WO2022089990A1 - Verfahren zum steuern eines kraftfahrzeugs und steuergerät - Google Patents

Verfahren zum steuern eines kraftfahrzeugs und steuergerät Download PDF

Info

Publication number
WO2022089990A1
WO2022089990A1 PCT/EP2021/078892 EP2021078892W WO2022089990A1 WO 2022089990 A1 WO2022089990 A1 WO 2022089990A1 EP 2021078892 W EP2021078892 W EP 2021078892W WO 2022089990 A1 WO2022089990 A1 WO 2022089990A1
Authority
WO
WIPO (PCT)
Prior art keywords
motor vehicle
control unit
road user
trajectory
future
Prior art date
Application number
PCT/EP2021/078892
Other languages
English (en)
French (fr)
Inventor
Christian Stelzer
JanHendrik Emmel
Florian Martin
Original Assignee
Zf Friedrichshafen Ag
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 Zf Friedrichshafen Ag filed Critical Zf Friedrichshafen Ag
Publication of WO2022089990A1 publication Critical patent/WO2022089990A1/de

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0097—Predicting future conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/002—Integrating means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0028—Mathematical models, e.g. for simulation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • B60W2520/105—Longitudinal acceleration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/12—Lateral speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/12—Lateral speed
    • B60W2520/125—Lateral acceleration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4041—Position
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4042—Longitudinal speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4043—Lateral speed

