WO2020143977A1 - Vorrichtung und verfahren zur verbesserung von assistenzsystemen für laterale fahrzeugbewegungen - Google Patents

Vorrichtung und verfahren zur verbesserung von assistenzsystemen für laterale fahrzeugbewegungen Download PDF

Info

Publication number
WO2020143977A1
WO2020143977A1 PCT/EP2019/084509 EP2019084509W WO2020143977A1 WO 2020143977 A1 WO2020143977 A1 WO 2020143977A1 EP 2019084509 W EP2019084509 W EP 2019084509W WO 2020143977 A1 WO2020143977 A1 WO 2020143977A1
Authority
WO
WIPO (PCT)
Prior art keywords
lane
ego vehicle
vehicle
turning
ego
Prior art date
Application number
PCT/EP2019/084509
Other languages
English (en)
French (fr)
Inventor
Joeran Zeisler
Bernhard Hausleitner
Original Assignee
Bayerische Motoren Werke Aktiengesellschaft
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 Bayerische Motoren Werke Aktiengesellschaft filed Critical Bayerische Motoren Werke Aktiengesellschaft
Priority to CN201980088121.7A priority Critical patent/CN113272197B/zh
Priority to US17/421,257 priority patent/US11891056B2/en
Publication of WO2020143977A1 publication Critical patent/WO2020143977A1/de

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18145—Cornering
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18154—Approaching an intersection
    • 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
    • B60W40/08—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 drivers or passengers
    • B60W40/09—Driving style or behaviour
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0097—Predicting future conditions
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • B60W2050/143—Alarm means
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/05—Type of 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/10—Number of lanes
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/53—Road markings, e.g. lane marker or crosswalk
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4049—Relationship among other objects, e.g. converging dynamic objects
    • 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
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/20—Ambient conditions, e.g. wind or rain

Definitions

  • the invention relates to a device and a method for improving
  • the evaluation is carried out either on an in-vehicle control unit or externally.
  • warning tones are issued, for example, which inform the driver of a turning situation before e.g. warn a vehicle approaching from the side to prevent a collision.
  • Further developed assistance systems can also intervene in vehicle guidance in a next stage, e.g. by countersteering or braking.
  • German patent application DE 10 2012 204 948 A1 provides a method for
  • Assist a driver when driving a vehicle ready in the
  • German patent application DE 10 2012 009 297 A1 also proposes a method for assisting a driver in driving a vehicle. Here, depending on one
  • a system is proposed for improving assistance systems for lateral vehicle movements in at least two-lane turning processes and
  • Road user determined from the information on lane markings and number of existing lanes. And if it is determined that the ego vehicle and the road user are on an at least two-lane turning lane, or that the road user is before the turning process of the ego If the vehicle stops or leaves its lane, it is determined that there is no probability of a collision.
  • the already existing assistance function of the collision warning can be expanded, so that false warnings in special driving situations such as two or more lanes
  • a warning to the driver and / or an intervention in the driving movement of the ego vehicle is suppressed. Suppressing a collision warning increases the driver's acceptance of the assistance system. By not deactivating the assistance system due to too many false warnings, the assistance system can further assist the driver so that the risk of accidents can be reduced.
  • Vehicle installed sensors is detected. Using existing sensors saves costs and resources.
  • card information is used to
  • map information saves computing resources and the map information can be used for verification by the sensors, e.g. the camera looking ahead, data can be used.
  • a learning algorithm is used, the training of which, depending on the classifier under consideration, includes both time-continuous records of the driving behavior of the ego vehicle and the driving behavior of other vehicles, and environmental information, an evaluation only takes place after the ego vehicle has completed the turning process.
  • the probability of a future collision is included. The more information is available, the better the probability of a collision can be determined.
  • a computer program product for the at least one electronic control unit for carrying out the method is also proposed.
  • a vehicle comprising the described device.
  • Combination can be realized in a variant of the invention.
  • FIG. 1 shows a schematic representation of a first situation for carrying out the method according to an embodiment of the present invention.
  • FIG. 2 shows a schematic illustration of a second situation for carrying out the method according to an embodiment of the present invention.
  • Figures 1 and 2 show two different situations in which the method described below is implemented.
  • Figure 1 shows a two-lane
  • FIGS. 1 and 2 show a turning situation to the right in which the ego vehicle 100 is traveling in the left lane 1 of the two turning lanes 1 and 2 and another road user, e.g. another vehicle 200 traveling on the second turning lane 2, i.e. to the right of the ego vehicle 100
  • Figure 2 shows a turning situation to the right in which the ego vehicle 100 is traveling on a first turning lane 1 and another road user, e.g. another vehicle 200, a second turning lane 2 to the right of the first turning lane 1, which ends shortly before the first turning lane 1, so that the two vehicles 100 and 200 are not at risk of collision.
  • the method described below applies equally to the situations shown in FIGS. 1 and 2.
  • Vehicle movements are used to warn the driver in non-automated operation, i.e. when the driver is driving and uses assistance systems, when changing lanes and turning if other road users pose a danger, and in the opposite sense to suppress warnings when the others
  • a stopping can be used to avoid a hazard, e.g. turn together with the ego vehicle 100 or stop or turn beforehand.
  • a stopping can be used to avoid a hazard, e.g. turn together with the ego vehicle 100 or stop or turn beforehand.
  • Warning assistance systems are already known which intervene in an advisory and steering manner when changing lanes if there is a risk of collision with traffic overtaking at the rear or in the blind spot area.
  • corresponding systems can also be used when crossing paths in turning situations to issue warnings.
  • SRR Short Range Radar
  • SRR Short Range Radar
  • a false warning can be given by previously known assistance systems. If a first-person vehicle 100 is in a two-lane right-hand turn situation, as shown in FIG. 1, it is in the left lane 1 and is approaching in the right lane 2 another road user coming from behind, e.g. a vehicle 200, the approaching vehicle 200 is perceived as a potential danger by previously known assistance systems. There is a warning in this situation, although a collision due to the two-lane
  • sensors already installed in the ego vehicle 100 are used, in particular a camera (s) looking ahead and sensors arranged on the side for detecting the surroundings of the ego vehicle 100. This is shown in FIGS. 1 and 2 by the hatched areas 110 and 120.
  • the recorded data is interpreted and used for the improved detection of a hazard, in particular a risk of collision, for the ego vehicle 100 in the current traffic situation.
  • card data can be used, which are stored in the ego vehicle 100 or can be obtained via car-to-x communication.
  • the proposed method is as computer software or
  • Algorithm implemented on a control unit in the ego vehicle 100 The algorithm using e.g. implemented a machine learning process.
  • the goal is a warning in relevant situations, in particular two or more lanes
  • the method is therefore not only applicable to two-lane turning. It can also be used for more than two tracks if the sensors can also monitor this room.
  • the first probability classifier K1 being the probability of a relevant vehicle movement of the ego vehicle 100, e.g. Turning, turning, changing lanes, determined.
  • the second probability classifier K2 tries in the presence of objects, i.e. other road users, e.g. others
  • Vehicles 200 to assess their risk to the process recognized by the ego vehicle 100 A high probability means that the future lane of the object meets that of the ego vehicle 100. In Figure 1 this would be that in the future both vehicles 100 and 200 e.g. want to move to lane 2, i.e. there is no two or more lane turning situation. In such situations, a collision between the ego vehicle 100 and the vehicle 200 would very likely occur without warning or intervention.
  • the overall algorithm inherits and blends the two probabilities into an overall probability of a necessary warning insofar as K1 is fulfilled. K1 is fulfilled if the ego vehicle carries out 100 lateral movements, or the determined probability for them
  • the probability classifiers K1 and K2 are designed such that, in addition to being used to assess the current situation, continuous learning is made possible by means of a training process. During training, observations of the ego vehicle 100 flow into the first and second probability classifiers K1 and K2. Observations of the surrounding objects, for example of the vehicle 200, are used for the K2.
  • the classification which is continuously running in the ego vehicle 100, is based on ego data for K1 and on object data for K2.
  • the observations in the ego vehicle 100 can be carried out by dynamics-detecting sensors such as yaw rate sensors,
  • Landmark-based localization, and sensors for recording the driver's state or intention such as the driver's camera, wearables, pedal and steering input sensor, state of the turn signal or direction indicator, are recorded.
  • the observations of the surrounding objects 200 are made on the basis of the same sensors, provided that they can be transmitted via car-to-car communication or otherwise. Furthermore, the
  • Observations by the external sensor system located on the ego vehicle 100 such as lidar, radar, camera sensors, depending on the equipment of the ego vehicle 100 in the scope of dynamic data, as well as intention data, e.g. whether a turn signal is set or not.
  • the method of training is based on a continuous recording of the time addressed
  • K1 turning ego vehicle
  • K2 Collision-critical movement pattern
  • the continuous improvement of the classifiers through the training can benefit from the fact that observations do not have to be evaluated in the entire context, not immediately or immediately, but in the specific application only after the completion of an action (e.g. turning).
  • the ego vehicle 100 is in one
  • K1 classifies the behavior of the ego vehicle 100, lateral movements such as turning, turning, changing lanes being rated as positive, and rated as negative if none
  • K1 is a prerequisite for considering K2.
  • K1 is trained solely from ego data of the ego vehicle 100. The ego vehicle 100 therefore does not learn from the behavior of the other road user 200 in order to classify its behavior.
  • K2 In the event of a positive statement from K1, ie there is a lateral movement, K2 finally classifies a critical maneuver by other road users 200. In this sense, for example, crossing the ego lane is positive, with negative being parallel turning or stopping. K2 is trained from data from other road users 200 and the ego data of the ego vehicle 100, ie when the ego vehicle 100 assumes the position of the other road user 200. The generation of others' data
  • Traffic participants 200 take place via the existing sensors of the ego vehicle 100 as well as via car-to-car communication with the traffic participants 200.
  • the ego vehicle 100 can both generate, evaluate and classify data for the case in which it (in this example) is driving in the left lane 1, or in which it is traveling in the right lane as a road user 200. In this way, it can learn from its own behavior how it can or should behave in the left lane 1 in such a situation.
  • the examples relate to vehicles that are in right-hand traffic, but can be applied analogously to left-hand traffic.
  • the basic principle is that there is a side lane of the ego vehicle and it should be recognized whether it shows the same course of travel as the ego lane, so that a multi-lane turning is provided.

