WO2025016743A1 - Verfahren zum betrieb eines autonomen fahrzeugs in einer umgebung und autonomes fahrzeug - Google Patents

Verfahren zum betrieb eines autonomen fahrzeugs in einer umgebung und autonomes fahrzeug Download PDF

Info

Publication number
WO2025016743A1
WO2025016743A1 PCT/EP2024/068942 EP2024068942W WO2025016743A1 WO 2025016743 A1 WO2025016743 A1 WO 2025016743A1 EP 2024068942 W EP2024068942 W EP 2024068942W WO 2025016743 A1 WO2025016743 A1 WO 2025016743A1
Authority
WO
WIPO (PCT)
Prior art keywords
map
objects
laser scan
autonomous vehicle
recorded
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
PCT/EP2024/068942
Other languages
English (en)
French (fr)
Inventor
Maja Sliskovic
Quamrul Hasan Mallik
Patrick Betz
Robin Posch
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SEW Eurodrive GmbH and Co KG
Original Assignee
SEW Eurodrive GmbH and Co KG
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 SEW Eurodrive GmbH and Co KG filed Critical SEW Eurodrive GmbH and Co KG
Publication of WO2025016743A1 publication Critical patent/WO2025016743A1/de
Anticipated expiration legal-status Critical
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/42—Simultaneous measurement of distance and other co-ordinates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4808—Evaluating distance, position or velocity data

