und der Gebäudeecke 180 an das HAF 200 bedeutet daher lediglich einen unnötigen Datenaustausch zwischen der Auswerteeinheit 300 und dem HAF 200 sowie eine Verschwendung an Sensor-und Rechenleistung des
Fahrerassistenzsystems des HAF 200 bei dem von vornherein aussichtlosen
Versuch, die Lichtsignalanlage 152 und die Gebäudeecke 180 im Umfeld des HAF 200 zu erkennen.
Um dies zu vermeiden, werden in einem ersten Schritt des erfindungsgemäßen Verfahrens Merkmale semistatischer Objekte 400, 410 in einer Umgebung des
HAF 200 mittels zumindest eines ersten Sensors erfasst, siehe auch Fig. 2. Der erste Sensor kann dabei ein ortsfester Infrastruktursensor sein, der
beispielsweise an einer Laterne oder an einer Lichtsignalanlage angebracht ist, oder aber ein Sensor, der an dem HAF 200 selbst oder einem weiteren HAF angebracht ist, beispielsweise eine Umfeldkamera eines HAF.
Bei den Merkmalen der semistatischen Objekte 400, 410 kann es sich um eines oder mehrere der Merkmale Kontur, Geoposition, Farbe, Abmessungen, Orientierung im Raum, Geschwindigkeit und/oder Beschleunigungszustand der erfassten semistatischen Objekte 400, 410 handeln.
In einem Schritt S2 werden die erfassten Merkmale der semistatischen Objekte 400, 410 sowie der Fahrzeugposition an die Auswerteeinheit 300 übermittelt. Dabei erfolgt die Übermittlung bevorzugterweise über ein Funksignal, weshalb sowohl die Auswerteeinheit 300 als auch der erste Sensor eine entsprechende
Kommunikationsschnittstelle aufweisen.
Der in Figur 2 gezeigte Schritt S3 beinhaltet die Klassifikation der semistatischen Objekte 400, 410, wobei den semistatischen Objekten 400, 410 als Ergebnis der Klassifikation bei Vorliegen entsprechender Kriterien das Merkmal„semistatisch" zugeordnet wird. Als Kriterien zur Klassifikation der aufgenommenen Objekte als „semistatisch" kann dabei beispielsweise eines oder mehrere der Merkmale Kontur, Geoposition, Farbe, Abmessungen, Orientierung im Raum,
Geschwindigkeit und/oder Beschleunigungszustand der semistatischen Objekte 400, 410 dienen.
Die Klassifikation kann sowohl durch eine dem zumindest einen Sensors zugeordnete Steuerungseinheit erfolgen, also noch vor Übermittlung der erfassten Merkmale der semistatischen Objekte 400, 410 sowie der
Fahrzeugposition an die Auswerteeinheit 300, und/oder durch die
Auswerteeinheit 300, nachdem sie die Merkmale der semistatischen Objekte 400, 410 sowie die Fahrzeugposition empfangen hat.
In Schritt S4 erfolgt die Überführung der Merkmale der semistatischen Objekte 400, 410 in ein lokales Umfeldmodell des HAF 200, wobei bei der Erstellung des lokalen Umfeldmodells überprüft wird, ob für die Lokalisierung des HAF geeignete Landmarken in Bezug auf die Position und/oder eine Anfahrtrajektorie des HAF 200 durch die semistatischen Objekte 400, 410 verdeckt werden. Im Beispiel der Figur 4 werden das erste Objekt 400 sowie das zweite Objekt 410 als semistatische Objekte klassifiziert. Bei der Erstellung des lokalen
Umfeldmodells durch die Auswerteeinheit 300 und der damit einhergehenden Überprüfung wird festgestellt, dass das erste Objekt 400 die Lichtsignalanlage 152 gegenüber dem HAF 200 verdeckt, während das zweite Objekt 410 die erste Gebäudeecke 180 gegenüber dem HAF 200 verdeckt.