Abstract

Bereitgestellt wird ein System zur Verbesserung von Assistenzsystemen für laterale Fahrzeugbewegungen bei mindestens zweispurigen Abbiegevorgängen und Abbiegevorgängen, bei denen die Nebenspur vor dem Abbiegen des Ego-Fahrzeugs endet, mit mindestens einer elektronischen Steuereinheit, wobei folgendes Verfahren ausgebührt wird: Nacheinander oder gleichzeitig wird ein zukünftiger Abbiegevorgang des Ego-Fahrzeugs ermittelt, Informationen über Spurmarkierungen und die Anzahl der vorhandenen Fahrspuren in der Umgebung vor und neben dem Ego-Fahrzeug werden erfasst, und es wird bestimmt, ob zumindest ein weiterer Verkehrsteilnehmer auf einer relevanten Fahrspur neben oder hinter der Fahrspur des Ego-Fahrzeugs vorhanden ist. Und wenn dies der Fall ist, wird eine zukünftige Bewegungsabsicht des Verkehrsteilnehmers aus den Informationen zu Spurmarkierungen und Anzahl der vorhandenen Fahrspuren bestimmt. Und wenn bestimmt wird, dass sich das Ego-Fahrzeug und der Verkehrsteilnehmer auf einer mindestens zweispurigen Abbiegespur befinden, oder dass der Verkehrsteilnehmer vor dem Abbiegevorgang des Ego-Fahrzeugs anhält oder seine Fahrspur verlässt, wird bestimmt, dass keine Kollisionswahrscheinlichkeit besteht.