Definitions

  • the invention relates to methods for operating an autonomous vehicle in an environment, wherein the autonomous vehicle has at least one laser scanner for taking laser scans to detect objects, and wherein the autonomous vehicle has a map of the environment, and wherein the environment comprises at least one object to which an object is assigned that is recorded in the map.
  • the invention also relates to an autonomous vehicle that can be operated using the methods according to the invention.
  • the environment is in particular a technical facility, for example a production plant, an industrial hall or a logistics center.
  • Autonomous vehicles are used, for example, to transport material within the technical facility.
  • the technical facility also contains other objects, such as walls, columns, production machines, pallets, boxes, containers or transport trolleys, but also people and other autonomous vehicles.
  • the autonomous vehicles also have sensors, in particular laser scanners for recording laser scans, to detect such objects.
  • the objects in the environment such as walls, columns, production machines, pallets, boxes, containers or transport trolleys, or production machines, are assigned objects that are recorded on the map. If an object in the environment is detected by a laser scanner of an autonomous vehicle, the location of the autonomous vehicle on the map can be determined by comparing the detected object with an object that is recorded on the map.
  • a method for operating a technical system which has at least one mobile system.
  • a map of the technical system is generated which has information about at least one accessible area and at least one closed area.
  • the invention is based on the object of developing methods for operating an autonomous vehicle in an environment as well as an autonomous vehicle.
  • the object is achieved by a method for operating an autonomous vehicle in an environment with the features specified in claim 1.
  • the object is also achieved by a method for operating an autonomous vehicle in an environment with the features specified in claim 2.
  • Advantageous embodiments and further developments are the subject of the subclaims.
  • the object is also achieved by an autonomous vehicle with the features specified in claim 14.
  • a first method for operating an autonomous vehicle in an environment is proposed.
  • the autonomous vehicle has at least one laser scanner for taking laser scans to detect objects, and the autonomous vehicle has a map of the environment.
  • the environment includes at least one object to which an object is assigned that is shown on the map.
  • the at least one laser scanner of the autonomous vehicle takes a laser scan of a part of the environment that has at least one object.
  • the laser scan is compared with at least one object recorded on the map by calculating a correlation of objects recorded in the laser scan with objects recorded on the map for several orientations of the laser scan.
  • a pose of the autonomous vehicle in the map is determined based on the orientation of the laser scan for which the calculated correlation of the objects recorded in the laser scan with the objects recorded on the map has the highest value. As a rule, there is no complete match between the objects recorded in the laser scan and the objects recorded on the map.
  • the orientation of the laser scan with the most matches has the highest calculated correlation compared to the other orientations of the laser scan.
  • the pose of the autonomous vehicle includes the location and orientation of the autonomous vehicle.
  • a second method for operating an autonomous vehicle in an environment is also proposed.
  • the autonomous vehicle has at least one laser scanner for taking laser scans to detect objects, and the autonomous vehicle has a map of the environment.
  • the environment includes at least one object to which an object is assigned that is shown on the map.
  • the at least one laser scanner of the autonomous vehicle takes a laser scan of a part of the environment that has at least one object.
  • the laser scan is compared with at least one object recorded on the map by calculating a deviation of objects recorded in the laser scan with objects recorded on the map for several orientations of the laser scan.
  • a pose of the autonomous vehicle in the map is determined based on the orientation of the laser scan for which the calculated deviation of the objects recorded in the laser scan with the objects recorded on the map has the lowest value.
  • the alignments of the laser scan for each of which a correlation or a deviation between objects recorded in the laser scan and objects recorded in the map is calculated, are each offset from one another by one angular step. The correlation or deviation is therefore calculated for discrete alignments of the laser scan. This saves computing power and computing time.
  • the objects detected by the laser scanner in the laser scan do not have any clear features, in particular no sharp edges, it is difficult to find the orientation of the laser scan for which the calculated correlation has the highest value. It is also difficult to find the orientation of the laser scan for which the calculated deviation has the lowest value.
  • the larger the angular steps between the individual orientations of the laser scan the more difficult it is to find the orientation of the laser scan for which the calculated correlation has the highest value or for which the calculated deviation has the lowest value.
  • the smaller the angular steps between the individual orientations of the laser scan the higher the probability of finding the orientation of the laser scan for which the calculated correlation has the highest value or for which the calculated deviation has the lowest value.
  • a size of the angular step is specified for areas along the trajectory in the environment.
  • the angular step between two adjacent orientations of the laser scan is selected to be smaller. This increases the probability of finding the orientation of the laser scan for which the calculated correlation has the highest value or for which the calculated deviation has the lowest value.
  • a size of the angular step depends on a previously determined pose of the autonomous vehicle in the map. As a rule, it is known in advance in which poses of the autonomous vehicle the objects recorded in the laser scan do not have any clear features. If the vehicle assumes such a pose, the angular step between two adjacent orientations of the laser scan is chosen to be smaller. This increases the probability of the orientation of the laser scan being the correct one for for which the calculated correlation has the highest value or for which the calculated deviation has the lowest value.
  • a size of the angular step depends on a gradient of the previously calculated correlation. This increases the probability of finding the orientation of the laser scan for which the calculated correlation has the highest value.
  • a size of the angular step depends on a gradient of the previously calculated deviation. This increases the probability of finding the orientation of the laser scan for which the calculated deviation has the lowest value.
  • the angle step is chosen to be smaller if an amount of the gradient of the correlation becomes larger. This increases the probability of finding the orientation of the laser scan for which the calculated correlation has the highest value.
  • the angle step is chosen to be smaller if an amount of the gradient of the deviation becomes larger. This increases the probability of finding the orientation of the laser scan for which the calculated deviation has the lowest value.
  • the map comprises a plurality of cells. Cells that are occupied by an object are marked as occupied, and cells that are free of objects are marked as empty.
  • a first partial correlation is calculated as the correspondence between objects recorded in the laser scan and cells occupied by objects
  • a second partial correlation is calculated as the correspondence between empty areas recorded in the laser scan and empty cells.
  • the correlation between the objects recorded in the laser scan and the objects recorded in the map is calculated as the sum of the first partial correlation multiplied by a first weighting factor and the second partial correlation multiplied by a second weighting factor.
  • the first weighting factor is larger than the second weighting factor, in particular between twice and ten times as large.
  • the first weighting factor is equal to the second weighting factor.
  • a positive cell value is assigned to an occupied cell
  • a positive detection value is assigned to a detected object
  • a negative cell value is assigned to an empty cell
  • a negative detection value is assigned to a detected empty area.
  • the first partial correlation is calculated as the sum of the products of the detection values of the detected objects with the cell values of the assigned occupied cells
  • the second partial correlation is calculated as the sum of the products of the detection values of the detected empty areas with the cell values of the assigned empty cells. This further increases the probability of finding the orientation of the laser scan for which the calculated correlation has the highest value.
  • the deviation of the objects detected in the laser scan with the objects recorded in the map is calculated as the sum of the amounts of the previously calculated partial deviations.
  • the deviation of the objects recorded in the laser scan from the objects recorded on the map is calculated as the sum of the squares of the previously calculated partial deviations.
  • the partial deviations correspond to the distances of the recorded objects from the objects recorded on the map.
  • the deviation of the objects recorded in the laser scan from the objects recorded on the map thus corresponds to the sum of the squares of the said distances.
  • An autonomous vehicle according to the invention comprises at least one laser scanner for taking laser scans to detect objects, wherein the autonomous vehicle has a map of an environment.
  • the autonomous vehicle can be operated using one of the methods according to the invention.
  • Figure 1 a schematic representation of a map of an environment
  • Figure 2 a graphical representation of a calculated correlation depending on an orientation of a laser scan according to a first example
  • Figure 3 a graphical representation of a calculated correlation depending on an orientation of a laser scan according to a second example.
  • Figure 1 shows a schematic representation of a map of an environment.
  • the environment is, for example, a technical facility, such as a production plant, an industrial hall or a logistics center. It is also conceivable, for example, that the environment represents part of a place or a residential area.
  • the environment includes several autonomous vehicles 1. In the present representation, only one such autonomous vehicle 1 is shown. The autonomous vehicles 1 are used in particular to transport material within the environment.
