CN110936953A - 提供周围环境图像的方法和设备与具有这种设备的机动车 - Google Patents

Abstract

提供周围环境图像的方法和设备与具有这种设备的机动车。本发明涉及提供移动装置的周围环境的周围环境图像的方法，其包括如下步骤：借助于输入装置来接收和/或检测周围环境数据，其中周围环境数据描绘周围环境而且包括关于周围环境中的静态对象和/或动态对象的信息；借助于估计装置针对当前的和至少一个将来的时间点实施如下步骤：(a)基于周围环境数据，估计静态对象和/或动态对象中的至少一个的状态概率分布，(b)基于至少一个静态对象和/或动态对象的状态概率分布来创建潜在风险区域地图，这在考虑至少一个补充潜在风险下进行；将潜在风险区域地图组合成潜在风险区域地图序列；而且输出潜在风险区域地图序列。本发明还涉及所属的设备和机动车。

Description

提供周围环境图像的方法和设备与具有这种设备的机动车

技术领域

本发明涉及一种用于提供移动装置的周围环境的周围环境图像的方法和设备。本发明还涉及一种包括这种设备的机动车。

背景技术

现代机动车具有多个辅助***，这些辅助***在驾驶方面对驾驶员进行辅助。例如，这种辅助***可以是驻车辅助、车道保持辅助或者巡航定速。还公知如下辅助***，这些辅助***可以半自动化地或者自动化地驾驶车辆，也就是说不仅部分地或完全承担机动车的纵向调节而且部分地或完全承担机动车的横向调节。

从DE 10 2008 036 009 A1公知一种用于机动车的碰撞保护的方法和一种停车场辅助。尤其描述了一种用于保护车辆以防在停车和调车区的碰撞的方法，其中该车辆具有周围环境传感装置，用于探测车辆周围的对象。该方法包括如下步骤：检测机动车的周围环境传感装置的传感器信息；根据周围环境传感装置的传感器信息来创建周围环境地图；确定车辆自身运动；而且基于周围环境地图在考虑车辆自身运动的情况下确定车辆与处在车辆的周围环境中的周围环境对象的碰撞概率。

从DE 10 2013 202 463 A1公知一种用于确定易受伤的交通成员的运动模型的方法。在这种情况下，确定易受伤的交通成员是否处在车辆的周围环境中。如果确定了易受伤的交通成员处在车辆的周围环境中，则确定该易受伤的交通成员的位置。还确定运动影响特征参量，这些运动影响特征参量代表可能对所探测到的易受伤的交通成员有影响的预先给定的情况和/或预先给定的设备和/或预先给定的重要点。根据所确定的运动影响特征参量和易受伤的交通成员的所确定的位置，确定易受伤的交通成员的运动模型，借助于该运动模型能确定易受伤的交通成员的预测位置。

从DE 10 2011 078 615 A1公知一种对象检测设备。在该对象检测设备中，获得本车周围的情景的所拍摄的图像、说明了本车的行驶状态的信息和说明了本车周围的周围环境情况的信息；基于所获得的信息来估计其中分别极有可能存在对象的风险区域和这些风险区域的区域风险程度；基于在这些风险区域中的每个风险区域与被认为存在于该风险区域内的对象的姿态之间的关系来估计相对应的姿态的姿态风险程度；按照总体风险程度的降序，在所拍摄的图像中从搜索区域提取出窗口图像，该窗口图像对应于这些风险区域中的每个风险区域；而且通过将标识模型与窗口图像进行比较来标识该窗口图像是否是示出了该对象的图像。

从DE 10 2015 206 335 A1公知一种用于向交通成员和/或机动车的驾驶员报警的方法，该方法具有如下步骤：借助于机动车在行车道上行驶；借助于至少一个布置在机动车中或布置在机动车上的传感器来监控第一区域，该第一区域处在行车道旁边而且该第一区域被设置为没有机动车在其上行驶；检测在第一区域内的危险地带；确定该危险地带是否可能会促使在第一区域的交通成员移动到行车道上，在第一区域的交通成员可能会由于该危险地带而摔倒；和/或该危险地带显著损害了在第一区域的交通成员的舒适性；而且确定该危险地带的位置和类型。