Definitions

  • the invention relates to a method for controlling a motor vehicle, a control unit for a motor vehicle, a motor vehicle and a computer program for carrying out the method.
  • a road user can be another motor vehicle, a tram, a bicycle, a pedestrian, an animal and generally any type of object that occurs in road traffic.
  • the driver assistance system then initiates an appropriate driving maneuver, for example a braking maneuver or an evasive maneuver, in order to prevent the imminent collision.
  • an appropriate driving maneuver for example a braking maneuver or an evasive maneuver
  • surroundings sensors of the motor vehicle such as a camera and/or radar sensors, record the surroundings of the motor vehicle, ie an area around the motor vehicle, and thus generate an image of the surroundings.
  • This image of the environment is referred to below as vehicle environment data and is used by the control unit to control the motor vehicle.
  • a particular problem in collision detection is the rapid detection of an imminent collision with one of the potentially many road users.
  • the object is achieved according to the invention by a method for controlling a motor vehicle that has at least one surroundings sensor and one control unit.
  • the environment sensor is designed to detect at least one area in the direction of travel of the motor vehicle and to provide corresponding vehicle environment data.
  • the procedure has the following steps:
  • the invention is based on the basic idea that the position of the motor vehicle and the road user are described using corresponding probability distributions.
  • the location probability distributions indicate the probability that the motor vehicle and the road user are located at a specific point in a coordinate system. If a collision is imminent, the location probability distributions of the road user and the motor vehicle overlap at least partially. Based on the overlapping of the location probability distributions, a collision probability can be determined accordingly, ie a value, in particular in the range from 0 to 1, which indicates the probability of an impending collision between the motor vehicle and the road user. Based on the probability of a collision, it is then possible to identify road users involved in a collision quickly and at an early stage and to prevent a collision.
  • the vehicle environment data can be provided by a large number of environment sensors.
  • the at least one surroundings sensor can be a camera, a radar sensor, a distance sensor, a LIDAR sensor and/or any other type of surroundings sensor that is suitable for detecting the surroundings of the motor vehicle.
  • the motor vehicle has a large number of such environmental sensors and the control device can in particular receive corresponding vehicle environmental data from all environmental sensors. In this way, the area in the vicinity of the motor vehicle can be recorded very precisely.
  • the vehicle environment data transmitted to the control unit can directly include the data generated by the environment sensors or can first be combined and/or fused.
  • additional characteristics of the road user that cannot be detected by a single environment sensor can then be derived from the combined and/or merged vehicle environment data.
  • control unit can also bring together and/or fuse the vehicle surroundings data from the various surroundings sensors.
  • control unit determines the object parameters of the road user and corresponding uncertainties in the object parameters.
  • an object parameter can be a speed, an acceleration, a relative and/or absolute position, dimensions such as length and width, and/or a contour of the road user.
  • the position, the speed and/or the acceleration are in particular two-dimensional values, for example along and perpendicular to the lane or the trajectory on which the road user is moving.
  • the control device determines in particular the longitudinal and lateral acceleration, the longitudinal and lateral speed, the longitudinal and lateral position of the road user and the width, length and/or height of the road user as object parameters.
  • control unit can also determine the object parameters from a chronological sequence of vehicle environment data.
  • control device determines the first trajectory for the road user from the object parameters.
  • the control device uses, for example, corresponding instantaneous object parameters of the motor vehicle, such as the current position, speed, acceleration and/or dimensions, which are provided by corresponding sensors of the motor vehicle and/or in a data memory are deposited.
  • control device can also determine the second trajectory based on a predetermined driving maneuver of the motor vehicle and/or based on a behavior of a driver of the motor vehicle.
  • the control device can also use the corresponding object parameters to determine the future position of the road user and/or the motor vehicle on the corresponding trajectory.
  • control device determines the future position of the road user and/or the motor vehicle based on the assumption that the current acceleration of the road user and/or the motor vehicle remains constant.
  • the road user would move at a constant speed along the corresponding first trajectory.
  • the location probability distributions of the road user and the motor vehicle are also determined in particular using the object parameters of the motor vehicle and the road user.
  • control unit determines the first and/or second location probability distribution based on a trajectory uncertainty, a position uncertainty, a speed uncertainty and/or an acceleration uncertainty for a starting time. In this way, uncertainties in determining the object parameters and the trajectories are also taken into account.
  • the control unit can model the change in the trajectory uncertainty, the position uncertainty, the speed uncertainty and/or the acceleration uncertainty for determining the future movement of the road user and/or the motor vehicle along the trajectory. In this way, the prediction of the movement along the corresponding trajectory is improved.
  • the control unit determines the location probability distributions for the motor vehicle and/or the road user for a starting point that corresponds to the recording time of the environmental data and then models the future movement of the motor vehicle and/or the road user.
  • the first and/or second location probability distribution is a Gaussian distribution, in particular a two-dimensional Gaussian distribution.
  • Gaussian distributions can be calculated analytically, so that the collision probability can be calculated quickly, especially in real time.
  • the Gaussian distributions (also known as normal distributions) have a center of symmetry with respect to at least one, in particular all dimensions, which is also known as expected value, median or mode is known, and a variance that is a measure of the spread of the corresponding probability distribution.
  • the median and the variance are also two-dimensional values if the Gaussian distributions are two-dimensional.
  • the variances of the location probability distributions of the motor vehicle and/or the road user for the starting time are determined by means of error propagation, in particular Gaussian error propagation from the uncertainties of the object parameters, i.e. from the trajectory uncertainty, the position uncertainty, the speed uncertainty, the acceleration uncertainty and/or or the dimensional uncertainty.
  • control unit can model the future positions of the expected value along the corresponding trajectory and additionally the changes in the variances of the corresponding location probability distributions.
  • the future location probability distributions are flatter, i.e. the variances of the location probability distributions are larger compared to the starting time.
  • control unit uses the variances determined at the start and then models them into the future. The control unit thus predicts the change in the variances.
  • the control unit can determine the minimum distance between the future positions of the road user and the motor vehicle during the movement along the first trajectory and the second trajectory and/or the future time at which the distance between the future positions of the road user and the motor vehicle during the loading - movement along the first trajectory and the second trajectory is minimal. In this way, the control unit only has to determine the collision probability for one point in time, and the time required to run through the method is correspondingly reduced.
  • the control device can additionally determine a time and/or a distance until the motor vehicle and/or the road user is at the position along the corresponding trajectory at which the motor vehicle is at the minimum distance from the road user.
  • the control unit therefore provides in particular a time value and/or distance value up to an imminent collision.
  • the future driving maneuver of the motor vehicle can thus be adapted to the time value and/or distance value.
  • control unit can estimate whether a braking maneuver is sufficient to avoid the collision or whether an additional evasive maneuver is necessary.
  • control unit can also provide a trajectory separation indicator (also known as a path separation indicator), which indicates the probability that the movements of the motor vehicle and the road user will overlap along the corresponding trajectory.
  • a trajectory separation indicator also known as a path separation indicator
  • the first and second whereabouts probability distributions are used in particular (only) at the time when the distance between the future positions of the road user and the motor vehicle is minimal.
  • the motor vehicle and the road user can only collide at this point in time when they are also at the minimum distance, so that the arithmetic operations carried out in one run of the method are reduced.
  • the control device determines the collision probability based on an integration of the product of the first and second location probability distribution.
  • the product of the residence permanence distributions represents an intersection of the two residence probability distributions, so that the product indicates a spatially resolved probability of a collision between the motor vehicle and the road user.
  • the integration value is therefore a good measure of the collision probability.
  • the integration is in particular a spatial integration via the residence probability distributions.
  • the integration value obtained from the integration can be normalized.
  • the integration value can also be multiplied by a penalty term that penalizes large uncertainties in the first probability distribution of the road user. In this way, a threshold value for the necessary accuracy of the recognition is assumed in a certain way.
  • the integration can only be carried out if the variance of the traffic participant's location probability distribution is smaller than a predetermined value.
  • the normalized integration value and/or the integration value multiplied by the penalty term is in particular the collision probability.
  • the collision probability can be determined using the following formula: where K is the probability of collision, W K is the location probability distribution of the motor vehicle, Wvthe location probability distribution of the road user, ⁇ K and the median or the variance of the location probability distribution W K , ⁇ V and the median or the variance of the location probability distribution W v , x and y are the axes of the coordinate system, and max is the maximum function, which returns the larger of its arguments as the value.
  • the term represents the normalization value, since over the probability distributions W K and Wv are integrated with the same median.
  • the normalization value is therefore the maximum value of the integration value and thus the collision probability is always less than or equal to 1.
  • the term is the penalty term, which has a maximum of one value of 1 and penalizes standard deviations ⁇ V > 1, i.e. probability distributions of road users that show a high degree of uncertainty. If the road user's location probability distribution shows a high level of uncertainty, the collision probability, more precisely the quotient of the integration value and normalization value, is multiplied by a value between 0 and 1 and thus reduced (punished).
  • the penalty term only depends on the amount of the standard deviation.
  • the punishment term could be be.
  • the penalty term can also depend on a power of the standard deviation, such as
  • control device takes into account the dimensions and/or the contour of the road user and/or the motor vehicle for determining the collision probability. In this way, the collision probability is more accurate.
  • control unit determines an approach point on the contour of the road user and/or the motor vehicle that is closest to the other of the road user and the motor vehicle.
  • This approach point is also known as the "impact location coordinate". If a collision is imminent between the motor vehicle and the road user, the point is also referred to as the collision point.
  • the approach point can also be an approach area, ie an area on the contour of the motor vehicle and/or the road user that comes closest to the road user or the motor vehicle during the corresponding movement.
  • the control unit can also make the approach point or the approach area available as an output parameter.
  • the contour and/or the dimensions can also already be taken into account for determining the trajectory and the future position of the road user and/or the motor vehicle.
  • the dimensions of small road users without a fixed contour, such as pedestrians or cyclists, can be assumed to be circles or ellipses.
  • the median of the respective location probability distribution is placed on the respective approach point. In this way, a buffer is built into the calculations, since the corresponding location probability distributions are placed from the center of mass of the motor vehicle and/or the road user to the corresponding approach point, ie pushed closer together.
  • the location probability distributions are spanned in the corresponding approach points.
  • the control unit can determine a provisional collision probability based on the Mahalanobis distance of the first and second location probability distribution.
  • the Mahalanobis distance or the Mahalanobis distance for Gaussian location probability distributions is given by:
  • the Mahalanobis distance is calculated quickly since the controller only needs to evaluate this equation.
  • Small values of the Mahalanobis distance imply large provisional collision probabilities and vice versa.
  • the Mahalanobis distance is determined at the time when the road user and the motor vehicle are at the minimum distance from one another.
  • the collision probability is only calculated if the Mahalanobis distance is less than a predetermined threshold value or the provisional collision probability is greater than a corresponding threshold value. In this way, the more complex integration over the location probability distributions is only carried out for certain cases in which a collision appears realistic. In other words, the control unit does not calculate the collision probability, for example, if the provisional collision probability is less than a predetermined threshold value.
  • the first and/or second trajectory is calculated using a circle segment model, in particular the maximum permissible curvature of a circle segment being determined by a speed and/or a speed-dependent yaw rate.
  • a circle segment model in particular the maximum permissible curvature of a circle segment being determined by a speed and/or a speed-dependent yaw rate.
  • circle segments can be attached to one another in order to display complex trajectories.
  • the control unit can provide a warning message and/or a future driving maneuver for the motor vehicle if the control unit determines a high probability of a collision, in particular the motor vehicle being controlled by the control unit in such a way that the motor vehicle executes the future driving maneuver.
  • the control device thus provides a warning message for a driver of the motor vehicle and/or actively controls the motor vehicle. In this way, the impending collision can be avoided.