  • the autonomous vehicle 1 has a drive device, an electrical energy storage device for supplying the drive device and a control unit for controlling the drive device.
  • the autonomous vehicle 1 also has a communication device for wireless communication with other autonomous vehicles 1 and with a higher-level server.
  • the communication device of the autonomous vehicle 1 is designed, for example, for data transmission by means of WLAN, Bluetooth or light.
  • the autonomous vehicle 1 has two laser scanners 2.
  • the laser scanners 2 are used to take laser scans to detect objects in the surrounding area. When an object is detected, the laser scanners 2 detect a distance to the object and a direction in which the object is located.
  • the laser scanners are attached to opposite corners of the autonomous vehicle 1 and each detect objects in an angular range of approximately 270°.
  • the environment includes several objects. Such objects are, for example, walls, columns and production machines. Objects usually remain in a fixed place in the environment and are therefore not moved. Each object is assigned an object 4. The objects 4 are shown on the map.
  • the map comprises a number of cells. Cells that are occupied by an object 4 are marked as occupied. Cells that are free of objects 4 are marked as empty.
  • the cells of the map are square and arranged two-dimensionally directly next to each other in the map. In this case, one side length of a cell corresponds to a distance of approximately 2 cm to 10 cm in the surrounding area.
  • the autonomous vehicle 1 has a pose in the environment.
  • the pose of the autonomous vehicle 1 includes the location and orientation of the autonomous vehicle 1 in the environment.
  • the pose of the autonomous vehicle 1 is determined using laser scans recorded by the laser scanners 2.
  • the autonomous vehicle 1 moves along a trajectory in the environment. While the autonomous vehicle 1 moves along the trajectory in the environment, the laser scanners 2 of the autonomous vehicle 1 each record a laser scan of a part of the environment. Such a laser scan extends over an angular range of approximately 270°.
  • the recorded part of the environment has at least one object.
  • the objects located in the part of the environment are recorded in the laser scan.
  • the laser scan is compared with the objects 4 recorded on the map.
  • a correlation K is calculated between the objects recorded in the laser scan and the objects 4 recorded on the map.
  • An alignment A of the laser scan corresponds to an angle relative to a defined reference axis.
  • the reference axis is, for example, a longitudinal axis of the autonomous vehicle 1.
  • the alignments A extend within the angular range of the laser scan.
  • the individual alignments A of the laser scan, for which a correlation K is calculated between the objects recorded in the laser scan and the objects 4 recorded in the map, are each offset from one another by one angular step.
  • the size of the The angle step is variable.
  • a relatively large angle step enables a relatively fast calculation of the correlation K with relatively little required computing power.
  • a relatively small angle step enables a relatively exact calculation of the correlation K with relatively high required computing power.
  • the map contains a number of cells. Cells that are occupied by an object 4 are marked as occupied. Cells that are free of objects 4 are marked as empty.
  • a first partial correlation is calculated.
  • the first partial correlation is calculated as the correspondence between the objects recorded in the laser scan and the cells occupied by objects 4.
  • the first partial correlation is multiplied by a first weighting factor to form a weighted first partial correlation.
  • a second partial correlation is also calculated.
  • the second partial correlation is calculated as the correspondence between empty areas recorded in the laser scan and empty cells.
  • the second partial correlation is multiplied by a second weighting factor to form a weighted second partial correlation.
  • the first weighted partial correlation and the second weighted partial correlation are added to form a correlation K.
  • the correlation K of the objects recorded in the laser scan with the objects 4 recorded in the respective part of the map is calculated as the sum of the first weighted partial correlation and the second weighted partial correlation.
  • the correlation K of the objects detected in the laser scan with the objects 4 recorded in the map is thus calculated as the sum of the first partial correlation multiplied by the first weighting factor and the second partial correlation multiplied by the second weighting factor.
  • the first weighting factor is usually larger than the second weighting factor, in particular between twice and ten times as large.
  • the first weighting factor is equal to the second weighting factor.
  • the first weighting factor is greater than zero and the second weighting factor is equal to zero.
  • a positive cell value is assigned to an occupied cell, and that a positive detection value is assigned to a detected object, and that a negative cell value is assigned to an empty cell, and that a negative detection value is assigned to a detected empty area.
  • the first partial correlation is calculated as the sum of the products of the detection values of the detected objects with the cell values of the associated occupied cells
  • the second partial correlation is calculated as the sum of the products of the detection values of the detected empty areas with the cell values of the associated empty cells.
  • a match between a detected object and an occupied cell makes a positive contribution to the first partial correlation. However, a match between a detected object and an empty cell makes a negative contribution to the first partial correlation. A match between a detected empty area and an empty cell makes a positive contribution to the second partial correlation. However, a match between a detected empty area and an occupied cell makes a negative contribution to the second partial correlation.
  • the said correlation is calculated for several orientations A of the laser scan, wherein the said orientations A of the laser scan are each offset from one another by one angular step.
  • the pose of the autonomous vehicle 1 in the map is determined based on the orientation A of the laser scan for which the calculated correlation K of the objects recorded in the laser scan with the objects 4 recorded in the map has the highest value.
  • Figure 2 shows a graphical representation of a calculated correlation K as a function of an orientation A of a laser scan according to a first example.
  • the correlation K is, as already mentioned, calculated for discrete orientations A of the laser scan. However, the correlation K is shown here in a continuous curve.
  • the course of the correlation K in the first example has several local maxima, with one of the local maxima simultaneously representing a global maximum.
  • the pose of the autonomous vehicle 1 in the map is determined based on the orientation A of the laser scan to which the global maximum of the correlation K is assigned.
  • the alignments A of the laser scan for which the correlation K is calculated are initially offset from each other by a constant, relatively large angular step. Around the local maxima of the correlation K, an amount of the gradient of the correlation K increases.
  • the gradient of the correlation K corresponds to a slope or a derivative of the course of the correlation K according to the alignment A of the laser scan and is calculated, for example, using slope triangles.
  • FIG. 3 shows a graphical representation of a calculated correlation K as a function of an orientation A of a laser scan according to a second example.
  • the correlation K is, as already mentioned, calculated for discrete orientations A of the laser scan. However, the correlation K is shown here in a continuous curve.
  • the course of the correlation K in the second example has several local maxima, with one of the local maxima simultaneously representing a global maximum.
  • the pose of the autonomous vehicle 1 in the map is determined based on the orientation A of the laser scan to which the global maximum of the correlation K is assigned.
  • the angular step between two adjacent orientations A of the laser scan is chosen to be smaller.
  • the size of the angular step is specified for areas along the trajectory in the environment.
  • the size of the angular step thus depends on a previously determined pose of the autonomous vehicle 1 in the map.
  • an amount of the gradient of the correlation K increases around the local maxima of the correlation K.
  • the gradient of the correlation K corresponds to a slope or a derivative of the course of the correlation K according to the orientation A of the laser scan and is calculated, for example, using slope triangles. If it is detected that the magnitude of the gradient of the correlation K is increasing, the angular step between two adjacent alignments A of the laser scan is chosen to be smaller. The size of the angular step is therefore dependent on the gradient of the previously calculated correlation K.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Electromagnetism (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zum Betrieb eines autonomen Fahrzeugs (1) in einer Umgebung, wobei das autonome Fahrzeug (1) mindestens einen Laserscanner (2) zur Aufnahme von Laserscans zur Erfassung von Gegenständen aufweist, und wobei das autonome Fahrzeug (1) über eine Karte der Umgebung verfügt, und wobei die Umgebung mindestens einen Gegenstand umfasst, dem ein Objekt (4) zugeordnet ist, welches in der Karte verzeichnet ist, wobei während einer Bewegung des autonomen Fahrzeugs (1) entlang einer Trajektorie in der Umgebung von dem mindestens einen Laserscanner (2) des autonomen Fahrzeugs (1) ein Laserscan von einem Teil der Umgebung, welcher mindestens einen Gegenstand aufweist, aufgenommen wird; der Laserscan mit mindestens einem in der Karte verzeichneten Objekt (4) verglichen wird, indem für mehrere Ausrichtungen (A) des Laserscans jeweils eine Korrelation (K) von in dem Laserscan erfassten Gegenständen mit in der Karte verzeichneten Objekten (4) berechnet wird; eine Pose des autonomen Fahrzeugs (1) in der Karte anhand derjenigen Ausrichtung (A) des Laserscans bestimmt wird, für welche die berechnete Korrelation (K) der in dem Laserscan erfassten Gegenstände mit den in der Karte verzeichneten Objekten (4) den höchsten Wert aufweist. Alternativ wird für mehrere Ausrichtungen (A) des Laserscans jeweils eine Abweichung von in dem Laserscan erfassten Gegenständen mit in der Karte verzeichneten Objekten (4) berechnet; und eine Pose des autonomen Fahrzeugs (1) in der Karte wird anhand derjenigen Ausrichtung (A) des Laserscans bestimmt, für welche die berechnete Abweichung der in dem Laserscan erfassten Gegenstände mit den in der Karte verzeichneten Objekten (4) den niedrigsten Wert aufweist. Die Erfindung betrifft auch ein autonomes Fahrzeug (1), welches mit einem der erfindungsgemäßen Verfahren betreibbar ist.

