WO2021043505A1 - Verfahren und vorrichtung zur ermittlung einer trajektorie eines fahrzeugs - Google Patents

Verfahren und vorrichtung zur ermittlung einer trajektorie eines fahrzeugs Download PDF

Info

Publication number
WO2021043505A1
WO2021043505A1 PCT/EP2020/071205 EP2020071205W WO2021043505A1 WO 2021043505 A1 WO2021043505 A1 WO 2021043505A1 EP 2020071205 W EP2020071205 W EP 2020071205W WO 2021043505 A1 WO2021043505 A1 WO 2021043505A1
Authority
WO
WIPO (PCT)
Prior art keywords
sequence
vehicle
time
values
value
Prior art date
Application number
PCT/EP2020/071205
Other languages
English (en)
French (fr)
Inventor
David Pannen
Martin LIEBNER
Thomas Schutzmeier
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 JP2022513504A priority Critical patent/JP2022546483A/ja
Priority to KR1020227002048A priority patent/KR20220024791A/ko
Priority to US17/636,119 priority patent/US20220290991A1/en
Priority to CN202080060302.1A priority patent/CN114286924B/zh
Publication of WO2021043505A1 publication Critical patent/WO2021043505A1/de

Links

Classifications

    • 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
    • G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
    • 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
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/393—Trajectory determination or predictive tracking, e.g. Kalman filtering
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/40—Correcting position, velocity or attitude
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial

Definitions

  • the invention relates to a method and a corresponding device for
  • Determination of the trajectory driven by a vehicle in particular to generate a high-precision digital (HD) map for a road network.
  • a vehicle can use high-precision digital maps to expand and / or supplement the vehicle sensors.
  • An HD map provides a-priori knowledge about the vehicle's surroundings, which enables improved localization of the vehicle and / or the detection of outliers in the vehicle sensor system.
  • HD cards can serve as a fallback layer in the event of a sensor failure and the convenience of an automated one
  • HD Maps contain information about the passability and connectivity of lanes as well as applicable traffic rules that improve automated driving.
  • Dedicated mapping vehicles equipped with a number of high-precision sensors such as LID AR (light detection and ranging) and / or high-precision GPS receivers can be used to create an HD map.
  • LID AR light detection and ranging
  • GPS receivers can be used to create an HD map.
  • the use of dedicated mapping vehicles is associated with a relatively high cost.
  • the number of mapping vehicles is typically limited, so that only a relatively small portion of the road network can be traveled regularly and / or so that the frequency of travel for an individual road segment is relatively low.
  • changes in the road network may not always be recognized promptly and taken into account in an HD map.
  • the use of not sufficiently up-to-date HD maps can in turn impair the quality of an automated driving function of a vehicle.
  • driving data from (conventional) vehicles can be recorded and evaluated.
  • the driving data of a vehicle can include sensor data from different sensors of the vehicle. Based on the driving data of the individual vehicles, trajectories of the individual vehicles can then be determined, from which in turn the course of the roadways can be inferred. The driving data from vehicles can thus be used to adapt an HD map.
  • the accuracy and / or the resolution of the sensor data of the one or more sensors of a vehicle is typically less than the accuracy and / or the resolution of the sensor data of the sensors of a mapping vehicle.
  • a device for estimating an actual (driving) trajectory of a vehicle is described.
  • the trajectory can be estimated on the basis of sensor data from one or more sensors of the vehicle.
  • the device can be arranged at least partially (or completely) inside the vehicle and / or at least partially (or completely) outside the vehicle (for example in a backend server).
  • the device can be set up to create and / or adapt a digital map in relation to a road network on the basis of the estimation of the actual trajectory of the vehicle.
  • the digital map can then be used to provide an automated driving function (in particular for highly automated driving).
  • the digital map can describe the course of roads and / or lanes and / or lanes of the road network relative to a reference coordinate system (for example relative to the world coordinate system).
  • the device can be set up to determine a sequence of measured position values in relation to the respective position of the vehicle at a corresponding sequence of times on the basis of the sensor data of a position sensor (of the vehicle).
  • a measured position value can include coordinates, in particular GPS coordinates, in relation to the position of the vehicle within the reference coordinate system (for example within the world coordinate system) for the road network.
  • the sequence of measured position values can thus describe a measured trajectory of the vehicle within the reference coordinate system. Due to measurement errors and / or due to measurement inaccuracies, stochastic and / or systematic deviations of the individual measured position values from the respective actual position of the vehicle can occur.
  • the device is also set up to determine a sequence of odometry values for at least part of the sequence of times on the basis of sensor data from one or more vehicle sensors (of the vehicle).
  • An odometry value for a point in time can show how the pose (i.e. the position and / or the orientation of the vehicle) has changed compared to a (directly) previous point in time.
  • Exemplary vehicle sensors indicate the driving speed, the steering angle, the acceleration and / or the yaw rate of the vehicle.
  • a pose value can indicate the pose of the vehicle.
  • a position value can include coordinates with respect to the position of the vehicle within a coordinate system of the vehicle.
  • An odometry value can indicate the change in the position (and / or the orientation) of the vehicle between two points in time relative to the coordinate system of the vehicle.
  • the coordinate system of the vehicle can be shifted in relation to the reference coordinate system.
  • the odometry values can thus indicate how the position (and possibly the orientation) of the vehicle at the sequence of points in time (relative to the coordinate system of the vehicle) has changed between two points in time. Consequently, on the basis of the odometry values, a sequence of pose values can be determined which indicates a trajectory that is shifted (and possibly rotated) with respect to the actual trajectory of the vehicle.
  • the odometry values can have errors (due to measurement inaccuracies of the one or more vehicle sensors), so that the pose values determined solely on the basis of the odometry values (in addition to a translation and / or rotation) typically differ from the actual pose values of the vehicle.
  • the device can be set up to combine and / or superimpose the sequence of measured position values and the sequence of odometry values in order to determine an estimate of the actual trajectory.
  • a (systematic) position offset can be taken into account in order to shift the measured position values in a uniform manner and thus to take into account and compensate for a systematic error in the measurement of the measured position values (in particular the measured GPS or satellite coordinates).
  • the device can be set up to determine a sequence of estimated position values for the sequence of points in time as an estimate of the actual trajectory of the vehicle.
  • An estimated position value for a specific point in time can display the pose of the vehicle at the specific point in time relative to the reference coordinate system.
  • the (uniform) value of the position offset can be determined for the sequence of measured position values.
  • the sequence of estimated position values and the value of the position offset can be determined in such a way that an optimization criterion is improved, in particular at least locally optimized.
  • the optimization criterion can include a position value deviation term for each of the sequence of points in time.
  • the position value deviation term for a point in time can depend on the (for example square) deviation of the estimated position value for the respective point in time from the measured position value shifted by the (uniform and / or systematic) position offset for the respective point in time.
  • the sequence of estimated pose values (and thus the estimation of the trajectory) can thus be determined in a particularly precise manner.
  • the optimization criterion can include an odometry deviation term for at least some of the points in time of the sequence of points in time (in particular for N-1 points in time, for the case that the sequence of points in time comprises N points in time).
  • the odometry deviation term for a point in time can depend on the (possibly quadratic) deviation of the change in the vehicle's pose resulting from the sequence of estimated pose values at the point in time on the odometry value for the point in time.
  • the optimization criterion can thus be designed to determine the sequence of estimated pose values in such a way that the (mean) deviation of the estimated pose values from the measured odometer values and from the measured position values (shifted by the position offset) is reduced, in particular minimized.
  • the actual trajectory of the vehicle can thus be estimated in a particularly precise manner.
  • the device can be set up to determine the estimation of the actual trajectory of the vehicle by means of a graph SLAM, ie Simultaneous Localization and Mapping, method.
  • the position offset can be taken into account as a movable anchor node within the framework of the graph SLAM method. This enables a particularly efficient and precise estimation of the actual trajectory.
  • the measured position values typically have a certain position measurement inaccuracy. As a result, there can be a probability distribution of possible values around the respective measured position value for each measured position value. The optimization criterion can depend on the position measurement inaccuracy (in particular on the probability distribution) of the measured position values.
  • the dependency can be such that an increase in the position measurement inaccuracy (or a broadening of the probability distribution) leads to a reduction in the effect of the position value deviation terms on the optimization criterion. In this way, the accuracy of the estimation of the actual trajectory can be increased further.
  • the odometry values also typically have an odometry measurement inaccuracy.
  • the optimization criterion can depend on the odometry measurement inaccuracy (in particular on the probability distribution) of the odometry, in particular in such a way that an increase in the odometry measurement inaccuracy (or a broadening of the probability distribution) leads to a reduction in the effect of the odometry deviation terms on the optimization criterion. In this way, the accuracy of the estimation of the actual trajectory can be increased further.
  • the device can be set up to determine the position offset for the sequence of measured position values in such a way that the value of the position offset is the same for all measured position values of the sequence of measured position values and / or for all times in the sequence of times.
  • Position offset for all measured position values of the trajectory are taken into account.
  • a systematic error that acts over the entire trajectory in the measurement of the measured Position values e.g. a systematic error due to the atmosphere
  • the device can be set up to limit the value of the position offset to a maximum value.
  • the device can be set up to determine the value of the position offset, taking into account a covariance and / or a probability distribution for the position offset.
  • the optimization criterion can include a term by which an increase in the amount of the value of the position offset is penalized. A precise localization of the estimation of the actual trajectory within the reference coordinate system (in particular within the world coordinate system) can thus be effected in an efficient and reliable manner.
  • the device can be set up to subdivide the sequence of times into a plurality of successive partial sequences.
  • the measured position values of a partial sequence can then be shifted with a partial position offset for the partial sequence and with the position offset for the entire sequence in order to determine the estimate of the actual trajectory.
  • the device can be set up to determine the sequence of estimated position values for the sequence of times, the position offset for the entire sequence of measured position values and the plurality of partial position offsets for the plurality of partial sequences in such a way that the optimization criterion improves, in particular at least locally optimized.
  • the device can be set up to determine the estimate of the actual trajectory by means of a graph SLAM method.
  • the device can be set up to create a graph, the graph comprising the individual estimated pose values of the sequence of estimated pose values as nodes (which are referred to in this document as pose variable nodes).
  • the estimated pose values can be initialized on the basis of the measured position values and / or on the basis of the (measured) odometry values.
  • the graph with the initialized, estimated pose values can then be used as a starting point for (iterative) optimization of the graph and thus for the estimation of the actual trajectory.
  • the graph can comprise an odometry factor which is dependent on the sensor data of the one or more vehicle sensors and / or which indicates a movement of the vehicle between the two nodes.
  • the odometry factor between the pose variable node for a specific point in time and the pose variable node for a previous point in time can depend on the measured odometry value for the specific point in time.
  • the odometry factor can display a probability distribution in relation to the change in pose values between two pose variable nodes.
  • the graph can also have a position variable node for each measured position value. Furthermore, for each of the position variable nodes, the graph can include an association via a position factor (ie via an edge) to a corresponding position variable node (or to a corresponding measured position value).
  • the position factor can be used to display how the position variable node is arranged relative to the respective position variable node. The position factor can depend on the measured position value for the respective position variable node.
  • the position variable node for a specific point in time be arranged at a position within the graph which corresponds to the measured position value for the specific point in time.
  • the position factor (ie the edge) between a position variable node and a corresponding position variable account can be associated with a probability distribution that depends on the position measurement inaccuracy.
  • position variable nodes On the basis of the measured position values, position variable nodes and on the basis of the measured odometry values (initialized) position variable nodes of a graph can thus be provided.
  • the nodes can be connected to one another via edges, wherein the edges can each be associated with a probability distribution or a covariance that depends on the position measurement inaccuracy and / or on the odometry measurement inaccuracy. In this way, the available sensor data relating to the position of the vehicle can be represented in an efficient manner within a graph.
  • the position variable nodes of the graph can be connected (in a rigid manner) to a position anchor (i.e. to an anchor node) in such a way that a displacement of the position anchor leads to a corresponding displacement of the position variable nodes of the graph.
  • the position offset can thus be taken into account in an efficient manner within the graph.
  • the device can be set up to determine the sequence of estimated position values (ie the estimated value of the actual trajectory) by optimizing the graph.
  • the optimization of the graph can include moving the position anchor and / or changing one or more pose values of the sequence of pose values and / or moving the position variable nodes.
  • the graph can be optimized in such a way that a specific optimization criterion is improved, in particular at least locally optimized.
  • the optimization criterion can Position deviation terms and / or odometry deviation terms.
  • the device can be set up, as part of the optimization of the graph, a pose of the position anchor as a function of a
  • the probability distribution can be such that a translation of the position anchor is made possible and that a rotation of the position anchor is essentially prevented. In this way, a position offset and thus a systematic error in the measurement of the measured position values can be taken into account and compensated for in a particularly reliable manner.
  • the sequence of times can comprise a plurality of successive partial sequences.
  • the position variable nodes of the graph of a partial sequence can then each be connected to an intermediate anchor, so that a shift of the intermediate anchor leads to a corresponding shift of the position variable nodes of the partial sequence.
  • the intermediate anchors of the plurality of partial sequences can be connected to the position anchor in such a way that a displacement of the position anchor leads to a corresponding displacement of the intermediate anchors of the plurality of partial sequences.
  • the device can be set up to determine a measurement position of a landmark in an environment of the vehicle for a specific point in time of the sequence of points in time on the basis of sensor data from one or more environment sensors (for example cameras and / or lidar sensors) of the vehicle. It can then be a Landmark deviation term are taken into account in the optimization criterion, the landmark deviation term being able to depend on the deviation of the measurement position of the landmark from a reference position of the landmark. By taking one or more landmarks into account, the quality of the estimation of the actual trajectory can be further increased.
  • the device can be set up to determine a sequence of measured position values at a corresponding sequence of times for a plurality of journeys on a segment of a road network (and possibly within a limited time interval). Furthermore, the device can be set up to determine a sequence of odometry values for at least part of the sequence of times for the plurality of journeys. In addition, the device can be set up to determine a sequence of estimated position values for the sequence of times and a position offset for the plurality of journeys.
  • the sequences of estimated position values (i.e. the estimates of the actual trajectories for the different journeys) and the position offset can be determined in such a way that an optimization criterion is improved in each case, in particular at least locally optimized.
  • the sequences of estimated pose values (ie the estimates of the actual trajectories for the different journeys) and the position offset can be determined in such a way that the position offset is the same for the majority of journeys (in particular if the majority of journeys within a relatively short Time interval). It can thus be taken into account in an efficient manner that a systematic error in the position measurement has the same effect on different journeys. As a result, the quality of the estimated estimates of the actual journeys can be further increased.
  • a specific position offset can be determined at least partially for the different journeys (in particular if the different journeys are relatively far apart in time). So can Changes in the presence of systematic measurement errors are reliably detected and taken into account.
  • the device can be set up to determine alternative data relating to the position of the vehicle and to determine a value of at least one further deviation term for the optimization criterion on the basis of the alternative data.
  • the at least one further deviation term can be such that the further deviation term brings about an increase in the amount of the value of the position offset.
  • the further deviation term can, for example (as set out above) depend on a landmark and / or depend on the measured position values that were recorded during a further journey.
  • the alternative data can thus include, for example, the measurement position of a landmark and / or measured position values from a further trip.
  • the device can be set up to receive the sensor data of the position sensor of the vehicle or data derived therefrom from the vehicle. Furthermore, the device can be set up to receive the sensor data of the one or more vehicle sensors of the vehicle or data derived therefrom from the vehicle.
  • the data can be received via a (wireless) communication link, for example.
  • the sequence of estimated Position widths for the sequence of points in time can then be determined by the (vehicle external device) on the basis of the received data.
  • a (road) motor vehicle in particular a passenger car or a truck or a bus or a motorcycle
  • a vehicle-external unit eg a server
  • a (computer-implemented) method for estimating an actual trajectory of a vehicle comprises determining, on the basis of the sensor data of a position sensor, a sequence of measured position values in relation to a respective position of the vehicle at a corresponding sequence of points in time.
  • the measured position values can indicate the position of the vehicle relative to a reference coordinate system.
  • the method comprises determining, on the basis of sensor data from one or more vehicle sensors, a sequence of odometry values for at least part of the sequence of times.
  • An odometry value for a point in time can show how the pose of the vehicle has changed compared to a (directly) preceding point in time.
  • the method further comprises determining (as an estimate of the actual trajectory of the vehicle) a sequence of estimated position values for the sequence of points in time and determining a (systematic and / or uniform) position offset for the sequence of measured position values, so that an optimization criterion improves in particular at least locally optimized.
  • the optimization criterion can include a position value deviation term for each of the sequence of times.
  • the position value deviation term for a point in time can depend on the deviation of the estimated position value for the point in time from the measured position value for the point in time shifted by the position offset.
  • the optimization criterion can include an odometry deviation term for at least some of the points in time of the sequence of points in time.
  • the odometry deviation term for a point in time can depend on the deviation of a change in the vehicle's pose resulting from the sequence of estimated pose values at the point in time from the odometry value for the point in time.
  • SW software program
  • the software program can be set up to be executed on a processor (e.g. on a control unit of a vehicle and / or on a server) and thereby to execute the method described in this document.
  • the storage medium can comprise a software program which is set up to be executed on a processor and thereby to execute the method described in this document.
  • FIG. 1 exemplary components of a vehicle
  • FIG. 2a shows exemplary sensor data along a vehicle trajectory
  • FIG. 2b shows an exemplary, estimated on the basis of the sensor data of FIG.
  • 3a shows an exemplary position anchor for position values
  • 3b shows an exemplary, estimated by moving the position anchor
  • FIG. 4a shows an exemplary tree of position anchors for different partial sequences of position values
  • FIG. 5 shows a flow chart of an exemplary method for determining a trajectory of a vehicle.