从DE 10 2016 212 700 A1公知一种用于控制车辆的方法，该方法具有如下步骤：如果车辆接近预先给定的位置，则向车辆的控制单元提供位置相关的模型，该位置相关的模型描绘了易受伤的交通成员在预先给定的位置处的典型行为；确定易受伤的交通成员当前所处的背景，其中该背景由关于易受伤的交通成员方面的周围环境检测的测量值形成；在使用所确定的背景的情况下利用位置相关的模型来确定对易受伤的交通成员的行为的预测；而且通过车辆的控制单元来确定对所确定的预测的反应。从该出版文献还公知一种用于执行该方法的相对应的***和一种相对应地装备的车辆。

从DE 10 2008 062 916 A1公知一种用于确定车辆与生物的碰撞概率的方法，其中利用行为模型来对生物的时空行为进行建模而利用运动模型来对车辆的时空行为进行建模而且以车辆和生物的当前位置开始分别确定至少一个轨迹。在这种情况下，从生物和车辆的当前位置出发，一直计算车辆和生物的轨迹作为轨迹对，直至或者该轨迹对表明有碰撞或者表明没有碰撞，接着确定表明有碰撞的轨迹对的数目，而且据此将碰撞概率计算为表明有碰撞的轨迹对的数目与所计算出的轨迹对的总数目之商。

为了可以提供开头提到的类型的辅助功能，机动车需要周围环境的尽可能好的图像。紧接着，基于这种周围环境图像，计划装置可以计划将来的轨迹，该将来的轨迹可以由机动车部分自动化地或自动化地行驶。

发明内容

本发明的任务是提出一种用于提供移动装置的周围环境的周围环境图像的方法和设备，其中该周围环境图像可以经改善地被提供。

按照本发明，该任务通过一种具有专利权利要求1的特征的方法和一种具有专利权利要求9的特征的设备来解决。本发明的有利的设计方案从从属权利要求中得到。

尤其提供了一种用于提供移动装置的周围环境的周围环境图像的方法，该方法包括如下步骤：借助于输入装置来接收和/或检测周围环境数据，其中所述周围环境数据描绘周围环境而且包括关于周围环境中的静态对象和/或动态对象的信息；借助于估计装置针对当前的时间点以及针对至少一个将来的时间点实施如下步骤：

(a) 基于所接收到的和/或所检测到的周围环境数据，估计所述静态对象和/或动态对象中的至少一个对象的状态概率分布，

(b) 基于至少一个静态对象和/或动态对象的所估计的状态概率分布来创建周围环境的潜在风险区域地图，其中这在考虑至少一个补充潜在风险的情况下进行；

将周围环境的针对当前的时间点以及至少一个将来的时间点的潜在风险区域地图组合成潜在风险区域地图序列；而且借助于输出装置来输出该潜在风险区域地图序列，作为周围环境图像。

还提出了一种用于提供移动装置的周围环境的周围环境图像的设备，该设备包括：输入装置，其中该输入装置被构造为接收和/或检测周围环境数据，其中所述周围环境数据描绘周围环境而且包括关于周围环境中的静态对象和/或动态对象的信息；估计装置，其中该估计装置被构造为针对当前的时间点以及针对至少一个将来的时间点实施如下步骤：

(a) 基于所接收到的和/或所检测到的周围环境数据，估计所述静态对象和/或动态对象中的至少一个对象的状态概率分布，

(b) 基于至少一个静态对象和/或动态对象的所估计的状态概率分布来创建周围环境的潜在风险区域地图，其中这在考虑至少一个补充潜在风险的情况下进行。

该估计装置还被构造为：将周围环境的针对当前的时间点以及至少一个将来的时间点的潜在风险区域地图组合成潜在风险区域地图序列。该设备还包括输出装置，其中该输出装置被构造为输出潜在风险区域地图序列作为周围环境图像。