Description

Verfahren zum Betrieb eines autonomen Fahrzeugs in einer Umgebung und autonomes Fahrzeug
Beschreibung:
Die Erfindung betrifft Verfahren zum Betrieb eines autonomen Fahrzeugs in einer Umgebung, wobei das autonome Fahrzeug mindestens einen Laserscanner zur Aufnahme von Laserscans zur Erfassung von Gegenständen aufweist, und wobei das autonome Fahrzeug über eine Karte der Umgebung verfügt, und wobei die Umgebung mindestens einen Gegenstand umfasst, dem ein Objekt zugeordnet ist, welches in der Karte verzeichnet ist. Die Erfindung betrifft auch ein autonomes Fahrzeug, welches mit den erfindungsgemäßen Verfahren betreibbar ist.
Bei der Umgebung handelt es sich insbesondere um eine technische Anlage, beispielsweise ein Produktionswerk, eine Industriehalle oder ein Logistikzentrum. Autonome Fahrzeuge dienen beispielsweise zum Transport von Material innerhalb der technischen Anlage. In der technischen Anlage befinden sich auch weitere Gegenstände, beispielsweise Wände, Säulen, Produktionsmaschinen, Paletten, Kisten, Container oder Transportwagen, aber auch Personen sowie weitere autonomen Fahrzeuge. Die autonomen Fahrzeuge weisen auch Sensoren, insbesondere Laserscanner zur Aufnahme von Laserscans, zur Erfassung von solchen Gegenständen auf.
Den Gegenständen in der Umgebung, beispielsweise Wände, Säulen, Produktionsmaschinen, Paletten, Kisten, Container oder Transportwagen, oder Produktionsmaschinen, sind Objekte zugeordnet, die in der Karte verzeichnet sind. Wenn von einem Laserscanner eines autonomen Fahrzeugs ein Gegenstand in der Umgebung erkannt wird, so ist durch Vergleichen des erkannten Gegenstandes mit einem Objekt, welches in der Karte verzeichnet ist, ein Standort des autonomen Fahrzeugs in der Karte bestimmbar.
Aus der DE 102021 000 349 A1 ist ein Verfahren zum Betreiben einer technischen Anlage bekannt, welche mindestens ein mobiles System aufweist. Es wird eine Karte der technischen Anlage erzeugt, welche Informationen über mindestens einen befahrbaren Bereich und mindestens einen gesperrten Bereich aufweist.
Problematisch ist es, wenn ein Vergleich eines erkannten Gegenstandes mit einem Objekt, welches in der Karte verzeichnet ist, kein eindeutiges Ergebnis liefert. Ein solcher Vergleich kann zu einer fehlerhaften Bestimmung des Standorts des autonomen Fahrzeugs in der Karte führen.
Aus dem Dokument "KONECNY, J., et al.: Scan Matching by Cross-Correlation and Differential Evolution, Electronics, 1 August 2019. Vol. 8, no. 8, 856. DOI: 10.3390/electronics8080856 ist ein gattungsgemäßes Verfahren zum Scan-Matching bekannt.
Der Erfindung liegt die Aufgabe zugrunde, Verfahren zum Betrieb eines autonomen Fahrzeugs in einer Umgebung sowie ein autonomes Fahrzeug weiterzubilden.
Die Aufgabe wird durch ein Verfahren zum Betrieb eines autonomen Fahrzeugs in einer Umgebung mit den in Anspruch 1 angegebenen Merkmalen gelöst. Die Aufgabe wird auch durch ein Verfahren zum Betrieb eines autonomen Fahrzeugs in einer Umgebung mit den in Anspruch 2 angegebenen Merkmalen gelöst. Vorteilhafte Ausgestaltungen und Weiterbildungen sind Gegenstand der Unteransprüche. Die Aufgabe wird auch durch ein autonomes Fahrzeug mit den in Anspruch 14 angegebenen Merkmalen gelöst.
Es wird ein erstes Verfahren zum Betrieb eines autonomen Fahrzeugs in einer Umgebung vorgeschlagen. Das autonome Fahrzeug weist mindestens einen Laserscanner zur Aufnahme von Laserscans zur Erfassung von Gegenständen auf, und das autonome Fahrzeug verfügt über eine Karte der Umgebung. Die Umgebung umfasst mindestens einen Gegenstand, dem ein Objekt zugeordnet ist, welches in der Karte verzeichnet ist.
Während einer Bewegung des autonomen Fahrzeugs entlang einer Trajektorie in der Umgebung wird von dem mindestens einen Laserscanner des autonomen Fahrzeugs ein Laserscan von einem Teil der Umgebung, welcher mindestens einen Gegenstand aufweist, aufgenommen. Der Laserscan wird mit mindestens einem in der Karte verzeichneten Objekt verglichen, indem für mehrere Ausrichtungen des Laserscans jeweils eine Korrelation von in dem Laserscan erfassten Gegenständen mit in der Karte verzeichneten Objekten berechnet wird. Eine Pose des autonomen Fahrzeugs in der Karte wird anhand derjenigen Ausrichtung des Laserscans bestimmt, für welche die berechnete Korrelation der in dem Laserscan erfassten Gegenstände mit den in der Karte verzeichneten Objekten den höchsten Wert aufweist. In der Regel liegt keine vollständige Übereinstimmung zwischen den in dem Laserscan erfassten Gegenständen mit den in der Karte verzeichneten Objekten vor. Bei der Ausrichtung des Laserscans mit den meisten Übereinstimmungen weist die berechnete Korrelation, verglichen mit den anderen Ausrichtungen des Laserscans, den höchsten Wert auf. Durch die Bestimmung der Pose des autonomen Fahrzeugs in der Karte anhand dieser Ausrichtung des Laserscans steigt die Wahrscheinlichkeit einer korrekten Bestimmung der Pose. Die Pose des autonomen Fahrzeugs beinhaltet dabei den Standort und die Orientierung des autonomen Fahrzeugs.
Es wird auch ein zweites Verfahren zum Betrieb eines autonomen Fahrzeugs in einer Umgebung vorgeschlagen. Das autonome Fahrzeug weist mindestens einen Laserscanner zur Aufnahme von Laserscans zur Erfassung von Gegenständen auf, und das autonome Fahrzeug verfügt über eine Karte der Umgebung. Die Umgebung umfasst mindestens einen Gegenstand, dem ein Objekt zugeordnet ist, welches in der Karte verzeichnet ist.
Während einer Bewegung des autonomen Fahrzeugs entlang einer Trajektorie in der Umgebung wird von dem mindestens einen Laserscanner des autonomen Fahrzeugs ein Laserscan von einem Teil der Umgebung, welcher mindestens einen Gegenstand aufweist, aufgenommen. Der Laserscan wird mit mindestens einem in der Karte verzeichneten Objekt verglichen, indem für mehrere Ausrichtungen des Laserscans jeweils eine Abweichung von in dem Laserscan erfassten Gegenständen mit in der Karte verzeichneten Objekten berechnet wird. Eine Pose des autonomen Fahrzeugs in der Karte wird anhand derjenigen Ausrichtung des Laserscans bestimmt, für welche die berechnete Abweichung der in dem Laserscan erfassten Gegenstände mit den in der Karte verzeichneten Objekten den niedrigsten Wert aufweist.
In der Regel liegt keine vollständige Übereinstimmung zwischen den in dem Laserscan erfassten Gegenständen mit den in der Karte verzeichneten Objekten vor. Bei der Ausrichtung des Laserscans mit den meisten Übereinstimmungen weist die berechnete Abweichung, verglichen mit den anderen Ausrichtungen des Laserscans, den niedrigsten Wert auf. Durch die Bestimmung der Pose des autonomen Fahrzeugs in der Karte anhand dieser Ausrichtung des Laserscans steigt die Wahrscheinlichkeit einer korrekten Bestimmung der Pose. Die Pose des autonomen Fahrzeugs beinhaltet dabei den Standort und die Orientierung des autonomen Fahrzeugs. Gemäß einer vorteilhaften Ausgestaltung der Erfindung sind die Ausrichtungen des Laserscans, für welche jeweils eine Korrelation oder eine Abweichung von in dem Laserscan erfassten Gegenständen mit in der Karte verzeichneten Objekten berechnet wird, jeweils um einen Winkelschritt zueinander versetzt. Die Korrelation oder die Abweichung wird also für diskrete Ausrichtungen des Laserscans berechnet. Dadurch werden Rechenleistung und Rechenzeit eingespart.
Wenn die von dem Laserscanner in dem Laserscan erfassten Gegenständen keine deutlichen Merkmale, insbesondere keine scharfen Kanten, aufweisen, so ist diejenige Ausrichtung des Laserscans, für welche die berechnete Korrelation den höchsten Wert aufweist, schwer zu finden. Ebenso ist diejenige Ausrichtung des Laserscans, für welche die berechnete Abweichung den niedrigsten Wert aufweist, schwer zu finden. Je größer die Winkelschritte zwischen den einzelnen Ausrichtungen des Laserscans sind, umso schwieriger ist es, diejenige Ausrichtung des Laserscans, für welche die berechnete Korrelation den höchsten Wert aufweist, oder für welche die berechnete Abweichung den niedrigsten Wert aufweist, zu finden. Je kleiner die Winkelschritte zwischen den einzelnen Ausrichtungen des Laserscans sind, umso höher ist die Wahrscheinlichkeit, diejenige Ausrichtung des Laserscans, für welche die berechnete Korrelation den höchsten Wert aufweist, oder für welche die berechnete Abweichung den niedrigsten Wert aufweist, zu finden.
Gemäß einer vorteilhaften Ausgestaltung der Erfindung ist eine Größe des Winkelschritts für Bereiche entlang der Trajektorie in der Umgebung vorgegeben. In der Regel ist zuvor bekannt, in welchen Bereichen der Trajektorie die in dem Laserscan erfassten Gegenständen keine deutlichen Merkmale aufweisen. Wenn sich das Fahrzeug in einem solchen Bereich aufhält, so wird der Winkelschritt zwischen zwei benachbarten Ausrichtungen des Laserscans kleiner gewählt. Dadurch wird die Wahrscheinlichkeit, diejenige Ausrichtung des Laserscans, für welche die berechnete Korrelation den höchsten Wert aufweist, oder für welche die berechnete Abweichung den niedrigsten Wert aufweist, zu finden, erhöht.
Gemäß einer vorteilhaften Ausgestaltung der Erfindung ist eine Größe des Winkelschritts von einer zuvor bestimmten Pose des autonomen Fahrzeugs in der Karte abhängig. In der Regel ist zuvor bekannt, bei welchen Posen des autonomen Fahrzeugs die in dem Laserscan erfassten Gegenständen keine deutlichen Merkmale aufweisen. Wenn das Fahrzeug eine solche Pose einnimmt, so wird der Winkelschritt zwischen zwei benachbarten Ausrichtungen des Laserscans kleiner gewählt. Dadurch wird die Wahrscheinlichkeit, diejenige Ausrichtung des Laserscans, für welche die berechnete Korrelation den höchsten Wert aufweist, oder für welche die berechnete Abweichung den niedrigsten Wert aufweist, zu finden, erhöht.