  • the present document deals with the precise determination of the trajectory of a vehicle on the basis of the (possibly faulty) sensor data from one or more sensors of the vehicle.
  • a precise localization of the trajectory within a (global or world) reference coordinate system should be made possible.
  • the vehicle 100 comprises one or more Elmfeld sensors 102, which are set up to acquire sensor data (also referred to as Elmfeld data in this document) in relation to the Elmfeld of the vehicle 100.
  • Elmfeld sensors 102 are: an image camera, a radar sensor, a lidar sensor, an EU trasonic sensor, etc.
  • a control unit 101 of the vehicle 100 can be set up, based on the Elmfeld data (in particular based on image data from a camera), one or more objects in the To detect Elmfeld of the vehicle 100.
  • a landmark eg a building in the surroundings of the vehicle 100 can be detected for which the exact (reference) position (within the reference coordinate system) is known. Furthermore, a measurement position of the landmark can be determined on the basis of the surrounding data. The measurement position can then be compared with the reference position of the landmark to locate the vehicle 100 (within the reference coordinate system).
  • the vehicle 100 further comprises a position sensor 103 which is set up to acquire sensor data (also referred to as position data in this document) with regard to the position of the vehicle 100.
  • the position data can be acquired repeatedly at a sequence of points in time.
  • the position data can include position values for different points in time, the position value for a specific point in time indicating the position of the vehicle 100 at the specific point in time (within the reference coordinate system).
  • a (multidimensional) position value can include the GPS coordinates of the vehicle 100, for example.
  • a position value is typically associated with a certain uncertainty (e.g. with a certain standard deviation).
  • the vehicle 100 can include one or more vehicle sensors 104 that are set up to acquire sensor data (also referred to as vehicle data in this document) with regard to a state of the vehicle 100.
  • the vehicle data can display, for example: the speed, the orientation, the yaw rate, the acceleration, etc.
  • the control unit 101 can be set up, on the basis of the vehicle data, a pose of the vehicle 100, ie a position and orientation of the vehicle 100 (determined on the basis of odometry) Vehicle 100 to determine.
  • (multi-dimensional) pose values in relation to the pose of the vehicle 100 can be determined for a sequence of points in time.
  • the individual pose values typically show a certain uncertainty (e.g. a certain standard deviation).
  • the vehicle 100 can include a communication unit 105 which is set up to exchange data with an external unit (for example with a backend server) via a (wireless) communication connection.
  • the Vehicle 100 can be set up to send the sensor data (in particular the environment data, the position data and / or the vehicle data) captured when the vehicle 100 is driving to the external unit in order to enable the external unit to determine the trajectory driven by the vehicle 100 (within the reference coordinate system).
  • the control unit 101 of the vehicle 100 can be set up to determine (at least partially) the trajectory driven by the vehicle 100 on the basis of the detected sensor data and to send it to the external unit via the communication unit 105.
  • FIG. 2a illustrates exemplary sensor data that were acquired while a vehicle 100 was traveling.
  • FIG. 2a shows a sequence of position values 201 at a sequence of successive points in time.
  • the individual position values 201 have a certain uncertainty, which is illustrated by the circles 202 around the individual position values 201.
  • the individual position values 201 can have been recorded using the position sensor 103 of the vehicle 101.
  • the individual position values 201 can be viewed as position variable accounts of a graph 215.
  • FIG. 2a shows position values 211 for the sequence of times.
  • the position values 211 (possibly alone) can have been determined on the basis of the vehicle data of the one or more vehicle sensors 104.
  • the pose values 211 can be pose variable nodes of the graph 215, the graph 215 describing a trajectory of the vehicle 100.
  • the pose values 211 can be determined on the basis of odometry values, the odometry value describing the change in the pose of the vehicle 100 between two pose values 211.
  • the odometry values can be determined on the basis of the vehicle data. In the case of an exact measurement and / or determination of the position values 211 and the position values 201, the position of the position value 211 and the position value 201 should each coincide for a specific point in time (assuming that the position of the individual position values 211 is specified relative to the reference coordinate system ).
  • Errors and / or inaccuracies in the measurement and / or the determination of the position values 211 (in particular the odometry values) and the position values 201 have the effect that the position of the position value 211 and the position value 201 typically differ from one another for a specific point in time.
  • the association 213 of the position value 211 and the position value 201 is illustrated for the same point in time (by a dashed straight line).
  • the association 213 can be taken into account in the graph 215 by an edge.
  • landmarks 220 can be detected at isolated points in time (based on the surroundings data).
  • the (reference) position of a landmark 220 e.g. a traffic sign
  • the measured value 221 of the position of the landmark 220 can be subject to a specific error and a specific inaccuracy 222.
  • the error in the measured value 221 of the position of the landmark 220 can be caused by an error in relation to the estimated value of the position of the vehicle 100.
  • FIG. 2a the association 223 between the measured value 221 of the position and the actual position of a landmark 220 is illustrated (by a dashed straight line). The association 223 can in turn be taken into account by an edge in the graph 215.
  • the sensor data illustrated in FIG. 2a can be used to estimate the position and / or the course of the actual trajectory of the vehicle 100 within the reference coordinate system.
  • the so-called graph SLAM (simultaneous localization and mapping) method can be used for this purpose.
  • a graph 215 can be provided on the basis of the pose values 211 describing the pose of the vehicle 100 at a sequence of points in time.
  • the individual pose variable nodes of the graph 215 correspond to the individual pose values 211.
  • Directly adjacent pose variable nodes are connected to one another via edges, the edges having one or more boundary conditions or odometry factors 214 for the transition from a pose value 211 to the directly following pose value 211 include.
  • the one or more boundary conditions or odometry factors 214 typically depend on technical properties of vehicle 100 (such as a maximum steering angle, etc.) and / or on measurement inaccuracies of the vehicle data.
  • the odometry factors 214 can depend on the measurement inaccuracy of the odometry values between two position values 211.
  • the graph SLAM method can be aimed at determining the graph 215, by means of which a certain error criterion (eg a mean square error) with regard to the deviation of the determined graph 215 from the available sensor data is reduced, in particular minimized.
  • a certain error criterion eg a mean square error
  • the estimated value of the position of the vehicle 100 at a specific point in time n can be referred to, for example, as x (n)
  • the position value 201 at the point in time n can be referred to as p (n).
  • a position value deviation term (x (n) ⁇ p (n)) 2 with respect to the deviation of the estimated value of the position from the position value 201 thus results at the point in time n.
  • the change between two estimated positions of the vehicle 100 at a specific one Time n can be referred to as d (n) and the odometry value at the particular time n (which represents the measured change in position) can be referred to as o (n).
  • An odometry deviation term (d (n) - o (n)) 2 then results in relation to the deviation of the estimated change in position (in particular the estimated change in pose) from the measured change in position (in particular the measured change in pose).
  • the deviation terms can be weighted, whereby the weight for the respective term depends on the uncertainty of the respective measured value of the position or the change in position depends (and decreases with increasing uncertainty).
  • JV of the considered section of the trajectory to be determined are taken into account, e.g. added.
  • additional measured values of the position of vehicle 100 can be determined on the basis of a landmark 220.
  • the estimated value of the position of the vehicle 100 can be adapted in such a way that the deviation between the measured value 221 of the position of the landmark 220 and the reference value of the position of the landmark 220 known (e.g. from the digital map) is reduced. Since the reference value of the position of the landmark 220 can typically be determined with relatively high accuracy, the deviation term with respect to a landmark 220 typically has a relatively high weight within the overall error or optimization criterion.
  • a graph 215 with a sequence of estimated values of the position of the vehicle 100 or with a sequence of estimated position values 231 of the vehicle 100 at the sequence of times n 1,. Error or optimization criterion is reduced, in particular minimized.
  • the optimized graph 215, in particular the sequence of estimated position values 231, represents an estimate of the actual trajectory of the vehicle 100.
  • the consideration of isolated landmarks 220 can lead to the optimized graph 215 in the direct vicinity of a landmark 220 representing a relatively good estimate of the actual trajectory of the vehicle 100.
  • Due to systematic errors in the position data however, in an area 230 between two landmarks 220 relatively strong deviations of the estimated trajectory (ie the sequence of estimated position values 231) from the actual trajectory of the vehicle 100 arise.
  • the deviations are caused in particular by the fact that in an area 230 between two landmarks 220 no measured values 221 of the position of a landmark 220 are available and / or are taken into account, and the graph 215 (in particular the sequence of estimated position values 231) is therefore determined in such a way that that the deviation from the available position values 201 is reduced.
  • the systematic error in the position data can be seen in FIG. 2 b from the relatively large deviation between the estimated value 231 of the position and the position value 201 in the immediate vicinity of the two landmarks 220.
  • the relatively large deviation of the estimated trajectory ie the sequence of estimated pose values 231 from the actual trajectory of the vehicle 100 in the area 230 between two landmarks 220 leads, as shown in FIG. 2b, to a “sagging” of the sequence of estimated pose values 231.
  • the systematic error in the measurement of the position values 201 can be taken into account by introducing an additional variable (i.e. an additional node) when determining the graph 215, by means of which all position values 201 to be taken into account can be shifted together.
  • the individual position values 201 ie the position variable nodes
  • the individual position values 201 can each be fastened via a fixed edge 312 to a common position armature 312, which can be shifted by a translational movement 323 in order to convert the individual measured position values 201 (ie the position variable values).
  • Node is shifted in the same way.
  • the position anchor 321 can, if necessary, be shifted according to a predefined covariance or probability distribution 322.
  • the Position anchor 321 moved (in particular moved by translation 323).
  • the shift can take place by a position offset 330.
  • a systematic error in the measured position values 201 can be determined and compensated implicitly (by moving the position armature 321).
  • the size of the systematic error is described by the position offset 330.
  • deviations of the optimized graph 215 (in particular the sequence of estimated position values 231) from the actual trajectory of the vehicle 100, which can be attributed to a systematic error in the measured position values 201 can be avoided.
  • 3b shows an optimized graph 215 (in particular an optimized sequence of estimated position values 231) and the displacement of the position anchor 321 brought about as part of the optimization.
  • the systematic error in the acquisition of the measured position values 201 can depend on the direct surroundings of the vehicle 100. For example, a relatively tall building in the direct vicinity of the vehicle 100 (e.g. due to multipath effects) can lead to a change in the systematic error.
  • a tree or a hierarchy of anchors 321, 421 can be used.
  • an intermediate anchor 421 can be defined for each segment of the trajectory, to which the measured position values (or a position variable 301 corresponding to the position values) of the respective segment are permanently connected.
  • the intermediate anchors 421 can then be shifted relative to an anchor point 424 according to a covariance or probability distribution 422 of the respective intermediate anchor 421 (represented by the connection 423).
  • the anchor points 424 of the individual intermediate anchors can then be connected to the (main) position anchor 321 (possibly via one or more further levels of intermediate anchor 421).
  • systematic errors of the position values 201 can thus be taken into account in the individual segments of the trajectory in order to determine an optimized graph 215, ie an estimate of the actual trajectory, in a particularly precise manner.
  • a method is thus described with which a systematic error in the position measurement, in particular in the case of a GPS-based position measurement, can be taken into account and at least partially compensated for.
  • the systematic error in the position measurement can be caused by atmospheric effects or by local effects such as the shielding by a house wall or a forest.
  • the systematic error can lead to measurements being correlated with one another and not independent of one another. For the systematic error based on atmospheric effects, this applies to all measurements in a certain period of time, e.g. when vehicle 100 is driven through or driven in a certain way.
  • local effects can occur in which, in a certain area, for example in front of a high house, shading and multipath effects can occur, which lead to a systematic error locally.
  • a graph SLAM method is expanded to include a modeling of systematic errors in the position data.
  • Each measured position value 201 (or a position variable node 301 corresponding to the measured position value 201) is connected to a position anchor 321 via a rigid edge 312.
  • the position anchor 321 can be defined in such a way that the position anchor (accounts) 321 can be shifted (exclusively) by a translation 323 via a prior with defined covariances 322.
  • a systematic shift of all measured position values 201 or position variable nodes 301 is implicitly integrated into the factor graph 215.
  • the graph SLAM optimization therefore takes systematic errors in the position data into account when determining the driving trajectory and determines the most likely one systematic shifting of the measured position values 201 or the position variable nodes 301.
  • Local systematic errors in the position measurement can also be modeled and determined through a hierarchical system with several intermediate anchors 421.
  • a factor graph 215 is built up.
  • the individual measured position values 201 are not used directly as priorities for the vehicle position at the respective points in time. Instead, a corresponding position variable is inserted into the factor graph 215 as position variable node 301 for each position measurement.
  • These position variable nodes 301 can each be connected to the associated vehicle pose or pose variable node 211 via a position factor 313 (ie via corresponding edges). The uncertainty of the position measurements originally contained in the position prior can be modeled by the position factor 313.
  • all position variable nodes 301 are connected to a virtual position anchor variable 321 via virtual ideally rigid edges 312.
  • This position anchor variable 321 can represent a pose (position + orientation) and is typically in turn provided with a prior (ie with a probability distribution 322 in relation to the pose of the position anchor variable 321).
  • this prior preferably has a translation covariance 322 which codes the corresponding assumptions with regard to systematic shifting.
  • the orientation of the anchor pose can be fixed by an ideally small orientation covariance in order to avoid a rotation of the position anchor variables 321 (and thus to ensure reliable modeling of the systematic error of the position measurement). Due to the rigid factors 312 between the position variable nodes 301 and the anchor node 321, the internal geometry between the position variable nodes 301 is retained and “any” systematic translations can be modeled and optimized in the factor graph 215. This leads to an improved localization of the driving trajectory and to a systematic shift of the position measurements.
  • a hierarchical system with several intermediate anchors 421 is described. This means that local systematic errors can also be modeled.
  • the development of the neighborhood relationships can be carried out temporally and / or spatially. This allows various local systematic errors to be modeled and taken into account.
  • the intermediate anchors 421 can be linked to one another due to spatial or temporal proximity to the spatial and / or temporal dependencies of the underlying errors in the position measurement to model different trajectories.
  • An example of a spatial dependency is a systematic error caused by a house wall.
  • a temporal dependency can be caused by ionospheric conditions at a certain point in time or by identical satellite constellations for different passages at the same point in time.
  • the method 500 shows a flowchart of an exemplary method 500 for estimating an actual trajectory of a vehicle 100.
  • the method 500 can be carried out, for example, by a control unit 101 of the vehicle 100 and / or by a unit external to the vehicle (e.g. a jaw server).
  • the method 500 comprises determining 501, on the basis of the sensor data of a position sensor 103 (for example on the basis of the sensor data of a GPS receiver), a sequence of measured position values 201 (for example GPS coordinates) in Relation to the respective position of the vehicle 100 at a corresponding sequence of points in time.
  • a measured position value 201 for a point in time can indicate the position of the vehicle 100 at the point in time relative to a reference coordinate system.
  • the position sensor 103 can be part of the vehicle 100.
  • the measured position values 201 can reproduce a trajectory of the vehicle 100 measured (using the sensor data of the position sensor 103).
  • the method 500 comprises determining 502, on the basis of sensor data from one or more vehicle sensors 104, a sequence of odometry values for at least part of the sequence of points in time.
  • the odometry value can indicate for a point in time how the pose of the vehicle 100 has changed compared to a previous point in time.
  • the one or more vehicle sensors 104 can display, for example, the speed, the distance covered, the yaw rate, the yaw rate, and / or the acceleration of the vehicle 100 in order to determine the odometer values.
  • the odometry values can be determined on the basis of one or more control variables with which, for example, the drive motor, a braking device and / or a steering device of the vehicle 100 is controlled.
  • the individual odometry values can each indicate the change in position and / or the change in orientation of vehicle 100.
  • a relative trajectory of the vehicle 100 can be reproduced, which can be converted into the estimation of the actual trajectory by translation and / or rotation.
  • the method 500 further comprises determining 503 (as an estimate of the actual trajectory of vehicle 100) a sequence of estimated position values 231 for the sequence of points in time, as well as determining a (systematic) position offset 330 for the sequence of measured position values 201.
  • the estimated position value 231 for a point in time may indicate the pose of the vehicle 100 at the point in time relative to the reference coordinate system.
  • the sequence of estimated position values 231 and the position offset 330 can be determined in such a way that an optimization criterion is improved, in particular optimized at least locally.
  • the optimization criterion can include a position value deviation term for each of the sequence of times.
  • the position value deviation term for a point in time can depend on the deviation 313 of the estimated position value 231 for the point in time from the measured position value 201 shifted by the position offset 330 for the point in time.
  • a sequence of estimated position values 231 can thus be determined, by means of which the (mean, possibly quadratic) deviation of the estimated position values 231 from the measured position values 201 shifted by the position offset is reduced, in particular minimized.
  • the odometry deviation term for a point in time n can depend on the deviation of a change in the pose of the vehicle 100 resulting from the sequence of estimated pose values 231 at the point in time from the odometry value for the point in time.
  • the optimization criterion can be, for example include a (possibly weighted) sum of the position value deviation terms and the odometry deviation terms.
  • the quality of the location of a trajectory relative to an existing digital map and / or the quality of the synchronous location of several trajectories by means of common landmark sightings can be determined by the modeling systematic global and local errors in position measurement can be increased.
  • the quality of the localization of the travel trajectories relative to a map or relative to one another can be improved through the implicit modeling of systematic errors.
  • the methods described in this document can be used, for example, for change detection and learning from high-precision digital maps (e.g. for automated driving).