  • control unit for a motor vehicle.
  • the control unit is designed to carry out a method as described above.
  • advantages and features of the control unit reference is made to the above statements on the method, which also apply to the control unit and vice versa.
  • program code means are to be understood here and below as computer-executable instructions in the form of program code and/or program code modules in compiled and/or uncompiled form, which can be present in any programming language and/or in machine language.
  • FIG. 1 is a schematic top view of a road traffic situation with a motor vehicle according to the invention
  • FIG. 1 is a schematic plan view of the motor vehicle according to Figure 1
  • FIG. 3 is a schematic flowchart of a method according to the invention.
  • FIG. 8 perspective views of location probability distributions determined during the method according to FIG.
  • FIG. 1 schematically shows a road traffic situation 10 in which a motor vehicle 12 is driving on a road 14 in a lane 16 .
  • the motor vehicle 12 moves in the direction of travel R, ie in the direction of the arrow shown in FIG.
  • the lane 16 and all other lanes 18 of the road 14 are delimited by corresponding boundary markings 20 .
  • the boundary markings 20 are, for example, roadway markings, lane markings, a median of the road 14, a curb or similar markings.
  • a road user 22 is driving in one of the other lanes 18 in the direction of travel R of the arrow shown in FIG.
  • road user 22 is a motor vehicle.
  • road user 22 is a bicycle, a tram, a pedestrian, an animal or any other road user.
  • the motor vehicle 12 and the road user 22 are both driving towards a crossing point 24 of the two lanes 16, 18, in which the motor vehicle 12 and the road user 22 could collide.
  • motor vehicle 12 has a system 26 for controlling motor vehicle 12 .
  • System 26 includes a plurality of environment sensors 28, a control unit 30, which is connected to environment sensors 28, and components 32 of motor vehicle 12.
  • Surroundings sensors 28 are arranged on the front, rear and/or side of motor vehicle 12 and are designed to detect the surroundings of motor vehicle 12 , to generate corresponding vehicle surroundings data U and to forward these to control unit 30 .
  • the forwarding of the vehicle environment data U is indicated in FIG. 2 by corresponding arrows shown in dashed lines.
  • a region in the vicinity of motor vehicle 12 is therefore detected by surroundings sensors 28 at least in the direction of travel R of motor vehicle 12 .
  • the environment sensors 28 are, for example, a camera, a radar sensor, a distance sensor, a LIDAR sensor and/or any other type of environment sensor 28 that is suitable for detecting the environment of the motor vehicle 12 .
  • the control unit 30 processes the vehicle environment data U received from the environment sensors 28 and controls the motor vehicle 12 based on the processed vehicle environment data U at least partially automated, in particular fully automated.
  • a driver assistance system is therefore implemented on control unit 30, which can control a transverse movement and/or a longitudinal movement of motor vehicle 12 at least partially automatically, in particular fully automatically.
  • control unit 30 provides, for example, control commands S for components 32 of motor vehicle 12, such as for the drive train or a steering device of motor vehicle 12, and components 32 are designed to execute control commands S.
  • control device 30 can of course also control the components 32 directly.
  • a particular challenge for control unit 30 is to detect an imminent collision with road user 22, for example an impending collision
  • the motor vehicle 12 and the road user 22 at the crossing point 24, and the motor vehicle 12 then to be controlled in such a way that the impending collision is avoided.
  • control device 30 is designed to carry out a method that is explained below with reference to FIGS.
  • FIGS. 4 to 7 show the road traffic situation 10 of FIG. 1 at different method steps.
  • the street 14 of FIG. 1 is not shown in FIGS.
  • control unit 30 includes a data carrier 34 and a computing unit 36, a computer program being stored on the data carrier 34, which is executed on the computing unit 36 and includes the program code means to carry out the steps of the method.
  • control unit 30 has a detection module 38, a trajectory module 40, a modeling module 42, a collision calculation module 44 and a driving maneuver planning module 46.
  • control unit 30 receives vehicle surroundings data U from surroundings sensor 28.
  • the data U surrounding the vehicle are transferred to the recognition module 38 of the control unit 30 and the recognition module 38 is designed to use the data U surrounding the vehicle to recognize other road users 22 .
  • the recognition module 38 recognizes the road user 22 of Figure 1 based on the vehicle surroundings data U.
  • the recognition module 38 also determines object parameters O of the road user 22, such as the current position, speed and acceleration as well as the dimensions and/or a contour 47 of the road user 22. For example, the recognition module 38 determines the length L and width B of the road user 22 as dimensions of road user 22 ( Figure 4).
  • control device 30 approximates the contour 47 of the road user 22 with a corresponding rectangle, circle or ellipse.
  • the object parameters O and the environmental data U are then transferred to a trajectory module 40 of the control device 30 .
  • the trajectory module 40 is designed to determine a first trajectory 48 for the road user 22 and a second trajectory 50 for the motor vehicle 12 .
  • the trajectories 48, 50 describe the probable future movement path of the motor vehicle 12 and the road user 22 and are determined by circular segments 52 placed next to one another.
  • the first trajectory 48 is represented by two circle segments 52 and the second trajectory 50 by a circle segment 52 .
  • the maximum permissible curvatures of the corresponding circle segments 52 that is to say the minimum radii of the circle segments 52, are limited by the speed of the motor vehicle 12 and/or the road user 22.
  • the maximum permissible curvature can also be determined by a speed-dependent yaw rate.
  • control unit 30 takes into account, for example, the identified boundary markings 20 of the road 14 from FIG.
  • control unit 30 can determine first trajectory 48 using a sequence of data U surrounding the vehicle.
  • control unit 30 receives the second trajectory 50 of the motor vehicle 12 from another driver assistance system of the motor vehicle 12, for example from a trip planning module that plans the trip of the motor vehicle 12 between the current position and a desired destination .
  • the modeling module 42 determines the future position P K of the motor vehicle 12 and the future position P V of the road user 22 along the corresponding trajectory 48, 50.
  • the modeling module 42 takes into account, for example, the object parameters O of the motor vehicle 12 and the road user 22.
  • the modeling module 42 models the future positions P K P V of the motor vehicle 12 and the road user 22 based on the current speed and the current acceleration of the motor vehicle 12 and the road user 22.
  • FIG. 4 a future position P K , P V for motor vehicle 12 and road user 22 is shown as an example.
  • control unit 30 determines a time-resolved sequence of future positions PK , PV of motor vehicle 12 and road user 22, ie a plurality of future positions PK , PV , each at the same future point in time.
  • the chronological sequence of the future positions P K , P V then describes the movement of the motor vehicle 12 along the trajectory 50 and the movement of the road user 22 along the trajectory 48.
  • control device 30 can also determine that future position P K , P V in which motor vehicle 12 and road user 22 are at minimum distance d min from one another. This future position P K , P V is shown in FIG.
  • the minimum distance d min defines a first approach point 54 on the contour 47 of the road user 22 and a second approach point 58 on a contour 56 of the motor vehicle 12, the distance precisely between these approach points 54, 58 being minimal.
  • the approach points 54, 58 are therefore those points on the contour 47, 56 of the road user 22 or the motor vehicle 12, which during the movement of the road user 22 along the first trajectory 48 and the movement of the motor vehicle 12 along the second Trajectory 50 come closest.
  • control unit 30 determines current location probability distributions W K , W V (FIG. 6) for motor vehicle 12 and road user 22.
  • the collision calculation module 44 determines a first location probability distribution W V for the road user 22 and a second location probability distribution W K for the motor vehicle 12.
  • trajectory uncertainties of the trajectories 48, 50 can also be taken into account in the location probability distributions W K , W V .
  • the location probability distributions W K , Wv are each two-dimensional Gaussian distributions.
  • the location probability distributions W K , W V therefore each have a median ⁇ K , ⁇ V and a variance (the corresponding standard deviations are shown in FIG. ⁇ K , ⁇ V shown), where ⁇ K is the median and the variance of the Location probability distribution W K of the motor vehicle 12 and ⁇ V are the median and the variance of the location probability distribution W V of the road user 22 .
  • the variances are calculated, for example, from the object parameters O and the speaking uncertainties for the motor vehicle 12 and/or the road user 22 are calculated by means of Gaussian error propagation, ie for example from the dimensions, the speed, the acceleration, the dimensional uncertainty, the position uncertainty, the speed uncertainty and/or the acceleration uncertainty.
  • the trajectory uncertainties of the trajectories 48, 50 be taken into account.
  • the medians ⁇ K , ⁇ V and variances in corresponding the trajectory coordinates of the trajectories 48, 50 i.e. in a longitudinal direction I and in a transverse direction t of the corresponding trajectory 48, 50.
  • the median ⁇ K of the location probability distributions WK accordingly only has a value along the trajectory 50 and the variance has a value along the Trajectory 50 and a value perpendicular to the trajectory 50. Accordingly, the Median ⁇ V of the probability distribution W V only has a value along the trajectory 48 and the variance has a value along the trajectory 48 and a value right to trajectory 48.
  • FIG. 6 the location probability distributions W K , W V are represented by corresponding contour lines.
  • FIG. 8 shows the location probability distributions W K , W V in a three-dimensional representation, the vertical direction z indicating the value of the corresponding location probability distributions W V , W K at a point (x, y).
  • the collision calculation module 44 determines future location probability distributions W K , W V (FIGS. 6 and 8).
  • the collision calculation module 44 determines the future location probability distributions W K , W V , AT the point in time at which the motor vehicle 12 and the road user 22 are at the minimum distance from one another.
  • the collision calculation module 44 models the standard deviations of future location probability distributions W K , W V . In other words, the collision calculation module 44 models the change in the position uncertainty, the speed uncertainty and/or the acceleration uncertainty of the road user 22 or the motor vehicle 12 as well as the trajectory uncertainties of the trajectories 48, 50.
  • the collision calculation module 44 thus determines the values of the residence stop probability distributions W K , W V .
  • the controller 30 models the standard deviations of the future location probability distributions W K , W V based on the standard deviations ⁇ K , ⁇ V of the current location probability distributions W K , W V .
  • control unit 30 models the individual dimensions differently from one another.
  • the controller 30 says the standard deviations of the future location probability distributions W K , W V beforehand.
  • the standard deviation of the future residence probability probability distribution W K in the longitudinal direction greater than the standard deviation ⁇ K,i and correspondingly greater than greater than ⁇ V,i and greater than ⁇ V,t .
  • the future location probability distributions W K , W V have an overlap 60, ie an intersection of the location probability distribution W K with the location probability distribution W V .
  • the location probability distributions W K , W V are then transformed into a Cartesian coordinate system 62 which has an ordinate x and an abscissa y.
  • the collision calculation module 44 thus determines the expected values ⁇ K,x , ⁇ K,y , ⁇ V,x , ⁇ V,x along the directions x and y as well as the standard deviations ⁇ K,x , ⁇ K,y , ⁇ V,x , ⁇ V,y along the x and y directions.
  • the collision calculation module 44 determines a provisional collision probability K* based on the Mahalanobis distance M of the future location probability distributions W K , W V :
  • the Mahalanobis distance M is a measure of the distance between the medians the location probability distributions W K , W V depending on the variance of Probability distribution W V .
  • a small Mahalanobis distance M implies a high provisional collision probability K* and a large Mahalanobis distance M a small provisional collision probability K*.
  • the provisional collision probability K* could therefore be given by: i.e. by the reciprocal of the Mahalanobis distance M.
  • the collision calculation module 44 determines an accurate collision probability K.
  • the collision calculation module 44 does not carry out the calculation steps described below if the provisional collision probability K* is less than the threshold value.
  • the collision calculation module 44 places the median of the distribution of the probability of presence W K in the approximation point 58 of the motor vehicle 12.
  • the collision calculation module 44 sets the median of the probability distribution W V in the approach point 54 of the road user 22 and then integrates the product of the two shifted whereabouts probability distributions W K , W V :
  • control unit 30 integrates over overlap 60 of location probability distributions W K , W V , since the product of location probability distributions W K , W V results in a value of 0 in the area outside of overlap 60 .
  • control unit 30 determines collision probability K using the following formula:
  • the integration value dxdy is additionally determined by the
  • the collision calculation module 44 provides the collision probability K, which takes on a value in the range of 0-1.
  • driving maneuver planning module 46 calculates a future driving maneuver for motor vehicle 12 and/or determines a corresponding warning message A (FIG. 3) if collision probability K is greater than a specific threshold value.
  • Control unit 30 thus determines appropriate control commands S and transmits these to components 32 of motor vehicle 12, which then carry out the driving maneuver.
  • the driving maneuver planning module 46 in the road traffic situation 10 for the motor vehicle 12 determines a braking maneuver as a future driving maneuver and accordingly the control unit 30 transmits corresponding braking commands as a control command S to the brakes of the motor vehicle 12.
  • the calculation of the collision probability K of the control unit thus enables rapid and early detection of a collision between the motor vehicle and the road user.
  • control unit 30 can simply exclude road users 22 with whom there is no risk of a collision. For example, the road users 22 relevant to the collision are then monitored separately.
  • the method was shown as an example for a road traffic situation 10 in which a motor vehicle 12 and a road user 22 are driving on a road 14.
  • a road traffic situation 10 in which a motor vehicle 12 and a road user 22 are driving on a road 14.
  • the motor vehicle 12 and the road user 22 are not driving on a road 14 with predefined lanes 16, 18, but move freely, for example in a parking lot (without predefined lanes 16, 18). .
  • the road user 22 does not have to be a motor vehicle either.