Description

Vorrichtung und Verfahren zur Verbesserung von Assistenzsystemen für laterale
Fahrzeugbewegungen
Die Erfindung betrifft eine Vorrichtung und ein Verfahren zur Verbesserung von
Assistenzsystemen für laterale Fahrzeugbewegungen.
In Fahrzeugen sind unterschiedlichste Systeme vorhanden, die den Fahrer beim Fahren entlasten sollen, z.B. um diesen in bestimmten Situationen zu unterstützen. Hierfür werden sogenannte Assistenzsysteme eingesetzt, welche basierend auf einer
Umgebungserfassung mittels am Fahrzeug verbauter Sensorik, aber auch mittels Car- to-X Kommunikation eine entsprechende Auswertung der Signale und Daten
vornehmen können. Die Auswertung erfolgt entweder auf einem fahrzeuginternen Steuergerät oder extern. Je nach Ergebnis der Auswertung und Ausführung des Assistenzsystems werden beispielsweise Warntöne ausgegeben, die den Fahrer in einer Abbiegesituation vor z.B. einem seitlich nahenden Fahrzeug warnen sollen, um eine Kollision zu verhindern. Weiter entwickelte Assistenzsysteme können in einer nächsten Stufe auch noch in die Fahrzeugführung eingreifen, z.B. durch Gegenlenken oder Abbremsen.
Insbesondere für das Warnen vor seitlich nahenden Fahrzeugen im Falle des
Abbiegens oder Überholens sind bereits viele Verfahren bekannt. Beispielsweise stellt die deutsche Patentanmeldung DE 10 2012 204 948 A1 ein Verfahren zum
Unterstützen eines Fahrers beim Führen eines Fahrzeuges bereit, welches im
Wesentlichen einen verbesserten T otwinkelassistenten beschreibt. Bei dem Verfahren werden nur Warnungen beim Spurwechsel ausgegeben, wenn eine Kollision mit einem auf der Zielspur fahrenden Fahrzeug droht. Auch in der deutschen Patentanmeldung DE 10 2012 009 297 A1 wird ein Verfahren zur Unterstützung eines Fahrers beim Führen eines Fahrzeugs vorgeschlagen. Hier werden in Abhängigkeit einer
prognostizierten zukünftigen potenziellen Kollisionsgefahr und/oder
Folgekollisionsgefahr zwischen dem Fahrzeug und anderen Verkehrsteilnehmern innerhalb des Fahrzeugs Fahrerhinweise ausgegeben.
Allerdings besteht bei den bekannten Verfahren und Systemen immer noch eine gewisse Wahrscheinlichkeit einer Warnung des Fahrers oder eines Eingriffs in die Fahrzeugführung, obwohl es die Situation nicht erfordert hätte.
Deshalb ist es eine Aufgabe dieser Erfindung, ein verbessertes System und Verfahren bereitzustellen, bei denen Fehlwarnungen oder Fehleingriffe insbesondere in
Abbiegesituationen vermieden werden. Diese Aufgabe wird erfindungsgemäß durch die Merkmale der unabhängigen Patentansprüche gelöst. Vorteilhafte Ausgestaltungen sind Gegenstand der abhängigen Ansprüche.
Vorgeschlagen wird ein System zur Verbesserung von Assistenzsystemen für laterale Fahrzeugbewegungen bei mindestens zweispurigen Abbiegevorgängen und
Abbiegevorgängen, bei denen die Nebenspur vor dem Abbiegen des Ego-Fahrzeugs endet, mit mindestens einer elektronischen Steuereinheit, wobei folgendes Verfahren ausgebührt wird: Nacheinander oder gleichzeitig wird ein zukünftiger Abbiegevorgang des Ego-Fahrzeugs ermittelt, Informationen über Spurmarkierungen und die Anzahl der vorhandenen Fahrspuren in der Umgebung vor und neben dem Ego-Fahrzeug werden erfasst, und es wird bestimmt, ob zumindest ein weiterer Verkehrsteilnehmer auf einer relevanten Fahrspur neben oder hinter der Fahrspur des Ego-Fahrzeugs vorhanden ist. Und wenn dies der Fall ist, wird eine zukünftige Bewegungsabsicht des
Verkehrsteilnehmers aus den Informationen zu Spurmarkierungen und Anzahl der vorhandenen Fahrspuren bestimmt. Und wenn bestimmt wird, dass sich das Ego- Fahrzeug und der Verkehrsteilnehmer auf einer mindestens zweispurigen Abbiegespur befinden, oder dass der Verkehrsteilnehmer vor dem Abbiegevorgang des Ego- Fahrzeugs anhält oder seine Fahrspur verlässt, wird bestimmt, dass keine Kollisionswahrscheinlichkeit besteht.
Durch Bestimmen der Spurführung der Fahrspuren neben dem Ego-Fahrzeug und Anpassen des Warnverhaltens bzw. Eingreifens in die Fahrzeugbewegung kann die bereits bestehende Assistenzfunktion der Kollisionswarnung erweitert werden, so dass Fehlwarnungen in speziellen Fahrsituationen wie bei zwei- oder mehrspurigem
Abbiegen verringert werden.
Des Weiteren ist vorgesehen, dass im Fall, dass bestimmt wird, dass keine
Kollisionswahrscheinlichkeit besteht, eine Warnung an den Fahrer und/oder ein Eingriff in die Fahrbewegung des Ego-Fahrzeugs unterdrückt wird. Durch Unterdrücken einer Kollisionswarnung wird die Akzeptanz des Assistenzsystems durch den Fahrer erhöht. Indem der Fahrer das Assistenzsystem nicht aufgrund zu vieler Fehlwarnungen deaktiviert, kann das Assistenzsystem den Fahrer weiter unterstützen, so dass das Unfallrisiko verringert werden kann.
Des Weiteren ist vorgesehen, dass die Umgebung vor dem Fahrzeug mittels im
Fahrzeug verbauter Sensorik erfasst wird. Durch Verwenden vorhandener Sensorik werden Kosten und Ressourcen gespart.