Abstract

Es wird eine Vorrichtung zur Schätzung einer tatsächlichen Trajektorie eines Fahrzeugs beschrieben. Die Vorrichtung ist eingerichtet, mittels eines Positionssensors eine Sequenz von gemessenen Positionswerten an einer entsprechenden Sequenz von Zeitpunkten zu ermitteln. Des Weiteren ist die Vorrichtung eingerichtet, auf Basis von Sensordaten von ein oder mehreren Fahrzeugsensoren, eine Sequenz von Odometriewerten zu ermitteln. Die Vorrichtung ist ferner eingerichtet, als Schätzung der tatsächlichen Trajektorie des Fahrzeugs eine Sequenz von geschätzten Posewerten für die Sequenz von Zeitpunkten und einen systematischen Positionsoffset für die Sequenz von gemessenen Positionswerten zu ermitteln, so dass ein Optimierungskriterium verbessert, insbesondere zumindest lokal optimiert, wird.

Description

Verfahren und Vorrichtung zur Ermittlung einer Trajektorie eines Fahrzeugs Die Erfindung betrifft ein Verfahren und eine entsprechende Vorrichtung zur
Ermittlung der von einem Fahrzeug gefahrenen Trajektorie, insbesondere um eine hochgenaue digitale (HD) Karte für ein Straßennetz zu generieren.
Ein Fahrzeug kann für ein sicheres, komfortables und effizientes automatisiertes Fahren hochgenaue digitale Karten verwenden, um die Fahrzeug-Sensorik zu erweitern und/oder zu ergänzen. Durch eine HD-Karte wird a-priori Wissen über das Fahrzeugumfeld bereitgestellt, wodurch eine verbesserte Lokalisierung des Fahrzeugs und/oder die Detektion von Ausreißern der Fahrzeug-Sensorik ermöglicht werden. Außerdem können HD-Karten als Rückfallebene im Falle eines Sensor-Versagens dienen und den Komfort einer automatisierten
Fahrfunktion durch weitere Voraussicht verbessern. Des Weiteren können HD- Karten Informationen über Befahrbarkeit und Konnektivität von Fahrspuren sowie über gültige Verkehrsregeln umfassen, durch die das automatisierte Fahren verbessert wird.
Zur Erstellung einer HD-Karte können dedizierte Kartierungsfahrzeuge verwendet werden, die mit einer Reihe von hochgenauen Sensoren wie LID AR (engl. Light detection and ranging) und/oder hochgenauem GPS Empfängern ausgestattet sind. Die Verwendung von dedizierten Kartierungsfahrzeugen ist jedoch mit relativ hohen Kosten verbunden. Des Weiteren ist die Anzahl von Kartierungsfahrzeugen typischerweise begrenzt, so dass nur ein relativ kleiner Anteil des Straßennetzes regelmäßig befahren werden kann und/oder so dass die Befahrungsfrequenz für ein einzelnes Straßensegment relativ gering ist. Als Folge daraus können Änderungen im Straßennetz möglicherweise nicht immer zeitnah erkannt und in einer HD-Karte berücksichtigt werden. Durch die Verwendung von nicht ausreichend aktuellen HD-Karten kann wiederum die Güte einer automatisierten Fahrfunktion eines Fahrzeugs beeinträchtigt werden.
Um den Aufwand der Überprüfung und/oder der Anpassung einer HD-Karte zu reduzieren und/oder um die Frequenz der Überprüfung und/oder der Anpassung einer HD-Karte zu erhöhen, können Fahrdaten von (herkömmlichen) Fahrzeugen erfasst und ausgewertet werden. Die Fahrdaten eines Fahrzeugs können dabei Sensordaten von unterschiedlichen Sensoren des Fahrzeugs umfassen. Auf Basis der Fahrdaten der einzelnen Fahrzeuge können dann Trajektorien der einzelnen Fahrzeuge ermittelt werden, aus denen wiederum auf den Verlauf von Fahrbahnen geschlossen werden kann. Die Fahrdaten von Fahrzeugen können somit dazu genutzt werden, eine HD-Karte anzupassen.
Die Genauigkeit und/oder die Auflösung der Sensordaten der ein oder mehreren Sensoren eines Fahrzeugs ist typischerweise geringer als die Genauigkeit und/oder die Auflösung der Sensordaten der Sensoren eines Kartierungsfahrzeugs. Das vorliegende Dokument befasst sich mit der technischen Aufgabe, auch bei Verwendung von Sensordaten mit einer relativ geringen Genauigkeit, die Trajektorie eines Fahrzeugs mit möglichst hoher Genauigkeit ermitteln zu können, insbesondere um die ermittelte Trajektorie für die Erstellung und/oder die Anpassung einer digitalen Karte verwenden zu können.
Die Aufgabe wird durch jeden der unabhängigen Ansprüche gelöst. Vorteilhafte Ausführungsformen werden u.a. in den abhängigen Ansprüchen beschrieben. Es wird daraufhingewiesen, dass zusätzliche Merkmale eines von einem unabhängigen Patentanspruch abhängigen Patentanspruchs ohne die Merkmale des unabhängigen Patentanspruchs oder nur in Kombination mit einer Teilmenge der Merkmale des unabhängigen Patentanspruchs eine eigene und von der Kombination sämtlicher Merkmale des unabhängigen Patentanspruchs unabhängige Erfindung bilden können, die zum Gegenstand eines unabhängigen Anspruchs, einer Teilungsanmeldung oder einer Nachanmeldung gemacht werden kann. Dies gilt in gleicher Weise für in der Beschreibung beschriebene technische Lehren, die eine von den Merkmalen der unabhängigen Patentansprüche unabhängige Erfindung bilden können.
Gemäß einem Aspekt wird eine Vorrichtung zur Schätzung einer tatsächlichen (Fahr-)Trajektorie eines Fahrzeugs beschrieben. Die Trajektorie kann dabei auf Basis von Sensordaten von ein oder mehreren Sensoren des Fahrzeugs geschätzt werden. Die Vorrichtung kann zumindest teilweise (oder vollständig) innerhalb des Fahrzeugs und/oder zumindest teilweise (oder vollständig) außerhalb des Fahrzeugs (z.B. in einem Backend-Server) angeordnet sein. Die Vorrichtung kann eingerichtet sein, auf Basis der Schätzung der tatsächlichen Trajektorie des Fahrzeugs eine digitale Karte in Bezug auf ein Straßennetz zu erstellen und/oder anzupassen. Die digitale Karte kann dann zur Bereitstellung einer automatisierten Fahrfunktion (insbesondere für hochautomatisiertes Fahren) verwendet werden. Die digitale Karte kann den Verlauf von Straßen und/oder Fahrbahnen und/oder Fahrspuren des Straßennetzes relativ zu einem Referenzkoordinatensystem (z.B. relativ zu dem Weltkoordinatensystem) beschreiben. Die Vorrichtung kann eingerichtet sein, auf Basis der Sensordaten eines Positionssensors (des Fahrzeugs) eine Sequenz von gemessenen Positionswerten in Bezug auf die jeweilige Position des Fahrzeugs an einer entsprechenden Sequenz von Zeitpunkten zu ermitteln. Ein gemessener Positionwert kann dabei Koordinaten, insbesondere GPS Koordinaten, in Bezug auf die Position des Fahrzeugs innerhalb des Referenzkoordinatensystems (z.B. innerhalb des Weltkoordinatensystems) für das Straßennetz umfassen. Die Sequenz von gemessenen Positionswerten kann somit eine gemessene Trajektorie des Fahrzeugs innerhalb des Referenzkoordinatensystems beschreiben. Aufgrund von Messfehlern und/oder aufgrund von Messungenauigkeiten kann es dabei zu stochastischen und/oder systematischen Abweichungen der einzelnen gemessenen Positionswerte von der jeweiligen tatsächlichen Position des Fahrzeugs kommen.
Die Vorrichtung ist ferner eingerichtet, auf Basis von Sensordaten von ein oder mehreren Fahrzeugsensoren (des Fahrzeugs), eine Sequenz von Odometriewerten für zumindest einen Teil der Sequenz von Zeitpunkten zu ermitteln. Dabei kann ein Odometriewert für einen Zeitpunkt anzeigen, wie sich die Pose (d.h. die Position und/oder die Orientierung des Fahrzeugs) im Vergleich zu einem (direkt) vorhergehenden Zeitpunkt verändert hat. Beispielhafte Fahrzeugsensoren zeigen die Fahrgeschwindigkeit, den Lenkwinkel, die Beschleunigung und/oder die Gierrate des Fahrzeugs an. Ein Posewert kann die Pose des Fahrzeugs anzeigen.
Zu diesem Zweck kann ein Posewerte Koordinaten in Bezug auf die Position des Fahrzeugs innerhalb eines Koordinatensystems des Fahrzeugs umfassen. Ein Odometriewert kann die Änderung der Position (und/oder der Orientierung) des Fahrzeugs zwischen zwei Zeitpunkten relativ zu dem Koordinatensystem des Fahrzeugs anzeigen. Dabei kann das Koordinatensystem des Fahrzeugs gegenüber dem Referenzkoordinatensystem verschoben sein. Die Odometriewerte können somit anzeigen, wie sich die Position (und ggf. die Orientierung) des Fahrzeugs an der Sequenz von Zeitpunkten (relativ zu dem Koordinatensystem des Fahrzeugs) zwischen zwei Zeitpunkten jeweils verändert hat. Folglich kann auf Basis der Odometriewerte eine Sequenz von Posewerten ermittelt werden, die eine Trajektorie anzeigt, die gegenüber der tatsächlichen Trajektorie des Fahrzeugs verschoben (und ggf. rotiert) ist. Des Weiteren können die Odometriewerte (aufgrund von Messungenauigkeiten der ein oder mehreren Fahrzeugsensoren) Fehler aufweisen, so dass sich die allein auf Basis der Odometriewerte ermittelten Posewerte (zusätzlich zu einer Translation und/oder Rotation) typischerweise von den tatsächlichen Posewerten des Fahrzeugs unterscheiden.
Die Vorrichtung kann eingerichtet sein, die Sequenz von gemessenen Positionswerten und die Sequenz von Odometriewerten zu kombinieren und/oder zu überlagern, um eine Schätzung der tatsächlichen Trajektorie zu ermitteln.
Dabei kann ein (systematischer) Positionsoffset berücksichtigt werden, um die gemessenen Positionswerte in einheitlicher Weise zu verschieben, und um damit einen systematischen Fehler bei der Messung der gemessenen Positionswerte (insbesondere der gemessenen GPS bzw. Satelliten Koordinaten) zu berücksichtigen und zu kompensieren.
Insbesondere kann die Vorrichtung eingerichtet sein, als Schätzung der tatsächlichen Trajektorie des Fahrzeugs eine Sequenz von geschätzten Posewerten für die Sequenz von Zeitpunkten zu ermitteln. Ein geschätzter Posewert für einen bestimmten Zeitpunkt kann dabei die Pose des Fahrzeugs an dem bestimmten Zeitpunkt relativ zu dem Referenzkoordinatensystem anzeigen. Des Weiteren kann der (einheitliche) Wert des Positionsoffsets für die Sequenz von gemessenen Positionswerten ermittelt werden. Die Sequenz von geschätzten Posewerten und der Wert des Positionsoffsets können dabei derart ermittelt werden, dass ein Optimierungskriterium verbessert, insbesondere zumindest lokal optimiert, wird.
Das Optimierungskriterium kann einen Positionswert- Abweichungsterm für jeden der Sequenz von Zeitpunkten umfassen. Der Positionswert-Abweichungsterm für einen Zeitpunkt kann von der (z.B. quadratischen) Abweichung des geschätzten Posewertes für den jeweiligen Zeitpunkt von dem um den (einheitlichen und/oder systematischen) Positionsoffset verschobenen gemessenen Positionswert für den jeweiligen Zeitpunkt abhängen. So kann die Sequenz von geschätzten Posewerten (und damit die Schätzung der Trajektorie) in besonders präziser Weise ermittelt werden.
Alternativ oder ergänzend kann das Optimierungskriterium einen Odometrie- Abweichungsterm für zumindest einen Teil der Zeitpunkte der Sequenz von Zeitpunkten umfassen (insbesondere für N-l Zeitpunkte, für den Fall, dass die Sequenz von Zeitpunkten N Zeitpunkte umfasst). Dabei kann der Odometrie- Abweichungsterm für einen Zeitpunkt von der (ggf. quadratischen) Abweichung der sich aus der Sequenz von geschätzten Posewerten ergebenden Änderung der Pose des Fahrzeugs an dem Zeitpunkt von dem Odometriewert für den Zeitpunkt abhängen.
Das Optimierungskriterium kann somit darauf ausgelegt sein, die Sequenz von geschätzten Posewerten derart zu ermitteln, dass die (mittlere) Abweichung der geschätzten Posewerte zu den gemessenen Odometriewerten und zu den (um den Positionsoffset verschobenen) gemessenen Positionswerten reduziert, insbesondere minimiert, wird. So kann die tatsächliche Trajektorie des Fahrzeugs in besonders präziser Weise geschätzt werden.
Die Vorrichtung kann eingerichtet sein, die Schätzung der tatsächlichen Trajektorie des Fahrzeugs mittels einer Graph-SLAM, d.h. Simultaneous Localization and Mapping, Methode zu ermitteln. Dabei kann der Positionsoffset in einem bevorzugten Beispiel als verschiebbarer Anker-Knoten im Rahmen der Graph-SLAM Methode berücksichtigt werden. Dies ermöglicht eine besonders effiziente und präzise Schätzung der tatsächlichen Trajektorie. Wie bereits oben dargelegt, weisen die gemessenen Positionswerte typischerweise eine bestimmte Positions-Messungenauigkeit auf. Als Folge daraus kann für jeden gemessenen Positionswert eine Wahrscheinlichkeitsverteilung von möglichen Werten um den jeweils gemessenen Positionswert vorliegen. Das Optimierungskriterium kann von der Positions-Messungenauigkeit (insbesondere von der Wahrscheinlichkeitsverteilung) der gemessenen Positionswerte abhängen. Die Abhängigkeit kann dabei derart sein, dass eine Erhöhung der Positions- Messungenauigkeit (bzw. eine Verbreiterung der Wahrscheinlichkeitsverteilung) zu einer Reduzierung der Auswirkung der Positionswert-Abweichungsterme auf das Optimierungskriterium führt. So kann die Genauigkeit der Schätzung der tatsächlichen Trajektorie weiter erhöht werden.
In entsprechender Weise weisen auch die Odometriewerte typischerweise eine Odometrie-Messungenauigkeit auf. Als Folge daraus kann für jeden gemessenen Odometriewert eine Wahrscheinlichkeitsverteilung von möglichen Werten um den jeweils gemessenen Odometriewert vorliegen. Das Optimierungskriterium kann von der Odometrie-Messungenauigkeit (insbesondere von der Wahrscheinlichkeitsverteilung) der Odometrie abhängen, insbesondere derart, dass eine Erhöhung der Odometrie-Messungenauigkeit (bzw. eine Verbreiterung der Wahrscheinlichkeitsverteilung) zu einer Reduzierung der Auswirkung der Odometrie-Abweichungsterme auf das Optimierungskriterium führt. So kann die Genauigkeit der Schätzung der tatsächlichen Trajektorie weiter erhöht werden.
Die Vorrichtung kann eingerichtet sein, den Positionsoffset für die Sequenz von gemessenen Positionswerten derart zu ermitteln, dass der Wert des Positionsoffsets für alle gemessenen Positionswerte der Sequenz von gemessenen Positionswerten und/oder für alle Zeitpunkte der Sequenz von Zeitpunkten gleich ist. Mit anderen Worten, es kann ein gemeinsamer (systematischer)
Positionsoffset für alle gemessenen Positionswerte der Trajektorie berücksichtigt werden. So kann in effizienter und präziser Weise ein über die gesamte Trajektorie wirkender systematischer Fehler bei der Messung der gemessenen Positionswerte (z.B. ein auf die Atmosphäre zurückzuführender systematischer Fehler) berücksichtigt und kompensiert werden.
Die Vorrichtung kann eingerichtet sein, den Wert des Positionsoffsets auf einen Maximalwert zu beschränken. Alternativ oder ergänzend kann die Vorrichtung eingerichtet sein, den Wert des Positionsoffsets unter Berücksichtigung einer Kovarianz und/oder einer Wahrscheinlichkeitsverteilung für den Positionsoffset zu ermitteln. Alternativ oder ergänzend kann das Optimierungskriterium einen Term umfassen, durch den eine betragliche Erhöhung des Wertes des Positionsoffsets bestraft wird. So kann in effizienter und zuverlässiger Weise eine präzise Lokalisierung der Schätzung der tatsächlichen Trajektorie innerhalb des Referenzkoordinatensystems (insbesondere innerhalb des Weltkoordinatensystems) bewirkt werden.