Gemäß einer vorteilhaften Ausgestaltung der Erfindung ist eine Größe des Winkelschritts von einem Gradienten der zuvor berechneten Korrelation abhängig. Dadurch wird die Wahrscheinlichkeit, diejenige Ausrichtung des Laserscans, für welche die berechnete Korrelation den höchsten Wert aufweist, zu finden, erhöht. Alternativ ist eine Größe des Winkelschritts von einem Gradienten der zuvor berechneten Abweichung abhängig. Dadurch wird die Wahrscheinlichkeit, diejenige Ausrichtung des Laserscans, für welche die berechnete Abweichung den niedrigsten Wert aufweist, zu finden, erhöht.
Vorzugsweise wird dabei der Winkelschritt kleiner gewählt, wenn ein Betrag des Gradienten der Korrelation größer wird. Dadurch wird die Wahrscheinlichkeit, diejenige Ausrichtung des Laserscans, für welche die berechnete Korrelation den höchsten Wert aufweist, zu finden, erhöht. Alternativ wird der Winkelschritt kleiner gewählt, wenn ein Betrag des Gradienten der Abweichung größer wird. Dadurch wird die Wahrscheinlichkeit, diejenige Ausrichtung des Laserscans, für welche die berechnete Abweichung den niedrigsten Wert aufweist, zu finden, erhöht.
Gemäß einer vorteilhaften Weiterbildung der Erfindung umfasst die Karte eine Mehrzahl von Zellen. Zellen, die von einem Objekt belegt sind, sind dabei als belegt markiert, und Zellen, die frei von Objekten sind, sind als leer markiert. Für mehrere Ausrichtungen des Laserscans wird jeweils eine erste Teilkorrelation als Übereinstimmung von in dem Laserscan erfassten Gegenständen mit von Objekten belegten Zellen berechnet, und eine zweite Teilkorrelation wird jeweils als Übereinstimmung von in dem Laserscan erfassten leeren Bereichen mit leeren Zellen berechnet. Die Korrelation von den in dem Laserscan erfassten Gegenständen mit den in der Karte verzeichneten Objekten wird jeweils als Summe der ersten Teilkorrelation multipliziert mit einem ersten Gewichtungsfaktor und der zweiten Teilkorrelation multipliziert mit einem zweiten Gewichtungsfaktor berechnet.
Durch geeignete Wahl der Gewichtungsfaktoren ist es beispielsweise möglich, Objekte bei der Berechnung der Korrelation anders, insbesondere stärker, zu gewichten als leere Zellen. Dadurch ist bei der Berechnung der Korrelation die Wahrscheinlichkeit einer korrekten Bestimmung der Pose beeinflussbar. Beispielsweise ist der erste Gewichtungsfaktor größer ist als der zweite Gewichtungsfaktor, insbesondere zwischen zweimal und zehnmal so groß. Es ist aber auch denkbar, dass der erste Gewichtungsfaktor gleich dem zweiten Gewichtungsfaktor ist.
Gemäß einer bevorzugten Ausgestaltung der Erfindung wird einer belegten Zelle ein positiver Zellenwert zugewiesen, und einem erfassten Gegenstand wird ein positiver Erfassungswert zugewiesen, und einer leeren Zelle wird ein negativer Zellenwert zugewiesen, und einem erfassten leeren Bereich wird ein negativer Erfassungswert zugewiesen. Die erste Teilkorrelation wird als Summe der Produkte der Erfassungswerte der erfassten Gegenstände mit den Zellenwerten der zugeordneten belegten Zellen berechnet, und die zweite Teilkorrelation wird als Summe der Produkte der Erfassungswerte der erfassten leeren Bereiche mit den Zellenwerte der zugeordneten leeren Zellen berechnet. Dadurch wird die Wahrscheinlichkeit, diejenige Ausrichtung des Laserscans, für welche die berechnete Korrelation den höchsten Wert aufweist, zu finden, weiter erhöht.
Gemäß einer alternativen vorteilhaften Weiterbildung der Erfindung werden für mehrere Ausrichtungen des Laserscans jeweils mehrere Teilabweichungen als Unterschied zwischen den in dem Laserscan erfassten Gegenständen und jeweils einem in der Karte verzeichneten Objekt berechnet. Die Abweichung von den in dem Laserscan erfassten Gegenständen mit den in der Karte verzeichneten Objekten wird dann aus den Teilabweichungen berechnet. Die Teilabweichungen entsprechen jeweils den Abständen der erfassten Gegenstände zu den in der Karte verzeichneten Objekten.
Gemäß einer vorteilhaften Ausgestaltung der Erfindung wird jeweils die Abweichung von den in dem Laserscan erfassten Gegenständen mit den in der Karte verzeichneten Objekten als Summe der Beträge der zuvor berechneten Teilabweichungen berechnet.
Gemäß einer alternativen vorteilhaften Ausgestaltung der Erfindung wird jeweils die Abweichung von den in dem Laserscan erfassten Gegenständen mit den in der Karte verzeichneten Objekten als Summe der Quadrate der zuvor berechneten Teilabweichungen berechnet. Die Teilabweichungen entsprechen jeweils den Abständen der erfassten Gegenstände zu den in der Karte verzeichneten Objekten. Die Abweichung von den in dem Laserscan erfassten Gegenständen mit den in der Karte verzeichneten Objekten entspricht somit der Summe der Quadrate der besagten Abstände. Ein erfindungsgemäßes autonomes Fahrzeug umfasst mindestens einen Laserscanner zur Aufnahme von Laserscans zur Erfassung von Gegenständen, wobei das autonome Fahrzeug über eine Karte einer Umgebung verfügt. Dabei ist das autonome Fahrzeug mit einem der erfindungsgemäßen Verfahren betreibbar.
Die Erfindung ist nicht auf die Merkmalskombination der Ansprüche beschränkt. Für den Fachmann ergeben sich weitere sinnvolle Kombinationsmöglichkeiten von Ansprüchen und/oder einzelnen Anspruchsmerkmalen und/oder Merkmalen der Beschreibung und/oder der Figuren, insbesondere aus der Aufgabenstellung und/oder der sich durch Vergleich mit dem Stand der T echnik stellenden Aufgabe.
Die Erfindung wird nun anhand von Abbildungen näher erläutert. Die Erfindung ist nicht auf die in den Abbildungen dargestellten Ausführungsbeispiele beschränkt. Die Abbildungen stellen den Gegenstand der Erfindung nur schematisch dar. Es zeigen:
Figur 1 : eine schematische Darstellung einer Karte einer Umgebung,
Figur 2: eine graphische Darstellung einer berechneten Korrelation in Abhängigkeit von einer Ausrichtung eines Laserscans gemäß einem ersten Beispiel und
Figur 3: eine graphische Darstellung einer berechneten Korrelation in Abhängigkeit von einer Ausrichtung eines Laserscans gemäß einem zweiten Beispiel.
Figur 1 zeigt eine schematische Darstellung einer Karte einer Umgebung. Bei der Umgebung handelt es sich beispielsweise um eine technische Anlage, beispielsweise ein Produktionswerk, eine Industriehalle oder ein Logistikzentrum. Es ist beispielsweise auch denkbar, dass die Umgebung einen Teil eines Ortes oder eines Wohngebietes darstellt. Die Umgebung umfasst mehrere autonome Fahrzeuge 1. In der vorliegenden Darstellung ist lediglich ein solches autonomes Fahrzeug 1 gezeigt. Die autonomen Fahrzeuge 1 dienen insbesondere zum Transport von Material innerhalb der Umgebung.
Das autonome Fahrzeug 1 weist eine Antriebseinrichtung, einen elektrischen Energiespeicher zur Versorgung der Antriebseinrichtung sowie eine Steuereinheit zur Steuerung der Antriebseinrichtung auf. Ferner weist das autonome Fahrzeug 1 eine Kommunikationsvorrichtung zur drahtlosen Kommunikation mit anderen autonomen Fahrzeugen 1 sowie mit einem übergeordneten Server auf. Die Kommunikationsvorrichtung des autonomen Fahrzeugs 1 ist beispielsweise zur Datenübertragung mittels WLAN, Bluetooth oder Licht ausgebildet.
Das autonome Fahrzeug 1 weist zwei Laserscanner 2 auf. Die Laserscanner 2 dienen zur Aufnahme von Laserscans zur Erfassung von Gegenständen in der Umgebung. Bei der Erfassung eines Gegenstandes werden von den Laserscannern 2 eine Entfernung zu dem Gegenstand sowie eine Richtung, in welcher sich der Gegenstand befindet, erfasst. Die Laserscanner sind an gegenüberliegenden Ecken des autonomen Fahrzeugs 1 angebracht und erfassen jeweils Gegenstände in einem Winkelbereich von etwa 270°. Die Umgebung umfasst mehrere Gegenstände. Derartige Gegenstände sind beispielsweise Wände, Säulen sowie Produktionsmaschinen. Gegenstände verbleiben in der Regel an einem festen Ort in der Umgebung, werden also nicht bewegt. Jedem Gegenstand ist ein Objekt 4 zugeordnet. Die Objekte 4 sind in der Karte verzeichnet.
Die Karte umfasst eine Mehrzahl von Zellen. Zellen, die von einem Objekt 4 belegt sind, sind als belegt markiert. Zellen, die frei von Objekten 4 sind, sind als leer markiert. Vorliegend sind die Zellen der Karte quadratisch ausgebildet und zweidimensional unmittelbar nebeneinander in der Karte angeordnet. Vorliegend entspricht eine Seitenlänge einer Zelle einer Strecke von etwa 2 cm bis 10 cm in der Umgebung.
Das autonome Fahrzeug 1 weist eine Pose in der Umgebung auf. Die Pose des autonomen Fahrzeugs 1 beinhaltet dabei den Standort und die Orientierung des autonomen Fahrzeugs 1 in der Umgebung. Die Pose des autonomen Fahrzeugs 1 wird mit Hilfe von Laserscans, die von den Laserscannern 2 aufgenommen werden, bestimmt.
Das autonome Fahrzeug 1 bewegt sich entlang einer Trajektorie in der Umgebung. Während der Bewegung des autonomen Fahrzeugs 1 entlang der Trajektorie in der Umgebung wird von den Laserscannern 2 des autonomen Fahrzeugs 1 jeweils ein Laserscan von einem Teil der Umgebung aufgenommen. Ein solcher Laserscan erstreckt sich über einen Winkelbereich von etwa 270°.
Der aufgenommene Teil der Umgebung weist mindestens einen Gegenstand auf. Die in dem Teil der Umgebung befindlichen Gegenstände werden in dem Laserscan erfasst. Der Laserscan wird mit den in der Karte verzeichneten Objekten 4 verglichen.
Für mehrere Ausrichtungen A des Laserscans wird jeweils eine Korrelation K von den in dem Laserscan erfassten Gegenständen mit den in der Karte verzeichneten Objekten 4 berechnet. Eine Ausrichtung A des Laserscans entspricht dabei einem Winkel relativ zu einer definierten Bezugsachse. Die Bezugsachse ist beispielsweise eine Längsachse des autonomen Fahrzeugs 1. Die Ausrichtungen A erstrecken sich innerhalb des Winkelbereichs des Laserscans.