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

Ein Verfahren zum Steuern eines Kraftfahrzeugs (12) hat die folgenden Schritte: - Erkennen eines Verkehrsteilnehmers (22) anhand von Fahrzeugumgebungsdaten (U), - Bestimmen einer ersten Trajektorie (48) für den Verkehrsteilnehmer (22) und einer zweiten Trajektorie (50) für das Kraftfahrzeug (12), und - Bestimmen einer Kollisionswahrscheinlichkeit (K) zwischen dem Verkehrsteilnehmer (22) und dem Kraftfahrzeug (12) anhand einer Überlappung (60) einer ersten Aufenthaltswahrscheinlichkeitsverteilung (WV, W'V) und einer zweiten Aufenthaltswahrscheinlichkeitsverteilung (WK, W'K). Ferner sind ein Steuergerät, ein Kraftfahrzeug sowie ein Computerprogramm gezeigt.

Description

Verfahren zum Steuern eines Kraftfahrzeugs und Steuergerät
Die Erfindung betrifft ein Verfahren zum Steuern eines Kraftfahrzeugs, ein Steuergerät für ein Kraftfahrzeug, ein Kraftfahrzeug sowie ein Computerprogramm zum Durchführen des Ver- fahrens.
Eine der Hauptherausforderungen für Fahrassistenzsysteme, die eine Längsbewegung und/oder eine Querbewegung eines Kraftfahrzeugs teilweise automatisiert oder vollständig automatisiert steuern, besteht darin, drohende Kollisionen mit anderen Verkehrsteilnehmern zu erkennen. Ein Verkehrsteilnehmer kann dabei ein weiteres Kraftfahrzeug, eine Straßen- bahn, ein Fahrrad, ein Fußgänger, ein Tier und im Allgemeinen jede Art von Objekt sein, das im Straßenverkehr vorkommt.
Bei einer erkannten drohenden Kollision mit einem Verkehrsteilnehmer leitet das Fahrassis- tenzsystem dann ein entsprechendes Fahrmanöver ein, beispielsweise ein Bremsmanöver o- der einen Ausweichvorgang, um die drohende Kollision zu verhindern.
Zu diesem Zweck nehmen Umfeldsensoren des Kraftfahrzeugs, wie eine Kamera und/oder Radarsensoren, das Umfeld des Kraftfahrzeugs auf, also einen Bereich um das Kraftfahrzeug herum, und erzeugen damit ein Abbild der Umgebung. Dieses Abbild der Umgebung wird im Folgenden als Fahrzeugumgebungsdaten bezeichnet und vom Steuergerät verwendet, um das Kraftfahrzeug zu steuern.
Ein besonderes Problem bei der Kollisionserkennung stellt dabei die schnelle Erkennung einer drohenden Kollision mit einem der möglicherweise vielen Verkehrsteilnehmern dar.
Es ist daher die Aufgabe der Erfindung, ein Verfahren sowie Steuergerät zum Steuern ei- nes Kraftfahrzeugs bereitzustellen, das eine schnelle Erkennung einer drohenden Kollision ermöglicht.
Die Aufgabe wird erfindungsgemäß gelöst durch ein Verfahren zum Steuern eines Kraft- fahrzeugs, das zumindest einen Umfeldsensor und ein Steuergerät aufweist. Der Umfeld- sensor ist dazu ausgebildet, zumindest einen in Fahrtrichtung des Kraftfahrzeugs liegenden Bereich zu erfassen und entsprechende Fahrzeugumgebungsdaten bereitzustellen. Das Ver- fahren weist die folgenden Schritte auf:
- Erhalten der Fahrzeugumgebungsdaten durch das Steuergerät,
- Erkennen eines Verkehrsteilnehmers, insbesondere eines Kraftfahrzeugs, anhand der Fahrzeugumgebungsdaten durch das Steuergerät, - Bestimmen einer ersten Trajektorie für den Verkehrsteilnehmer durch das Steuer- gerät, - Erhalten und/oder Bestimmen einerzweiten Trajektorie für das Kraftfahrzeug durch das Steuergerät, - Bestimmen einer zukünftigen Position des Verkehrsteilnehmers auf der ersten Trajektorie und Bestimmen einer zukünftigen Position des Kraftfahrzeugs auf der zweiten Trajektorie, und - Bestimmen einer Kollisionswahrscheinlichkeit zwischen dem Verkehrsteilnehmer und dem Kraftfahrzeug, wobei die Kollisionswahrscheinlichkeit von einer Überlap- pung einer ersten Aufenthaltswahrscheinlichkeitsverteilung des Verkehrsteilneh- mers um die zukünftige Position des Verkehrsteilnehmers und einer zweiten Auf- enthaltswahrscheinlichkeitsverteilung des Kraftfahrzeugs um die zukünftige Posi- tion des Kraftfahrzeugs abhängig ist.
Der Erfindung beruht auf dem Grundgedanken, dass die Position des Kraftfahrzeugs und des Verkehrsteilnehmers anhand von entsprechenden Aufenthaltswahrscheinlichkeitsvertei- lungen beschrieben werden. Die Aufenthaltswahrscheinlichkeitsverteilungen geben dabei die Wahrscheinlichkeit an, dass sich das Kraftfahrzeug und der Verkehrsteilnehmer an einem be- stimmten Punkt in einem Koordinatensystem befinden. Bei einer drohenden Kollision überlap- pen sich die Aufenthaltswahrscheinlichkeitsverteilungen des Verkehrsteilnehmers und des Kraftfahrzeugs zumindest teilweise. Anhand der Überlappung der Aufenthaltswahrscheinlich- keitsverteilungen kann entsprechend eine Kollisionswahrscheinlichkeit ermittelt werden, also ein Wert, insbesondere im Bereich von 0 bis 1 , der die Wahrscheinlichkeit einer drohenden Kollision des Kraftfahrzeugs mit dem Verkehrsteilnehmer angibt. Anhand der Kollisionswahr- scheinlichkeit ist es dann möglich, schnell und frühzeitig kollisionsrelevante Verkehrsteilneh- mer zu erkennen und eine Kollision zu verhindern.
Die Fahrzeugumgebungsdaten können von einer Vielzahl an Umfeldsensoren bereitge- stellt werden. Beispielsweise kann der zumindest eine Umfeldsensor eine Kamera, ein Radar- sensor, ein Abstandssensor, ein LIDAR-Sensor und/oder eine beliebige andere Art Umfeld- sensor sein, der dazu geeignet ist, die Umgebung des Kraftfahrzeugs zu erfassen.
Im Allgemeinen weist das Kraftfahrzeug eine Vielzahl solcher Umfeldsensoren auf und das Steuergerät kann insbesondere von allen Umfeldsensoren entsprechende Fahrzeugumge- bungsdaten erhalten. Auf diese Weise kann der Bereich in der Umgebung des Kraftfahrzeugs sehr genau erfasst werden. Dabei können die an das Steuergerät übermittelten Fahrzeugumgebungsdaten direkt die von den Umfeldsensoren generierten Daten umfassen oder zunächst zusammengeführt und/oder fusioniert werden.
Aus den zusammengeführten und/oder fusionierten Fahrzeugumgebungsdaten können dann beispielsweise zusätzliche Eigenschaften des Verkehrsteilnehmers abgeleitet werden, die ein einzelner Umfeldsensor nicht erfassen kann.
Im Allgemeinen kann natürlich auch das Steuergerät die Fahrzeugumgebungsdaten der verschiedenen Umfeldsensoren zusammenführen und/oder fusionieren.
Aus den Fahrzeugumgebungsdaten bestimmt das Steuergerät Objektparameter des Ver- kehrsteilnehmers und entsprechende Unsicherheiten der Objektparameter.
Beispielsweise kann ein Objektparameter eine Geschwindigkeit, eine Beschleunigung, eine relative und/oder absolute Position, Abmessungen, wie Länge und Breite, und/oder eine Kontur des Verkehrsteilnehmers sein.
Dabei sind die Position, die Geschwindigkeit und/oder die Beschleunigung insbesondere zweidimensionale Werte, beispielsweise entlang und senkrecht zu der Fahrspur oder der Trajektorie, auf der sich der Verkehrsteilnehmer bewegt.
Das Steuergerät bestimmt also insbesondere die longitudinale und laterale Beschleuni- gung, die longitudinale und laterale Geschwindigkeit, die longitudinale und laterale Position des Verkehrsteilnehmers sowie die Breite, Länge und/oder Höhe des Verkehrsteilnehmers als Objektparameter.
Im Allgemeinen kann das Steuergerät die Objektparameter auch aus einer zeitlichen Ab- folge von Fahrzeugumgebungsdaten ermitteln.
Es ist denkbar, dass das Steuergerät aus den Objektparametem die erste Trajektorie für den Verkehrsteilnehmer bestimmt.
Um die zweite Trajektorie des Kraftfahrzeugs zu bestimmen, verwendet das Steuergerät beispielsweise entsprechende momentane Objektparameter des Kraftfahrzeugs, wie die aktu- elle Position, Geschwindigkeit, Beschleunigung und/oder Abmessungen, die durch entspre- chende Sensoren des Kraftfahrzeugs bereitgestellt werden und/oder in einem Datenspeicher hinterlegt sind.
Im Allgemeinen kann das Steuergerät die zweite Trajektorie auch anhand eines vorbe- stimmten Fahrmanövers des Kraftfahrzeugs und/oder anhand eines Verhaltens eines Fahrers des Kraftfahrzeugs ermitteln. Für die Bestimmung der zukünftigen Position des Verkehrsteilnehmers und/oder des Kraft- fahrzeugs auf der entsprechenden Trajektorie kann das Steuergerät auch die entsprechenden Objektparameter verwenden.
Beispielsweise bestimmt das Steuergerät die zukünftige Position des Verkehrsteilnehmers und/oder des Kraftfahrzeugs anhand der Annahme, dass die aktuelle Beschleunigung des Verkehrsteilnehmers und/oder des Kraftfahrzeugs konstant bleibt.
Falls der Verkehrsteilnehmer beispielsweise keine Beschleunigung in Richtung der Fahr- spur oder der zukünftigen Trajektorie aufweist, so würde sich der Verkehrsteilnehmer mit einer konstanten Geschwindigkeit entlang der entsprechenden ersten Trajektorie bewegen.
Die Aufenthaltswahrscheinlichkeitsverteilungen des Verkehrsteilnehmers und des Kraft- fahrzeugs werden insbesondere auch anhand der Objektparameter des Kraftfahrzeugs und des Verkehrsteilnehmers bestimmt.
Ein Aspekt der Erfindung sieht vor, dass das Steuergerät die erste und/oder zweite Aufent- haltswahrscheinlichkeitsverteilung anhand einer Trajektorienunsicherheit, einer Positionsunsi- cherheit, einer Geschwindigkeitsunsicherheit und/oder einer Beschleunigungsunsicherheit für einen Startzeitpunkt bestimmt. Auf diese Weise werden auch Unsicherheiten bei der Bestim- mung der Objektparameter und der Trajektorien berücksichtigt.
Dabei kann das Steuergerät die Veränderung der Trajektorienunsicherheit, der Positi- onsunsicherheit, der Geschwindigkeitsunsicherheit und/oder der Beschleunigungsunsicher- heit für das Bestimmen der zukünftigen Bewegung des Verkehrsteilnehmers und/oder des Kraftfahrzeugs entlang der Trajektorie modellieren. Auf diese Weise wird die Vorhersage der Bewegung entlang der entsprechenden Trajektorie verbessert.
Das Steuergerät bestimmt also für einen Startpunkt, der dem Aufnahmezeitpunkt der Um- gebungsdaten entspricht, die Aufenthaltswahrscheinlichkeitsverteilungen für das Kraftfahr- zeug und/oder den Verkehrsteilnehmer und modelliert dann die zukünftige Bewegung des Kraftfahrzeugs und/oder des Verkehrsteilnehmers.
In einer Ausgestaltung der Erfindung ist die erste und/oder zweite Aufenthaltswahrschein- lichkeitsverteilung eine Gaußverteilung, insbesondere eine zweidimensionale Gaußverteilung. Gaußverteilungen können analytisch berechnet werden, sodass eine schnelle Berechnung der Kollisionswahrscheinlichkeit, insbesondere in Echtzeit möglich ist.
Die Gaußverteilungen (auch als Normalverteilungen bekannt) weisen ein Symmetriezent- rum bezüglich zumindest einer, insbesondere aller Dimensionen auf, das auch als Erwartungswert, Median oder Modus bekannt ist, und eine Varianz, die ein Maß für die Streu- ung der entsprechenden Aufenthaltswahrscheinlichkeitsverteilung ist.
Dabei sind der Median und die Varianz auch zweidimensionale Werte, falls die Gaußver- teilungen zweidimensional sind.
Beispielsweise werden die Varianzen der Aufenthaltswahrscheinlichkeitsverteilungen des Kraftfahrzeugs und/oder des Verkehrsteilnehmers für den Startzeitpunkt mittels Fehlerfort- pflanzung, insbesondere Gaußscher Fehlerfortpflanzung aus den Unsicherheiten der Objekt- parameter bestimmt, also aus der Trajektorienunsicherheit, der Positionsunsicherheit, der Ge- schwindigkeitsunsicherheit, der Beschleunigungsunsicherheit und/oder der Abmessungsunsi- cherheit.
Um die Bewegung des Kraftfahrzeugs und/oder des Verkehrsteilnehmers entlang der ent- sprechenden Trajektorie zu modellieren, kann das Steuergerät die zukünftigen Positionen des Erwartungswerts entlang der entsprechenden Trajektorie und zusätzlich die Veränderungen der Varianzen der entsprechenden Aufenthaltswahrscheinlichkeitsverteilungen modellieren. Dabei sind die zukünftigen Aufenthaltswahrscheinlichkeitsverteilungen flacher, das heißt die Varianzen der Aufenthaltswahrscheinlichkeitsverteilungen sind größer verglichen mit dem Startzeitpunkt.