Die Vorrichtung kann eingerichtet sein, die Sequenz von Zeitpunkten in eine Mehrzahl von aufeinanderfolgenden Teilsequenzen zu unterteilen. Die gemessenen Positionswerte einer Teilsequenz können dann zur Ermittlung der Schätzung der tatsächlichen Trajektorie jeweils mit einem Teil-Positionsoffset für die Teilsequenz und mit dem Positionsoffset für die gesamte Sequenz verschoben werden. Insbesondere kann die Vorrichtung eingerichtet sein, die Sequenz von geschätzten Posewerten für die Sequenz von Zeitpunkten, den Positionsoffset für die gesamte Sequenz von gemessenen Positionswerten und die Mehrzahl von Teil-Positionsoffsets für die Mehrzahl von Teilsequenzen derart zu ermitteln, dass das Optimierungskriterium verbessert, insbesondere zumindest lokal optimiert, wird. Durch die Berücksichtigung von Teil-Positionsoffsets für unterschiedliche Teilbereiche der Trajektorie des Fahrzeugs können in effizienter Weise lokal wirkende systematische Fehler (wie z.B. lokale Multipath-Effekte) bei der Messung der gemessenen Positionswerte berücksichtigt und kompensiert werden. So kann die Güte der Schätzung der tatsächlichen Trajektorie weiter erhöht werden. Wie bereits oben dargelegt, kann die Vorrichtung eingerichtet sein, die Schätzung der tatsächlichen Trajektorie mittels einer Graph-SLAM Methode zu ermitteln. Zu diesem Zweck kann die Vorrichtung eingerichtet sein, einen Graphen zu erstellen, wobei der Graph die einzelnen geschätzten Posewerte der Sequenz von geschätzten Posewerten als Knoten umfasst (die in diesem Dokument als Posevariable-Knoten bezeichnet werden). Dabei können die geschätzten Posewerte auf Basis der gemessenen Positionswerte und/oder auf Basis der (gemessenen) Odometriewerte initialisiert werden. Der Graph mit den initialisierten, geschätzten Posewerten kann dann als Ausgangspunkt für (iterative) Optimierung des Graphen und damit für die Schätzung der tatsächlichen Trajektorie verwendet werden.
Der Graph kann als Kante zwischen zwei Posevariable-Knoten einen Odometrie- Faktor umfassen, der von den Sensordaten der ein oder mehreren Fahrzeugsensoren abhängig ist, und/oder der eine Bewegung des Fahrzeugs zwischen den zwei Knoten anzeigt. Insbesondere kann der Odometrie-Faktor zwischen dem Posevariable-Knoten für einen bestimmten Zeitpunkt und dem Posevariable-Knoten für einen vorhergehenden Zeitpunkt von dem gemessenen Odometriewert für den bestimmten Zeitpunkt abhängen. Dabei kann der Odometrie-Faktor eine Wahrscheinlichkeitsverteilung in Bezug auf die Änderung der Posewerte zwischen zwei Posevariable-Knoten anzeigen.
Der Graph kann ferner für jeden gemessenen Positionwert einen Positionsvariable-Knoten aufweisen. Des Weiteren kann der Graph für jeden der Posevariable-Knoten eine Assoziation über einen Positions-Faktor (d.h. über eine Kante) zu einem entsprechenden Positionsvariable-Knoten (bzw. zu einem entsprechenden gemessenen Positionswert) umfassen. Dabei kann über den Positions-Faktor angezeigt werden, wie der Positionsvariable-Knoten relativ zu dem j eweiligen Posevariable-Knoten angeordnet ist. Der Positions-Faktor kann dabei von dem gemessenen Positionswert für den jeweiligen Positionsvariable- Knoten abhängen. Insbesondere kann der Positionsvariable-Knoten für einen bestimmten Zeitpunkt an einer Position innerhalb des Graphen angeordnet sein, die dem gemessenen Positionswert für den bestimmten Zeitpunkt entspricht. Der Positions-Faktor (d.h. die Kante) zwischen einem Posevariable-Knoten und einem entsprechenden Positionsvariable-Konten kann mit einer Wahrscheinlichkeitsverteilung assoziiert sein, die von der Positions- Messungenauigkeit abhängt.
Auf Basis der gemessenen Positionswerte können somit Positionsvariable-Knoten und auf Basis der gemessenen Odometriewerte (initialisierte) Posevariable- Knoten eines Graphen bereitgestellt werden. Die Knoten können über Kanten miteinander verbunden sein, wobei die Kanten jeweils mit einer Wahrscheinlichkeitsverteilung bzw. einer Kovarianz assoziiert sein können, die von der Positions-Messungenauigkeit und/oder von der Odometrie- Messungenauigkeit abhängt. So können die verfügbaren Sensordaten in Bezug auf die Position des Fahrzeugs in effizienter Weise innerhalb eines Graphen repräsentiert werden.
Die Positionsvariable-Knoten des Graphen können derart (in steifer Weise) mit einem Positions-Anker (d.h. mit einem Anker-Knoten) verbunden sein, dass eine Verschiebung des Positions-Ankers zu einer entsprechenden Verschiebung der Positionsvariable-Knoten des Graphen führt. So kann der Positionsoffset in effizienter Weise innerhalb des Graphen berücksichtigt werden.
Die Vorrichtung kann eingerichtet sein, die Sequenz von geschätzten Posewerten (d.h. den Schätzwert der tatsächlichen Trajektorie) durch eine Optimierung des Graphen zu ermitteln. Die Optimierung des Graphen kann dabei ein Verschieben des Positions-Ankers und/oder ein Ändern von ein oder mehreren Posewerten der Sequenz von Posewerten und/oder ein Verschieben der Posevariable-Knoten umfassen. Die Optimierung des Graphen kann derart erfolgen, dass ein bestimmtes Optimierungskriterium verbessert, insbesondere zumindest lokal optimiert, wird. Das Optimierungskriterium kann, wie weiter oben beschrieben, Positions-Abweichungsterme und/oder Odometrie- Abweichungsterme umfassen. Durch die Beschreibung des Optimierungsproblems als Graph kann die Sequenz von geschätzten Posewerten in besonders effizienter und präziser Weise ermittelt werden.
Die Vorrichtung kann eingerichtet sein, im Rahmen der Optimierung des Graphen eine Pose des Positions-Ankers in Abhängigkeit von einer
Wahrscheinlichkeitsverteilung für die Pose des Positions-Ankers zu ändern. Dabei kann die Wahrscheinlichkeitsverteilung derart sein, dass eine Translation des Positions-Ankers ermöglicht wird und dass eine Rotation des Positions-Ankers im Wesentlichen unterbunden wird. So kann ein Positionsoffset und damit ein systematischer Fehler der Messung der gemessenen Positionswerte in besonders zuverlässiger Weise berücksichtigt und kompensiert werden.
Wie bereits oben dargelegt, kann die Sequenz von Zeitpunkten eine Mehrzahl von aufeinanderfolgenden Teilsequenzen umfassen. Die Positionsvariable-Knoten des Graphen einer Teil Sequenz können dann jeweils mit einem Zwischen- Anker verbunden sein, so dass eine Verschiebung des Zwischen- Ankers zu einer entsprechenden Verschiebung der Positionsvariable-Knoten der Teilsequenz führt. Des Weiteren können die Zwischen- Anker der Mehrzahl von Teil Sequenzen derart mit dem Positions-Anker verbunden sein, dass eine Verschiebung des Positions-Ankers zu einer entsprechenden Verschiebung der Zwischen- Anker der Mehrzahl von Teilsequenzen führt. Durch die Berücksichtigung von ein oder mehreren Zwischen-Ankem können auch lokal wirkende systematische Fehler bei der Messung der gemessenen Positionswerte in zuverlässiger und präziser Weise ermittelt und kompensiert werden.
Die Vorrichtung kann eingerichtet sein, auf Basis von Sensordaten von ein oder mehreren Umfeldsensoren (z.B. Kameras und/oder Lidarsensoren) des Fahrzeugs, für einen bestimmten Zeitpunkt der Sequenz von Zeitpunkten eine Messposition einer Landmarke in einem Umfeld des Fahrzeugs zu ermitteln. Es kann dann ein Landmarken-Abweichungsterm in dem Optimierungskriterium berücksichtigt werden, wobei der Landmarken-Abweichungsterm von der Abweichung der Messposition der Landmarke von einer Referenzposition der Landmarke abhängen kann. Durch die Berücksichtigung von ein oder mehreren Landmarken kann die Güte der Schätzung der tatsächlichen Trajektorie weiter erhöht werden.
Die Vorrichtung kann eingerichtet sein, für eine Mehrzahl von Fahrten an einem Segment eines Straßennetzes (und ggf. innerhalb eines begrenzten Zeitintervalls) jeweils eine Sequenz von gemessenen Positionswerten an einer entsprechenden Sequenz von Zeitpunkten zu ermitteln. Des Weiteren kann die Vorrichtung eingerichtet sein, für die Mehrzahl von Fahrten jeweils eine Sequenz von Odometriewerten für zumindest einen Teil der Sequenz von Zeitpunkten zu ermitteln. Außerdem kann die Vorrichtung eingerichtet sein, für die Mehrzahl von Fahrten jeweils eine Sequenz von geschätzten Posewerten für die Sequenz von Zeitpunkten und einen Positionsoffset zu ermitteln. Dabei können die Sequenzen von geschätzten Posewerten (d.h. die Schätzungen der tatsächlichen Trajektorien für die unterschiedlichen Fahrten) und der Positionsoffset derart ermittelt werden, dass jeweils ein Optimierungskriterium verbessert, insbesondere zumindest lokal optimiert wird. Des Weiteren können die Sequenzen von geschätzten Posewerten (d.h. die Schätzungen der tatsächlichen Trajektorien für die unterschiedlichen Fahrten) und der Positionsoffset derart ermittelt werden, dass der Positionsoffset für die Mehrzahl von Fahrten gleich ist (insbesondere dann, wenn die Mehrzahl von Fahrten innerhalb eines relativ kurzen Zeitintervalls erfolgt sind). So kann in effizienter Weise berücksichtigt werden, dass sich ein systematischer Fehler bei der Positionsmessung in gleicher Weise auf unterschiedliche Fahrten auswirkt. Dadurch kann die Güte der ermittelten Schätzungen der tatsächlichen Fahrten weiter erhöht werden.
Andererseits kann ggf. für die unterschiedlichen Fahrten zumindest teilweise ein spezifischer Positionsoffset ermittelt werden (insbesondere, wenn die unterschiedlichen Fahrten zeitlich relativ weit auseinander liegen). So können Änderungen bei Vorliegen von systematischen Messfehlern in zuverlässiger Weise erkannt und berücksichtigt werden.
Es sei daraufhingewiesen, dass die Vorgabe eines einheitlichen Positionsoffsets für mehrere Fahrten an einem Segment des Straßennetzes in entsprechender Weise auf Teil-Positionsoffsets (für Teilsegmente des Segments), auf einen Positions-Anker (für das Segment) und/oder auf die Zwischen-Anker (für Teilsegmente des Segments) angewendet werden kann. So können insbesondere auch lokale systematische Fehler bei der Positionsmessung in effizienter und präziser Weise berücksichtigt und kompensiert werden.
Die Vorrichtung kann eingerichtet sein, alternative Daten in Bezug auf die Position des Fahrzeugs zu ermitteln und auf Basis der alternativen Daten einen Wert zumindest eines weiteren Abweichungsterms für das Optimierungskriterium zu ermitteln. Dabei kann der zumindest eine weitere Abweichungsterm derart sein, dass durch den weiteren Abweichungsterm eine betragliche Erhöhung des Wertes des Positionsoffsets bewirkt wird. Der weitere Abweichungsterm kann z.B. (wie oben dargelegt) von einer Landmarke abhängen und/oder von den gemessenen Positionswerten, die bei einer weiteren Fahrt erfasst wurden, abhängen. Die alternativen Daten können somit z.B. die Messposition einer Landmarke und/oder gemessene Positionswerte einer weiteren Fahrt umfassen. Durch die Berücksichtigung von alternativen Daten in Bezug auf die Position des Fahrzeugs kann ein systematischer Fehler bei der Messung von Positionsdaten in besonders zuverlässiger und präziser Weise ermittelt und kompensiert werden.
Die Vorrichtung kann eingerichtet sein, die Sensordaten des Positionssensors des Fahrzeugs oder davon abgeleitete Daten von dem Fahrzeug zu empfangen. Des Weiteren kann die Vorrichtung eingerichtet sein, die Sensordaten der ein oder mehreren Fahrzeugsensoren des Fahrzeugs oder davon abgeleitete Daten von dem Fahrzeug zu empfangen. Die Daten können z.B. über eine (drahtlose) Kommunikationsverbindung empfangen werden. Die Sequenz von geschätzten Poseweiten für die Sequenz von Zeitpunkten kann dann von der (Fahrzeug extemen Vorrichtung) auf Basis der empfangenen Daten ermittelt werden.
Gemäß einem weiteren Aspekt wird ein (Straßen-)Kraftfahrzeug (insbesondere ein Personenkraftwagen oder ein Lastkraftwagen oder ein Bus oder ein Motorrad) und/oder eine Fahrzeug-externe Einheit (z.B. ein Server) beschrieben, das bzw. die die in diesem Dokument beschriebene Vorrichtung umfasst.
Gemäß einem weiteren Aspekt wird ein (Computer-implementiertes) Verfahren zur Schätzung einer tatsächlichen Trajektorie eines Fahrzeugs beschrieben. Das Verfahren umfasst das Ermitteln, auf Basis der Sensordaten eines Positionssensors, einer Sequenz von gemessenen Positionswerten in Bezug auf eine jeweilige Position des Fahrzeugs an einer entsprechenden Sequenz von Zeitpunkten. Die gemessenen Positionswerte können die Position des Fahrzeugs relativ zu einem Referenzkoordinatensystem anzeigen. Des Weiteren umfasst das Verfahren das Ermitteln, auf Basis von Sensordaten von ein oder mehreren Fahrzeugsensoren, einer Sequenz von Odometriewerten für zumindest einen Teil der Sequenz von Zeitpunkten. Dabei kann ein Odometriewert für einen Zeitpunkt anzeigen, wie sich die Pose des Fahrzeugs im Vergleich zu einem (direkt) vorhergehenden Zeitpunkt verändert hat.
Das Verfahren umfasst ferner das Ermitteln (als Schätzung der tatsächlichen Trajektorie des Fahrzeugs) einer Sequenz von geschätzten Posewerten für die Sequenz von Zeitpunkten und das Ermitteln eines (systematischen und/oder einheitlichen) Positionsoffsets für die Sequenz von gemessenen Positionswerten, so dass ein Optimierungskriterium verbessert, insbesondere zumindest lokal optimiert, wird. Dabei kann das Optimierungskriterium einen Positionswert- Abweichungsterm für jeden der Sequenz von Zeitpunkten umfassen. Der Positionswert-Abweichungsterm für einen Zeitpunkt kann von der Abweichung des geschätzten Posewertes für den Zeitpunkt von dem um den Positionsoffset verschobenen gemessenen Positionswert für den Zeitpunkt abhängen. Des Weiteren kann das Optimierungskriterium einen Odometrie-Abweichungsterm für zumindest einen Teil der Zeitpunkte der Sequenz von Zeitpunkten umfassen. Dabei kann der Odometrie-Abweichungsterm für einen Zeitpunkt von der Abweichung einer sich aus der Sequenz von geschätzten Posewerten ergebenden Änderung der Pose des Fahrzeugs an dem Zeitpunkt von dem Odometriewert für den Zeitpunkt abhängen.
Gemäß einem weiteren Aspekt wird ein Software (SW) Programm beschrieben. Das SW Programm kann eingerichtet werden, um auf einem Prozessor (z.B. auf einem Steuergerät eines Fahrzeugs und/oder auf einem Server) ausgeführt zu werden, und um dadurch das in diesem Dokument beschriebene Verfahren auszuführen.