Die einzelnen Ausrichtungen A des Laserscans, für welche jeweils eine Korrelation K von den in dem Laserscan erfassten Gegenständen mit den in der Karte verzeichneten Objekten 4 berechnet wird, sind jeweils um einen Winkelschritt zueinander versetzt. Die Größe des besagten Winkelschritts ist dabei variabel. Ein verhältnismäßig großer Winkelschritt ermöglicht eine verhältnismäßig schnelle Berechnung der Korrelation K bei verhältnismäßig geringer erforderlicher Rechenleistung. Ein verhältnismäßig kleiner Winkelschritt ermöglicht eine verhältnismäßig exakte Berechnung der Korrelation K bei verhältnismäßig hoher erforderlicher Rechenleistung.
Die Karte umfasst eine Mehrzahl von Zellen. Zellen, die von einem Objekt 4 belegt sind, sind als belegt markiert. Zellen, die frei von Objekten 4 sind, sind als leer markiert.
Für mehrere Ausrichtungen A des Laserscans wird jeweils eine erste Teilkorrelation berechnet. Die erste Teilkorrelation wird dabei als Übereinstimmung von den in dem Laserscan erfassten Gegenständen mit den Zellen, die von Objekten 4 belegt sind, berechnet. Die erste Teilkorrelation wird mit einem ersten Gewichtungsfaktor zu einer gewichteten ersten Teilkorrelation multipliziert.
Für die Ausrichtungen A des Laserscans, für welche eine erste Teilkorrelation berechnet wird, wird auch jeweils eine zweite Teilkorrelation berechnet. Die zweite Teilkorrelation wird dabei als Übereinstimmung von in dem Laserscan erfassten leeren Bereichen mit leeren Zellen berechnet. Die zweite Teilkorrelation wird mit einem zweiten Gewichtungsfaktor zu einer gewichteten zweiten Teilkorrelation multipliziert.
Für die Ausrichtungen A des Laserscans, für welche eine erste Teilkorrelation und eine zweite Teilkorrelation berechnet wird, werden die erste gewichtete Teilkorrelation und die zweite gewichtete Teilkorrelation zu einer Korrelation K addiert. Die Korrelation K von den in dem Laserscan erfassten Gegenständen mit den in dem jeweiligen Teil der Karte verzeichneten Objekten 4 wird dabei als Summe der ersten gewichteten Teilkorrelation und der zweiten gewichteten Teilkorrelation berechnet.
Die Korrelation K von den in dem Laserscan erfassten Gegenständen mit den in der Karte verzeichneten Objekten 4 wird somit jeweils als Summe der ersten Teilkorrelation multipliziert mit dem ersten Gewichtungsfaktor und der zweiten Teilkorrelation multipliziert mit dem zweiten Gewichtungsfaktor berechnet.
Der erste Gewichtungsfaktor ist dabei in der Regel größer als der zweite Gewichtungsfaktor, insbesondere zwischen zweimal und zehnmal so groß. Bei der Berechnung der Korrelation K von den in dem Laserscan erfassten Gegenständen mit den in der Karte verzeichneten Objekten 4 wird dann die Übereinstimmung von den in dem Laserscan erfassten Gegenständen mit den Zellen, die von Objekten 4 belegt sind, stärker berücksichtigt als die Übereinstimmung von in dem Laserscan erfassten leeren Bereichen mit leeren Zellen.
Es ist auch denkbar, dass der erste Gewichtungsfaktor gleich dem zweiten Gewichtungsfaktor ist. Bei der Berechnung der Korrelation K von den in dem Laserscan erfassten Gegenständen mit den in der Karte verzeichneten Objekten 4 wird dann die Übereinstimmung von den in dem Laserscan erfassten Gegenständen mit den Zellen, die von Objekten 4 belegt sind, gleich stark berücksichtigt wie die Übereinstimmung von in dem Laserscan erfassten leeren Bereichen mit leeren Zellen.
Es ist auch denkbar, dass der erste Gewichtungsfaktor größer null ist, und der zweite Gewichtungsfaktor gleich null ist. Bei der Berechnung der Korrelation K von den in dem Laserscan erfassten Gegenständen mit den in der Karte verzeichneten Objekten 4 wird dann ausschließlich die Übereinstimmung von den in dem Laserscan erfassten Gegenständen mit den Zellen, die von Objekten 4 belegt sind, berücksichtigt, und die Übereinstimmung von den in dem Laserscan erfassten leeren Bereichen mit leeren Zellen wird nicht berücksichtigt.
Ferner ist auch denkbar, dass einer belegten Zelle ein positiver Zellenwert zugewiesen wird, und dass einem erfassten Gegenstand ein positiver Erfassungswert zugewiesen wird, und dass einer leeren Zelle ein negativer Zellenwert zugewiesen wird, und dass einem erfassten leeren Bereich ein negativer Erfassungswert zugewiesen wird.
Die erste Teilkorrelation wird dabei als Summe der Produkte der Erfassungswerte der erfassten Gegenstände mit den Zellenwerten der zugeordneten belegten Zellen berechnet, und die zweite Teilkorrelation wird als Summe der Produkte der Erfassungswerte der erfassten leeren Bereiche mit den Zellenwerte der zugeordneten leeren Zellen berechnet.
Eine Übereinstimmung eines erfassten Gegenstandes mit einer belegten Zelle liefert dabei einen positiven Beitrag zu der ersten Teilkorrelation. Eine Übereinstimmung eines erfassten Gegenstandes mit einer leeren Zelle liefert jedoch einen negativen Beitrag zu der ersten Teilkorrelation. Eine Übereinstimmung eines erfassten leeren Bereichs mit einer leeren Zelle liefert dabei einen positiven Beitrag zu der zweiten Teilkorrelation. Eine Übereinstimmung eines erfassten leeren Bereichs mit einer belegten Zelle liefert jedoch einen negativen Beitrag zu der zweiten Teilkorrelation.
Die besagte Korrelation wird, wie bereits erwähnt, für mehrere Ausrichtungen A des Laserscans berechnet, wobei die besagten Ausrichtungen A des Laserscans jeweils um einen Winkelschritt zueinander versetzt sind. Die Pose des autonomen Fahrzeugs 1 in der Karte wird anhand derjenigen Ausrichtung A des Laserscans bestimmt, für welche die berechnete Korrelation K der in dem Laserscan erfassten Gegenstände mit den in der Karte verzeichneten Objekten 4 den höchsten Wert aufweist.
Figur 2 zeigt eine graphische Darstellung einer berechneten Korrelation K in Abhängigkeit von einer Ausrichtung A eines Laserscans gemäß einem ersten Beispiel. Die Korrelation K wird, wie bereits erwähnt, für diskrete Ausrichtungen A des Laserscans berechnet. Die Korrelation K ist hier jedoch in einem kontinuierlichen Verlauf dargestellt.
Der Verlauf der Korrelation K in dem ersten Beispiel weist mehrere lokale Maxima auf, wobei eines der lokalen Maxima gleichzeitig ein globales Maximum darstellt. Die Pose des autonomen Fahrzeugs 1 in der Karte wird anhand derjenigen Ausrichtung A des Laserscans bestimmt, welcher das globale Maximum der Korrelation K zugeordnet ist.
Die Ausrichtungen A des Laserscans, für welche die Korrelation K berechnet wird, sind zunächst um einen konstanten, verhältnismäßig großen, Winkelschritt zueinander versetzt. Um die lokalen Maxima der Korrelation K herum wird ein Betrag des Gradienten der Korrelation K größer. Der Gradient der Korrelation K entspricht dabei einer Steigung oder einer Ableitung des Verlaufs der Korrelation K nach der Ausrichtung A des Laserscans und wird beispielweise mithilfe von Steigungsdreiecken berechnet.
Wenn erkannt wird, das der Betrag des Gradienten der Korrelation K größer wird, so wird der Winkelschritt zwischen zwei benachbarten Ausrichtungen A des Laserscans kleiner gewählt. Die Größe des Winkelschritts ist somit von dem Gradienten der zuvor berechneten Korrelation K abhängig. Figur 3 zeigt eine graphische Darstellung einer berechneten Korrelation K in Abhängigkeit von einer Ausrichtung A eines Laserscans gemäß einem zweiten Beispiel. Die Korrelation K wird, wie bereits erwähnt, für diskrete Ausrichtungen A des Laserscans berechnet. Die Korrelation K ist hier jedoch in einem kontinuierlichen Verlauf dargestellt.
Der Verlauf der Korrelation K in dem zweiten Beispiel weist mehrere lokale Maxima auf, wobei eines der lokalen Maxima gleichzeitig ein globales Maximum darstellt. Die Pose des autonomen Fahrzeugs 1 in der Karte wird anhand derjenigen Ausrichtung A des Laserscans bestimmt, welcher das globale Maximum der Korrelation K zugeordnet ist.
Im Vergleich zu dem in Figur 2 dargestellten ersten Beispiel liegen in dem hier dargestellten zweiten Beispiel mehrere lokale Maxima verhältnismäßig nahe nebeneinander, wobei eines der lokalen Maxima gleichzeitig das globales Maximum darstellt. Eine solche Situation tritt beispielsweise auf, wenn die von den Laserscannern 2 in den Laserscans erfassten Gegenständen keine deutlichen Merkmale, insbesondere keine scharfen Kanten, aufweisen.
In der Regel ist zuvor bekannt, in welchen Bereichen der Trajektorie in der Umgebung, entlang der sich das autonome Fahrzeug 1 bewegt, solche Situationen auftreten. Wenn sich das Fahrzeug in einem solchen Bereich aufhält, so wird der Winkelschritt zwischen zwei benachbarten Ausrichtungen A des Laserscans kleiner gewählt. Die Größe des Winkelschritts ist dabei für Bereiche entlang der Trajektorie in der Umgebung vorgegeben.
In der Regel ist zuvor auch bekannt, bei welchen Posen des autonomen Fahrzeugs 1 in der Karte solche Situationen auftreten. Wenn das Fahrzeug eine solche Pose einnimmt, so wird der Winkelschritt zwischen zwei benachbarten Ausrichtungen A des Laserscans kleiner gewählt.
Die Größe des Winkelschritts ist somit von einer zuvor bestimmten Pose des autonomen Fahrzeugs 1 in der Karte abhängig.
Ähnlich wie bei dem in Figur 2 dargestellten ersten Beispiel wird um die lokalen Maxima der Korrelation K herum ein Betrag des Gradienten der Korrelation K größer. Der Gradient der Korrelation K entspricht dabei einer Steigung oder einer Ableitung des Verlaufs der Korrelation K nach der Ausrichtung A des Laserscans und wird beispielweise mithilfe von Steigungsdreiecken berechnet. Wenn erkannt wird, das der Betrag des Gradienten der Korrelation K größer wird, so wird der Winkelschritt zwischen zwei benachbarten Ausrichtungen A des Laserscans kleiner gewählt. Die Größe des Winkelschritts ist somit von dem Gradienten der zuvor berechneten Korrelation K abhängig.
Bezugszeichenliste
1 autonomes Fahrzeug 2 Laserscanner
4 Objekt
A Ausrichtung
K Korrelation