Mit anderen Worten verwendet das Steuergerät also die zum Startzeitpunkt bestimmten Varianzen und modelliert diese dann in die Zukunft. Das Steuergerät sagt also die Verände- rung der Varianzen vorher.
Für die Modellierung der Aufenthaltswahrscheinlichkeitsverteilungen kann zusätzlich an- genommen werden, dass die Aufenthaltswahrscheinlichkeitsverteilungen gaußverteilt bleiben. Diese Annahme führt zu einem Laufzeitvorteil, d. h. die Modellierung der Aufenthaltswahr- scheinlichkeitsverteilungen und damit auch die Berechnung der Kollisionswahrscheinlichkeit kann sehr schnell erfolgen, insbesondere in Echtzeit.
Das Steuergerät kann den minimalen Abstand der zukünftigen Positionen des Verkehrs- teilnehmers und des Kraftfahrzeugs während der Bewegung entlang der ersten Trajektorie und der zweiten Trajektorie und/oder den zukünftigen Zeitpunkt bestimmen, zu dem der Abstand der zukünftigen Positionen des Verkehrsteilnehmers und des Kraftfahrzeugs während der Be- wegung entlang der ersten Trajektorie und der zweiten Trajektorie minimal ist. Auf diese Weise muss das Steuergerät die Kollisionswahrscheinlichkeit nur für einen Zeitpunkt bestimmen und die benötigte Zeit für einen Durchlauf des Verfahrens wird dementsprechend verringert. Das Steuergerät kann zusätzlich eine Zeit und/oder eine Distanz bestimmen, bis das Kraft- fahrzeug und/oder der Verkehrsteilnehmer an der Position entlang der entsprechenden Trajek- torie ist, an der das Kraftfahrzeug den minimalen Abstand zu dem Verkehrsteilnehmer auf- weist.
Das Steuergerät stellt also insbesondere einen Zeitwert und/oder Distanzwert bereit bis zu einer drohenden Kollision. Somit kann das zukünftige Fahrmanöver des Kraftfahrzeugs an den Zeitwert und/oder Distanzwert angepasst werden.
Falls beispielsweise ein vergleichsweise großer Zeitwert (mehrere Sekunden) bis zu einer drohenden Kollision berechnet wird, so genügt ein moderates Abbremsen des Kraftfahrzeugs.
Zusätzlich kann das Steuergerät anhand des Distanzwerts und der momentanen Ge- schwindigkeit des Kraftfahrzeugs abschätzen, ob ein Bremsmanöver zur Vermeidung der Kol- lision ausreicht oder ob zusätzlich ein Ausweichmanöver nötig ist.
Im Allgemeinen kann das Steuergerät auch einen Trajektorientrennungsindikator (auch be- kannt als path Separation indicator) bereitstellen, der die Wahrscheinlichkeit angibt, dass sich die Bewegungen des Kraftfahrzeugs und des Verkehrsteilnehmers entlang der entsprechen- den Trajektorie überlappen.
Für die Bestimmung der Kollisionswahrscheinlichkeit werden die ersten und zweiten Auf- enthaltswahrscheinlichkeitsverteilungen insbesondere (nur) zu dem Zeitpunkt verwendet, in dem der Abstand der zukünftigen Positionen des Verkehrsteilnehmers und des Kraftfahrzeugs zueinander minimal ist. Das Kraftfahrzeug und der Verkehrsteilnehmer können nur in diesem Zeitpunkt kollidieren, in dem sie auch den minimalen Abstand aulweisen, sodass die in einem Durchlauf des Verfahrens durchgeführten Rechenoperationen verringert werden.
In einer Ausgestaltung der Erfindung bestimmt das Steuergerät die Kollisionswahrschein- lichkeit anhand einer Integration über das Produkt der ersten und zweiten Aufenthaltswahr- scheinlichkeitsverteilung. Das Produkt der Aufenthaltsbeständigkeitsverteilungen stellt eine Schnittmenge der beiden Aufenthaltswahrscheinlichkeitsverteilungen dar, sodass das Produkt eine räumlich aufgelöste Wahrscheinlichkeit für eine Kollision des Kraftfahrzeugs und des Ver- kehrsteilnehmers angibt. Der Integrationswert ist also ein gutes Maß für die Kollisionswahr- scheinlichkeit.
Dabei ist die Integration insbesondere eine räumliche Integration über die Aufenthaltswahr- scheinlichkeitsverteilungen.
Um eine Wahrscheinlichkeit zu erhalten, also einen Wert zwischen 0 und 1 , kann der aus der Integration erhaltene Integrationswert normiert werden. Alternativ oder zusätzlich kann der Integrationswert auch mit einem Bestrafungsterm mul- tipliziert werden, der große Unsicherheiten der ersten Aufenthaltswahrscheinlichkeitsvertei- lung des Verkehrsteilnehmers bestraft. Auf diese Weise wird in gewisser Weise ein Schwell- wert für die notwendige Genauigkeit der Erkennung vorausgesetzt.
Alternativ kann die Integration auch nur dann durchgeführt werden, falls die Varianz der Aufenthaltswahrscheinlichkeitsverteilung des Verkehrsteilnehmers kleiner als ein vorbestimm- ter Wert ist.
Dabei ist der normierte und/oder mit dem Bestrafungsterm multiplizierte Integrationswert insbesondere die Kollisionswahrscheinlichkeit.
Beispielsweise kann die Kollisionswahrscheinlichkeit anhand der folgenden Formel ermit- telt werden:
Figure imgf000009_0001
wobei K die Kollisionswahrscheinlichkeit ist, WK die Aufenthaltswahrscheinlichkeitsvertei- lung des Kraftfahrzeugs, Wvdie Aufenthaltswahrscheinlichkeitsverteilung des Verkehrsteilneh- mers, μK und der Median bzw. die Varianz der Aufenthaltswahrscheinlichkeitsverteilung WK, μV und der Median bzw. die Varianz der Aufenthaltswahrscheinlichkeitsverteilung Wv, x und y die Achsen des Koordinatensystems und max die Maximumsfunktion, die den größe- ren Wert ihrer Argumente als Wert zurückgibt.
Die Mediane μK und μv und die Varianzen
Figure imgf000009_0002
und
Figure imgf000009_0003
sind in der obigen Gleichung zweidi- mensionale Werte, also
Figure imgf000009_0004
, wobei μK,x, μV,x die Mediane der Aufenthaltswahrscheinlichkeitsverteilungen in der
Figure imgf000009_0005
Richtung x, μK,y , μV,y die Mediane in der Richtung die Varianzen in der Richtung
Figure imgf000009_0006
x sowie die Varianzen in der Richtung y sind.
Figure imgf000009_0007
Dabei stellt der Term den Normierungswert dar, da über die
Figure imgf000009_0008
Aufenthaltswahrscheinlichkeitsverteilungen WK und Wvmit demselben Median integriert wird. Der Normierungswert ist also der maximale Wert des Integrationswertes und damit ist die Kol- lisionswahrscheinlichkeit immer kleiner gleich 1.
Ferner ist der Term der Bestrafungsterm, der maximal einen Wert
Figure imgf000009_0009
von 1 annehmen kann und Standardabweichungen σV > 1 bestraft, also Aufenthaltswahr- scheinlichkeitsverteilungen des Verkehrsteilnehmers, die eine große Unsicherheit aufweisen. Falls die Aufenthaltswahrscheinlichkeitsverteilung des Verkehrsteilnehmers also eine große Unsicherheit aufweist, so wird die Kollisionswahrscheinlichkeit, genauer gesagt der Quotient aus Integrationswert und Normierungswert, mit einem Wert zwischen 0 und 1 multi- pliziert und damit verringert (bestraft).
Die genaue Ausgestaltung des Terms ist exemplarisch zu verstehen. Der Term könnte beispielsweise auch eine der folgenden Formen annehmen:
Figure imgf000010_0001
Figure imgf000010_0002
Zusätzlich ist es denkbar, dass der Bestrafungsterm nur von dem Betrag der Standardab- weichung abhängt. Der Bestrafungsterm könnte also beispielsweise
Figure imgf000010_0003
sein.
Figure imgf000010_0004
Natürlich kann der Bestrafungsterm auch abhängig von einer Potenz des Betrags der Stan- dardabweichung sein, wie |σV|2 oder |σV|0'5.
In einer Ausgestaltung der Erfindung berücksichtigt das Steuergerät für die Bestimmung der Kollisionswahrscheinlichkeit die Abmessungen und/oder die Kontur des Verkehrsteilneh- mers und/oder des Kraftfahrzeugs. Auf diese Weise ist die Kollisionswahrscheinlichkeit ge- nauer.
Es ist denkbar, dass das Steuergerät auf der Kontur des Verkehrsteilnehmers und/oder des Kraftfahrzeugs einen Annäherungspunkt bestimmt, der dem jeweils anderen des Ver- kehrsteilnehmers und des Kraftfahrzeugs am nächsten liegt.
Dieser Annäherungspunkt ist auch als „impact location coordinate“ bekannt. Falls eine Kol- lision zwischen dem Kraftfahrzeug und dem Verkehrsteilnehmer droht, wird der Punkt auch als Kollisionspunkt bezeichnet.
Der Annährungspunkt kann auch ein Annäherungsbereich sein, also ein Bereich auf der Kontur des Kraftfahrzeugs und/oder des Verkehrsteilnehmers, der dem Verkehrsteilnehmer bzw. dem Kraftfahrzeug während der entsprechenden Bewegung am nächsten kommt.
Das Steuergerät kann den Annäherungspunkt oder den Annäherungsbereich auch als Ausgabeparameter zur Verfügung stellen. Im Allgemeinen kann die Kontur und/oder die Abmessungen auch bereits für die Bestim- mung der Trajektorie und der zukünftigen Position des Verkehrsteilnehmers und/oder des Kraftfahrzeugs berücksichtigt werden.
Die Abmessungen von kleinen Verkehrsteilnehmern ohne feste Kontur, wie Fußgänger o- der Fahrradfahrer, können als Kreis oder Ellipse angenommen werden.
In einer Ausgestaltung der Erfindung wird der Median der jeweiligen Aufenthaltswahr- scheinlichkeitsverteilung auf den jeweiligen Annäherungspunkt gelegt. Auf diese Weise wird ein Puffer in die Berechnungen eingebaut, da die entsprechenden Aufenthaltswahrscheinlich- keitsverteilungen von dem Masseschwerpunkt des Kraftfahrzeugs und/oder des Verkehrsteil- nehmers in den entsprechenden Annäherungspunkt gelegt, also näher zusammengeschoben werden.
Mit anderen Worten werden die Aufenthaltswahrscheinlichkeitsverteilungen in den entspre- chenden Annäherungspunkten aufgespannt.
Um vor der Berechnung der Kollisionswahrscheinlichkeit eine schnelle Abschätzung der Notwendigkeit der Berechnung zu erhalten, also eine Abschätzung ob das Kraftfahrzeug und der Verkehrsteilnehmer überhaupt kollidieren können, kann das Steuergerät eine vorläufige Kollisionswahrscheinlichkeit anhand des Mahalanobis-Abstandes der ersten und zweiten Auf- enthaltswahrscheinlichkeitsverteilung bestimmen.
Dabei ist der Mahalanobis-Abstand oder die Mahalanobis-Distanz für gaußverteilte Aufent- haltswahrscheinlichkeitsverteilungen gegeben durch:
Figure imgf000011_0001
Der Mahalanobis-Abstand wird insbesondere schnell berechnet, da das Steuergerät nur diese Gleichung auswerten muss. Dabei implizieren kleine Werte des Mahalanobis-Abstands große vorläufige Kollisionswahrscheinlichkeiten und umgekehrt.
Es ist denkbar, dass der Mahalanobis-Abstand zu dem Zeitpunkt bestimmt wird, in dem der Verkehrsteilnehmer und das Kraftfahrzeug den minimalen Abstand zueinander aulweisen.
Beispielsweise wird die Kollisionswahrscheinlichkeit nur dann berechnet, falls der Mahala- nobis-Abstand kleiner als ein vorbestimmter Schwellwert bzw. die vorläufige Kollisionswahr- scheinlichkeit größer als ein entsprechender Schwellwert ist. Auf diese Weise wird die aufwen- digere Integration über die Aufenthaltswahrscheinlichkeitsverteilungen nur für bestimmte Fälle ausgeführt, in denen eine Kollision als realistisch erscheint. Mit anderen Worten berechnet das Steuergerät die Kollisionswahrscheinlichkeit zum Bei- spiel nicht, falls die vorläufige Kollisionswahrscheinlichkeit kleiner ist als ein vorbestimmter Schwellwert.
In einer Ausgestaltung der Erfindung wird die erste und/oder zweite Trajektorie mittels ei- nes Kreissegmentmodells berechnet, insbesondere wobei die maximal zulässige Krümmung eines Kreissegments durch eine Geschwindigkeit und/oder eine geschwindigkeitsabhängige Gierrate bestimmt werden. Auf diese Weise können realistische Trajektorien sehr einfach ab- gebildet werden und die Veränderungen der Aufenthaltswahrscheinlichkeitsverteilungen ana- lytisch berechnet werden.
Beispielsweise können mehrere Kreissegmente aneinander angesetzt werden, um kom- plexe Trajektorien darzustellen.