Des Weiteren ist vorgesehen, dass Karteninformationen verwendet werden, um
Informationen über die Anzahl und Richtungen vorhandener Spuren bereitzustellen. Die Verwendung von Karteninformation spart Rechenressourcen und die Karteninformation kann zur Verifizierung der durch die Sensorik, z.B. die nach vorne schauende Kamera, erfassten Daten genutzt werden.
Des Weiteren ist vorgesehen, dass zur Verbesserung der Klassifikatoren zur
Bestimmung einer Wahrscheinlichkeit einer Kollision ein lernender Algorithmus verwendet wird, in dessen Training abhängig von dem betrachteten Klassifikator sowohl zeitlich-stetige Aufzeichnungen des Fahrverhaltens des Ego-Fahrzeugs als auch des Fahrverhaltens von weiteren Fahrzeugen sowie Umgebungsinformationen einfließen, wobei eine Bewertung erst nach Abschluss des Abbiegevorgangs des Ego-Fahrzeugs erfolgt.
Des Weiteren ist vorgesehen, dass weitere mittels Fahrzeugsensorik ermittelte
Umgebungsinformationen erfasst werden und in die Bestimmung der
Wahrscheinlichkeit einer zukünftigen Kollision einfließen. Je mehr Informationen zur Verfügung stehen, desto besser kann die Wahrscheinlichkeit einer Kollision bestimmt werden.
Ferner wird ein Computer-Programmprodukt für die mindestens eine elektronische Steuereinheit zur Durchführung des Verfahrens vorgeschlagen.
Ferner wird ein Fahrzeug vorgeschlagen, umfassend die beschriebene Vorrichtung.
Weitere Merkmale und Vorteile der Erfindung ergeben sich aus der nachfolgenden Beschreibung von Ausführungsbeispielen der Erfindung, anhand der Figuren der Zeichnung, die erfindungsgemäße Einzelheiten zeigt, und aus den Ansprüchen. Die einzelnen Merkmale können je einzeln für sich oder zu mehreren in beliebiger
Kombination bei einer Variante der Erfindung verwirklicht sein.
Bevorzugte Ausführungsformen der Erfindung werden nachfolgend anhand der beigefügten Zeichnung näher erläutert.
Fig. 1 zeigt eine schematische Darstellung einer ersten Situation zur Durchführung des Verfahrens gemäß einer Ausführung der vorliegenden Erfindung.
Fig. 2 zeigt eine schematische Darstellung einer zweiten Situation zur Durchführung des Verfahrens gemäß einer Ausführung der vorliegenden Erfindung.
In den nachfolgenden Figurenbeschreibungen sind gleiche Elemente bzw. Funktionen mit gleichen Bezugszeichen versehen. Figuren 1 und 2 zeigen zwei unterschiedliche Situationen, in denen das nachfolgend beschriebene Verfahren umgesetzt wird. Figur 1 zeigt eine zweispurige
Abbiegesituation nach rechts, bei dem das Ego-Fahrzeug 100 auf der linken Spur 1 der beiden Abbiegespuren 1 und 2 fährt und ein anderer Verkehrsteilnehmer, z.B. ein weiteres Fahrzeug 200, auf der zweiten Abbiegespur 2 fährt, also rechts vom Ego- Fahrzeug 100 Figur 2 zeigt eine Abbiegesituation nach rechts, bei dem das Ego- Fahrzeug 100 eine erste Abbiegespur 1 befährt und ein anderer Verkehrsteilnehmer, z.B. ein weiteres Fahrzeug 200, eine zweite Abbiegespur 2 rechts von der ersten Abbiegespur 1 befährt, die allerdings kurz vor der ersten Abbiegespur 1 endet, so dass die beiden Fahrzeuge 100 und 200 keine Gefährdung einer Kollision ausgesetzt sind. Das nachfolgend beschriebene Verfahren gilt für die in Figuren 1 und 2 gezeigten Situationen gleichermaßen.
Das System zur Verbesserung von Assistenzsystemen für laterale
Fahrzeugbewegungen dient dazu, den Fahrer im nicht automatisierten Betrieb, also wenn der Fahrer selbst fährt und Assistenzsysteme nutzt, beim Spurwechseln und Abbiegen zu warnen, wenn weitere Verkehrsteilnehmer eine Gefährdung darstellen, und im umgekehrten Sinne Warnungen zu unterdrücken, wenn die anderen
Verkehrsteilnehmer keine Gefährdung darstellen, also z.B. mit dem Ego-Fahrzeug 100 gemeinsam abbiegen oder vorher stoppen oder abbiegen. Ein Stoppen kann
beispielsweise für Fahrradfahrer vorgesehen sein, deren Geradeaus-Spur durch eine Ampel so reguliert wird, dass das Egofahrzeug exklusiv und ohne Gefährdung der Radfahrer rechts abbiegen kann.
Bekannt sind bereits warnende Assistenzsysteme, die bei Spurwechseln hinweisend und lenkend eingreifen, falls eine Kollisionsgefahr mit rückwärtig überholendem oder im Totwinkelbereich befindlichem Verkehr besteht. Im Niedergeschwindigkeitsbereich können entsprechende Systeme auch beim Kreuzen von Pfaden in Abbiegesituationen verwendet werden, um Warnungen auszugeben. Meist wird ein SRR (Short Range Radar) zur Erkennung und Klassifizierung von Objekten im Kreuzungsfall verwendet.
Die Auslegung entsprechender Assistenzsysteme basiert auf einfachen Regelansätzen, die in bestimmten Situationen zu Falschwarnungen führen können. Dies führt zu gesenkter Kunden-Akzeptanz und kann zu einer möglichen Deaktivierung durch den Fahrer beitragen. Das heißt, dass bei zu häufigen Falschwarnungen die Gefahr besteht, dass das System abgeschaltet wird oder nicht darauf reagiert wird, was die Unfallgefahr erhöht.