Der Schritt S4 der Überführung der Merkmale der semistatischen Objekte 400, 410 in ein lokales Umfeldmodell schließt dabei vorzugsweise den Schritt der Georeferenzierung der semistatischen Objekte 400, 410 ein. Das lokale Umfeldmodell, das in Schritt S5 an das HAF 200 in Form einer digitalen Lokalisierungskarte übermittelt wird, enthält daher nur Informationen bezüglich der Lichtanlagen 150, 151 , 153, sowie bezüglich der zweiten
Gebäudeecke 190 sowie der Haltelinie 170 als permanente Landmarken, da diese in Bezug auf die Position und eine Anfahrtrajektorie des HAF 200 nicht durch die semistatischen Objekte 400, 410 verdeckt werden.
In Schritt S6 erfolgt dann durch das Fahrerassistenzsystem des HAF 200 die Lokalisierung des HAF 200 unter Verwendung der digitalen Lokalisierungskarte, wobei sowohl die übermittelten permanenten Landmarken als auch weitere Lokalisierungsinformationen verwendet werden, beispielsweise das Global
Positioning System (GPS).
Um die permanenten Landmarken zu identifizieren, umfasst der Schritt S6 der Lokalisierung des HAF 200 unter Verwendung der digitalen Lokalisierungskarte dabei vorzugsweise wie oben beschrieben, dass zumindest eines der Merkmale der semistatischen Objekte 400, 410 durch eine Umfeldsensorik des HAF 200
wahrgenommen wird und dass ein Fahrerassistenzsystems oder eine Steuerung des HAF 200 Matchingverfahren einsetzt, um das mittels der Umfeldsensorik wahrgenommene zumindest eine Merkmal mit den Informationen der
Lokalisierungskarte zu vergleichen.
Wie dem vorstehenden zu entnehmen ist, zeigt Figur 1 auch ein System zur Lokalisierung des HAF 200 in einer digitalen Lokalisierungskarte, wobei das System folgendes umfasst: · zumindest einen ersten Sensor, wobei der zumindest eine erste Sensor dazu eingerichtet ist, Merkmale semistatischer Objekte 400, 410 in einer
Umgebung des HAF 200 zu erfassen,
• eine Kommunikationsschnittstelle, die dazu eingerichtet ist, die Merkmale der semistatischen Objekte 400, 410 an eine Auswerteeinheit 300 zu übermitteln, wobei die Auswerteeinheit 300 dazu eingerichtet ist,
• eine Klassifikation der semistatischen Objekte 400, 410 durchzuführen, wobei die Klassifikation umfasst, dass den semistatischen Objekten 400, 410 als Ergebnis der Klassifikation das Merkmal„semistatisch" zugeordnet wird, und ferner dazu eingerichtet ist,
• die Merkmale der semistatischen Objekte 400, 410 in ein lokales Umfeldmodell des HAF 200 zu überführen, wobei das lokale Umfeldmodell zur
Lokalisierung des HAF 200 geeignete Landmarken enthält, und wobei die
Auswerteeinheit 300 dazu eingerichtet ist, bei der Erstellung des lokalen Umfeldmodells zu überprüfen, ob die zur Lokalisierung des HAF 200 geeigneten Landmarken in Bezug auf die Position und/oder eine
Anfahrtrajektorie des HAF 200 durch die semistatischen Objekte 400, 410 verdeckt werden, und dazu eingerichtet ist, nur solche Landmarken in das lokale Umfeldmodell einzubinden, die in Bezug auf die Position und/oder eine Anfahrtrajektorie des HAF 200 nicht durch die semistatischen Objekte 400, 410 verdeckt werden, wobei die Kommunikationsschnittstelle ferner dazu eingerichtet ist, das lokale Umfeldmodell in Form einer digitalen
Lokalisierungskarte an das HAF 200 zu übertragen; und
• ein Fahrerassistenzsystem oder eine Steuerung des HAF 200, die dazu eingerichtet ist, eine Lokalisierung des HAF 200 unter Verwendung der digitalen Lokalisierungskarte sowie von Umfeldsensoren des HAF 200 durchzuführen.