Das Steuergerät kann eine Warnmeldung und/oder ein zukünftiges Fahrmanöver für das Kraftfahrzeug bereitstellen, falls das Steuergerät eine hohe Kollisionswahrscheinlichkeit be- stimmt, insbesondere wobei das Kraftfahrzeug durch das Steuergerät derart angesteuert wird, dass das Kraftfahrzeug das zukünftige Fahrmanöver ausführt. Bei einer drohenden Kollision stellt das Steuergerät also eine Warnmeldung für einen Fahrer des Kraftfahrzeugs bereit und/oder steuert aktiv das Kraftfahrzeugs. Auf diese Weise kann die drohende Kollision ver- mieden werden.
Die Aufgabe wird auch gelöst durch ein Steuergerät für ein Kraftfahrzeug. Das Steuergerät ist dabei dazu ausgebildet, ein oben beschriebenes Verfahren durchzuführen. Hinsichtlich der Vorteile und Merkmale des Steuergeräts wird auf die obigen Ausführungen zum Verfahren verwiesen, die auch für das Steuergerät gelten und umgekehrt.
Außerdem wird die Aufgabe gelöst durch ein Kraftfahrzeug, das ein vorhergehend be- schriebenes Steuergerät hat. Auch hier wird hinsichtlich der Vorteile und Merkmale des Kraft- fahrzeugs auf die obigen Erläuterungen bezüglich des Verfahrens und des Steuergeräts ver- wiesen, die entsprechend auch für das Kraftfahrzeug gelten und umgekehrt.
Die Aufgabe wird ferner gelöst durch ein Computerprogramm mit Programmcodemitteln, um die Schritte eines oben beschriebenen Verfahrens durchzuführen, wenn das Computer- programm auf einem Computer oder einer entsprechenden Recheneinheit ausgeführt wird, insbesondere einer Recheneinheit eines oben beschriebenen Steuergeräts. Hinsichtlich der Vorteile und Merkmale wird auf die obigen Erläuterungen bezüglich des Verfahrens verwiesen, die gleichermaßen auch für das Computerprogramm gelten und umgekehrt. Unter „Programmcodemitteln“ sind dabei und im Folgenden computerausführbare Instruk- tionen in Form von Programmcode und/oder Programmcodemodulen in kompilierter und/oder in unkompilierter Form zu verstehen, die in einer beliebigen Programmiersprache und/oder in Maschinensprache vorliegen können.
Weitere Vorteile und Merkmal der Erfindung ergeben sich aus der nachfolgenden Beschrei- bung und den beigefügten Zeichnungen, auf im Folgenden Bezug genommen wird. In den Zeichnungen zeigen:
- Figur 1 eine schematische Draufsicht einer Straßenverkehrssituation mit einem erfin- dungsgemäßen Kraftfahrzeug,
- Figur 2 eine schematische Draufsicht des Kraftfahrzeugs gemäß Figur 1 ,
- Figur 3 ein schematisches Ablaufdiagramm eines erfindungsgemäßen Verfahrens,
- Figuren 4 bis 7 schematische Draufsichten auf die Straßenverkehrssituation gemäß Fi- gur 1 zu unterschiedlichen Zeitpunkten des Verfahrens gemäß Figur 3, und
- Figur 8 perspektivische Ansichten von Aufenthaltswahrscheinlichkeitsverteilungen, die während des Verfahrens gemäß Figur 3 bestimmt wurden.
Figur 1 zeigt schematisch eine Straßenverkehrssituation 10, in der ein Kraftfahrzeug 12 auf einer Straße 14 in einer Fahrspur 16 fährt. Dabei bewegt sich das Kraftfahrzeug 12 in der Fahrtrichtung R, also in Richtung des in Figur 1 dargestellten Pfeils.
Die Fahrspur 16 und alle weiteren Fahrspuren 18 der Straße 14 sind durch entsprechende Begrenzungsmarkierungen 20 begrenzt. Bei den Begrenzungsmarkierungen 20 handelt es sich zum Beispiel um eine Fahrbahnmarkierung, eine Fahrspurmarkierung, einen Mittelstreifen der Straße 14, einen Bordstein oder ähnliche Markierungen.
Auf einer der weiteren Fahrspuren 18 fährt ein Verkehrsteilnehmer 22 in Fahrtrichtung R des in Figur 1 dargestellten Pfeils.
Aus Gründen der Übersichtlichkeit ist in Figur 1 nur ein Verkehrsteilnehmer 22 dargestellt. Im Allgemeinen können natürlich eine Vielzahl an Verkehrsteilnehmern 22 Bestandteil der Straßenverkehrssituation 10 sein.
In der Ausführungsform der Figur 1 ist der Verkehrsteilnehmer 22 ein Kraftfahrzeug.
Denkbar ist aber auch, dass der Verkehrsteilnehmer 22 ein Fahrrad, eine Straßenbahn, ein Fußgänger, ein Tier oder ein beliebiger anderer Verkehrsteilnehmer ist. Das Kraftfahrzeug 12 und der Verkehrsteilnehmer 22 fahren beide auf einen Kreuzungs- punkt 24 der beiden Fahrspuren 16, 18 zu, in der das Kraftfahrzeug 12 und der Verkehrsteil- nehmer 22 kollidieren könnten.
Wie in Figur 2 gezeigt ist, weist das Kraftfahrzeug 12 ein System 26 zum Steuern des Kraftfahrzeugs 12 auf. Das System 26 umfasst mehrere Umfeldsensoren 28, ein Steuergerät 30, das mit den Umfeldsensoren 28 verbunden ist, und Komponenten 32 des Kraftfahrzeugs 12.
Die Umfeldsensoren 28 sind vome, hinten und/oder seitlich am Kraftfahrzeug 12 angeord- net und dazu ausgebildet, die Umgebung des Kraftfahrzeugs 12 zu erfassen, entsprechende Fahrzeugumgebungsdaten U zu generieren und diese an das Steuergerät 30 weiterzuleiten. Das Weiterleiten der Fahrzeugumgebungsdaten U ist in Figur 2 durch entsprechende, gestri- chelt dargestellten Pfeile angedeutet.
Durch die Umfeldsensoren 28 wird also zumindest in Fahrtrichtung R des Kraftfahrzeugs 12 ein Bereich im Umfeld des Kraftfahrzeugs 12 erfasst.
Bei den Umfeldsensoren 28 handelt es sich beispielsweise um eine Kamera, einen Radar- sensor, einen Abstandssensor, einen LIDAR-Sensor und/oder eine beliebige andere Art Um- feldsensor 28, der dazu geeignet ist, die Umgebung des Kraftfahrzeugs 12 zu erfassen.
Das Steuergerät 30 verarbeitet die von den Umfeldsensoren 28 erhaltenen Fahrzeugum- gebungsdaten U und steuert das Kraftfahrzeug 12 basierend auf den verarbeiteten Fahr- zeugumgebungsdaten U wenigstens teilweise automatisiert, insbesondere vollständig auto- matisiert.
Auf dem Steuergerät 30 ist also ein Fahrerassistenzsystem implementiert, das eine Quer- bewegung und/oder eine Längsbewegung des Kraftfahrzeugs 12 wenigstens teilweise auto- matisiert steuern kann, insbesondere vollständig automatisiert.
Das Steuergerät 30 stellt hierfür beispielsweise Steuerbefehle S für die Komponenten 32 des Kraftfahrzeugs 12 bereit, wie für den Antriebsstrang oder eine Lenkvorrichtung des Kraft- fahrzeugs 12, und die Komponenten 32 sind dazu ausgebildet, die Steuerbefehle S auszufüh- ren.
Im Allgemeinen kann das Steuergerät 30 die Komponenten 32 natürlich auch direkt an- steuem.
Eine besondere Herausforderung für das Steuergerät 30 ist es, eine drohende Kollision mit dem Verkehrsteilnehmer 22 zu erkennen, beispielsweise eine drohende Kollision des Kraftfahrzeugs 12 und des Verkehrsteilnehmers 22 am Kreuzungspunkt 24, und das Kraftfahr- zeug 12 dann derart anzusteuem, dass die drohende Kollision vermieden wird.
Hierfür ist das Steuergerät 30 dazu ausgebildet, ein Verfahren auszuführen, das im Fol- genden anhand der Figuren 3 bis 8 erläutert wird. Dabei zeigen die Figuren 4 bis 7 die Stra- ßenverkehrssituation 10 der Figur 1 zu unterschiedlichen Verfahrensschritten. Aus Gründen der Übersichtlichkeit ist in den Figuren 4 bis 7 die Straße 14 der Figur 1 nicht eingezeichnet.
Genauer gesagt umfasst das Steuergerät 30 einen Datenträger 34 und eine Recheneinheit 36, wobei auf dem Datenträger 34 ein Computerprogramm gespeichert ist, das auf der Re- cheneinheit 36 ausgeführt wird und das Programmcodemittel umfasst, um die Schritte des Verfahrens auszuführen.
Wie in Figur 3 gezeigt ist, hat das Steuergerät 30 ein Erkennungsmodul 38, ein Trajektori- enmodul 40, ein Modellierungsmodul 42, ein Kollisionsberechnungsmodul 44 und ein Fahrma- növerplanungsmodul 46.
In einem ersten Verfahrensschritt erhält das Steuergerät 30 die Fahrzeugumgebungsdaten U von dem Umfeldsensor 28.
Genauer gesagt werden die Fahrzeugumgebungsdaten U an das Erkennungsmodul 38 des Steuergeräts 30 übergeben und das Erkennungsmodul 38 ist dazu ausgebildet, anhand der Fahrzeugumgebungsdaten U andere Verkehrsteilnehmer 22 zu erkennen.
Beispielsweise erkennt das Erkennungsmodul 38 anhand der Fahrzeugumgebungsdaten U den Verkehrsteilnehmer 22 der Figur 1.
Das Erkennungsmodul 38 bestimmt außerdem Objektparameter O des Verkehrsteilneh- mers 22, wie die aktuelle Position, Geschwindigkeit und Beschleunigung sowie die Abmes- sungen und/oder eine Kontur 47 des Verkehrsteilnehmers 22. Beispielsweise bestimmt das Erkennungsmodul 38 die Länge L und Breite B des Verkehrsteilnehmers 22 als Abmessungen des Verkehrsteilnehmers 22 (Figur 4).
Es ist denkbar, dass das Steuergerät 30 die Kontur 47 des Verkehrsteilnehmers 22 durch ein entsprechendes Rechteck, Kreis oder Ellipse annähert.
Anschließend werden die Objektparameter O und die Umgebungsdaten U an ein Trajekto- rienmodul 40 des Steuergeräts 30 übergeben.
Das Trajektorienmodul 40 ist dazu ausgebildet, eine erste Trajektorie 48 für den Verkehrs- teilnehmer 22 und eine zweite Trajektorie 50 für das Kraftfahrzeug 12 zu bestimmen. Die Trajektorien 48, 50 beschreiben den wahrscheinlichen zukünftigen Bewegungspfad des Kraftfahrzeugs 12 und des Verkehrsteilnehmers 22 und sind durch aneinandergesetzte Kreissegmente 52 bestimmt.
Beispielsweise ist die erste Trajektorie 48 durch zwei Kreissegmente 52 und die zweite Trajektorie 50 durch ein Kreissegment 52 dargestellt. Dabei sind die maximal zulässigen Krümmungen der entsprechenden Kreissegmente 52, also die minimalen Radien der Kreis- segmente 52 durch eine Geschwindigkeit des Kraftfahrzeugs 12 und/oder des Verkehrsteil- nehmers 22 begrenzt.
Alternativ oder zusätzlich kann die maximal zulässige Krümmung auch durch eine ge- schwindigkeitsabhängige Gierrate bestimmt sein.
Für die Bestimmung der Trajektorien 48, 50 berücksichtigt das Steuergerät 30 beispiels- weise die erkannten Begrenzungsmarkierungen 20 der Straße 14 aus Figur 1.
Alternativ und/oder zusätzlich kann das Steuergerät 30 die erste Trajektorie 48 anhand einer Sequenz von Fahrzeugumgebungsdaten U bestimmen.
Im Allgemeinen ist es natürlich auch denkbar, dass das Steuergerät 30 die zweite Trajek- torie 50 des Kraftfahrzeugs 12 von einem anderen Fahrassistenzsystem des Kraftfahrzeugs 12 erhält, beispielsweise von einem Fahrtplanungsmodul, das die Fahrt des Kraftfahrzeugs 12 zwischen der aktuellen Position und einem gewünschten Zielort plant.
In einem nächsten Verfahrensschritt bestimmt das Modellierungsmodul 42 dann die zu- künftige Position PK des Kraftfahrzeugs 12 und die zukünftige Position PV des Verkehrsteil- nehmers 22 entlang der entsprechenden Trajektorie 48, 50.
Hierfür berücksichtigt das Modellierungsmodul 42 zum Beispiel die Objektparameter O des Kraftfahrzeugs 12 und des Verkehrsteilnehmers 22.
Beispielsweise modelliert das Modellierungsmodul 42 die zukünftigen Positionen PK PV des Kraftfahrzeugs 12 und des Verkehrsteilnehmers 22 anhand der momentanen Geschwindigkeit und der momentanen Beschleunigung des Kraftfahrzeugs 12 bzw. des Verkehrsteilnehmers 22.
In der Figur 4 sind beispielhaft jeweils eine zukünftige Position PK, PV für das Kraftfahrzeug 12 und den Verkehrsteilnehmer 22 eingezeichnet.
Im Allgemeinen bestimmt das Steuergerät 30 jedoch eine zeitaufgelöste Sequenz von zu- künftigen Positionen PK, PV des Kraftfahrzeugs 12 und des Verkehrsteilnehmers 22, also meh- rere zukünftige Positionen PK, PV, jeweils zum gleichen zukünftigen Zeitpunkt. Die zeitliche Abfolge der zukünftigen Positionen PK, PV beschreibt dann die Bewegung des Kraftfahrzeugs 12 entlang der Trajektorie 50 und die Bewegung des Verkehrsteilnehmers 22 entlang der Trajektorie 48.
Aus dieser zeitaufgelösten Sequenz der zukünftigen Positionen PK, PV kann das Steuerge- rät 30 auch diejenige zukünftige Position PK, PV bestimmen, in der das Kraftfahrzeug 12 und der Verkehrsteilnehmer 22 den minimalen Abstand dmin zueinander aulweisen. Diese zukünf- tige Position PK, PV ist in Figur 5 gezeigt.