还提供了一种机动车，该机动车包括按照本发明的设备。

本发明的基本思想是：提供移动装置的周围环境的经改善的周围环境图像，其方式是借助于估计装置，基于该移动装置的周围环境的借助于输入装置来接收和/或检测的周围环境数据来创建不仅针对当前的时间点而且针对至少一个将来的时间点的潜在风险区域地图。潜在风险区域地图经位置分辨地说明了在移动装置的周围环境中遇到对象的风险。在这种情况下，在考虑至少一个补充潜在风险的情况下创建潜在风险区域地图。补充潜在风险对静态和/或动态对象的之前所估计的状态概率分布进行加权或者针对一个区域将潜在风险规定为常数。经此，关于周围环境的额外信息可以一并影响潜在风险区域地图，这些额外信息可能关于在那里存在的潜在风险方面影响在潜在风险区域地图中的各个区域。这样，借助于至少一个补充潜在风险，例如可以将潜在风险地图中的一个区域标记为无风险，因为在该区域不可能存在动态对象。在其它情况下，如果在潜在风险区域地图中的区域特别频繁地被动态对象经过，则该区域的潜在风险可能被提高，而且在那里遇到动态对象的概率因此提高。接着，针对当前的时间点以及至少一个将来的时间点的潜在风险区域地图由估计装置组合成潜在风险区域地图序列，也就是说潜在风险区域地图作为集束而存在。接着，经组合的潜在风险区域地图序列由输出装置来输出。

本发明的优点在于：可以提供经改善的周围环境图像，其中借助于补充潜在风险可以在创建周围环境图像时考虑关于周围环境的其它信息。

该移动装置尤其可以是机动车。然而，该移动装置也可以是工业机器人，例如运输机器人、割草机或其它陆地车辆、船舶或飞机。

所接收到的或所检测到的周围环境数据例如可以是传感器数据。在这种情况下，考虑所有已知的传感器，例如雷达、超声、LIDAR、摄像机、立体摄像机等等，以便提供周围环境数据。此外，周围环境数据也可来自其它移动装置，例如来自其它机动车或交通控制技术。所接收到的和/或所检测到的周围环境数据可包括关于在检测时使用的传感器的信息，例如传感器类型、传感器分辨率或传感器品质等等。

所接收到的和/或所检测到的周围环境数据尤其至少包括在移动装置的周围环境中的静态对象和/或动态对象的位置信息。静态对象尤其是不能移动的对象，例如建筑物或者固定地安装的交通基础设施。然而，静态对象也可以是停下的机动车。动态对象尤其是在道路上的车辆、诸如机动车或者自行车，在人行道上或者在道路的行车道上、例如在斑马线上的行人。

所接收到的和/或所检测到的周围环境数据可包括其它信息，例如方向信息、速度信息、加速度信息、关于静态对象和/或动态对象的类别的类别信息。此外，所接收到的和/或所检测到的周围环境数据也可包括关于静态对象和/或动态对象的状态的其它信息，例如在交通信号灯的情况下是切换状态（红灯、黄灯、绿灯）或者在机动车的情况下是制动信号灯和/或闪光信号灯的状态。为此可以规定：执行对存在于移动装置的周围环境中的静态对象和/或动态对象的图案识别和/或分类，而且提供结果作为周围环境数据。所接收到的和/或所检测到的周围环境数据也可包括关于周围环境的周围环境状态的信息，例如天气信息（下雨、多云、下雪、晴天等等）或者交通状态（堵车等等）。

尤其可以规定：周围环境数据由传感器数据合并而且对于存在于周围环境中的对象来说已经包括这些对象的位置、这些对象的速度和方向以及这些对象的类别（例如建筑物、灯光信号装置、机动车、自行车、行人）等等。

估计装置基于所接收到的和/或所检测到的周围环境数据来估计所述静态对象和/或动态对象中的至少一个对象的状态概率分布。这例如通过针对静态对象和/或动态对象的位置假定高斯正态分布来实现，其中位置信息形成预期值而标准差例如根据在检测周围环境数据时所使用的传感器的传感器品质来推导出。此外，也可以考虑对象的特性、例如大小。

至少一个静态和/或动态对象的状态概率分布尤其包括占位信息、也就是说关于是否能在相对应的位置遇到该对象的信息，例如以存在概率分布的形式。此外，至少一个静态和/或动态对象的状态概率分布尤其也可包括被分配给相应的对象及其位置的风险信息、也就是说关于对于移动装置来说有怎样的风险来自相应的对象的信息，例如以风险概率分布的形式。