Die Erfindung ist nicht auf das beschriebene und dargestellte
Ausführungsbeispiel beschränkt. Sie umfasst vielmehr auch alle fachmännischen Weiterbildungen im Rahmen der durch die Patentansprüche definierten
Erfindung.
Neben den beschriebenen und abgebildeten Ausführungsformen sind weitere Ausführungsformen vorstellbar, welche weitere Abwandlungen sowie
Kombinationen von Merkmalen umfassen können.
Claims
Ansprüche
1 . Verfahren zur Lokalisierung eines höher automatisierten Fahrzeugs,
insbesondere eines hochautomatisierten Fahrzeugs (HAF) (200, 201 ) in einer digitalen Lokalisierungskarte, umfassend die Schritte: S1 Erfassen von Merkmalen semistatischer Objekte (400, 410) in einer
Umgebung des HAF (200,201 ) mittels zumindest eines ersten Sensors;
52 Übermittlung der Merkmale der semistatischen Objekte (400, 410) sowie der Fahrzeugposition an eine Auswerteeinheit (300);
53 Klassifikation der semistatischen Objekte (400, 410), wobei den
semistatischen Objekten (400, 410) als Ergebnis der Klassifikation das Merkmal„semistatisch" zugeordnet wird; S4 Überführung der Merkmale der semistatischen Objekte (400, 410) in ein lokales Umfeldmodell des HAF (200, 201 ), wobei bei der Erstellung des lokalen Umfeldmodells überprüft wird, ob für die Lokalisierung des HAF (200, 201 ) geeignete Landmarken in Bezug auf die Position und/oder eine Anfahrtrajektorie des HAF (200, 201 ) durch die semistatischen Objekte (400, 410) verdeckt werden;
55 Übermittlung des lokalen Umfeldmodells an das HAF (200, 201 ) in Form einer digitalen Lokalisierungskarte, wobei die digitale
Lokalisierungskarte nur solche für die Lokalisierung des HAF (200, 201 ) geeignete Landmarken enthält, die in Bezug auf die Position und/oder eine Anfahrtrajektorie des HAF (200, 201 ) nicht durch semistatische Objekte (400, 410) verdeckt werden; und
56 Lokalisierung des HAF (200, 201 ) unter Verwendung der digitalen
Lokalisierungskarte.
Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass der zumindest eine erste Sensor ein ortsfester Infrastruktursensor ist, wobei der zumindest eine Infrastruktursensor insbesondere an einer Laterne oder an einer Lichtsignalanlage (150, 151 , 152, 153) angebracht ist, und/oder dass der zumindest eine erste Sensor an dem HAF (200, 201 ) angebracht ist, und/oder dass der zumindest eine erste Sensor an einem weiteren HAF (200, 201 ) angebracht ist.
Verfahren nach einem der vorstehenden Ansprüche, dadurch
gekennzeichnet, dass die Merkmale der semistatischen Objekte (400, 410) zumindest eines der Merkmale Kontur, Geoposition, Farbe, Abmessungen, Orientierung im Raum, Geschwindigkeit und/oder Beschleunigungszustand umfassen.
Verfahren nach einem der vorstehenden Ansprüche, dadurch
gekennzeichnet, dass der Schritt (S3) der Klassifikation durch eine dem zumindest einen Sensors zugeordnete Steuerungseinheit erfolgt und/oder durch die Auswerteeinheit (300), und dass der Schritt (S3) der Klassifikation zumindest anhand eines der Merkmale Kontur, Geoposition, Farbe,
Abmessungen, Orientierung im Raum, Geschwindigkeit und/oder
Beschleunigungszustand der semistatischen Objekte (400, 410) erfolgt.