Claims

Patentansprüche:
1. Verfahren zum Betrieb eines autonomen Fahrzeugs (1) in einer Umgebung, wobei das autonome Fahrzeug (1) mindestens einen Laserscanner (2) zur Aufnahme von Laserscans zur Erfassung von Gegenständen aufweist, und wobei das autonome Fahrzeug (1) über eine Karte der Umgebung verfügt, und wobei die Umgebung mindestens einen Gegenstand umfasst, dem ein Objekt (4) zugeordnet ist, welches in der Karte verzeichnet ist, dadurch gekennzeichnet, dass während einer Bewegung des autonomen Fahrzeugs (1) entlang einer Trajektorie in der Umgebung von dem mindestens einen Laserscanner (2) des autonomen Fahrzeugs (1) ein Laserscan von einem Teil der Umgebung, welcher mindestens einen Gegenstand aufweist, aufgenommen wird; der Laserscan mit mindestens einem in der Karte verzeichneten Objekt (4) verglichen wird, indem für mehrere Ausrichtungen (A) des Laserscans jeweils eine Korrelation (K) von in dem Laserscan erfassten Gegenständen mit in der Karte verzeichneten Objekten (4) berechnet wird; eine Pose des autonomen Fahrzeugs (1) in der Karte anhand derjenigen Ausrichtung (A) des Laserscans bestimmt wird, für welche die berechnete Korrelation (K) der in dem Laserscan erfassten Gegenstände mit den in der Karte verzeichneten Objekten (4) den höchsten Wert aufweist.
2. Verfahren zum Betrieb eines autonomen Fahrzeugs (1) in einer Umgebung, wobei das autonome Fahrzeug (1) mindestens einen Laserscanner (2) zur Aufnahme von Laserscans zur Erfassung von Gegenständen aufweist, und wobei das autonome Fahrzeug (1) über eine Karte der Umgebung verfügt, und wobei die Umgebung mindestens einen Gegenstand umfasst, dem ein Objekt (4) zugeordnet ist, welches in der Karte verzeichnet ist, dadurch gekennzeichnet, dass während einer Bewegung des autonomen Fahrzeugs (1) entlang einer Trajektorie in der Umgebung von dem mindestens einen Laserscanner (2) des autonomen Fahrzeugs (1) ein Laserscan von einem Teil der Umgebung, welcher mindestens einen Gegenstand aufweist, aufgenommen wird; der Laserscan mit mindestens einem in der Karte verzeichneten Objekt (4) verglichen wird, indem für mehrere Ausrichtungen (A) des Laserscans jeweils eine Abweichung von in dem Laserscan erfassten Gegenständen mit in der Karte verzeichneten Objekten (4) berechnet wird; eine Pose des autonomen Fahrzeugs (1) in der Karte anhand derjenigen Abweichung des Laserscans bestimmt wird, für welche die berechnete Abweichung der in dem Laserscan erfassten Gegenstände mit den in der Karte verzeichneten Objekten (4) den niedrigsten Wert aufweist.
3. Verfahren nach einem der Ansprüche 1 oder 2, dadurch gekennzeichnet, dass die Ausrichtungen (A) des Laserscans, für welche jeweils eine Korrelation (K) oder eine Abweichung von in dem Laserscan erfassten
Gegenständen mit in der Karte verzeichneten Objekten (4) berechnet wird, jeweils um einen Winkelschritt zueinander versetzt sind.
4. Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass eine Größe des Winkelschritts für Bereiche entlang der Trajektorie in der Umgebung vorgegeben ist.
5. Verfahren nach einem der Ansprüche 3 bis 4, dadurch gekennzeichnet, dass eine Größe des Winkelschritts von einer zuvor bestimmten Pose des autonomen Fahrzeugs (1) in der Karte abhängig ist.
6. Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass eine Größe des Winkelschritts von einem Gradienten der zuvor berechneten Korrelation (K) oder von einem Gradienten der zuvor berechneten Abweichung abhängig ist.
7. Verfahren nach Anspruch 6, dadurch gekennzeichnet, dass der Winkelschritt kleiner gewählt wird, wenn ein Betrag des Gradienten der Korrelation (K) größer wird, oder wenn ein Betrag des Gradienten der Abweichung größer wird.
8. Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass die Karte eine Mehrzahl von Zellen umfasst, und dass
Zellen, die von einem Objekt (4) belegt sind, als belegt markiert sind, und dass
Zellen, die frei von Objekten (4) sind, als leer markiert sind, und dass für mehrere Ausrichtungen (A) des Laserscans jeweils eine erste Teilkorrelation als Übereinstimmung von in dem Laserscan erfassten Gegenständen mit von Objekten (4) belegten Zellen berechnet wird; und dass jeweils eine zweite Teilkorrelation als Übereinstimmung von in dem Laserscan erfassten leeren Bereichen mit leeren Zellen berechnet wird; und dass jeweils die Korrelation (K) von den in dem Laserscan erfassten Gegenständen mit den in der Karte verzeichneten Objekten (4) als Summe der ersten Teilkorrelation multipliziert mit einem ersten Gewichtungsfaktor und der zweiten Teilkorrelation multipliziert mit einem zweiten Gewichtungsfaktor berechnet wird.
9. Verfahren nach Anspruch 8, dadurch gekennzeichnet, dass der erste Gewichtungsfaktor größer ist als der zweite Gewichtungsfaktor, insbesondere zwischen zweimal und zehnmal so groß.
10. Verfahren nach einem der Ansprüche 8 bis 9, dadurch gekennzeichnet, dass einer belegten Zelle ein positiver Zellenwert zugewiesen wird, und dass einem erfassten Gegenstand ein positiver Erfassungswert zugewiesen wird, und dass einer leeren Zelle ein negativer Zellenwert zugewiesen wird, und dass einem erfassten leeren Bereich ein negativer Erfassungswert zugewiesen wird, und dass die erste Teilkorrelation als Summe der Produkte der Erfassungswerte der erfassten Gegenstände mit den Zellenwerten der zugeordneten belegten Zellen berechnet wird; und dass die zweite Teilkorrelation als Summe der Produkte der Erfassungswerte der erfassten leeren Bereiche mit den Zellenwerte der zugeordneten leeren Zellen berechnet wird.
11. Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass für mehrere Ausrichtungen (A) des Laserscans jeweils mehrere Teilabweichungen als Unterschied zwischen den in dem Laserscan erfassten Gegenständen und jeweils einem in der Karte verzeichneten Objekt (4) berechnet werden; und dass jeweils die Abweichung von den in dem Laserscan erfassten Gegenständen mit den in der Karte verzeichneten Objekten (4) aus den Teilabweichungen berechnet wird.
12. Verfahren nach Anspruch 11 , dadurch gekennzeichnet, dass jeweils die Abweichung von den in dem Laserscan erfassten Gegenständen mit den in der Karte verzeichneten Objekten (4) als Summe der Beträge der Teilabweichungen berechnet wird.
13. Verfahren nach Anspruch 11 , dadurch gekennzeichnet, dass jeweils die Abweichung von den in dem Laserscan erfassten Gegenständen mit den in der Karte verzeichneten Objekten (4) als Summe der Quadrate der Teilabweichungen berechnet wird.
14. Autonomes Fahrzeug (1), umfassend mindestens einen Laserscanner (2) zur Aufnahme von Laserscans zur Erfassung von Gegenständen, wobei das autonome Fahrzeug (1) über eine Karte einer Umgebung verfügt, und wobei das autonome Fahrzeug (1) mit einem der Verfahren nach einem der vorangegangenen Ansprüche in der Umgebung betreibbar ist.
PCT/EP2024/068942 2023-07-17 2024-07-04 Verfahren zum betrieb eines autonomen fahrzeugs in einer umgebung und autonomes fahrzeug Pending WO2025016743A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102023118873 2023-07-17
DE102023118873.9 2023-07-17