Beispielsweise kann in folgender Situation eine Falschwarnung durch bisher bekannte Assistenzsysteme erfolgen. Befindet sich ein Ego-Fahrzeug 100 bei einer zweispurigen Rechts-Abbiegesituation, wie in Figur 1 gezeigt, auf der linken Fahrspur 1 und nähert sich auf der rechten Fahrspur 2 ein von hinten kommender anderer Verkehrsteilnehmer, z.B. ein Fahrzeug 200, so wird das sich annähernde Fahrzeug 200 von bisher bekannten Assistenzsystemen als potenzielle Gefahr wahrgenommen. Es erfolgt eine Warnung in dieser Situation, obwohl eine Kollision aufgrund der zweispurigen
Abbiegesituation unwahrscheinlich, wenn nicht sogar ausgeschlossen ist. Bisherige Funktionsimplementierungen können diese Situation also nicht korrekt bewerten.
Deshalb wird vorgeschlagen, eine verbesserte Unterstützung des Fahrers speziell für diese Situationen bereitzustellen, also insbesondere mindestens zweispuriges
Abbiegen und/oder Erkennen, dass der Verkehrsteilnehmer bzw. das Fahrzeug 200 auf der Nebenspur vor dem Abbiegen stoppt oder früher abbiegt.
Hierfür wird bereits im Ego-Fahrzeug 100 verbaute Sensorik, insbesondere nach vorne schauende Kamera(s) und seitlich angeordnete Sensorik zur Erfassung der Umgebung des Ego-Fahrzeugs 100 verwendet. Dies ist in Figuren 1 und 2 durch die schraffierten Bereiche 110 und 120 dargestellt. Dabei werden die erfassten Daten interpretiert und zur verbesserten Erkennung einer Gefährdung, also insbesondere Kollisionsgefahr, für das Ego-Fahrzeug 100 in der aktuellen Verkehrssituation herangezogen. Weiterhin können Kartendaten verwendet werden, welche im Ego-Fahrzeug 100 hinterlegt sind oder über eine Car-to-X-Kommunikation bezogen werden können.
Mittels Kamera werden Abbiegepfeile und Spurmarkierungen 11 , 21 auf dem
Straßenbelag erfasst. Informationen über die Anzahl und Richtungen vorhandener Fahrspuren 1 , 2 können auch von einer Karte bereitgestellt werden. Eine
zusammenhängende Beurteilung des Wissens, auf welcher Fahrspur 1 , 2 und der auf der Fahrspur 1 , 2 erlaubten Fahrtrichtung sich das Ego-Fahrzeug 100 und weitere Verkehrsteilnehmer 200 befinden, ermöglicht eine Unterdrückung von falschen
Warnungen und ein Verhindern eines Eingreifens in die Fahrbewegung durch das Assistenzsystem.
Grundsätzlich ist das vorgeschlagene Verfahren als Computer-Software bzw.
Algorithmus auf einer Steuereinheit im Ego-Fahrzeug 100 implementiert. Vorteilhaft ist der Algorithmus mittels z.B. einem maschinellen Lernverfahren umgesetzt. Ziel ist eine Warnung in relevanten Situationen, also insbesondere zwei oder mehrspuriges
Abbiegen des Ego-Fahrzeuges 100 bei Kollisionsgefahr mit rückwärtigen Objekten, also weiteren Verkehrsteilnehmern, z.B. weiteren Fahrzeugen 200. Das Verfahren ist also nicht nur bei zweispurigem Abbiegen anwendbar. Es kann auch für mehr als zwei Spuren angewendet werden, wenn die Sensorik diesen Raum ebenfalls überwachen kann.
Zur Umsetzung werden zwei Wahrscheinlichkeitsklassifikatoren K1 bzw. K2 verwendet, wobei der erste Wahrscheinlichkeitsklassifikator K1 die Wahrscheinlichkeit für eine relevante Fahrzeugbewegung des Ego-Fahrzeugs 100, also z.B. Abbiegen, Wenden, Spurwechsel, ermittelt. Der zweite Wahrscheinlichkeitsklassifikator K2 versucht bei Vorhandensein von Objekten, also weiteren Verkehrsteilnehmern, z.B. weiteren
Fahrzeugen 200, deren Gefährdung für den vom Ego-Fahrzeug 100 erkannten Vorgang einzuschätzen. Eine hohe Wahrscheinlichkeit bedeutet, dass sich die zukünftige Fahrbahn des Objekts mit der des Ego-Fahrzeuges 100 trifft. In Figur 1 wäre dies, dass sich zukünftig beide Fahrzeuge 100 und 200 z.B. auf Spur 2 bewegen wollen, also keine zwei- oder mehrspurige Abbiegesituation herrscht. Sehr wahrscheinlich würde in solchen Situationen ohne Warnung oder Eingriff eine Kollision zwischen dem Ego- Fahrzeug 100 und dem Fahrzeug 200 erfolgen. Der Gesamtalgorithmus inheriert und ver-undet die beiden Wahrscheinlichkeiten zu einer Gesamtwahrscheinlichkeit einer notwendigen Warnung, insofern K1 erfüllt ist. K1 ist erfüllt, wenn das Ego-Fahrzeug 100 Lateralbewegungen ausführt, bzw. die ermittelte Wahrscheinlichkeit für diese
Bewegung über einem vorgegebenen Grenzwert liegt. Erst dann ist eine
Berücksichtigung lateral-verletzbarer Verkehrsteilnehmer notwendig. Die Wahrscheinlichkeitsklassifikatoren K1 und K2 sind dabei so ausgelegt, dass neben der Verwendung zur Beurteilung der aktuellen Situation ein stetiges Lernen mittels einem Trainingsverfahren ermöglicht wird. Dabei fließen im Training Beobachtungen des Ego-Fahrzeugs 100 in den ersten und den zweiten Wahrscheinlichkeitsklassifikator K1 und K2 ein. Beobachtungen der umgebenden Objekte, also z.B. des Fahrzeugs 200, werden für den K2 verwendet.