Verfahren nach einem der vorstehenden Ansprüche, dadurch
gekennzeichnet, dass die Auswerteeinheit (300) ein MobileEdgeComputing- Server ist, wobei der MobileEdgeComputing-Server insbesondere ortsfest ist.
Verfahren nach einem der vorstehenden Ansprüche, dadurch
gekennzeichnet, dass der Schritt (S4) der Überführung der Merkmale der semistatischen Objekte (400, 410) in ein lokales Umfeldmodell den Schritt der Georeferenzierung der semistatischen Objekte (400, 410) umfasst.
Verfahren nach einem der vorstehenden Ansprüche, dadurch
gekennzeichnet, dass der jeweilige Verfahrensschritt der Übermittlung in den Schritten (S2, S5) durch jeweils ein Funksignal erfolgt.
Verfahren nach einem der vorstehenden Ansprüche, dadurch
gekennzeichnet, dass der Schritt (S6) der Lokalisierung des HAF (200, 201 )
unter Verwendung der digitalen Lokalisierungskarte umfasst, dass zumindest eines der Merkmale der semistatischen Objekte (400, 410) durch eine Umfeldsensorik des HAF (200, 201 ) wahrgenommen wird und dass ein Fahrerassistenzsystem oder eine Steuerung des HAF (200, 201 )
Matchingverfahren einsetzt, um das mittels der Umfeldsensorik
wahrgenommene zumindest eine Merkmal mit den Informationen der Lokalisierungskarte zu vergleichen.
System zur Lokalisierung eines hochautomatisierten Fahrzeugs (HAF) (200, 201 ) in einer digitalen Lokalisierungskarte, umfassend:
• zumindest einen ersten Sensor, wobei der zumindest eine erste Sensor dazu eingerichtet ist, Merkmale semistatischer Objekte (400, 410) in einer Umgebung des HAF (200, 201 ) zu erfassen;
• eine Kommunikationsschnittstelle, die dazu eingerichtet ist, die Merkmale der semistatischen Objekte (400, 410) an eine Auswerteeinheit (300) zu übermitteln, wobei die Auswerteeinheit (300) dazu eingerichtet ist;
• eine Klassifikation der semistatischen Objekte (400, 410) durchzuführen, wobei die Klassifikation umfasst, dass den semistatischen Objekten (400, 410) als Ergebnis der Klassifikation das Merkmal„semistatisch" zugeordnet wird, und ferner dazu eingerichtet ist die Merkmale der semistatischen Objekte (400, 410) in ein lokales Umfeldmodell des HAF (200, 201 ) zu überführen, wobei das lokale Umfeldmodell zur
Lokalisierung des HAF (200, 201 ) geeignete Landmarken enthält, und wobei die Auswerteeinheit dazu eingerichtet ist, bei der Erstellung des lokalen Umfeldmodells zu überprüfen, ob die zur Lokalisierung des HAF (200, 201 ) geeigneten Landmarken in Bezug auf die Position und/oder eine Anfahrtrajektorie des HAF (200, 201 ) durch die semistatischen Objekte (400, 410) verdeckt werden, und dazu eingerichtet ist, nur solche Landmarken in das lokale Umfeldmodell einzubinden, die in Bezug auf die Position und/oder eine Anfahrtrajektorie des HAF (200, 201 ) nicht durch semistatische Objekte (400, 410) verdeckt werden, wobei die Kommunikationsschnittstelle ferner dazu eingerichtet ist, das lokale Umfeldmodell in Form einer digitalen Lokalisierungskarte an das HAF (200, 201 ) zu übertragen; und
• ein Fahrerassistenzsystem oder eine Steuerung des HAF (200, 201 ), die dazu eingerichtet ist, eine Lokalisierung des HAF (200, 201 ) unter Verwendung der digitalen Lokalisierungskarte sowie von Umfeldsensoren des HAF (200, 201 ) durchzuführen.
10. Computerprogramm, umfassend Programmcode zur Durchführung des
Verfahrens nach einem der Ansprüche 1 bis 8, wenn das Computerprogramm auf einem Computer ausgeführt wird.