对于至少一个将来的时间点来说，不再准确地知道动态对象的位置，使得位置的不确定性相对应地增加。这在进行估计时被考虑，例如其方式是相对应地针对至少一个将来的时间点的预期值例如基于对象的速度来估计而标准差与被提高的不确定性相对应地被提高。对于其它将来的时间点来说，不确定性进一步提高，这在进行估计时相对应地被考虑。

优选地，所有在周围环境数据中被描绘的静态对象和/或动态对象的状态概率分布都被估计，使得所有处在周围环境中的对象都可以在潜在风险区域地图和潜在风险区域地图序列中被考虑。

潜在风险区域地图是周围环境的地图，在该地图中，在该地图的每个位置上都寄存有风险值，该风险值说明了在那里有多大概率遇到其它、尤其是动态的对象。如果风险值例如可以取在0与1之间的范围内的值，则在潜在风险区域地图中的一个位置上的值0意味着在那里不会遇到对象。而值1意味着在那里会遇到对象。这种潜在风险区域地图例如可包括50 m x 50 m、20 m x 20 m的区域或者也可以只包括10 m x 10 m的区域。潜在风险区域地图尤其是栅格化地来构造，也就是说该潜在风险区域地图由各个栅格形布置的栅格元素或单元组成，这些栅格元素或单元分别分配有风险值。

例如可以考虑周围环境的特性，作为补充潜在风险。这例如可以是关于周围环境的情况的信息，如道路指南、交通规则等等。这样，例如可以给斑马线分配这种补充潜在风险，因为动态对象、在这种情况下是行人停留在斑马线上的概率相对于行人停留在行车道上的概率升高。补充潜在风险也可以基于地图、例如增加了额外信息的道路地图来提供。以这种方式，可以确定周围环境中的斑马线的位置，紧接着给这些位置分配相对应的补充潜在风险。

补充潜在风险可以作为状态概率分布的加权因子来考虑或者作为在创建潜在风险区域地图时的固定的常数来考虑。这样可以规定：所估计的状态概率分布借助于补充潜在风险来加权。在其它情况下可以规定：给潜在风险区域地图中的确定的位置或区域分配恒定的风险值或潜在风险，与对象的状态概率分布无关。这样，例如可以给其上没有行人的斑马线总计分配为0.5的恒定的风险值。而如果行人的状态概率分布与斑马线的区域重叠，则给该斑马线的区域分配为1的恒定的风险值。

在用于加权的补充潜在风险的情况下，例如可以规定用来对对象的状态概率分布进行加权的因子：

- 在行车道上的行人 因子0.5

- 在人行道上的行人 因子1

- 在行车道上的机动车 因子1

- 在人行道上的机动车 因子0（=停下的机动车）。

可以规定：针对补充潜在风险的各个常数或加权因子被寄存在数据库中，这些常数或加权因子在需要时从该数据库中询问。这尤其可以根据道路地图和/或在周围环境数据中静态或动态对象所分配的或者在周围环境数据中给静态或动态对象分配的类别来实现。也可以寄存针对不同的情况的补充潜在风险。例如，在其它方面条件相同的情况下，补充潜在风险可以根据天气不一样地来选择。

通过补充潜在风险，尤其可以考虑某些由人类在驾驶移动装置、尤其是机动车时观察到的自然行为。这样，例如可以给周围环境中的某些区域或某些对象配备补充潜在风险。如果周围环境例如是作为移动装置的机动车在其中行进的速度30区（Tempo-30-Zone），而且在该机动车右边有横向停下的其它机动车，则该机动车的驾驶员将比仅仅停在路边的停车位上的较小的其它机动车更大范围地绕开大的停下的其它机动车、例如大的运输车（该大的停下的其它机动车的后面部分占道宽）行驶，因为该驾驶员不能那么好地看到运输车后面的区域并且因而将风险估计得更高。相对应地，在这种情况下可以选择该人类行为转化的补充潜在风险，也就是说，运输车所属的区域与较小的其它机动车所处的区域相比以更高的因子被加权。此外，该因子也可以随着距对象的距离而发生变化，尤其是该因子可以随着更大的距离而升高。遮挡住其后面的区域的对象、例如停下的车辆离得越远，那么将风险估计得越高。经此，可以考虑随着距离升高而提高的不确定性。