Die stetig im Ego-Fahrzeug 100 laufende Klassifikation erfolgt für K1 basierend auf Egodaten, für K2 basierend auf Objektdaten. Die Beobachtungen im Ego-Fahrzeug 100 können durch dynam ik-erfassende Sensoren wie Gierratensensoren,
Momentensensoren für Antrieb und Bremse, ortserfassende Sensoren zur
Referenzierung in einer Karte wie GNSS-Lokalisierung, GSM-Lokalisierung,
Landmarken-basierte Lokalisierung, und Sensoren zur Erfassung des Fahrerzustands bzw. der Fahrerabsicht wie Fahrerkamera, Wearables, Pedal- und Lenkeingabesensor, Zustand des Blinkers bzw. Richtungsanzeigers, aufgenommen werden.
Die Beobachtungen der umgebenden Objekte 200 erfolgen auf Basis ebensolcher Sensoren, unter der Voraussetzung, dass sie per Car-to-Car Kommunikation oder anderweitig übertragen werden können. Weiterhin erfolgt die Aufnahme der
Beobachtungen durch die am Ego-Fahrzeug 100 befindliche Außen-Sensorik wie Lidar-, Radar-, Kamerasensoren, je nach Ausstattung des Ego-Fahrzeugs 100 im Umfang von Dynamikdaten, sowie Intentionsdaten, z.B. ob ein Blinker gesetzt ist oder nicht.
Weiterhin werden folgende Umgebungsdaten bzw. Umgebungsinformationen
aufgenommen, welche z.B. von der Außensensorik des Ego-Fahrzeugs 100 oder aus Backend-Karteninformationen erfasst werden:
- Verkehrssituation, z.B. Dichte und Fluss,
- Witterungsbedingungen,
- aktuelle Straßengeometrie, z.B. Anzahl der Spuren, Spurbreiten, Spurverlauf.
Damit eine generische Nutzung von Informationen des Ego-Fahrzeugs 100 für den K1 , bzw. eine generische Nutzung von Informationen der beobachteten Fahrzeuge 200 für den K2 ermöglicht wird, werden die entsprechend aufgenommenen Umgebungsdaten mit ins Training einbezogen.
Beispielsweise ist bei hohem Verkehrsfluss an einer engen Kreuzung ein langsameres Abbiegen notwendig, als bei geringerem Verkehrsaufkommen. Das Verfahren des Trainings beruht auf einer zeitlich-stetigen Aufzeichnung der angesprochenen
Merkmale wie Verhalten des Egofahrzeugs, Verhalten des/der Verkehrsteilnehmer, Verkehrssituation, Witterungsbedingungen, Straßenverhältnisse, unter Verwendung der dargestellten Sensoren, sowie der automatisierten Kennzeichnung von Positiv- und Negativ-Situationen, in Bezug auf den jeweiligen Klassifikationsfall (K1 : Abbiegen Egofahrzeug, K2: Kollisionskritisches Bewegungsmuster).
Die kontinuierliche Verbesserung der Klassifikatoren durch das Training kann dabei auf den Vorteil zurückgreifen, dass Beobachtungen nicht instant bzw. sofort, sondern im konkreten Anwendungsfall erst nach Abschluss einer durchgeführten Aktion (bspw. Abbiegen) im gesamten Kontext bewertet werden müssen.
Im in Figur 1 gezeigten Beispiel befindet sich das Ego-Fahrzeug 100 in einer
zweispurigen Abbiegesituation auf der linken Spur 1 mit einem weiteren
Verkehrsteilnehmer 200 auf der rechten Spur 2.
Grundsätzlich erfolgt die Klassifikation wie folgt. K1 klassifiziert dabei das Verhalten des Ego-Fahrzeugs 100, wobei Lateralbewegungen wie Abbiegen, Wenden, Spurwechseln als positiv bewertet werden, und als negativ bewertet wird, wenn keine
Lateralbewegung vorhanden ist. Das heißt, K1 ist Voraussetzung zur Betrachtung von K2. K1 wird allein aus Ego-Daten des Ego-Fahrzeugs 100 trainiert. Das Ego-Fahrzeug 100 lernt also nicht aus dem Verhalten des anderen Verkehrsteilnehmers 200, um sein Verhalten zu klassifizieren.
Im Falle einer positiven Aussage von K1 , d.h. es findet eine Lateralbewegung statt, klassifiziert schließlich K2 ein kritisches Manöver anderer Verkehrsteilnehmer 200. Positiv ist in diesem Sinne ist z.B. ein Kreuzen der Ego-Spur, wobei negativ ein paralleles Abbiegen oder Anhalten ist. K2 wird dabei aus Daten anderer Verkehrsteilnehmer 200 und den Egodaten des Ego- Fahrzeugs 100 trainiert, d.h. , wenn das Ego-Fahrzeug 100 die Position des anderen Verkehrsteilnehmers 200 einnimmt. Die Generierung der Daten der anderen
Verkehrsteilnehmer 200 erfolgt dabei über die vorhandene Sensorik des Ego- Fahrzeugs 100 als auch über Car-to-Car Kommunikation mit den Verkehrsteilnehmern 200.
Somit kann das Ego-Fahrzeug 100 sowohl Daten für den Fall erzeugen, auswerten und klassifizieren, bei dem es (in diesem Beispiel) auf der linken Spur 1 fährt, oder bei dem es als Verkehrsteilnehmer 200 auf der rechten Spur fährt. So kann es aus dem eigenen Verhalten lernen, wie es sich in einer solchen Situation auf der linken Spur 1 verhalten kann oder soll.
Damit eine generische Nutzung von Informationen des Ego-Fahrzeugs 100 für den K2 ermöglicht wird, müssen die, durch die ggf. abweichenden Erfassungs-Sensoren, erzeugten Beobachtungen um deren Fehler reduziert werden.
Die Beispiele beziehen sich auf Fahrzeuge, welche sich im Rechtsverkehr befinden, können aber analog auf Linksverkehr angewendet werden. Grundprinzip ist es, dass eine Nebenspur des Ego-Fahrzeugs vorhanden ist und erkannt werden soll, ob diese denselben Fahrverlauf zeigt wie die Ego-Spur, so dass ein mehrspuriges Abbiegen vorgesehen ist.