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP17822212.1A EP3577419A1 (de) | 2017-02-02 | 2017-12-12 | Verfahren zur lokalisierung eines höher automatisierten, z.b. hochautomatisierten fahrzeugs (haf) in einer digitalen lokalisierungskarte |
US16/480,231 US11120281B2 (en) | 2017-02-02 | 2017-12-12 | Method for localizing a more automated, e.g., highly automated vehicle (HAV) in a digital localization map |
JP2019541759A JP6910452B2 (ja) | 2017-02-02 | 2017-12-12 | より高度に自動化された、例えば、高度自動化車両(haf)をデジタル式位置特定マップで位置特定するための方法 |
CN201780085473.8A CN110249205B (zh) | 2017-02-02 | 2017-12-12 | 用于在数字式定位地图中定位自动化程度较高的车辆、例如高度自动化的车辆(haf)的方法 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102017201663.9A DE102017201663A1 (de) | 2017-02-02 | 2017-02-02 | Verfahren zur Lokalisierung eines höher automatisierten, z.B. hochautomatisierten Fahrzeugs (HAF) in einer digitalen Lokalisierungskarte |
DE102017201663.9 | 2017-02-02 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2018141447A1 true WO2018141447A1 (de) | 2018-08-09 |
Family
ID=60857050
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/EP2017/082432 WO2018141447A1 (de) | 2017-02-02 | 2017-12-12 | Verfahren zur lokalisierung eines höher automatisierten, z.b. hochautomatisierten fahrzeugs (haf) in einer digitalen lokalisierungskarte |
Country Status (5)
Country | Link |
---|---|
US (1) | US11120281B2 (de) |
EP (1) | EP3577419A1 (de) |
JP (1) | JP6910452B2 (de) |
DE (1) | DE102017201663A1 (de) |
WO (1) | WO2018141447A1 (de) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7074438B2 (ja) * | 2017-09-05 | 2022-05-24 | トヨタ自動車株式会社 | 自車位置推定装置 |
DE102018209607A1 (de) * | 2018-06-14 | 2019-12-19 | Volkswagen Aktiengesellschaft | Verfahren und Vorrichtung zum Bestimmen einer Position eines Kraftfahrzeugs |
US10698408B2 (en) * | 2018-08-30 | 2020-06-30 | Pony Ai Inc. | Distributed sensing for vehicle navigation |
DE102019124252A1 (de) * | 2019-09-10 | 2021-03-11 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum Betreiben eines Fahrzeugs, Fahrzeug, Computerprogramm und computerlesbares Speichermedium |
DE102019007861A1 (de) * | 2019-11-13 | 2021-05-20 | Daimler Ag | Verfahren zur Freigabe einer Fahrstrecke |
US20210200237A1 (en) * | 2019-12-31 | 2021-07-01 | Lyft, Inc. | Feature coverage analysis |
DE102020107108A1 (de) * | 2020-03-16 | 2021-09-16 | Kopernikus Automotive GmbH | Verfahren und System zum autonomen Fahren eines Fahrzeugs |
DE102020209875A1 (de) | 2020-08-05 | 2022-02-10 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zur Lokalisierung eines hochautomatisierten Fahrzeugs in einer digitalen Lokalisierungskarte und Landmarke zur Lokalisierung eines hochautomatisierten Fahrzeugs in einer digitalen Lokalisierungskarte |
DE102021126288A1 (de) | 2021-10-11 | 2023-04-13 | Cariad Se | Verfahren und Vorrichtung zum Bestimmen einer Eigenposition eines Fahrzeugs |
DE102022203261A1 (de) | 2022-04-01 | 2023-10-05 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zur Verfügbarkeitsvorhersage einer merkmalbasierten Lokalisierung eines Fahrzeugs und Verfahren zum Steuern eines Fahrzeugs |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102009045326A1 (de) * | 2009-10-05 | 2011-04-07 | Robert Bosch Gmbh | Verfahren und System zum Aufbau einer Datenbank zur Positionsbestimmung eines Fahrzeuges mit Hilfe von natürlichen Landmarken |