通过补充潜在风险，尤其可以经改善地考虑视觉阴影、也就是说看不见的区域。这种视觉阴影例如可能由停下的车辆、建筑物或其它对象等等引起。

至少一个补充潜在风险尤其借助于估计装置从所接收到的和/或所检测到的周围环境数据中推导出和/或基于所接收到的和/或所检测到的周围环境数据从数据库中询问。

所输出的潜在风险区域地图序列尤其被输送给移动装置的计划装置，该计划装置基于该潜在风险区域地图序列来执行轨迹计划、也就是说计划移动装置的将来的行为或将来的运动。简单来说，接着该计划装置计划移动装置的轨迹，使得风险值高或潜在风险高的区域尽可能被避免而且该轨迹处在风险值低或潜在风险低的区域内。

优选地，该方法在其它将来的时间点重复，使得总是可以提供被更新的潜在风险区域地图序列，在该被更新的潜在风险区域地图序列中，在移动装置的周围环境中的动态对象的被估计的将来的行为不断被更新。

在一个实施方式中规定：在估计状态概率分布时，考虑至少一个静态对象和/或动态对象的自由度。如果动态对象例如是其它在十字路口处等待的机动车，则该机动车可能朝三个可能的方向重新离开该十字路口（直行、右转弯、左转弯）。这可以在估计将来的时间点的状态概率时被考虑。这样，将来的时间点的状态概率分布可以根据这三个可能的方向来构造。如果在其它情况下例如在这种十字路口处禁止该其它机动车的左转弯，则这可以直接在状态概率分布中被考虑或者以补充潜在风险的形式被考虑。接着，在潜在风险地图中的风险值相对应地对于该其它机动车的左转弯来说降低，也就是说在将来的时间点在有关区域内遇到该其它机动车的概率降低。在该设备中，该估计装置相对应地被构造为：在估计状态概率分布时考虑自由度。

在另一实施方式中规定：根据所接收到的和/或所检测到的周围环境数据来确定至少一个在周围环境数据中描绘的静态对象和/或动态对象的意图信息，其中附加地基于分别被确定的意图信息来估计该至少一个静态对象和/或动态对象的状态概率分布。经此，可以明显改善对尤其是至少一个将来的时间点的状态概率分布的估计。如果所考虑的动态对象例如是在十字路口处等待的其它机动车，其左边的闪光信号灯活跃，则该车辆在将来的时间点相对应地处在该十字路口的位于该车辆左边的部分的概率可以被提高。不同于此，该其它机动车处在该十字路口的位于该其它机动车右边的部分或处在该十字路口的在该其它机动车前方的路段的概率可以被降低。这在估计该其它机动车的状态概率分布时相对应地被考虑。意图信息例如也可包括关于行人的运动方向和/或视线方向或姿势的信息。在其它机动车方面，除了活跃的闪光信号灯之外，也考虑其它机动车的制动信号灯的状态或者其它机动车的驾驶员的视线方向或姿势，作为意图信息。为此，在该设备中可以设置意图识别装置，该意图识别装置被构造为实施该方法步骤。

在另一实施方式中规定：潜在风险区域地图序列作为由单个图像组成的电影序列来输出。换言之，那么包含在潜在风险区域地图序列中的潜在风险区域地图中的每个潜在风险区域地图都可以被理解为位图（Bitmap）图形，在该位图图形中，单个像素对应于在周围环境中的与该像素对应的位置的风险值。这些值例如可以被编码为灰度值而且在0与255之间。

在替选于之前提到的实施方式的一个实施方式中规定：潜在风险区域地图序列作为分别被分配给各个栅格元素的与时间相关的函数的集合来输出。这种函数例如可以是多项式或样条函数。经此，以简单的方式就可能生成针对在潜在风险区域地图中的风险值的与时间相关的中间值。