Claims

Patentansprüche
1. System zur Verbesserung von Assistenzsystemen für laterale
Fahrzeugbewegungen bei mindestens zweispurigen Abbiegevorgängen und Abbiegevorgängen, bei denen die Nebenspur (2) vor dem Abbiegen des Ego- Fahrzeugs (100) endet, mit mindestens einer elektronischen Steuereinheit, wobei die Steuereinheit derart ausgestaltet ist, dass nacheinander oder gleichzeitig
- ein zukünftiger Abbiegevorgang des Ego-Fahrzeugs (100) ermittelt wird,
- Informationen über Spurmarkierungen (11 , 21 ) und die Anzahl der vorhandenen Fahrspuren (1 , 2) in der Umgebung vor und neben dem Ego-Fahrzeug (100) erfasst werden, und
- bestimmt wird, ob zumindest ein weiterer Verkehrsteilnehmer (200) auf einer relevanten Fahrspur (1 , 2) neben oder hinter der Fahrspur (1 , 2) des Ego- Fahrzeugs (100) vorhanden ist, und
wenn dies der Fall ist, wird eine zukünftige Bewegungsabsicht des
Verkehrsteilnehmers (200) aus den Informationen zu Spurmarkierungen (11 , 21 ) und Anzahl der vorhandenen Fahrspuren (1 , 2) bestimmt, und wenn bestimmt wird, dass sich das Ego-Fahrzeug (100) und der Verkehrsteilnehmer (200) auf einer mindestens zweispurigen Abbiegespur (1 , 2) befinden, oder dass der Verkehrsteilnehmer (200) vor dem Abbiegevorgang des Ego-Fahrzeugs (100) anhält oder seine Fahrspur (1 , 2) verlässt, wird bestimmt, dass keine
Kollisionswahrscheinlichkeit besteht.
2. System nach Anspruch 1 , wobei im Fall, dass bestimmt wird, dass keine
Kollisionswahrscheinlichkeit besteht, eine Warnung an den Fahrer und/oder ein Eingriff in die Fahrbewegung des Ego-Fahrzeugs (100) unterdrückt wird
3. System nach einem der vorhergehenden Ansprüche, wobei die Umgebung vor dem Fahrzeug mittels im Ego-Fahrzeug (100) verbauter Sensorik als
Umgebungsinformation erfasst wird.
4. System nach einem der vorhergehenden Ansprüche, wobei Karteninformationen verwendet werden, um Informationen über die Anzahl und Richtungen
vorhandener Fahrspuren (1 , 2) bereitzustellen.
5. System nach einem der vorhergehenden Ansprüche, wobei zur Verbesserung der Klassifikatoren (K1 , K2) zur Bestimmung einer Wahrscheinlichkeit einer Kollision ein lernender Algorithmus verwendet wird, in dessen Training abhängig von dem betrachteten Klassifikator (K1 , K2) sowohl zeitlich-stetige
Aufzeichnungen des Fahrverhaltens des Ego-Fahrzeugs (100) als auch des Fahrverhaltens von weiteren Fahrzeugen (200) sowie Umgebungsinformationen einfließen, wobei eine Bewertung erst nach Abschluss des Abbiegevorgangs des Ego-Fahrzeugs (100) erfolgt.
6. System nach einem der Ansprüche 3 bis 5, wobei Umgebungsinformationen mindestens eines aus folgenden Informationen umfassen: Verkehrssituation, Witterungsbedingungen, aktuelle Straßengeometrie.
7. Verfahren zur Verbesserung von Assistenzsystemen für laterale
Fahrzeugbewegungen bei mindestens zweispurigen Abbiegevorgängen und Abbiegevorgängen, bei denen die Nebenspur (1 , 2) vor dem Abbiegen des Ego- Fahrzeugs (100) endet, wobei nacheinander oder gleichzeitig
- ein zukünftiger Abbiegevorgang des Ego-Fahrzeugs (100) ermittelt wird,
- Informationen über Spurmarkierungen (11 , 21 ) und die Anzahl der vorhandenen Fahrspuren (1 , 2) in der Umgebung vor und neben dem Ego-Fahrzeug (100) erfasst werden, und
- bestimmt wird, ob zumindest ein weiterer Verkehrsteilnehmer (200) auf einer Fahrspur (1 , 2) neben oder hinter der Fahrspur (1 , 2) des Ego-Fahrzeugs (100) vorhanden ist, und
wenn dies der Fall ist, wird eine zukünftige Fahraufgabe des
Verkehrsteilnehmers (200) aus den Informationen zu Spurmarkierungen (11 , 21 ) und Anzahl der vorhandenen Fahrspuren (1 , 2) bestimmt, und wenn bestimmt wird, dass sich das Ego-Fahrzeug (100) und der Verkehrsteilnehmer (200) auf einer mindestens zweispurigen Abbiegespur (1 , 2) befinden, oder dass der Verkehrsteilnehmer (200) vor dem Abbiegevorgang des Ego-Fahrzeugs (100) seine Fahrspur verlässt, wird bestimmt, dass keine Kollisionswahrscheinlichkeit besteht.
8. Verfahren nach Anspruch 7, wobei zur Verbesserung der Klassifikatoren (K1 , K2) zur Bestimmung einer Wahrscheinlichkeit einer Kollision ein lernender
Algorithmus verwendet wird, in dessen Training abhängig von dem betrachteten Klassifikator (K1 , K2) sowohl zeitlich-stetige Aufzeichnungen des Fahrverhaltens des Ego-Fahrzeugs (100) als auch des Fahrverhaltens von weiteren Fahrzeugen (200) sowie Umgebungsinformationen einfließen, wobei eine Bewertung erst nach Abschluss des Abbiegevorgangs des Ego-Fahrzeugs (100) erfolgt.
9. Computer-Programmprodukt für die mindestens eine elektronische Steuereinheit zur Durchführung des Verfahrens nach Anspruch 7 oder 8.
10. Fahrzeug (100), umfassend das System nach einem der Ansprüche 1 bis 6.
PCT/EP2019/084509 2019-01-08 2019-12-10 Vorrichtung und verfahren zur verbesserung von assistenzsystemen für laterale fahrzeugbewegungen WO2020143977A1 (de)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201980088121.7A CN113272197B (zh) 2019-01-08 2019-12-10 用于改进用于横向车辆运动的辅助系统的装置和方法
US17/421,257 US11891056B2 (en) 2019-01-08 2019-12-10 Device and method for improving assistance systems for lateral vehicle movements

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102019100318.0A DE102019100318A1 (de) 2019-01-08 2019-01-08 Vorrichtung und Verfahren zur Verbesserung von Assistenzsystemen für laterale Fahrzeugbewegungen
DE102019100318.0 2019-01-08

Publications (1)

Publication Number Publication Date
WO2020143977A1 true WO2020143977A1 (de) 2020-07-16

Family

ID=69061276

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2019/084509 WO2020143977A1 (de) 2019-01-08 2019-12-10 Vorrichtung und verfahren zur verbesserung von assistenzsystemen für laterale fahrzeugbewegungen

Country Status (4)

Country Link
US (1) US11891056B2 (de)
CN (1) CN113272197B (de)
DE (1) DE102019100318A1 (de)
WO (1) WO2020143977A1 (de)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11529951B2 (en) * 2019-12-24 2022-12-20 Intel Corporation Safety system, automated driving system, and methods thereof
KR20220028709A (ko) * 2020-08-31 2022-03-08 현대모비스 주식회사 차량용 주행 제어방법 및 시스템
CN113353083B (zh) * 2021-08-10 2021-10-29 所托(杭州)汽车智能设备有限公司 车辆行为识别方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012009297A1 (de) 2012-05-03 2012-12-13 Daimler Ag Verfahren zur Unterstützung eines Fahrers beim Führen eines Fahrzeugs
DE102012204948A1 (de) 2012-03-28 2013-10-02 Robert Bosch Gmbh Verfahren zur Unterstützung eines Fahrers
EP2950294A1 (de) * 2014-05-30 2015-12-02 Honda Research Institute Europe GmbH Verfahren und Fahrzeug mit fortschrittlichem Fahrerassistenzsystem zur risikobasierten Verkehrsszenenanalyse
US20170101093A1 (en) * 2015-10-13 2017-04-13 Verizon Patent And Licensing Inc. Collision prediction system
DE102016119486A1 (de) * 2015-10-27 2017-04-27 Gm Global Technology Operations, Llc Verfahren zur verbesserung der leistung von abbiegeassistenten an kreuzungen bei automobilen
DE102016223943A1 (de) * 2016-12-01 2018-06-07 Bayerische Motoren Werke Aktiengesellschaft Spurwechselassistenzsystem mit Abfrage eines zusätzlichen Kriteriums zum Auslösen einer Akutwarnung