DE102014201158A1 (de) * | 2014-01-23 | 2015-07-23 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Überprüfen eines von einer Objekterkennung erkannten relevanten Objekts |
US20170261325A1 (en) * | 2016-03-08 | 2017-09-14 | Robert Bosch Gmbh | Method and system for ascertaining the pose of a vehicle |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008159031A (ja) | 2006-11-27 | 2008-07-10 | Sanyo Electric Co Ltd | 特定方法およびそれを利用した特定装置、特定システム |
KR101155565B1 (ko) | 2009-11-27 | 2012-06-19 | 한국전자통신연구원 | 네트워크를 이용한 차량 제어 방법 및 시스템 |
US9062980B2 (en) | 2011-11-22 | 2015-06-23 | Hitachi, Ltd. | Autonomous mobile system |
EP3100206B1 (de) * | 2014-01-30 | 2020-09-09 | Mobileye Vision Technologies Ltd. | Systeme und verfahren zur detektion des endes einer fahrspur |
JP6627214B2 (ja) | 2014-11-10 | 2020-01-08 | 日本精機株式会社 | 情報表示装置、制御方法、プログラム、及び記憶媒体 |
JP6252693B2 (ja) | 2015-01-14 | 2017-12-27 | オムロン株式会社 | 表示装置およびこれを備えた交通違反管理システム |
JP7003660B2 (ja) * | 2015-08-19 | 2022-01-20 | ソニーグループ株式会社 | 情報処理装置、情報処理方法及びプログラム |
US9734455B2 (en) * | 2015-11-04 | 2017-08-15 | Zoox, Inc. | Automated extraction of semantic information to enhance incremental mapping modifications for robotic vehicles |
CN108604988B (zh) * | 2016-05-03 | 2021-01-05 | 华为技术有限公司 | 一种证书通知方法及装置 |
-
2017
- 2017-02-02 DE DE102017201663.9A patent/DE102017201663A1/de active Pending
- 2017-12-12 JP JP2019541759A patent/JP6910452B2/ja active Active
- 2017-12-12 WO PCT/EP2017/082432 patent/WO2018141447A1/de unknown
- 2017-12-12 EP EP17822212.1A patent/EP3577419A1/de not_active Ceased
- 2017-12-12 US US16/480,231 patent/US11120281B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102009045326A1 (de) * | 2009-10-05 | 2011-04-07 | Robert Bosch Gmbh | Verfahren und System zum Aufbau einer Datenbank zur Positionsbestimmung eines Fahrzeuges mit Hilfe von natürlichen Landmarken |
DE102014201158A1 (de) * | 2014-01-23 | 2015-07-23 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Überprüfen eines von einer Objekterkennung erkannten relevanten Objekts |
US20170261325A1 (en) * | 2016-03-08 | 2017-09-14 | Robert Bosch Gmbh | Method and system for ascertaining the pose of a vehicle |
Also Published As
Publication number | Publication date |
---|---|
DE102017201663A1 (de) | 2018-08-02 |
EP3577419A1 (de) | 2019-12-11 |
US20200005058A1 (en) | 2020-01-02 |
JP6910452B2 (ja) | 2021-07-28 |
US11120281B2 (en) | 2021-09-14 |
CN110249205A (zh) | 2019-09-17 |
JP2020506387A (ja) | 2020-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018141447A1 (de) | Verfahren zur lokalisierung eines höher automatisierten, z.b. hochautomatisierten fahrzeugs (haf) in einer digitalen lokalisierungskarte | |
EP3105547B1 (de) | Verfahren zur ermittlung der absoluten position einer mobilen einheit und mobile einheit | |
DE102017201664A1 (de) | Verfahren zur Lokalisierung eines höher automatisierten Fahrzeugs in einer digitalen Karte | |
EP3292423B1 (de) | Diagnoseverfahren für einen sichtsensor eines fahrzeugs und fahrzeug mit einem sichtsensor | |