Gemäß einem weiteren Aspekt wird ein Speichermedium beschrieben. Das Speichermedium kann ein SW Programm umfassen, welches eingerichtet ist, um auf einem Prozessor ausgeführt zu werden, und um dadurch das in diesem Dokument beschriebene Verfahren auszuführen.
Es ist zu beachten, dass die in diesem Dokument beschriebenen Verfahren, Vorrichtungen und Systeme sowohl alleine, als auch in Kombination mit anderen in diesem Dokument beschriebenen Verfahren, Vorrichtungen und Systemen verwendet werden können. Des Weiteren können jegliche Aspekte der in diesem Dokument beschriebenen Verfahren, Vorrichtungen und Systemen in vielfältiger Weise miteinander kombiniert werden. Insbesondere können die Merkmale der Ansprüche in vielfältiger Weise miteinander kombiniert werden.
Im Weiteren wird die Erfindung anhand von Ausführungsbeispielen näher beschrieben. Dabei zeigen
Figur 1 beispielhafte Komponenten eines Fahrzeugs;
Fig. 2a beispielhafte Sensordaten entlang einer Fahrzeugtrajektorie; Fig. 2b eine beispielhafte, auf Basis der Sensordaten der Fig. 2a geschätzte,
F ahrzeugtraj ektorie;
Fig. 3a einen beispielhaften Positions- Anker für Positionswerte;
Fig. 3b eine beispielhafte, durch Verschieben des Positions-Ankers geschätzte,
F ahrzeugtraj ektorie;
Fig. 4a einen beispielhaften Baum von Positions- Ankern für unterschiedliche Teil Sequenzen von Positionswerten;
Fig. 4b eine beispielhafte, durch Verschieben der Positions-Anker geschätzte,
F ahrzeugtraj ektorie; und
Fig. 5 ein Ablaufdiagramm eines beispielhaften Verfahrens zur Ermittlung einer Traj ektorie eines Fahrzeugs.
Wie eingangs dargelegt, befasst sich das vorliegende Dokument mit der präzisen Ermittlung der Trajektorie eines Fahrzeugs auf Basis der (ggf. fehlerbehafteten) Sensordaten von ein oder mehreren Sensoren des Fahrzeugs. Dabei soll insbesondere eine präzise Lokalisierung der Trajektorie innerhalb eines (globalen bzw. Welt-) Referenzkoordinatensystems ermöglicht werden.
Fig. 1 zeigt beispielhafte Komponenten eines Fahrzeugs 100. Das Fahrzeug 100 umfasst ein oder mehrere Elmfeldsensoren 102, die eingerichtet sind, Sensordaten (in diesem Dokument auch als Elmfelddaten bezeichnet) in Bezug auf das Elmfeld des Fahrzeugs 100 zu erfassen. Beispielhafte Elmfeldsensoren 102 sind: eine Bildkamera, ein Radarsensor, ein Lidarsensor, ein EU traschall sensor, etc. Eine Steuereinheit 101 des Fahrzeugs 100 kann eingerichtet sein, auf Basis der Elmfelddaten (insbesondere auf Basis von Bilddaten einer Kamera) ein oder mehrere Objekte in dem Elmfeld des Fahrzeugs 100 zu detektieren. Insbesondere kann auf Basis der Umfelddaten eine Landmarke (z.B. ein Gebäude) im Umfeld des Fahrzeugs 100 detektiert werden, für die die genaue (Referenz-)Position (innerhalb des Referenzkoordinatensystems) bekannt ist. Des Weiteren kann auf Basis der Umfelddaten eine Messposition der Landmarke ermittelt werden. Die Messposition kann dann mit der Referenzposition der Landmarke verglichen werden, um das Fahrzeug 100 (innerhalb des Referenzkoordinatensystems) zu lokalisieren.
Das Fahrzeug 100 umfasst ferner einen Positionssensor 103, der eingerichtet ist, Sensordaten (in diesem Dokument auch als Positionsdaten bezeichnet) in Bezug auf die Position des Fahrzeugs 100 zu erfassen. Die Positionsdaten können wiederholt an einer Sequenz von Zeitpunkten erfasst werden. Insbesondere können die Positionsdaten Positionswerte für unterschiedliche Zeitpunkte umfassen, wobei der Positionswert für einen bestimmten Zeitpunkt die Position des Fahrzeugs 100 an dem bestimmten Zeitpunkt anzeigt (innerhalb des Referenzkoordinatensystems). Ein (mehrdimensionaler) Positionswert kann z.B. die GPS Koordinaten des Fahrzeugs 100 umfassen. Dabei ist ein Positionswert typischerweise mit einer bestimmten Unsicherheit (z.B. mit einer bestimmten Standardabweichung) behaftet.
Des Weiteren kann das Fahrzeug 100 ein oder mehrere Fahrzeugsensoren 104 umfassen, die eingerichtet sind, Sensordaten (in diesem Dokument auch als Fahrzeugdaten bezeichnet) in Bezug auf einen Zustand des Fahrzeugs 100 zu erfassen. Die Fahrzeugdaten können z.B. anzeigen: die Geschwindigkeit, die Orientierung, die Gierrate, die Beschleunigung, etc. Die Steuereinheit 101 kann eingerichtet sein, auf Basis der Fahrzeugdaten eine Pose des Fahrzeugs 100, d.h. eine (auf Basis der Odometrie ermittelte) Position und Orientierung des Fahrzeugs 100, zu ermitteln. Beispielsweise können auf Basis der Fahrzeugdaten für eine Sequenz von Zeitpunkten jeweils (mehrdimensionale) Posewerte in Bezug auf die Pose des Fahrzeugs 100 ermittelt werden. Dabei weisen die einzelnen Posewerte typischerweise eine bestimmte Unsicherheit (z.B. eine bestimmte Standardabweichung) auf.
Außerdem kann das Fahrzeug 100 eine Kommunikationseinheit 105 umfassen, die eingerichtet ist, über eine (drahtlose) Kommunikationsverbindung mit einer externen Einheit (z.B. mit einem Backend-Server) Daten auszutauschen. Das Fahrzeug 100 kann eingerichtet sein, die bei einer Fahrt des Fahrzeugs 100 erfassten Sensordaten (insbesondere die Umfelddaten, die Positionsdaten und/oder die Fahrzeugdaten) an die externe Einheit zu senden, um es der externen Einheit zu ermöglichen, die von dem Fahrzeug 100 gefahrene Trajektorie (innerhalb des Referenzkoordinatensystems) zu ermitteln. Alternativ oder ergänzend kann die Steuereinheit 101 des Fahrzeugs 100 eingerichtet sein, auf Basis der erfassten Sensordaten (zumindest teilweise) die von dem Fahrzeug 100 gefahrene Trajektorie zu ermitteln, und über die Kommunikationseinheit 105 an die externe Einheit zu senden.
Fig. 2a veranschaulicht beispielhafte Sensordaten, die bei der Fahrt eines Fahrzeugs 100 erfasst wurden. Insbesondere zeigt Fig. 2a eine Sequenz von Positionswerten 201 an einer Sequenz von aufeinanderfolgenden Zeitpunkten. Die einzelnen Positionswerte 201 weisen eine bestimmte Unsicherheit auf, die durch die Kreise 202 um die einzelnen Positionswerte 201 veranschaulicht wird. Wie oben dargelegt, können die einzelnen Positionswerte 201 (ggf. allein) anhand des Positionssensors 103 des Fahrzeugs 101 erfasst worden sein. Die einzelnen Positionswerte 201 können als Positionsvariable-Konten eines Graphen 215 betrachtet werden.
Des Weiteren zeigt Fig. 2a Posewerte 211 für die Sequenz von Zeitpunkten. Wie oben dargelegt, können die Posewerte 211 (ggf. allein) auf Basis der Fahrzeugdaten der ein oder mehreren Fahrzeugsensoren 104 ermittelt worden sein. Die Posewerte 211 können Posevariable-Knoten des Graphen 215 sein, wobei der Graph 215 eine Trajektorie des Fahrzeugs 100 beschreibt.
Die Posewerte 211 können auf Basis von Odometriewerten ermittelt werden, wobei dein Odometriewert die Veränderung der Pose des Fahrzeugs 100 zwischen zwei Posewerten 211 beschreibt. Die Odometriewerte können auf Basis der Fahrzeugdaten ermittelt werden. Im Falle einer exakten Messung und/oder Ermittlung der Posewerte 211 und der Positionswerte 201 sollten die Position des Posewertes 211 und der Positionswert 201 für einen bestimmten Zeitpunkt jeweils übereinstimmen (unter der Annahme, dass die Position der einzelnen Posewerte 211 relativ zu dem Referenzkoordinatensystems angegeben ist). Fehler und/oder Ungenauigkeiten bei der Messung und/oder der Ermittlung der Posewerte 211 (insbesondere der Odometriewerte) und der Positionswerte 201 bewirken jedoch, dass die Position des Posewertes 211 und der Positionswert 201 für einen bestimmten Zeitpunkt typischerweise voneinander abweichen. In Fig. 2a ist jedoch die Assoziation 213 des Posewertes 211 und des Positionswertes 201 für einen gleichen Zeitpunkt veranschaulicht (durch eine gestrichelte Gerade). Die Assoziation 213 kann in dem Graphen 215 durch eine Kante berücksichtigt werden.
Des Weiteren können bei der Fahrt des Fahrzeugs 100 an isolierten Zeitpunkten Landmarken 220 detektiert werden (auf Basis der Umfelddaten). Die (Referenz-) Position einer Landmarke 220 (z.B. eines Verkehrsschildes) ist dabei typischerweise bekannt (z.B. aus einer zuvor ermittelten digitalen Karte). Andererseits kann der Messwert 221 der Position der Landmarke 220 mit einem bestimmten Fehler und mit einer bestimmten Ungenauigkeit 222 behaftet sein.
Der Fehler des Messwerts 221 der Position der Landmarke 220 kann dabei durch einen Fehler in Bezug auf den Schätzwert der Position des Fahrzeugs 100 verursacht werden. In Fig. 2a ist die Assoziation 223 zwischen dem Messwert 221 der Position und der tatsächlichen Position einer Landmarke 220 veranschaulicht (durch eine gestrichelte Gerade). Die Assoziation 223 kann wiederum durch eine Kante in dem Graphen 215 berücksichtigt werden.
Die in Fig. 2a veranschaulichten Sensordaten können dazu verwendet werden, die Lage und/oder den Verlauf der tatsächlichen Trajektorie des Fahrzeugs 100 innerhalb des Referenzkoordinatensystems zu schätzen. Zu diesem Zweck kann die sogenannte Graph-SLAM (simultaneous localization and mapping) Methode verwendet werden. Auf Basis der Posewerte 211 kann ein Graph 215 bereitgestellt werden, der die Pose des Fahrzeugs 100 an einer Sequenz von Zeitpunkten beschreibt. Dabei entsprechen die einzelnen Posevariable-Knoten des Graphen 215 den einzelnen Posewerten 211. Direkt benachbarte Posevariable-Knoten sind über Kanten miteinander verbunden, wobei die Kanten ein oder mehrere Randbedingungen bzw. Odometrie-Faktoren 214 für den Übergang eines Posewertes 211 zu dem direkt nachfolgenden Posewert 211 umfassen. Die ein oder mehreren Randbedingungen bzw. Odometrie-Faktoren 214 hängen dabei typischerweise von technischen Eigenschaften des Fahrzeugs 100 (wie z.B. einen maximalen Lenkwinkel, etc.) und/oder von Messungenauigkeiten der Fahrzeugdaten ab. Insbesondere können die Odometrie-Faktoren 214 von der Messungenauigkeit der Odometriewerte zwischen zwei Posewerten 211 abhängen.
Die Graph-SLAM Methode kann darauf ausgerichtet sein, den Graphen 215 zu ermitteln, durch den ein bestimmtes Fehlerkriterium (z.B. ein mittlerer quadratischer Fehler) in Bezug auf die Abweichung des ermittelten Graphen 215 von dem verfügbaren Sensordaten reduziert, insbesondere minimiert, wird. Der Schätzwert der Position der Fahrzeugs 100 an einem bestimmten Zeitpunkt n kann z.B. als x(n) bezeichnet werden, der Positionswert 201 an dem Zeitpunkt n kann als p(n) bezeichnet werden. Es ergibt sich somit an dem Zeitpunkt n ein Positionswert-Abweichungsterm (x(n) — p(n))2 in Bezug auf die Abweichung des Schätzwertes der Position von dem Positionswert 201. Die Änderung zwischen zwei geschätzten Positionen des Fahrzeugs 100 an einem bestimmten Zeitpunkt n kann als d(n) bezeichnet werden, und der Odometriewert an dem bestimmten Zeitpunkt n (durch den die gemessene Änderung der Position wiedergegeben wird) kann als o(n) bezeichnet werden. Es ergibt sich dann ein Odometrie-Abweichungsterm (d(n) — o(n))2 in Bezug auf die Abweichung der geschätzten Positionsänderung (insbesondere der geschätzten Poseänderung) von der gemessenen Positionsänderung (insbesondere der gemessene Poseänderung). Die Abweichungsterme können gewichtet werden, wobei das Gewicht für den jeweiligen Term von der Unsicherheit des jeweiligen Messwertes der Position bzw. der Positionsänderung abhängt (und mit steigender Unsicherheit sinkt). Des Weiteren können die (gewichteten) Abweichungsterme für alle Zeitpunkte n =
1, JV des betrachteten Ausschnitts der zu ermittelten Trajektorie berücksichtigt, z.B. addiert, werden.
An isolierten Zeitpunkten k (z.B. an den Zeitpunkten n = 1 und n = N in dem in Fig. 2a dargestellten Beispiel) können zusätzliche Messwerte der Position des Fahrzeugs 100 auf Basis einer Landmarke 220 ermittelt werden. Dabei kann der Schätzwert der Position des Fahrzeugs 100 derart angepasst werden, dass die Abweichung zwischen dem Messwert 221 der Position der Landmarke 220 und dem (z.B. aus der digitalen Karte) bekannten Referenzwert der Position der Landmarke 220 reduziert wird. Da der Referenzwert der Position der Landmarke 220 typischerweise mit relativ hoher Genauigkeit ermittelt werden kann, weist der Abweichungsterm in Bezug auf eine Landmarke 220 typischerweise ein relativ großes Gewicht innerhalb des Gesamt-Fehler- bzw. Optimierungskriteriums auf.
Es kann dann ein Graph 215 mit einer Sequenz von Schätzwerten der Position des Fahrzeugs 100 bzw. mit einer Sequenz von geschätzten Posewerten 231 des Fahrzeugs 100 an der Sequenz von Zeitpunkten n = 1, ... , N ermittelt werden, durch den das Gesamt-Fehler- bzw. Optimierungskriterium reduziert, insbesondere minimiert, wird. Fig. 2b zeigt einen beispielhaften optimierten Graph 215 mit den geschätzten Posewerten 231 des Fahrzeugs 100 an der Sequenz von Zeitpunkten n = 1,
Figure imgf000023_0001
Der optimierte Graph 215, insbesondere die Sequenz von geschätzten Posewerten 231, stellt eine Schätzung der tatsächlichen Trajektorie des Fahrzeugs 100 dar.
Wie aus Fig. 2b zu entnehmen ist, kann die Berücksichtigung von isolierten Landmarken 220 dazu führen, dass der optimierte Graph 215 in der direkten Umgebung einer Landmarke 220 eine relativ gute Schätzung der tatsächlichen Trajektorie des Fahrzeugs 100 darstellt. Aufgrund von systematischen Fehlem der Positionsdaten können jedoch in einem Bereich 230 zwischen zwei Landmarken 220 relativ starke Abweichungen der geschätzten Trajektorie (d.h. der Sequenz von geschätzten Posewerten 231) von der tatsächlichen Trajektorie des Fahrzeugs 100 entstehen. Die Abweichungen werden insbesondere dadurch bewirkt, dass in einem Bereich 230 zwischen zwei Landmarken 220 keine Messwerte 221 der Position einer Landmarke 220 verfügbar sind und/oder berücksichtigt werden, und der Graph 215 (insbesondere die Sequenz von geschätzten Posewerten 231) daher derart ermittelt wird, dass die Abweichung zu den verfügbaren Positionswerten 201 reduziert wird.
Der systematische Fehler der Positionsdaten ist in Fig. 2b durch die relativ starke Abweichung zwischen dem Schätzwert 231 der Position und dem Positionswert 201 in unmittelbarer Nähe zu den beiden Landmarken 220 ersichtlich. Die relativ starke Abweichung der geschätzten Trajektorie (d.h. der Sequenz von geschätzten Posewerten 231) von der tatsächlichen Trajektorie des Fahrzeugs 100 in dem Bereich 230 zwischen zwei Landmarken 220 führt, wie in Fig. 2b dargestellt, zu einem „Durchhängen“ der Sequenz von geschätzten Posewerten 231.