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9248834B1 (en) * 2014-10-02 2016-02-02 Google Inc. Predicting trajectories of objects based on contextual information
US9896096B2 (en) * 2016-04-11 2018-02-20 David E. Newman Systems and methods for hazard mitigation
US20170344855A1 (en) * 2016-05-24 2017-11-30 Agt International Gmbh Method of predicting traffic collisions and system thereof
KR101976425B1 (ko) * 2016-09-22 2019-05-09 엘지전자 주식회사 차량 운전 보조 장치
DE102016121691A1 (de) * 2016-11-11 2018-05-17 Automotive Safety Technologies Gmbh Verfahren und System zum Betreiben eines Kraftfahrzeugs
CN108510771A (zh) 2017-02-27 2018-09-07 奥迪股份公司 驾驶辅助系统及包括该驾驶辅助系统的车辆
DE102017206695B4 (de) * 2017-04-20 2024-01-18 Bayerische Motoren Werke Aktiengesellschaft Fahrassistenzverfahren zur Assistenz eines leistungsintensiven Fahrmanövers eines Ego-Fahrzeugs und Fahrassistenzsystem für ein leistungsintensives Fahrmanöver eines Ego-Fahrzeugs
WO2018220418A1 (en) * 2017-06-02 2018-12-06 Toyota Motor Europe Driving assistance method and system
US10373502B1 (en) * 2018-07-26 2019-08-06 Fca Us Llc Techniques for detecting multiple turn lane driving scenarios and suppressing blind spot monitoring warnings

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012204948A1 (de) 2012-03-28 2013-10-02 Robert Bosch Gmbh Verfahren zur Unterstützung eines Fahrers
DE102012009297A1 (de) 2012-05-03 2012-12-13 Daimler Ag Verfahren zur Unterstützung eines Fahrers beim Führen eines Fahrzeugs
EP2950294A1 (de) * 2014-05-30 2015-12-02 Honda Research Institute Europe GmbH Verfahren und Fahrzeug mit fortschrittlichem Fahrerassistenzsystem zur risikobasierten Verkehrsszenenanalyse
US20170101093A1 (en) * 2015-10-13 2017-04-13 Verizon Patent And Licensing Inc. Collision prediction system
DE102016119486A1 (de) * 2015-10-27 2017-04-27 Gm Global Technology Operations, Llc Verfahren zur verbesserung der leistung von abbiegeassistenten an kreuzungen bei automobilen
DE102016223943A1 (de) * 2016-12-01 2018-06-07 Bayerische Motoren Werke Aktiengesellschaft Spurwechselassistenzsystem mit Abfrage eines zusätzlichen Kriteriums zum Auslösen einer Akutwarnung

Also Published As

Publication number Publication date
DE102019100318A1 (de) 2020-07-09
US11891056B2 (en) 2024-02-06
CN113272197B (zh) 2023-12-01
CN113272197A (zh) 2021-08-17
US20220017084A1 (en) 2022-01-20

Similar Documents

Publication Publication Date Title
DE102009017152B4 (de) Verfahren und Vorrichtung zur Längs- und Querführung eines Kraftfahrzeugs
EP2888604B1 (de) Verfahren zur bestimmung eines fahrspurverlaufs für ein fahrzeug
DE102018218220A1 (de) Steuergerät für ein Fahrzeug
DE102013209502A1 (de) Verfahren zum automatischen Intervenieren in ein Ego-Fahrzeug bei einer Falschfahrt, insbesondere einer Geisterfahrt
DE102013012324A1 (de) Verfahren und Vorrichtung zur Fahrwegfindung
EP2888139A1 (de) Fahrerassistenzsystem und verfahren zum betreiben des fahrerassistenzsystems
DE102014200700A1 (de) Verfahren und System zur Erkennung einer Rettungsgassensituation
DE102018101114A1 (de) Fahrspurwechsel eines fahrzeugs
WO2015032707A1 (de) Verfahren und steuer- und erfassungseinrichtung zum plausibilisieren einer falschfahrt eines kraftfahrzeugs
EP3543985A1 (de) Simulieren verschiedener verkehrssituationen für ein testfahrzeug
DE10332961A1 (de) Verfahren und Vorrichtung zur Bestimmung der Position und/oder der zu erwartenden Position eines Fahrzeuges während eines Einpark-Vorgangs in Relation zur Gegenfahrspur einer mehrspurigen Fahrbahn
DE102014216257A1 (de) Verfahren zum Bestimmen einer Fahrstrategie
WO2020143977A1 (de) Vorrichtung und verfahren zur verbesserung von assistenzsystemen für laterale fahrzeugbewegungen
WO2017097486A1 (de) Verfahren zum erkennen einer möglichen kollision zwischen einem kraftfahrzeug und einem objekt unter berücksichtigung einer räumlichen unsicherheit, steuereinrichtung, fahrerassistenzsystem sowie kraftfahrzeug
DE102020112686A1 (de) Adaptives autonomes Notbremssystem unter Berücksichtigung des Lenkwegs und Steuerverfahren für selbiges
DE102014207541A1 (de) Fahrbahnmarkierungsbezogene Fahrassistenz
DE102017205495A1 (de) Vorrichtung und Verfahren zum Fokussieren von Sensoren im fahrdynamischen Grenzbereich für ein Kraftfahrzeug
DE102018219376A1 (de) Verfahren zum Auswählen und beschleunigten Ausführen von Handlungsreaktionen
DE102013003219A1 (de) Unterstützung eines Fahrers eines Kraftfahrzeugs beim Fahren auf einer Überholspur einer zumindest zweispurigen Straße
DE102013016724A1 (de) Verfahren zum Betrieb eines Fahrzeuges
DE102007002220A1 (de) Verfahren und Vorrichtung zur Kollisionswarnung bei Spurwechseln von Fahrzeugen
WO2019211293A1 (de) Verfahren zum betreiben eines fahrerassistenzsystems eines egofahrzeugs mit wenigstens einem umfeldsensor zum erfassen eines umfelds des egofahrzeugs, computer-lesbares medium, system, und fahrzeug
DE10307229A1 (de) Vorrichtung und Verfahren zur Überwachung des Nahbereichs eines Kraftfahrzeuges zur Vermeidung von Kollisionen
WO2016091363A1 (de) Verfahren, steuereinrichtung und notbremssystem zur ausgabe eines notbremssignals in einem eigen-fahrzeug
DE102015208530A1 (de) Verfahren und Vorrichtung zur Reduzierung des Kollisionsrisikos eines Fahrzeugs

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: 19828998

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19828998

Country of ref document: EP

Kind code of ref document: A1