EP3380810B1 (de) | Verfahren, vorrichtung, kartenverwaltungseinrichtung und system zum punktgenauen lokalisieren eines kraftfahrzeugs in einem umfeld | |
DE102016213782A1 (de) | Verfahren, Vorrichtung und computerlesbares Speichermedium mit Instruktionen zur Bestimmung der lateralen Position eines Fahrzeuges relativ zu den Fahrstreifen einer Fahrbahn | |
DE102012021403A1 (de) | Verfahren zum Identifizieren eines von einer Sensoreinrichtung erfassten Fahrzeugs | |
DE102017201665A1 (de) | Verfahren zur Einbindung eines dynamischen Objektes in eine digitale Karte eines hochautomatisierten Fahrzeugs (HAF) | |
EP3449277A1 (de) | Verfahren und vorrichtung für ein kraftfahrzeug zum vergleich von umgebungskartendaten mit umgebungssensordaten zur ermittlung der passierbarkeit eines strassenobjekts | |
DE102017222183A1 (de) | Verfahren und System zum Überwachen mehrerer Umgebungssensoren eines Kraftfahrzeugs | |
DE102020117340A1 (de) | Verfahren zur Umgebungserfassung mit wenigstens zwei unabhängigen bildgebenden Umgebungserfassungssensoren, Vorrichtung zur Durchführung des Verfahrens, Fahrzeug sowie entsprechend ausgelegtes Computerprogramm | |
WO2018215156A1 (de) | Verfahren, vorrichtungen und computerlesbares speichermedium mit instruktionen zum ermitteln von geltenden verkehrsregeln für ein kraftfahrzeug | |
DE102014216276B4 (de) | Positionsbestimmung von Kraftfahrzeugen mittels Radarbaken | |
DE102017223621A1 (de) | Verfahren und Steuereinheit zur Steuerung einer Funktion eines zumindest teilweise automatisiert fahrenden Fahrzeugs | |
EP2737282B1 (de) | Verfahren und vorrichtung zum bestimmen aktueller fahrzeugspezifischer orientierungsdaten für ein fahrzeug | |
DE102019128253B4 (de) | Verfahren zum Navigieren eines Flurförderzeugs | |
EP3264043A1 (de) | Verfahren und system zur verwendung geparkter fahrzeuge als landmarken zur vorteilhaften beeinflussung der robustheit von fahrzeuglokalisierungs-systemen | |
EP3649523B1 (de) | Verfahren zum betreiben eines höher automatisierten fahrzeugs (haf), insbesondere eines hochautomatisierten fahrzeugs | |
EP3969846A1 (de) | Verfahren zum validieren einer kartenaktualität | |
DE102019211071A1 (de) | Verfahren und Vorrichtung zum Betreiben eines automatisierten Fahrzeugs | |
WO2019002160A1 (de) | Kontextbasiertes autonomes steuern eines fahrzeugs | |
DE102019119000B4 (de) | Bestimmen einer Fahrspurbegrenzung | |
DE102008007686A1 (de) | Assistenzeinrichtung für ein Kraftfahrzeug | |
DE102021210167A1 (de) | Verfahren zum Erweitern eines Informationsclusters sowie Verfahren zum Betreiben einer Fahrzeugflotte, elektronisches Trajektorienerzeugungssystem, Fahrzeugflottensystem und Computerprogrammprodukt | |
DE102021111736A1 (de) | Verfahren, computerprogrammprodukt, parkassistenzsystem und fahrzeug |
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: 17822212 Country of ref document: EP Kind code of ref document: A1 |
|
ENP | Entry into the national phase |
Ref document number: 2019541759 Country of ref document: JP Kind code of ref document: A |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
ENP | Entry into the national phase |
Ref document number: 2017822212 Country of ref document: EP Effective date: 20190902 |