在另一实施方式中规定：在估计状态概率分布时考虑道路图。这种道路图表示道路的集合和存在于这些道路之间的连接。基于该道路图，例如可以经改善地估计其它机动车的将来的运动方向，因为根据该道路图可以推导出该其它机动车可以或允许朝哪些方向运动。因而，对状态概率分布的估计经改善地可能。为此，在该设备中，该估计装置相对应地来构造。

在另一实施方式中规定：在周围环境数据中标识被静态对象和/或动态对象遮挡的区域并且给这些被标识的区域分别分配至少一个补充潜在风险。在这种情况下，被遮挡的区域应该是由于其位置而不能被已经检测或提供了周围环境数据的传感器检测到的区域。因为在这些被遮挡的区域内不可能得出关于静态对象和/或动态对象是否存在的结论，所以给这些区域分配补充潜在风险，以便在潜在风险区域地图中仍然考虑这些区域。这样，如果在潜在风险区域地图中的风险值在0与1之间的范围内，则例如可以给被遮挡的区域总计分配为0.5的风险值。接着，从事轨迹计划的计划装置可以避开这些被遮挡的区域，直至关于这些区域的周围环境数据供支配。为此，在该设备中，该估计装置相对应地来构造。

在一个实施方式中规定：基于潜在风险区域地图或者潜在风险区域地图序列中的至少一个，借助于推荐装置来推导出针对移动装置的操作推荐并且借助于输出装置来输出该操作推荐。例如，这种操作推荐可以是降低速度或者执行全制动的推荐。为此，该设备包括相对应地构造的推荐装置。

该设备的部分可以单独地构造或者作为硬件和软件的组合来组合式地构造，例如构造为程序代码，该程序代码在微控制器或微处理器上被实施。

附图说明

随后，本发明依据优选的实施例参考附图进一步予以阐述。在这种情况下：

图1示出了用于提供移动装置的周围环境的周围环境图像的设备的实施方式的示意图；

图2示出了机动车的周围环境的示意图；

图3针对当前的时间点t=0示出了根据在图2中示出的周围环境推导出的潜在风险区域地图的示意图；

图4针对将来的时间点t=1示出了根据在图2中示出的周围环境推导出的潜在风险区域地图的示意图；

图5针对将来的时间点t=2示出了根据在图2中示出的周围环境推导出的潜在风险区域地图的示意图。

具体实施方式

在图1中，示出了用于提供移动装置30的周围环境的周围环境图像的设备1的实施方式的示意图。在所示出的实施方式中，移动装置30是机动车50。但是，原则上，移动装置30也可以以其它方式构造，例如构造为运输机器人。

设备1包括输入装置2、估计装置3和输出装置4。输入装置2被构造为接收和/或检测周围环境数据20，其中周围环境数据20描绘周围环境而且包括关于周围环境中的静态对象和/或动态对象的信息。周围环境数据20由机动车50的周围环境传感器51提供。这例如可以是雷达传感器、超声传感器、LIDAR传感器、摄像机和/或立体摄像机等等。也可以规定传感器数据合并，用来提供周围环境数据20。周围环境数据20可包括其它描绘周围环境的信息，诸如对象的方向信息、速度信息和/或加速度信息和/或关于静态对象和/或动态对象的类别的类别信息。此外，所接收到的和/或所检测到的周围环境数据20也可包括其它关于静态对象和/或动态对象的状态的信息，例如交通信号灯的切换状态（红灯、黄灯、绿灯）或者其它机动车的制动信号灯和/或闪光信号灯的状态。为此可以规定：执行对静态对象和/或动态对象的图案识别和/或分类，而且提供结果作为周围环境数据20。所接收到的和/或所检测到的周围环境数据20也可包括关于周围环境的周围环境状态的信息，例如天气信息（下雨、多云、下雪、晴天等等）或者交通状态。

所接收到的和/或所检测到的周围环境数据20被输送给估计装置3。估计装置3构造为针对当前的时间点以及针对至少一个将来的时间点实施如下步骤：

(a) 基于所接收到的和/或所检测到的周围环境数据20，估计静态对象和/或动态对象中的至少一个对象的状态概率分布21，

(b) 基于至少一个静态对象和/或动态对象的所估计的状态概率分布21来创建周围环境的潜在风险区域地图22，其中这在考虑至少一个补充潜在风险23的情况下进行。

估计装置3优选地针对所有包含在周围环境数据20中的静态对象和/或动态对象来执行这些步骤。优选地，估计装置3针对其它将来的时间点执行这些步骤，使得对象的将来的行为可以被预测。