Durch den minimalen Abstand dmin ist auf der Kontur 47 des Verkehrsteilnehmers 22 ein erster Annäherungspunkt 54 und auf einer Kontur 56 des Kraftfahrzeugs 12 ein zweiter Annä- herungspunkt 58 definiert, wobei der Abstand genau zwischen diesen Annäherungspunkten 54, 58 minimal ist.
Die Annäherungspunkte 54, 58 sind also diejenigen Punkte auf der Kontur 47, 56 des Ver- kehrsteilnehmers 22 bzw. des Kraftfahrzeugs 12, die sich während der Bewegung des Ver- kehrsteilnehmers 22 entlang der ersten Trajektorie 48 und der Bewegung des Kraftfahrzeugs 12 entlang der zweiten Trajektorie 50 am nächsten kommen.
In einem nächsten Verfahrensschritt oder bereits zuvor bestimmt das Steuergerät 30, ge- nauer gesagt das Kollisionsberechnungsmodul 44, momentane Aufenthaltswahrscheinlich- keitsverteilungen WK, WV (Figur 6) für das Kraftfahrzeug 12 und den Verkehrsteilnehmer 22.
Mit anderen Worten bestimmt das Kollisionsberechnungsmodul 44 eine erste Aufenthalts- wahrscheinlichkeitsverteilung WV für den Verkehrsteilnehmer 22 und eine zweite Aufenthalts- wahrscheinlichkeitsverteilung WK für das Kraftfahrzeug 12.
Beispielsweise werden in den Aufenthaltswahrscheinlichkeitsverteilungen WK, WV die Ab- messungen, die Position, die Geschwindigkeit und/oder die Beschleunigung sowie eine ent- sprechende Abmessungsunsicherheit, eine Positionsunsicherheit, eine Geschwindigkeitsun- sicherheit und/oder eine Beschleunigungsunsicherheit des Verkehrsteilnehmers 22 bzw. des Kraftfahrzeugs 12 berücksichtigt. Zusätzlich können in den Aufenthaltswahrscheinlichkeitsver- teilungen WK, WV auch Trajektorienunsicherheiten der Trajektorien 48, 50 berücksichtigt sein.
In der Ausgestaltung der Figur 6 sind die Aufenthaltswahrscheinlichkeitsverteilungen WK, Wv jeweils zweidimensionale Gaußverteilungen.
Die Aufenthaltswahrscheinlichkeitsverteilungen WK, WV weisen also jeweils einen Median μK, μV und eine Varianz auf (in der Figur 6 sind die entsprechenden Standardabwei-
Figure imgf000017_0001
chungen σK , σV eingezeichnet), wobei μK der Median und die Varianz der
Figure imgf000017_0002
Aufenthaltswahrscheinlichkeitsverteilung WK des Kraftfahrzeugs 12 sowie μV der Median und die Varianz der Aufenthaltswahrscheinlichkeitsverteilung WV des Verkehrsteilnehmers 22 sind.
Die Varianzen werden beispielsweise aus den Objektparametem O und den ent-
Figure imgf000018_0001
sprechenden Unsicherheiten für das Kraftfahrzeug 12 und/oder den Verkehrsteilnehmer 22 mittels Gaußscher Fehlerfortpflanzung berechnet, also beispielsweise aus den Abmessungen, der Geschwindigkeit, der Beschleunigung der Abmessungsunsicherheit, der Positionsunsi- cherheit, der Geschwindigkeitsunsicherheit und/oder der Beschleunigungsunsicherheit. Zu- sätzlich kann in den Varianzen die Trajektorienunsicherheiten der Trajektorien 48, 50
Figure imgf000018_0002
berücksichtigt sein.
Wie in Figur 6 gezeigt ist, können die Mediane μK, μV und Varianzen in entsprechen-
Figure imgf000018_0008
den Trajektorienkoordinaten der Trajektorien 48, 50 angegebenen sein, also in einer longitu- dinaler Richtung I und in einer transversaler Richtung t der entsprechenden Trajektorie 48, 50.
Der Median μK der Aufenthaltswahrscheinlichkeitsverteilungen WK weist also entspre- chend nur einen Wert entlang der Trajektorie 50 und die Varianz einen Wert entlang der
Figure imgf000018_0004
Trajektorie 50 sowie einen Wert senkrecht zur Trajektorie 50 auf. Entsprechend hat der
Figure imgf000018_0003
Median μV der Aufenthaltswahrscheinlichkeitsverteilung WV nur einen Wert entlang der Trajek- torie 48 und die Varianz einen Wert entlang der Trajektorie 48 sowie einen Wert senk-
Figure imgf000018_0005
Figure imgf000018_0006
recht zur Trajektorie 48.
In der Figur 6 sind die Aufenthaltswahrscheinlichkeitsverteilungen WK, WV durch entspre- chende Konturlinien dargestellt. Zusätzlich zeigt Figur 8 die Aufenthaltswahrscheinlichkeits- verteilungen WK, WV in einer dreidimensionalen Darstellung, wobei die Hochrichtung z den Wert der entsprechenden Aufenthaltswahrscheinlichkeitsverteilungen WV, WK in einem Punkt (x, y) angibt.
In einem nächsten Verfahrensschritt bestimmt das Kollisionsberechnungsmodul 44 zukünf- tige Aufenthaltswahrscheinlichkeitsverteilungen WK , WV (Figuren 6 und 8).
Insbesondere bestimmt das Kollisionsberechnungsmodul 44 die zukünftigen Aufenthalts- wahrscheinlichkeitsverteilungen WK , WV, ZU dem Zeitpunkt, in dem das Kraftfahrzeug 12 und der Verkehrsteilnehmer 22 den minimalen Abstand zueinander aulweisen.
Dabei modelliert das Kollisionsberechnungsmodul 44 die Standardabweichungen
Figure imgf000018_0007
der zukünftigen Aufenthaltswahrscheinlichkeitsverteilungen WK , WV. Mit anderen Worten modelliert das Kollisionsberechnungsmodul 44 die Veränderung der Positionsunsicherheit, der Geschwindigkeitsunsicherheit und/oder der Beschleunigungsunsi- cherheit des Verkehrsteilnehmers 22 bzw. des Kraftfahrzeugs 12 sowie die Trajektorien Unsi- cherheiten der Trajektorien 48, 50.
Das Kollisionsberechnungsmodul 44 bestimmt also die Werte der Aufent-
Figure imgf000019_0001
haltswahrscheinlichkeitsverteilungen WK, WV.
Beispielsweise modelliert das Steuergerät 30 die Standardabweichungen
Figure imgf000019_0002
der zu- künftigen Aufenthaltswahrscheinlichkeitsverteilungen WK, WV ausgehend von den Stan- dardabweichungen σK , σV der momentanen Aufenthaltswahrscheinlichkeitsverteilungen WK, WV.
Insbesondere modelliert das Steuergerät 30 die einzelnen Dimensionen unterschiedlich voneinander.
Mit anderen Worten sagt das Steuergerät 30 die die Standardabweichungen der
Figure imgf000019_0007
zukünftigen Aufenthaltswahrscheinlichkeitsverteilungen WK, WV vorher.
Dabei ist in Figur 6 zu sehen, dass sich die zukünftigen Aufenthaltswahrscheinlichkeitsver- teilungen WK, WV über einen größeren Bereich erstrecken als die Aufenthaltswahrscheinlich- keitsverteilungen WK, WV, also größere Standardabweichungen aufweisen.
Figure imgf000019_0003
Genauer gesagt ist die Standardabweichung der zukünftigen Aufenthaltswahrschein-
Figure imgf000019_0004
lichkeitsverteilung WK in longitudinaler Richtung größer als die Standardabweichung σK,i und entsprechend größer als größer als σV,i sowie größer als σV,t.
Figure imgf000019_0005
Figure imgf000019_0006
Zusätzlich weisen die zukünftigen Aufenthaltswahrscheinlichkeitsverteilungen WK, WV eine Überlappung 60 auf, also eine Schnittmenge der Aufenthaltswahrscheinlichkeitsvertei- lung WK mit der Aufenthaltswahrscheinlichkeitsverteilung WV.
Anschließend werden die Aufenthaltswahrscheinlichkeitsverteilungen WK, WV in ein kar- tesisches Koordinatensystem 62 transformiert, das eine Ordinate x und eine Abszisse y hat.
Das Kollisionsberechnungsmodul 44 bestimmt also die Erwartungswerte μK,x, μK,y, μV,x,μV,x entlang der Richtungen x und y sowie die Standardabweichungen σK,x , σK,y , σV,x , σV,y entlang der Richtungen x und y.
In einem nächsten Schritt bestimmt das Kollisionsberechnungsmodul 44 dann eine vorläu- fige Kollisionswahrscheinlichkeit K* anhand des Mahalanobis-Abstandes M der zukünftigen Aufenthaltswahrscheinlichkeitsverteilungen WK, WV:
Figure imgf000020_0001
Der Mahalanobis-Abstand M ist dabei ein Distanzmaß für den Abstand der Mediane
Figure imgf000020_0002
der Aufenthaltswahrscheinlichkeitsverteilungen WK , WV in Abhängigkeit der Varianz der
Figure imgf000020_0007
Aufenthaltswahrscheinlichkeitsverteilung WV.
Dementsprechend impliziert ein kleiner Mahalanobis-Abstand M eine hohe vorläufige Kol- lisionswahrscheinlichkeit K* und ein großer Mahalanobis-Abstand M eine kleine vorläufige Kol- lisionswahrscheinlichkeit K*.
Beispielsweise könnte die vorläufige Kollisionswahrscheinlichkeit K* daher gegeben sein durch: also durch den Kehrwert des Mahalanobis-Abstandes M.
Figure imgf000020_0003
Falls die vorläufige Kollisionswahrscheinlichkeit K* größer als ein bestimmter Schwellwert ist (oder falls der Mahalanobis-Abstandes M kleiner als ein entsprechender Schwellwert ist), dann bestimmt das Kollisionsberechnungsmodul 44 eine genaue Kollisionswahrscheinlichkeit K.
Mit anderen Worten führt das Kollisionsberechnungsmodul 44 die im Folgenden beschrie- benen Rechenschritte nicht durch, falls die vorläufige Kollisionswahrscheinlichkeit K* kleiner ist als der Schwellwert.
Für die Berechnung der Kollisionswahrscheinlichkeit K legt das Kollisionsberechnungsmo- dul 44 den Median der Aufenthaltswahrscheinlichkeitsverteilung WK in den Annäherungs-
Figure imgf000020_0004
punkt 58 des Kraftfahrzeugs 12.
In Figur 7 ist diese Verschiebung des Medians dadurch gezeigt, dass das Symmetrie-
Figure imgf000020_0005
zentrum der Aufenthaltswahrscheinlichkeitsverteilung WK nicht im Masseschwerpunkt des Kraftfahrzeugs 12 ist, also in der zukünftigen Position PK, sondern im Annäherungspunkt 58.
Ferner legt das Kollisionsberechnungsmodul 44 den Median der Aufenthaltswahr-
Figure imgf000020_0006
scheinlichkeitsverteilung WV in den Annäherungspunkt 54 des Verkehrsteilnehmers 22 und integriert anschließend über das Produkt der beiden verschobenen Aufenthaltswahrschein- lichkeitsverteilungen WK , WV:
Mit anderen Worten integriert das Steuergerät 30 über die Überlappung 60 der Aufenthalts- wahrscheinlichkeitsverteilungen WK , WV, da in dem Bereich außerhalb der Überlappung 60 das Produkt der Aufenthaltswahrscheinlichkeitsverteilungen WK , WV einen Wert von 0 ergibt. Beispielsweise bestimmt das Steuergerät 30 die Kollisionswahrscheinlichkeit K anhand der folgenden Formel:
Figure imgf000021_0001
Dabei wird der Integrationswert dxdy zusätzlich durch den
Figure imgf000021_0002
Term normiert und mit dem Bestrafungsterm
Figure imgf000021_0004
Figure imgf000021_0003
multipliziert, der Standardabweichungen bestraft.
Figure imgf000021_0006
Figure imgf000021_0005
Auf diese Weise stellt das Kollisionsberechnungsmodul 44 die Kollisionswahrscheinlichkeit K bereit, die einen Wert im Bereich von 0 bis 1 annimmt.
In einem letzten Schritt berechnet das Fahrmanöverplanungsmodul 46 dann ein zukünfti- ges Fahrmanöver für das Kraftfahrzeug 12 und/oder bestimmt eine entsprechende Warnmel- dung A (Figur 3), falls die Kollisionswahrscheinlichkeit K größer als ein bestimmter Schwellwert ist.
Das Steuergerät 30 bestimmt also entsprechende Steuerbefehle S und übergibt diese an die Komponenten 32 des Kraftfahrzeugs 12, die dann das Fahrmanöver ausführen.
Beispielsweise bestimmt das Fahrmanöverplanungsmodul 46 in der Straßenverkehrssitu- ation 10 für das Kraftfahrzeug 12 ein Bremsmanöver als zukünftiges Fahrmanöver und dem- entsprechend übergibt das Steuergerät 30 entsprechende Bremsbefehle als Steuerbefehl S an die Bremsen des Kraftfahrzeugs 12.
Durch die Berechnung der Kollisionswahrscheinlichkeit K des Steuergeräts wird also eine schnelle und frühzeitige Kollisionserkennung des Kraftfahrzeugs mit dem Verkehrsteilnehmer ermöglicht.
Insbesondere kann das Steuergerät 30, für den Fall, dass es mehrere Verkehrsteilnehmer 22 in einer Straßenverkehrssituation 10 gibt, einfach Verkehrsteilnehmer 22 ausschließen, mit denen keine Kollision droht. Beispielsweise werden die kollisionsrelevanten Verkehrsteilneh- mer 22 dann gesondert überwacht.
Anhand der Figuren 1 bis 8 wurde das Verfahren beispielhaft für eine Straßenverkehrssi- tuation 10 gezeigt, in der ein Kraftfahrzeug 12 und ein Verkehrsteilnehmer 22 auf einer Straße 14 fahren. Jedoch sind auch solche Situationen denkbar, in denen das Kraftfahrzeug 12 und der Ver- kehrsteilnehmer 22 nicht auf einer Straße 14 mit vorgegebenen Fahrspuren 16, 18 fahren, sondern sich frei bewegen, beispielsweise auf einem Parkplatz (ohne vorgegebene Fahrspu- ren 16, 18).
Auch muss der Verkehrsteilnehmer 22 kein Kraftfahrzeug sein.