Der systematische Fehler bei der Messung der Positionswerte 201 kann dadurch berücksichtigt werden, dass eine zusätzliche Variable (d.h. ein zusätzlicher Knoten) bei der Ermittlung des Graphen 215 eingeführt wird, durch die alle zu berücksichtigenden Positionswerte 201 gemeinsam verschoben werden können. Insbesondere können die einzelnen Positionswerte 201 (d.h. die Positionsvariable- Knoten) über jeweils eine feste Kante 312 an einem gemeinsamen Positions- Anker 312 befestigt werden, der durch eine Translationsbewegung 323 verschoben werden kann, um dabei die einzelnen gemessenen Positionswerte 201 (d.h. die Positionsvariable-Knoten) jeweils in gleicher Weise verschiebt. Der Positions-Anker 321 kann ggf. gemäß einer vordefinierten Kovarianz bzw. Wahrscheinlichkeitsverteilung 322 verschoben werden.
Bei der Ermittlung des optimierten Graphen 215 (und damit der Sequenz von geschätzten Posewerten 231) kann somit als zusätzlicher Freiheitsgrad der Positions-Anker 321 verschoben (insbesondere per Translation 323 verschoben) werden. Die Verschiebung kann um einen Positionsoffset 330 erfolgen. Als Folge daraus kann implizit (durch das Verschieben des Positions- Ankers 321) ein systematischer Fehler der gemessenen Positionswerte 201 ermittelt und kompensiert werden. Die Größe des systematischen Fehlers wird dabei durch den Positionsoffset 330 beschrieben. Des Weiteren können so Abweichungen des optimierten Graphen 215 (insbesondere der Sequenz von geschätzten Posewerten 231) von der tatsächlichen Trajektorie des Fahrzeugs 100, die auf einen systematischen Fehler der gemessenen Positionswerte 201 zurückzuführen sind, vermieden werden. Fig. 3b zeigt einen optimierten Graph 215 (insbesondere eine optimierte Sequenz von geschätzten Posewerten 231) und die im Rahmen der Optimierung bewirkte Verschiebung des Positions- Ankers 321.
Der systematische Fehler bei der Erfassung der gemessenen Positionswerte 201 kann von der direkten Umgebung des Fahrzeugs 100 abhängen. Beispielsweise kann ein relativ hohes Gebäude in der direkten Umgebung des Fahrzeugs 100 (z.B. durch Multipath-Effekte) zu einer Änderung des systematischen Fehlers führen. Um unterschiedliche systematische Fehler in unterschiedlichen Segmenten einer Trajektorie berücksichtigen zu können, kann, wie in Fig. 4a dargestellt, ein Baum bzw. eine Hierarchie von Ankern 321, 421 verwendet werden.
Insbesondere kann für jedes Segment der Trajektorie ein Zwischen -Anker 421 definiert werden, an den die gemessenen Positionswerte (bzw. eine den Positionswerten entsprechende Positionsvariable 301) des jeweiligen Segments fest angebunden sind. Die Zwischen- Anker 421 können dann gemäß einer Kovarianz bzw. Wahrscheinlichkeitsverteilung 422 des jeweiligen Zwischen- Ankers 421 relativ zu einem Ankerpunkt 424 verschoben werden (dargestellt durch die Verbindung 423). Die Ankerpunkte 424 der einzelnen Zwischen- Anker können dann mit dem (Haupt-) Positions-Anker 321 verbunden sein (ggf. über ein oder mehrere weitere Ebenen von Zwi sehen -Ankems 421). Wie aus Fig. 4b zu entnehmen ist, können so in den einzelnen Segmenten der Trajektorie systematische Fehler der Positionswerte 201 berücksichtigt werden, um in besonders präziser Weise einen optimierten Graph 215, d.h. eine Schätzung der tatsächlichen Trajektorie, zu ermitteln.
In diesem Dokument wird somit ein Verfahren beschrieben, mit dem ein systematischer Fehler bei der Positionsmessung, insbesondere bei einer GPS- basierten Positionsmessung, berücksichtigt und zumindest teilweise kompensiert werden kann. Der systematische Fehler bei der Positionsmessung kann durch Atmosphäreneffekte oder durch lokale Effekte, wie die Abschirmung durch eine Hauswand oder einen Wald, hervorgerufen werden. Der systematische Fehler kann dazu führen, dass Messungen miteinander korreliert und nicht voneinander unabhängig sind. Für den auf Atmosphäreneffekte beruhenden systematischen Fehler betrifft dies alle Messungen in einem bestimmten Zeitraum, z.B. bei einer bestimmten Durchfahrung bzw. Fahrt des Fahrzeugs 100. Daneben können noch lokale Effekte auftreten, bei denen in einem gewissen Bereich, beispielsweise vor einem hohen Haus, Abschattungs- und Multipath-Effekte auftreten können, die lokal zu einem systematischen Fehler führen.
Bei dem in diesem Dokument beschriebenen Verfahren wird eine Graph-SLAM Methode um eine Modellierung von systematischen Fehlem der Positionsdaten erweitert. Dabei wird jeder gemessene Positionswert 201 (bzw. ein dem gemessenen Positionswert 201 entsprechender Positionsvariable-Knoten 301) über eine steife Kante 312 mit einem Positions-Anker 321 verbunden. Der Positions-Anker 321 kann derart definiert sein, dass der Positions-Anker (Konten) 321 über einen Prior mit festgelegten Kovarianzen 322 (ausschließlich) durch eine Translation 323 verschoben werden kann. Dadurch ist eine systematische Verschiebung aller gemessenen Positionswerte 201 bzw. Positionsvariable- Knoten 301 implizit in den Faktorgraphen 215 integriert. Die Graph-SLAM Optimierung berücksichtigt also systematische Fehler der Positionsdaten bei der Bestimmung der Fahrtrajektorie und ermittelt dabei die wahrscheinlichste systematische Verschiebung der gemessenen Positionswerte 201 bzw. der Positionsvariable-Knoten 301. Durch ein hierarchisches System mit mehreren Zwischen- Ankern 421 können auch lokale systematische Fehler der Positionsmessung modelliert und bestimmt werden.
Das beschriebene Verfahren kann bei der Lokalisierung von Fahrtrajektorien verwendet werden, wie sie insbesondere in der Änderungserkennung und für das Bereitstellen von Map-Patches benötigt wird. Es wird zunächst ein Faktorgraph 215 aufgebaut. Dabei werden die einzelnen gemessenen Positionswerte 201 nicht direkt als Prior für die Fahrzeugposition an den jeweiligen Zeitpunkten verwendet. Stattdessen wird für jede Positionsmessung eine entsprechende Positionsvariable als Positionsvariable-Knoten 301 in den Faktorgraphen 215 eingefügt. Diese Positionsvariable-Knoten 301 können über jeweils einen Positions-Faktor 313 (d.h. über entsprechende Kanten) mit zugehörigen Fahrzeugpose bzw. Posevariable-Knoten 211 verbunden werden. Die ursprünglich im Positions-Prior enthaltene Unsicherheit der Positionsmessungen kann durch den Positions-Faktor 313 modelliert werden. Zusätzlich werden alle Positionsvariable-Knoten 301 über virtuelle ideal steife Kanten 312 mit einer virtuellen Positions-Anker-Variable 321 verbunden. Diese Positions- Anker- Variable 321 kann eine Pose (Position + Orientierung) darstellen und ist typischerweise wiederum mit einem Prior (d.h. mit einer Wahrscheinlichkeitsverteilung 322 in Bezug auf die Pose der Positions-Anker- Variable 321) versehen. Um die systematische Verschiebung aller Positionsvariable-Knoten 301 zu ermöglichen, weist dieser Prior bevorzugt eine Translations-Kovarianz 322 auf, die die entsprechenden Annahmen bezüglich systematischer Verschiebung kodiert. Die Orientierung der Anker-Pose kann durch eine ideal kleine Orientierungs-Kovarianz fixiert sein, um eine Drehung der Positions-Anker-Variablen 321 zu vermeiden (und um so eine zuverlässige Modellierung des systematischen Fehlers der Positionsmessung zu gewährleisten). Durch die steifen Faktoren 312 zwischen den Positionsvariable-Knoten 301 und dem Anker-Knoten 321 bleibt die innere Geometrie zwischen den Positionsvariable-Knoten 301 erhalten und „beliebige“ systematische Translationen können im Faktorgraphen 215 modelliert und optimiert werden. Dies führt zu einer verbesserten Lokalisierung der Fahrtrajektorie und zu einer systematischen Verschiebung der Positionsmessungen.
Des Weiteren wird ein hierarchisches System mit mehreren Zwischen -Ankern 421 beschrieben. Dadurch können auch lokale systematische Fehler modelliert werden. Der Aufbau der Nachbarschaftsbeziehungen kann zeitlich und/oder räumlich durchgeführt werden. Dadurch können verschiedene lokale systematische Fehler modelliert und berücksichtigt werden. Wird diese Variante zur synchronen Verortung mehrerer Trajektorien (z.B. von mehreren Fahrzeugen 100) verwendet, so können die Zwischen- Anker 421 untereinander aufgrund räumlicher oder zeitlicher Nähe miteinander verknüpft werden, um die räumlichen und/oder zeitlichen Abhängigkeiten der zugrunde liegenden Fehler bei der Positionsmessung über verschiedene Trajektorien hinweg zu modellieren. Ein Beispiel für eine räumliche Abhängigkeit ist ein systematischer Fehler bedingt durch eine Hauswand. Eine zeitliche Abhängigkeit kann durch ionosphärische Zustände zu einem bestimmten Zeitpunkt oder durch identische Satellitenkonstellation für verschiedene Durchfahrungen zum gleichen Zeitpunkt bewirkt werden.
Fig. 5 zeigt ein Ablaufdiagramm eines beispielhaften Verfahrens 500 zur Schätzung einer tatsächlichen Trajektorie eines Fahrzeugs 100. Das Verfahren 500 kann z.B. durch eine Steuereinheit 101 des Fahrzeugs 100 und/oder durch eine Fahrzeug-externe Einheit (z.B. einen Backen- Server) ausgeführt werden.
Das Verfahren 500 umfasst das Ermitteln 501, auf Basis der Sensordaten eines Positionssensors 103 (z.B. auf Basis der Sensordaten eines GPS Empfängers), einer Sequenz von gemessenen Positionswerten 201 (z.B. GPS Koordinaten) in Bezug auf die jeweilige Position des Fahrzeugs 100 an einer entsprechenden Sequenz von Zeitpunkten. Insbesondere kann ein gemessener Positionswert 201 für einen Zeitpunkt die Position des Fahrzeugs 100 an dem Zeitpunkt relativ zu einem Referenzkoordinatensystem anzeigen. Der Positionssensor 103 kann Teil des Fahrzeugs 100 sein. Die gemessenen Positionswerte 201 können eine (mittels der Sensordaten des Positionssensors 103) gemessene Trajektorie des Fahrzeugs 100 wiedergeben.
Des Weiteren umfasst das Verfahren 500 das Ermitteln 502, auf Basis von Sensordaten von ein oder mehreren Fahrzeugsensoren 104, einer Sequenz von Odometriewerten für zumindest einen Teil der Sequenz von Zeitpunkten. Dabei kann der Odometriewert für einen Zeitpunkt anzeigen, wie sich die Pose des Fahrzeugs 100 im Vergleich zu einem vorhergehenden Zeitpunkt verändert hat. Die Sequenz von Zeitpunkten kann z.B. n = 1, ... , N Zeitpunkte umfassen. Es kann dann für die Zeitpunkte n = 2, ... , N jeweils ein Odometriewert bereitgestellt werden, der anzeigt, wie sich die Pose des Fahrzeugs 100 gegenüber dem jeweils direkt vorhergehenden Zeitpunkt n — 1 verändert hat.
Die ein oder mehreren Fahrzeugsensoren 104 können zur Ermittlung der Odometriewerte z.B. die Geschwindigkeit, den zurückgelegten Weg, die Gierrate, die Drehrate, und/oder die Beschleunigung des Fahrzeugs 100 anzeigen.
Alternativ oder ergänzend können die Odometriewerte auf Basis von ein oder mehreren Steuergrößen ermittelt werden, mit denen z.B. der Antriebsmotor, eine Bremsvorrichtung und/oder eine Lenkvorrichtung des Fahrzeugs 100 angesteuert wird. Die einzelnen Odometriewerte können jeweils die Änderung der Position und/oder die Änderung der Orientierung des Fahrzeugs 100 anzeigen. Auf Basis der Sequenz von Odometriewerten kann eine relative Trajektorie des Fahrzeugs 100 wiedergeben werden, die durch Translation und/oder Rotation in die Schätzung der tatsächlichen Trajektorie überführt werden kann. Das Verfahren 500 umfasst ferner das Ermitteln 503 (als Schätzung der tatsächlichen Trajektorie des Fahrzeugs 100) einer Sequenz von geschätzten Posewerten 231 für die Sequenz von Zeitpunkten, sowie das Ermitteln eines (systematischen) Positionsoffsets 330 für die Sequenz von gemessenen Positionswerten 201. Der geschätzte Posewert 231 für einen Zeitpunkt kann die Pose des Fahrzeugs 100 an dem Zeitpunkt relativ zu dem Referenzkoordinatensystem anzeigen. Die Sequenz von geschätzten Posewerte 231 und der Positionsoffset 330 können derart ermittelt werden, dass ein Optimierungskriterium verbessert, insbesondere zumindest lokal optimiert, wird.
Dabei kann das Optimierungskriterium einen Positionswert-Abweichungsterm für jeden der Sequenz von Zeitpunkten umfassen. Der Positionswert- Abweichungsterm für einen Zeitpunkt kann von der Abweichung 313 des geschätzten Posewertes 231 für den Zeitpunkt von dem um den Positionsoffset 330 verschobenen gemessenen Positionswert 201 für den Zeitpunkt abhängen. Es kann somit eine Sequenz von geschätzten Posewerten 231 ermittelt werden, durch die die (mittlere, ggf. quadratische) Abweichung der geschätzten Posewerte 231 von den jeweils um den Positionsoffset verschobenen gemessenen Positionswerte 201 reduziert, insbesondere minimiert, wird. Durch die Berücksichtigung eines Positionsoffsets 330 kann in effizienter und präziser Weise ein systematischer Fehler bei der Messung der gemessenen Positionswerte 201 erkannt und kompensiert werden. So kann die Genauigkeit einer Schätzung der tatsächlichen Trajektorie erhöht werden.
Des Weiteren kann das Optimierungskriterium das Optimierungskriterium einen Odometrie- Abweichungsterm für zumindest einen Teil der Zeitpunkte der Sequenz von Zeitpunkten umfassen (insbesondere für die Zeitpunkte n =
2, Dabei kann der Odometrie- Abweichungsterm für einen Zeitpunkt n von der Abweichung einer sich aus der Sequenz von geschätzten Posewerten 231 ergebenden Änderung der Pose des Fahrzeugs 100 an dem Zeitpunkt von dem Odometriewert für den Zeitpunkt abhängen. Das Optimierungskriterium kann z.B. eine (ggf. gewichtete) Summe der Positionswert-Abweichungsterme und der Odometrie- Abweichungsterme umfassen. Durch die Berücksichtigung von Positionswert-Abweichungstermen und Odometrie-Abweichungstermen kann eine präzise Schätzung der tatsächlichen Trajektorie bereitgestellt werden.
Durch die in diesem Dokument beschriebenen Maßnahmen können die Güte der Verortung einer Trajektorie relativ zu einer bestehenden digitalen Karte und/oder die Güte bei der synchronen Verortung mehrerer Trajektorien mittels gemeinsamer Landmarkensichtungen (z.B. der Sichtung von Schildern, Ampeln, Fahrstreifenmarkierungen etc.) durch die Modellierung systematischer globaler und lokaler Fehler bei der Positionsmessung erhöht werden. Insbesondere kann die Qualität der Lokalisierung der Fahrtrajektorien relativ zu einer Karte bzw. relativ zueinander durch die implizite Modellierung systematischer Fehler verbessert werden. Die in diesem Dokument beschriebenen Verfahren können z.B. für die Änderungserkennung und das Lernen von hochgenauen digitalen Karten (z.B. für das automatisierte Fahren) verwendet werden.
Die vorliegende Erfindung ist nicht auf die gezeigten Ausführungsbeispiele beschränkt. Insbesondere ist zu beachten, dass die Beschreibung und die Figuren nur das Prinzip der vorgeschlagenen Verfahren, Vorrichtungen und Systeme veranschaulichen sollen.