估计装置3还被构造为：将周围环境的针对当前的时间点以及至少一个将来的时间点的潜在风险区域地图22组合成潜在风险区域地图序列24。

潜在风险区域地图序列24被输送给输出装置4，接着该输出装置将该潜在风险区域地图序列作为当前的周围环境图像来输出，例如输出给机动车50的计划装置52。接着，计划装置52基于所输出的潜在风险区域地图序列24来计划机动车50的将来的轨迹。

优选地，该方法由设备1在紧接着的时间点重复。以这种方式可以提供不断被更新的周围环境图像，在该周围环境图像中，对象的将来的行为总是基于当前所接收到的和/或所检测到的周围环境数据20来估计。

在一个实施方式中可以规定：在估计状态概率分布21时，考虑至少一个静态对象和/或动态对象的自由度25。

还可以规定：估计装置3根据所接收到的和/或所检测到的周围环境数据20来确定至少一个在周围环境数据20中描绘的静态对象和/或动态对象的意图信息26，其中附加地基于分别被确定的意图信息26来估计该至少一个静态对象和/或动态对象的状态概率分布21。意图信息例如由设备1的意图识别装置来确定和提供（未示出）。

可以规定：潜在风险区域地图序列24作为由单个图像组成的电影序列来输出。替选于此，可以规定：潜在风险区域地图序列24作为分别被分配给各个栅格元素的与时间相关的函数的集合来输出。这些与时间相关的函数例如可以是多项式或样条函数。

还可以规定：在估计状态概率分布21时考虑道路图27。该道路图例如可以寄存在存储器中（未示出）而且在需要时被提供给估计装置3。然而，也可以规定：该道路图27被周围环境数据20所包括。

可以规定：在周围环境数据20中标识被静态对象和/或动态对象遮挡的区域并且给这些被遮挡的区域分别分配至少一个补充潜在风险23。

可以规定：设备1包括推荐装置5，其中该推荐装置基于潜在风险区域地图23或者潜在风险区域地图序列24中的至少一个来推导出针对机动车50的操作推荐。所推导出的操作推荐28被引向输出装置4并且由该输出装置输出，例如输出给机动车50的计划装置52。操作推荐28例如可以是降低或提高速度或者执行全制动的推荐。

在图2中示出了用于阐明本发明的机动车50的周围环境10的示意图。在所示出的示例中，周围环境10是具有四条驶入道15和四条驶出道16的十字路口。作为移动装置30的机动车50、作为动态对象60的行人17和作为动态对象60的其它机动车18处在周围环境10中。十字路口在周围环境10中还针对驶入道15或驶出道16中的每个包括斑马线11和停下的机动车70（为了清楚起见，只给一个配备了附图标记）。

如由箭头勾画出的那样，机动车50和其它机动车18朝着十字路口中心运动。行人17朝着斑马线11的方向行进。

在图3中，针对当前的时间点t=0示出了从在图2中示出的周围环境中推导出的潜在风险区域地图22的示意图。经位置分辨地，潜在风险区域地图22表明了在机动车50的周围环境中存在对象60的风险，也就是说示出了在机动车50的周围环境中的潜在风险区域。作为动态对象的其它机动车18和行人17分别分配有状态概率分布21。因为在所接收到的和/或所检测到的周围环境数据中不曾确定闪光作为其它机动车18的意图信息，所以其它机动车18继续直行的概率比该其它机动车左转弯或右转弯的概率更大。这通过被减小的道路图27的不一样强的阴影线示意性地来示出，其中深色的阴影线表示概率较高而浅色的阴影线或白线表示概率较低。从道路图27可以推导出其它机动车18的三个自由度（直行、左转弯、右转弯）。