Publications (1)

Publication Number Publication Date
WO2025016743A1 true WO2025016743A1 (de) 2025-01-23

Family

ID=91856181

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2024/068942 Pending WO2025016743A1 (de) 2023-07-17 2024-07-04 Verfahren zum betrieb eines autonomen fahrzeugs in einer umgebung und autonomes fahrzeug

Country Status (2)

Country Link
DE (1) DE102024119064A1 (de)
WO (1) WO2025016743A1 (de)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102018009114A1 (de) * 2017-12-21 2019-06-27 Sew-Eurodrive Gmbh & Co Kg Verfahren zur Bestimmung der Position eines auf einer Verfahrfläche bewegbaren Mobilteils und Anlage mit Mobilteil zur Durchführung des Verfahrens
DE102019110528A1 (de) * 2018-04-26 2019-10-31 Ford Global Technologies, Llc Technik zur positionsbestimmung
DE102021000349A1 (de) 2020-02-06 2021-08-12 Sew-Eurodrive Gmbh & Co Kg Verfahren zum Betreiben einer technischen Anlage

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102018009114A1 (de) * 2017-12-21 2019-06-27 Sew-Eurodrive Gmbh & Co Kg Verfahren zur Bestimmung der Position eines auf einer Verfahrfläche bewegbaren Mobilteils und Anlage mit Mobilteil zur Durchführung des Verfahrens
DE102019110528A1 (de) * 2018-04-26 2019-10-31 Ford Global Technologies, Llc Technik zur positionsbestimmung
DE102021000349A1 (de) 2020-02-06 2021-08-12 Sew-Eurodrive Gmbh & Co Kg Verfahren zum Betreiben einer technischen Anlage

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
KONECNY, J. ET AL., SCAN MATCHING BY CROSS-CORRELATION AND DIFFERENTIAL EVOLUTION, ELECTRONICS, vol. 8, no. 8, 1 August 2019 (2019-08-01), pages 856
THRUN SEBASTIAN: "Learning metric-topological maps for indoor mobile robot navigation", ARTIFICIAL INTELLIGENCE., vol. 99, no. 1, 1 February 1998 (1998-02-01), NL, pages 21 - 71, XP055919989, ISSN: 0004-3702, DOI: 10.1016/S0004-3702(97)00078-7 *

Also Published As

Publication number Publication date
DE102024119064A1 (de) 2025-01-23

Similar Documents

Publication Publication Date Title
DE102008027646A1 (de) System zur automatischen Steuerung der Einlagerung und/oder Kommissionierung in automatisierten Kleinteilelagern mittels Kameras
WO2005033734A1 (de) Transponderunterstütztes positioniersystem
DE102022110917A1 (de) Anomaliendetektion für tiefe neuronale netze
DE102023002384A1 (de) Verfahren zum Betreiben einer technischen Anlage und technische Anlage
WO2021197785A1 (de) Mobiles system und verfahren zum betreiben eines mobilen systems
DE102023001709B3 (de) Verfahren zum Betrieb einer technischen Anlage
WO2025016743A1 (de) Verfahren zum betrieb eines autonomen fahrzeugs in einer umgebung und autonomes fahrzeug
DE102020206356A1 (de) Verfahren zum Ermitteln einer Ausgangspose eines Fahrzeugs
WO2023151856A1 (de) Überwachungsvorrichtung für einen lagerbereich, intralogistikanordnung mit der überwachungsvorrichtung sowie überwachungsverfahren
DE19632058C1 (de) Optoelektronisch erfaßbares Identifizierungs- oder Zielelement sowie Verfahren zu seiner Erfassung
EP4562484B1 (de) Verfahren zum betrieb einer technischen anlage und technische anlage
EP4357041A1 (de) Vorrichtung und verfahren zum automatisierten biegen von werkstücken
DE102024129074A1 (de) Verfahren zum Betreiben einer technischen Anlage und technische Anlage
WO2024240437A1 (de) Verfahren zum betrieb einer technischen anlage und technische anlage
DE102024129075A1 (de) Verfahren zum Betreiben einer technischen Anlage und technische Anlage
DE102024122373A1 (de) Verfahren zum Betrieb einer technischen Anlage und technische Anlage
DE102019132151A1 (de) Verfahren zum Kalibrieren eines Umfeldsensors eines Fahrzeugs anhand von Daten eines Referenz-Umfeldsensors unter Berücksichtigung von Belegungskarten, Recheneinrichtung sowie Sensorsystem
DE102023003260A1 (de) Verfahren zur Detektion eines Objekts durch ein mobiles System
DE102024103428B3 (de) Verfahren zum Betreiben einer technischen Anlage und technische Anlage
DE102024122135A1 (de) Verfahren zum Betrieb einer technischen Anlage
DE102025105970A1 (de) Verfahren zum Betrieb eines autonomen Fahrzeugs und autonomes Fahrzeug
DE102024135641A1 (de) Verfahren zum Betrieb einer technischen Anlage und technische Anlage
EP4578815A1 (de) Vorrichtung, verfahren und system zum betreiben eines flurförderzeugs in einem warenlager
DE102024116933A1 (de) Vorrichtung, Verfahren und System zum Betreiben eines Flurförderzeugs in einem Warenlager
DE102022114178A1 (de) Kalibrierung eines Umfeldsensorsystems einer Infrastrukturvorrichtung

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: 24740123

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2024740123

Country of ref document: EP