Claims

Ansprüche
1) Vorrichtung (101) zur Schätzung einer tatsächlichen Trajektorie eines Fahrzeugs (100); wobei die Vorrichtung (101) eingerichtet ist,
- auf Basis von Sensordaten eines Positionssensors (103) eine Sequenz von gemessenen Positionswerten (201) an einer entsprechenden Sequenz von Zeitpunkten zu ermitteln; wobei ein gemessener Positionswert (201) für einen Zeitpunkt eine Position des Fahrzeugs (100) an dem Zeitpunkt relativ zu einem Referenzkoordinatensystem anzeigt;
- auf Basis von Sensordaten von ein oder mehreren Fahrzeugsensoren (104) eine Sequenz von Odometriewerten zu ermitteln; wobei ein Odometriewert für einen Zeitpunkt anzeigt, wie sich eine Pose des Fahrzeugs (100) im Vergleich zu einem vorhergehenden Zeitpunkt verändert hat; und
- als Schätzung der tatsächlichen Trajektorie des Fahrzeugs (100) eine Sequenz von geschätzten Posewerten (231) für die Sequenz von Zeitpunkten und einen Positionsoffset (330) für die Sequenz von gemessenen Positionswerten (201) zu ermitteln, so dass ein Optimierungskriterium verbessert, insbesondere zumindest lokal optimiert, wird; wobei ein geschätzter Posewert (231) für einen Zeitpunkt die Pose des Fahrzeugs (100) an dem Zeitpunkt relativ zu dem Referenzkoordinatensystem anzeigt; wobei das Optimierungskriterium einen Positionswert-Abweichungsterm für jeden der Sequenz von Zeitpunkten umfasst; wobei der Positionswert- Abweichungsterm für einen Zeitpunkt von einer Abweichung (313) des geschätzten Posewertes (231) für den Zeitpunkt von dem um den Positionsoffset (330) verschobenen gemessenen Positionswert (201) für den Zeitpunkt abhängt; wobei das Optimierungskriterium einen Odometrie- Abweichungsterm für zumindest einen Teil der Zeitpunkte der Sequenz von Zeitpunkten umfasst; wobei der Odometrie- Abweichungsterm für einen Zeitpunkt von einer Abweichung einer sich aus der Sequenz von geschätzten Posewerten (231) ergebenden Änderung der Pose des Fahrzeugs (100) an dem Zeitpunkt von dem Odometriewert für den Zeitpunkt abhängt.
2) Vorrichtung (101) gemäß Anspruch 1, wobei
- die gemessenen Positionswerte (201) eine Positions- Messungenauigkeit aufweisen; und
- das Optimierungskriterium von der Positions-Messungenauigkeit der gemessenen Positionswerte (201) abhängt, insbesondere derart, dass eine Erhöhung der Positions-Messungenauigkeit zu einer Reduzierung einer Auswirkung der Positionswert- Abweichungsterme auf das Optimierungskriterium führt; und/oder
- die Odometriewerte eine Odometrie-Messungenauigkeit aufweisen; und
- das Optimierungskriterium von der Odometrie-Messungenauigkeit der Odometrie abhängt, insbesondere derart, dass eine Erhöhung der Odometrie-Messungenauigkeit zu einer Reduzierung einer Auswirkung der Odometrie-Abweichungsterme auf das Optimierungskriterium führt.
3) Vorrichtung (101) gemäß einem der vorhergehenden Ansprüche, wobei
- die Vorrichtung (101) eingerichtet ist, den Positionsoffset (330) für die Sequenz von gemessenen Positionswerten (201) derart zu ermitteln, dass ein Wert des Positionsoffsets (330) für alle gemessenen Positionswerte (201) der Sequenz von gemessenen Positionswerten (201) und/oder für alle Zeitpunkte der Sequenz von Zeitpunkten gleich ist; und/oder
- der Positionsoffset (330) ein systematischer Positionsoffset ist.
4) Vorrichtung (101) gemäß einem der vorhergehenden Ansprüche, wobei - die Vorrichtung (101) eingerichtet ist, einen Wert des Positionsoffsets (330) auf einen Maximalwert zu beschränken; und/oder
- die Vorrichtung (101) eingerichtet ist, den Wert des Positionsoffsets (330) unter Berücksichtigung einer Kovarianz für den Positionsoffset (330) zu ermitteln; und/oder
- das Optimierungskriterium einen Term umfasst, durch den eine betragliche Erhöhung des Wertes des Positionsoffsets (330) bestraft wird.
5) Vorrichtung (101) gemäß einem der vorhergehenden Ansprüche, wobei die Vorrichtung (101) eingerichtet ist,
- die Sequenz von Zeitpunkten in eine Mehrzahl von aufeinanderfolgenden Teilsequenzen zu unterteilen;
- die gemessenen Positionswerte (201) einer Teil sequenz jeweils mit einem systematischen Teil-Positionsoffset für die Teilsequenz und mit dem Positionsoffset (330) für die gesamte Sequenz zu verschieben;
- die Sequenz von geschätzten Posewerten (231) für die Sequenz von Zeitpunkten, den Positionsoffset (330) für die gesamte Sequenz von gemessenen Positionswerten (201) und die Mehrzahl von Teil- Positionsoffsets (330) für die Mehrzahl von Teil Sequenzen zu ermitteln, so dass das Optimierungskriterium verbessert, insbesondere zumindest lokal optimiert, wird.
6) Vorrichtung (101) gemäß einem der vorhergehenden Ansprüche, wobei
- die Vorrichtung (101) eingerichtet ist, einen Graphen (215) zu erstellen;
- der Graph (215) die einzelnen geschätzten Posewerte (231) der Sequenz von geschätzten Posewerten (231) als Posevariable-Knoten umfasst;
- der Graph (215) als Kante zwischen einem Posevariable-Knoten für einen Zeitpunkt und einem Posevariable-Knoten für einen vorhergehenden Zeitpunkt einen Odometrie-Faktor umfasst, der von den Sensordaten der ein oder mehreren Fahrzeugsensoren (105) abhängig ist, und/oder der eine Bewegung des Fahrzeugs (100) zwischen den zwei Posevariable-Knoten anzeigt und/oder der von dem Odometriewert für den Zeitpunkt abhängt;
- der Graph (215) für jeden der Positionswerte (201) der Sequenz von gemessenen Positionswerten (201) einen Positionsvariable-Knoten umfasst;
- der Graph (215) für j eden der Posevariable-Knoten eine Assoziation über einen Positions-Faktor und/oder über eine Kante zu einen entsprechenden Positionsvariable-Knoten umfasst;
- die Positionsvariable-Knoten des Graphen (215) derart mit einem Positions-Anker (321) verbunden sind, dass eine Verschiebung des Positions-Ankers (321) zu einer entsprechenden Verschiebung der Positionsvariable-Knoten führt; und
- die Vorrichtung (101) eingerichtet ist, die Sequenz von geschätzten Posewerten (231) durch eine Optimierung des Graphen (215) zu ermitteln.
7) Vorrichtung (101) gemäß Anspruch 6, wobei die Optimierung des Graphen (215) umfasst
- ein Verschieben des Positions-Ankers (321); und/oder
- ein Ändern von ein oder mehreren geschätzten Posewerten (231) der Sequenz von geschätzten Posewerten (231); und/oder
- ein Verschieben von ein oder mehreren Posevariable-Knoten des Graphen (215).
8) Vorrichtung (101) gemäß einem der Ansprüche 6 bis 7, wobei
- die Vorrichtung (101) eingerichtet ist, im Rahmen der Optimierung des Graphen (215) eine Pose des Positions-Ankers (321) in Abhängigkeit von einer Wahrscheinlichkeitsverteilung für die Pose des Positions- Ankers (321) zu ändern; und
- die Wahrscheinlichkeitsverteilung derart ist, dass eine Translation des Positions-Ankers (321) ermöglicht wird und dass eine Rotation des Positions-Ankers (321) im Wesentlichen unterbunden wird.
9) Vorrichtung (101) gemäß einem der Ansprüche 6 bis 8, wobei
- die Sequenz von Zeitpunkten eine Mehrzahl von aufeinanderfolgenden Teil Sequenzen umfasst;
- die Positionsvariable-Knoten des Graphen (215) einer Teilsequenz jeweils mit einem Zwischen- Anker (421) verbunden sind, so dass eine Verschiebung des Zwischen-Ankers (421) zu einer entsprechenden Verschiebung der Positionsvariable-Knoten der Teilsequenz führt; und
- die Zwischen- Anker (421) der Mehrzahl von Teilsequenzen derart mit dem Positions-Anker (321) verbunden sind, dass eine Verschiebung des Positions-Ankers (321) zu einer entsprechenden Verschiebung der Zwischen- Anker (421) der Mehrzahl von Teil Sequenzen führt.
10) Vorrichtung (101) gemäß einem der vorhergehenden Ansprüche, wobei
- die Vorrichtung (101) eingerichtet ist, die Schätzung der tatsächlichen Trajektorie des Fahrzeugs (100) mittels einer Graph-SLAM, d.h. Simultaneous Localization and Mapping, Methode zu ermitteln; und
- der Positionsoffset (330) als verschiebbarer Anker-Knoten im Rahmen der Graph-SLAM Methode berücksichtigt wird.
11) Vorrichtung (101) gemäß einem der vorhergehenden Ansprüche, wobei die Vorrichtung (101) eingerichtet ist,
- auf Basis von Sensordaten von ein oder mehreren Umfeldsensoren (102) des Fahrzeugs (100), für einen bestimmten Zeitpunkt der Sequenz von Zeitpunkten eine Messposition (221) einer Landmarke (220) in einem Umfeld des Fahrzeugs (100) zu ermitteln; und - einen Landmarken-Abweichungsterm in dem Optimierungskriterium zu berücksichtigen; wobei der Landmarken-Abweichungsterm von einer Abweichung der Messposition (221) der Landmarke (220) von einer Referenzposition der Landmarke (220) abhängt.
12) Vorrichtung (101) gemäß einem der vorhergehenden Ansprüche, wobei
- das Optimierungskriterium zumindest einen weiteren Abweichungsterm umfasst, durch den eine betragliche Erhöhung des Wertes des Positionsoffsets (330) bewirkt wird; und/oder
- die Vorrichtung (101) eingerichtet ist, alternative Daten in Bezug auf die Position des Fahrzeugs (100) zu ermitteln und auf Basis der alternativen Daten einen Wert eines weiteren Abweichungsterms für das Optimierungskriterium zu ermitteln.
13) Vorrichtung (101) gemäß einem der vorhergehenden Ansprüche, wobei
- ein gemessener Positionwert (201) Koordinaten, insbesondere GPS Koordinaten, in Bezug auf eine Position des Fahrzeugs (100) innerhalb eines Referenzkoordinatensystems für ein Straßennetz umfasst; und/oder
- ein Odometriewert Koordinaten in Bezug auf eine Änderung der Position des Fahrzeugs (100) innerhalb eines Koordinatensystems des Fahrzeugs (100) umfasst; und/oder
- das Koordinatensystem des Fahrzeugs (100) gegenüber dem Referenzkoordinatensystem verschoben ist.
14) Vorrichtung (101) gemäß einem der vorhergehenden Ansprüche, wobei die Vorrichtung (101) eingerichtet ist, auf Basis der Schätzung der tatsächlichen Trajektorie des Fahrzeugs (100) eine digitale Karte in Bezug auf ein Straßennetz zu erstellen und/oder anzupassen. 15) Vorrichtung (101) gemäß einem der vorhergehenden Ansprüche, wobei die Vorrichtung (101) eingerichtet ist,
- die Sensordaten des Positionssensors (103) des Fahrzeugs (100) oder davon abgeleitete Daten von dem Fahrzeug (100) zu empfangen;
- die Sensordaten der ein oder mehreren Fahrzeugsensoren (104) des Fahrzeugs (100) oder davon abgeleitete Daten von dem Fahrzeug (100) zu empfangen; und
- die Sequenz von geschätzten Posewerten (231) für die Sequenz von Zeitpunkten auf Basis der empfangenen Daten zu ermitteln.
16) Vorrichtung (101) gemäß einem der vorhergehenden Ansprüche, wobei die Vorrichtung (101) eingerichtet ist,
- für eine Mehrzahl von Fahrten an einem Segment eines Straßennetzes jeweils eine Sequenz von gemessenen Positionswerten (201) an einer entsprechenden Sequenz von Zeitpunkten zu ermitteln;
- für die Mehrzahl von Fahrten jeweils eine Sequenz von Odometriewerten für zumindest einen Teil der Sequenz von Zeitpunkten zu ermitteln; und
- für die Mehrzahl von Fahrten jeweils eine Sequenz von geschätzten Posewerten (231) für die Sequenz von Zeitpunkten und einen Positionsoffset (330) zu ermitteln, so dass jeweils ein Optimierungskriterium verbessert, insbesondere zumindest lokal optimiert, wird.
17) Verfahren (500) zur Schätzung einer tatsächlichen Trajektorie eines Fahrzeugs (100); wobei das Verfahren (500) umfasst,
- Ermitteln (501), auf Basis von Sensordaten eines Positionssensors (103), einer Sequenz von gemessenen Positionswerten (201) an einer entsprechenden Sequenz von Zeitpunkten; wobei ein gemessener Positionswert (201) für einen Zeitpunkt eine Position des Fahrzeugs (100) an dem Zeitpunkt relativ zu einem Referenzkoordinatensystem anzeigt;
- Ermitteln (502), auf Basis von Sensordaten von ein oder mehreren Fahrzeugsensoren (104), einer Sequenz von Odometriewerten für zumindest einen Teil der Sequenz von Zeitpunkten; wobei ein Odometriewert für einen Zeitpunkt anzeigt, wie sich eine Pose des Fahrzeugs (100) im Vergleich zu einem vorhergehenden Zeitpunkt verändert hat; und
- Ermitteln (503) als Schätzung der tatsächlichen Trajektorie des Fahrzeugs (100) einer Sequenz von geschätzten Posewerten (231) für die Sequenz von Zeitpunkten und Ermitteln eines Positionsoffsets (330) für die Sequenz von gemessenen Positionswerten (201), so dass ein Optimierungskriterium verbessert, insbesondere zumindest lokal optimiert, wird; wobei ein geschätzter Posewert (231) für einen Zeitpunkt die Pose des Fahrzeugs (100) an dem Zeitpunkt relativ zu dem Referenzkoordinatensystem anzeigt; wobei das Optimierungskriterium einen Positionswert- Abweichungsterm für jeden der Sequenz von Zeitpunkten umfasst; wobei der Positionswert- Abweichungsterm für einen Zeitpunkt von einer Abweichung (313) des geschätzten Posewertes (231) für den Zeitpunkt von dem um den Positionsoffset (330) verschobenen gemessenen Positionswert (201) für den Zeitpunkt abhängt; wobei das Optimierungskriterium einen Odometrie- Abweichungsterm für zumindest einen Teil der Zeitpunkte der Sequenz von Zeitpunkten umfasst; wobei der Odometrie- Abweichungsterm für einen Zeitpunkt von einer Abweichung einer sich aus der Sequenz von geschätzten Posewerten (231) ergebenden Änderung der Pose des Fahrzeugs (100) an dem Zeitpunkt von dem Odometriewert für den Zeitpunkt abhängt.
PCT/EP2020/071205 2019-09-03 2020-07-28 Verfahren und vorrichtung zur ermittlung einer trajektorie eines fahrzeugs WO2021043505A1 (de)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2022513504A JP2022546483A (ja) 2019-09-03 2020-07-28 車両の軌道を決定する方法および装置
KR1020227002048A KR20220024791A (ko) 2019-09-03 2020-07-28 차량의 궤적을 결정하기 위한 방법 및 장치
US17/636,119 US20220290991A1 (en) 2019-09-03 2020-07-28 Method and Device for Determining a Trajectory of a Vehicle
CN202080060302.1A CN114286924B (zh) 2019-09-03 2020-07-28 用于确定车辆轨迹的方法和装置

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102019123538.3A DE102019123538A1 (de) 2019-09-03 2019-09-03 Verfahren und Vorrichtung zur Ermittlung einer Trajektorie eines Fahrzeugs
DE102019123538.3 2019-09-03

Publications (1)

Publication Number Publication Date
WO2021043505A1 true WO2021043505A1 (de) 2021-03-11

Family

ID=71899717

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2020/071205 WO2021043505A1 (de) 2019-09-03 2020-07-28 Verfahren und vorrichtung zur ermittlung einer trajektorie eines fahrzeugs

Country Status (6)

Country Link
US (1) US20220290991A1 (de)
JP (1) JP2022546483A (de)
KR (1) KR20220024791A (de)
CN (1) CN114286924B (de)
DE (1) DE102019123538A1 (de)
WO (1) WO2021043505A1 (de)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3102879A1 (fr) * 2019-10-30 2021-05-07 Renault S.A.S Système et procédé de gestion de la position d’un véhicule autonome.
US20220164595A1 (en) * 2020-11-25 2022-05-26 Beijing Baidu Netcom Science And Technology Co., Ltd. Method, electronic device and storage medium for vehicle localization
DE102021211988A1 (de) 2021-10-25 2023-04-27 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Generieren einer Kartendarstellung für Fahrzeuge
DE102022103856A1 (de) 2022-02-18 2023-08-24 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Vorrichtung zur Erkennung eines Problems bei der Ermittlung eines Fahrpfades
DE102022207829A1 (de) 2022-07-29 2024-02-01 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Hinzufügen eines oder mehrerer Ankerpunkte zu einer Karte einer Umgebung
DE102022209276A1 (de) 2022-09-07 2024-03-07 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Verringern einer Sendefrequenz von Nachrichten eines Fahrzeugs
CN115200591B (zh) * 2022-09-16 2022-12-09 毫末智行科技有限公司 一种位姿确定方法、装置、整车控制器及可读存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102016205193A1 (de) * 2016-03-30 2017-10-05 Volkswagen Aktiengesellschaft Marginalisieren eines Posen-Graphen
WO2020016385A1 (de) * 2018-07-20 2020-01-23 Volkswagen Ag Verfahren und system zum bestimmen einer position eines fahrzeugs

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4124249B2 (ja) * 2006-07-25 2008-07-23 トヨタ自動車株式会社 測位装置、ナビゲーションシステム
JP5152677B2 (ja) * 2009-02-26 2013-02-27 アイシン・エィ・ダブリュ株式会社 ナビゲーション装置及びナビゲーション用プログラム
CN104374395A (zh) * 2014-03-31 2015-02-25 南京邮电大学 基于图的视觉slam方法
US11536572B2 (en) * 2016-11-09 2022-12-27 The Texas A&M University System Method and system for accurate long term simultaneous localization and mapping with absolute orientation sensing
DE102016223999A1 (de) * 2016-12-02 2018-06-07 Volkswagen Aktiengesellschaft Bestimmen einer Referenztrajektorie mit einem Posen-Graphen
CN107272673A (zh) * 2017-05-18 2017-10-20 中山大学 基于位姿链模型的slam后端轨迹优化方法
CN107229063A (zh) * 2017-06-26 2017-10-03 奇瑞汽车股份有限公司 一种基于gnss和视觉里程计融合的无人驾驶汽车导航定位精度矫正方法
CN109029433B (zh) * 2018-06-28 2020-12-11 东南大学 一种移动平台上基于视觉和惯导融合slam的标定外参和时序的方法
CN109887032B (zh) * 2019-02-22 2021-04-13 广州小鹏汽车科技有限公司 一种基于单目视觉slam的车辆定位方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102016205193A1 (de) * 2016-03-30 2017-10-05 Volkswagen Aktiengesellschaft Marginalisieren eines Posen-Graphen
WO2020016385A1 (de) * 2018-07-20 2020-01-23 Volkswagen Ag Verfahren und system zum bestimmen einer position eines fahrzeugs

Also Published As

Publication number Publication date
CN114286924A (zh) 2022-04-05
US20220290991A1 (en) 2022-09-15
KR20220024791A (ko) 2022-03-03
JP2022546483A (ja) 2022-11-04
CN114286924B (zh) 2024-04-23
DE102019123538A1 (de) 2021-03-04

Similar Documents

Publication Publication Date Title
WO2021043505A1 (de) Verfahren und vorrichtung zur ermittlung einer trajektorie eines fahrzeugs
DE102010005293B4 (de) System und Verfahren zur Spurpfadschätzung unter Verwendung einer Sensorvereinigung
WO2017016799A1 (de) Bestimmung einer anordnungsinformation für ein fahrzeug
DE102017108774A1 (de) Fahrzeugspurkartenschätzung
DE112018006665T5 (de) Verfahren zum zugreifen auf ergänzende wahrnehmungsdaten von anderen fahrzeugen
DE102015111535A1 (de) Algorithmus zur genauen Krümmungsschätzung für die Bahnplanung von autonom fahrenden Fahrzeugen
DE102018107935A1 (de) Vorrichtung zur Bestimmung der Operational Design Domain (ODD)
EP3581886B1 (de) Verfahren und vorrichtung zum bestimmen einer position eines kraftfahrzeugs
DE102016209232B4 (de) Verfahren, Vorrichtung und computerlesbares Speichermedium mit Instruktionen zur Bestimmung der lateralen Position eines Fahrzeuges relativ zu den Fahrstreifen einer Fahrbahn
EP3491339A1 (de) Verfahren, vorrichtung und computerlesbares speichermedium mit instruktionen zur bestimmung der lateralen position eines fahrzeuges relativ zu den fahrstreifen einer fahrbahn
DE102019100034A1 (de) Autonome lenksteuerung
DE102016114402A1 (de) Verfahren und gerät zur bewertung der funktion eines bordnavigationssystems für ein fahrzeug unter nutzung von lateralversatzdaten
DE102016213817B4 (de) Verfahren, Vorrichtung und computerlesbares Speichermedium mit Instruktionen zur Bestimmung der lateralen Position eines Fahrzeuges relativ zu den Fahrstreifen einer Fahrbahn
DE102019214628A1 (de) Validierung von Umfelderfassung mittels Satelitenbildern und SAR-Radardaten
DE102019126446A1 (de) Fahrzeugsteuerungsvorrichtung
DE102020100022A1 (de) Positionsbestimmungstechnik
DE102021105823A1 (de) Dynamische lidar-anpassung
DE102022112395A1 (de) Von kreuzungsknoten unterstützte hochauflösende kartierung
DE102018215753A1 (de) Vorrichtung und Verfahren zum Ermitteln einer Trajektorie eines Fahrzeugs
DE102018203753A1 (de) Verfahren und Vorrichtung zur robusten Lokalisierung eines Fahrzeugs
DE102017108107A1 (de) Verfahren, vorrichtung und computerlesbares speichermedium mit instruktionen zur schätzung einer pose eines kraftfahrzeugs
DE112020004203T5 (de) Fahrzeugpositionsbestimmungsvorrichtung und Fahrzeugpositionsbestimmungsverfahren
EP3410158A1 (de) Verfahren, vorrichtungen und computerlesbares speichermedium mit instruktionen zur ortsbestimmung eines durch ein kraftfahrzeug erfassten datums
DE102020105619A1 (de) System und verfahren zur bestimmung der fahrzeugposition
EP3739511A1 (de) Verfahren zum einbetten von lokalen sensordaten in eine karte

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: 20750202

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 20227002048

Country of ref document: KR

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 2022513504

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20750202

Country of ref document: EP

Kind code of ref document: A1