Claims

Patentansprüche
1. Verfahren zum Steuern eines Kraftfahrzeugs (12), das zumindest einen Umfeldsensor (28) und ein Steuergerät (30) aufweist, wobei der Umfeldsensor (28) dazu ausgebildet ist, zumindest einen in Fahrtrichtung (R) des Kraftfahrzeugs (12) liegenden Bereich zu erfassen und entsprechende Fahrzeugumgebungsdaten (U) bereitzustellen, mit den folgenden Schrit- ten: a) Erhalten der Fahrzeugumgebungsdaten (U) durch das Steuergerät (30), b) Erkennen eines Verkehrsteilnehmers (22), insbesondere eines Kraftfahrzeugs, an- hand der Fahrzeugumgebungsdaten (U) durch das Steuergerät (30), c) Bestimmen einer ersten Trajektorie (48) für den Verkehrsteilnehmer (22) durch das Steuergerät (30), d) Erhalten und/oder Bestimmen einer zweiten Trajektorie (50) für das Kraftfahrzeug
(12) durch das Steuergerät (30), e) Bestimmen einer zukünftigen Position (PV) des Verkehrsteilnehmers (22) auf der ersten Trajektorie (48) und Bestimmen einer zukünftigen Position (PK) des Kraft- fahrzeugs (12) auf der zweiten Trajektorie (50), und f) Bestimmen einer Kollisionswahrscheinlichkeit (K) zwischen dem Verkehrsteilneh- mer (22) und dem Kraftfahrzeug (12), wobei die Kollisionswahrscheinlichkeit (K) von einer Überlappung (60) einer ersten Aufenthaltswahrscheinlichkeitsverteilung (Wv, Wv) des Verkehrsteilnehmers (22) um die zukünftige Position (PV) des Ver- kehrsteilnehmers (22) und einer zweiten Aufenthaltswahrscheinlichkeitsverteilung (WK, WK ) des Kraftfahrzeugs (12) um die zukünftige Position (PK) des Kraftfahr- zeugs (12) abhängig ist.
2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass das Steuergerät (30) die erste und/oder zweite Aufenthaltswahrscheinlichkeitsverteilung (WK, WK .WV, WV) anhand ei- ner Trajektorienunsicherheit, einer Positionsunsicherheit, einer Geschwindigkeitsunsicherheit und/oder einer Beschleunigungsunsicherheit für einen Startzeitpunkt bestimmt, insbesondere wobei das Steuergerät (30) die Veränderung der Trajektorienunsicherheit, der Positionsunsi- cherheit, der Geschwindigkeitsunsicherheit und/oder der Beschleunigungsunsicherheit für das Bestimmen der zukünftigen Bewegung entlang der Trajektorie (48, 50) modelliert.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass die erste und/oder zweite Aufenthaltswahrscheinlichkeitsverteilung (WK, WK , WV, WV) eine Gaußverteilung ist, insbesondere eine zweidimensionale Gaußverteilung.
4. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Steuergerät (30) den minimalen Abstand (dmin) der zukünftigen Positionen (PK, PV) des Verkehrsteilnehmers (22) und des Kraftfahrzeugs (12) während der Bewegung entlang der ersten Trajektorie (48) und der zweiten Trajektorie (50) und/oder den zukünftigen Zeitpunkt bestimmt, zu dem der Abstand der zukünftigen Positionen (PK, PV) des Verkehrsteilnehmers (22) und des Kraftfahrzeugs (12) während der Bewegung entlang der ersten Trajektorie (48) und der zweiten Trajektorie (50) minimal ist, insbesondere wobei die Kollisionswahrscheinlich- keit (K) zu dem Zeitpunkt bestimmt wird, in dem der Abstand der zukünftigen Positionen (PK, Pv) des Verkehrsteilnehmers (22) und des Kraftfahrzeugs (12) zueinander minimal ist.
5. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Steuergerät (30) die Kollisionswahrscheinlichkeit (K) anhand einer Integration über das Produkt der ersten und zweiten Aufenthaltswahrscheinlichkeitsverteilung (WK, WK , WV, WV) bestimmt.
6. Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass der aus der Integration er- haltene Integrationswert normiert wird und/oder dass der Integrationswert mit einem Bestra- fungsterm multipliziert wird, der große Unsicherheiten der ersten Aufenthaltswahrscheinlich- keitsverteilung (WV, WV) des Verkehrsteilnehmers (22) bestraft, insbesondere wobei der nor- mierte und/oder mit dem Bestrafungsterm multiplizierte Integrationswert die Kollisionswahr- scheinlichkeit (K) ist.
7. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Steuergerät (30) für die Bestimmung der Kollisionswahrscheinlichkeit (K) die Abmessun- gen (L, B) und/oder die Kontur (47, 56) des Verkehrsteilnehmers (22) und/oder des Kraftfahr- zeugs (12) berücksichtigt, insbesondere wobei das Steuergerät (30) auf der Kontur (47, 56) des Verkehrsteilnehmers (22) und/oder des Kraftfahrzeugs (12) einen Annäherungspunkt (54, 58) bestimmt, der dem jeweils anderen des Verkehrsteilnehmers (22) und des Kraftfahrzeugs (12) am nächsten liegt.
8. Verfahren nach Anspruch 7, dadurch gekennzeichnet, dass der Median
Figure imgf000025_0001
der jeweiligen Aufenthaltswahrscheinlichkeitsverteilung (WK, WK , WV, WV) auf den jewei- ligen Annäherungspunkt (54, 58) gelegt wird.
9. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Steuergerät (30) eine vorläufige Kollisionswahrscheinlichkeit (K*) anhand des Mahalono- bis-Abstandes (M) der ersten und zweiten Aufenthaltswahrscheinlichkeitsverteilung (WK, WK , WV, WV) bestimmt.
10. Verfahren nach Anspruch 9, dadurch gekennzeichnet, dass das Steuergerät (30) die Kollisionswahrscheinlichkeit (K) nicht berechnet, falls die vorläufige Kollisionswahrscheinlich- keit (K*) kleiner ist als ein vorbestimmter Schwellwert.
11. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die erste und/oder zweite Trajektorie (48, 50) mittels eines Kreissegmentmodells berechnet werden, insbesondere wobei die maximal zulässige Krümmung eines Kreissegments (52) durch eine Geschwindigkeit und/oder eine geschwindigkeitsabhängige Gierrate bestimmt wer- den.
12. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Steuergerät (30) eine Warnmeldung (A) und/oder ein zukünftiges Fahrmanöver für das Kraftfahrzeug (12) bereitstellt, falls das Steuergerät (30) eine hohe Kollisionswahrscheinlich- keit (K) bestimmt, insbesondere wobei das Kraftfahrzeug (12) durch das Steuergerät (30) der- art angesteuert wird, dass das Kraftfahrzeug (12) das zukünftige Fahrmanöver ausführt.
13. Steuergerät für ein Kraftfahrzeug (12), wobei das Steuergerät (30) dazu ausgebildet ist, ein Verfahren nach einem der vorhergehenden Ansprüche durchzuführen.
PCT/EP2021/078892 2020-10-26 2021-10-19 Verfahren zum steuern eines kraftfahrzeugs und steuergerät WO2022089990A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102020213451.0A DE102020213451A1 (de) 2020-10-26 2020-10-26 Verfahren zum Steuern eines Kraftfahrzeugs und Steuergerät
DE102020213451.0 2020-10-26

Publications (1)

Publication Number Publication Date
WO2022089990A1 true WO2022089990A1 (de) 2022-05-05

Family

ID=78302769

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2021/078892 WO2022089990A1 (de) 2020-10-26 2021-10-19 Verfahren zum steuern eines kraftfahrzeugs und steuergerät

Country Status (2)

Country Link
DE (1) DE102020213451A1 (de)
WO (1) WO2022089990A1 (de)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120271518A1 (en) * 2009-10-05 2012-10-25 Nederlandse Organisatie Voor Toegepast- Natuurwetenschappelijk Onderzoek Tno Collision avoidance system and method for a road vehicle and respective computer program product
DE102016218080B3 (de) * 2016-09-21 2017-08-24 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zum Bestimmen einer Kollisionswahrscheinlichkeit eines Fahrzeugs mit einem Objekt
EP2950294B1 (de) * 2014-05-30 2019-05-08 Honda Research Institute Europe GmbH Verfahren und Fahrzeug mit fortschrittlichem Fahrerassistenzsystem zur risikobasierten Verkehrsszenenanalyse

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102008005305A1 (de) 2008-01-21 2009-07-23 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur Beeinflussung der Bewegung eines Fahrzeugs
DE102011010864A1 (de) 2011-02-10 2011-12-08 Daimler Ag Verfahren und System zur Vorhersage von Kollisionen
DE102016207049B4 (de) 2016-04-26 2022-11-03 Continental Autonomous Mobility Germany GmbH Methode zur Trajektorienplanung für das automatisierte Fahren
DE102017114876A1 (de) 2017-07-04 2019-01-10 Iav Gmbh Ingenieurgesellschaft Auto Und Verkehr Fahrerassistenzsystem zur Kollisionsvermeidung mittels Warn- und Interventionskaskade
DE102018117561A1 (de) 2018-07-20 2020-01-23 Zf Active Safety Gmbh Verfahren zum automatisierten Vermeiden einer Kollision
DE102018128398B3 (de) 2018-11-13 2019-12-19 Iav Gmbh Ingenieurgesellschaft Auto Und Verkehr Verfahren zum Vorhersagen des Verhaltens eines Umgebungsobjektes und Fahrerassistenzsystem

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120271518A1 (en) * 2009-10-05 2012-10-25 Nederlandse Organisatie Voor Toegepast- Natuurwetenschappelijk Onderzoek Tno Collision avoidance system and method for a road vehicle and respective computer program product
EP2950294B1 (de) * 2014-05-30 2019-05-08 Honda Research Institute Europe GmbH Verfahren und Fahrzeug mit fortschrittlichem Fahrerassistenzsystem zur risikobasierten Verkehrsszenenanalyse
DE102016218080B3 (de) * 2016-09-21 2017-08-24 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zum Bestimmen einer Kollisionswahrscheinlichkeit eines Fahrzeugs mit einem Objekt

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
BHATT DHAIVAT ET AL: "Probabilistic obstacle avoidance and object following: An overlap of Gaussians approach", 2019 28TH IEEE INTERNATIONAL CONFERENCE ON ROBOT AND HUMAN INTERACTIVE COMMUNICATION (RO-MAN), IEEE, 14 October 2019 (2019-10-14), pages 1 - 8, XP033685922, DOI: 10.1109/RO-MAN46459.2019.8956314 *
JUNLAN CHEN ET AL: "A Design of Cooperative Overtaking Based on Complex Lane Detection and Collision Risk Estimation", ARXIV.ORG, CORNELL UNIVERSITY LIBRARY, 201 OLIN LIBRARY CORNELL UNIVERSITY ITHACA, NY 14853, 11 August 2020 (2020-08-11), XP081738067, DOI: 10.1109/ACCESS.2019.2922113 *
SCHREIER MATTHIAS ET AL: "An Integrated Approach to Maneuver-Based Trajectory Prediction and Criticality Assessment in Arbitrary Road Environments", IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS, IEEE, PISCATAWAY, NJ, USA, vol. 17, no. 10, 1 October 2016 (2016-10-01), pages 2751 - 2766, XP011625592, ISSN: 1524-9050, [retrieved on 20161010], DOI: 10.1109/TITS.2016.2522507 *

Also Published As

Publication number Publication date
DE102020213451A1 (de) 2022-04-28

Similar Documents

Publication Publication Date Title
EP3271231B1 (de) Verfahren und vorrichtung zum überwachen einer von einem fahrzeug abzufahrenden soll-trajektorie auf kollisionsfreiheit
EP3873784A1 (de) Steuerungssystem und steuerungsverfahren zum samplingbasierten planen möglicher trajektorien für kraftfahrzeuge
EP3027479B1 (de) Bereitstellen eines umfeldmodells beim ausfall eines sensors eines fahrzeugs
DE102014114608A1 (de) Wegplanung für Ausweichlenkmanöver mithilfe einer virtuellen Potentialfeldtechnik
DE102014114827A9 (de) Wegplanung für Ausweichlenkmanöver bei Vorhandensein eines Zielfahrzeugs und umgebenden Objekten
EP2881829A2 (de) Verfahren zum automatischen Steuern eines Fahrzeugs, Vorrichtung zum Erzeugen von Steuersignalen für ein Fahrzeug und Fahrzeug
DE102014201382A1 (de) Verfahren zum Betreiben eines Fahrerassistenzsystems und Fahrerassistenzsystem
EP3543985A1 (de) Simulieren verschiedener verkehrssituationen für ein testfahrzeug
DE102017206987A1 (de) Verfahren, Computerprogrammprodukt, Computer-lesbares Medium, Steuergerät und Fahrzeug umfassen das Steuergerät zum Bestimmen eines kollektiven Manövers von wenigstens zwei Fahrzeugen
DE102019107411A1 (de) Steuerungssystem und Steuerungsverfahren zur Pfadzuordnung von Verkehrsobjekten
DE102020203756A1 (de) Autobahnausfahrt-erfassung und linienspiegelung zur fahrzeugtrajektorien-bestimmung
DE102015209974A1 (de) Quer-Längs-kombinierte Trajektorienplanung für ein Fahrzeug
DE102017118651A1 (de) Verfahren und System zur Kollisionsvermeidung eines Fahrzeugs
WO2020002100A1 (de) Verfahren zum betreiben eines wenigstens teilweise automatisierten fahrzeugs
WO2021139974A1 (de) Verfahren zur zusammenführung mehrerer datensätze für die erzeugung eines aktuellen spurmodells einer fahrbahn und vorrichtung zur datenverarbeitung
EP1643269A1 (de) Fahrerassistenzsystem mit Fuzzy-Logic
DE102018215509A1 (de) Verfahren und Vorrichtung zum Betrieb eines zumindest teilweise automatisiert betriebenen ersten Fahrzeugs
DE102019129904A1 (de) Automatische Fahrkompetenzanalyse
WO2023012243A1 (de) System, verfahren und software zum betreiben eines fahrerassistenzsystems
DE102018008599A1 (de) Steuerungssystem und Steuerungsverfahren zum Bestimmen einer Trajektorie für ein Kraftfahrzeug
WO2022089990A1 (de) Verfahren zum steuern eines kraftfahrzeugs und steuergerät
WO2022128012A1 (de) Verfahren zur planung eines zumindest teilweise automatisierten fahrvorgangs mittels eines fahrassistenzsystems
DE102004047122A1 (de) Verfahren zum Überwachen eines Fahrzeugs
DE102020103507A1 (de) Online-fahrleistungsbewertung mit räumlichen und temporären verkehrsinformationen für autonome fahrsysteme
DE102019104973A1 (de) Verfahren sowie Steuergerät für ein System zum Steuern eines Kraftfahrzeugs

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: 21794810

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 21794810

Country of ref document: EP

Kind code of ref document: A1