斑马线11用补充潜在风险23来标记，使得在潜在风险区域地图22中在斑马线处存在在潜在风险区域被提高的风险值。潜在风险区域地图22也可以被理解为经位置分辨的成本地图，在该成本地图中，具有被提高的潜在风险的位置或以潜在风险区域为形式扩展的区域在稍后的轨迹计划时比潜在风险较低或者完全没有潜在风险的区域占用更高的成本。被建筑物或停下的机动车70遮挡的区域12同样分别分配有补充潜在风险23，这些区域分别导致在潜在风险区域地图22中的各个潜在风险或潜在风险区域。

在图4中，针对将来的时间点t=1示出了从在图2中示出的周围环境中推导出的潜在风险区域地图22的示意图，该潜在风险区域地图是借助于估计装置来创建的。明显看出：行人17的状态概率分布21的面积与图3中的潜在风险区域地图22相比已经增大，因为在估计行人17在时间点t=1的位置时的不确定性已经增大。据此，在潜在风险区域地图22中得到相对应的潜在风险区域，其中在潜在风险区域地图22中的状态概率分布21相对应地通过位于该区域的斑马线11的补充潜在风险23来加权，在最简单的情况下用为1的因子（如果值域在0与1之间的话）或为100%的因子来加权。

相对应地，其它机动车18的状态概率分布21也已经变宽，使得这里也在风险区域地图22中生成相对应地被增大的潜在风险区域。

其它区域或潜在风险区域与在图3中示出的潜在风险区域地图22的其它区域或潜在风险区域相同，也就是说，斑马线11和被遮挡的区域12导致在潜在风险区域地图22中的潜在风险区域不变。其它机动车18朝哪个方向继续行驶的概率也保持不变。

在图5中，针对将来的时间点t=2示出了从在图2中示出的周围环境中推导出的潜在风险区域地图22的示意图，该潜在风险区域地图是借助于估计装置来创建的。明显看出：行人17的状态概率分布21的面积已经进一步增大，因为在估计行人17在时间点t=2的位置时的不确定性已经再次增大。据此，在潜在风险区域地图22中得到相对应的潜在风险区域，其中在潜在风险区域地图22中的状态概率分布21相对应地通过位于该区域的斑马线11的补充潜在风险23来加权，在最简单的情况下用为1的因子（如果值域在0与1之间的话）或为100%的因子来加权。

其它机动车18的状态概率分布21的面积同样已经增大，而且现在分布到其它机动车18按照其自由度可能运动的全部三个可能的方向上。在潜在风险区域地图22中的相对应的潜在风险区域相对应地沿三个方向分布，其中直行的概率相对于转弯还更大，因为在当前的时间点（t=0）在周围环境数据中不曾检测到闪光。

其它区域或潜在风险区域保持相同，也就是说，斑马线11和被遮挡的区域12导致在潜在风险区域地图22中的潜在风险区域不变。其它机动车18朝哪个方向继续行驶的概率也保持不变。

在图3至5中示出的潜在风险区域地图22借助于估计装置被组合成潜在风险区域地图序列并且借助于输出装置来输出。那么，该潜在风险区域地图序列包括针对时间点t=0至t=2的三个潜在风险区域地图。

在时间点t=1可以规定：该方法借助于设备1来重复，其中在这种情况下考虑被更新的周围环境数据。如果潜在风险区域地图序列在每个时间点都包括三个潜在风险区域地图22，则下一个潜在风险区域地图序列包括针对时间点t=1至t=3的潜在风险区域地图22，等等。

基于所输出的潜在风险区域地图序列，机动车50的计划装置总是可以进行当前的轨迹计划，而且可以经改善地控制机动车或经改善地调节该机动车的纵向和横向引导。

这些实施例总是涉及机动车50。然而，移动装置30也可以是运输机器人或其它车辆，该其它车辆尤其可以自动化地被驾驶。

附图标记列表

1 设备

2 输入装置

3 估计装置

4 输出装置

5 推荐装置

10 周围环境

11 斑马线

12 被遮挡的区域

15 驶入道

16 驶出道

17 行人

18 其它机动车

20 周围环境数据

21 状态概率分布

22 潜在风险区域地图

23 补充潜在风险

24 潜在风险区域地图序列

25 自由度

26 意图信息

27 道路图

28 操作推荐

30 移动装置

50 机动车

51 周围环境传感器

52 计划装置

60 动态对象

70 停下的机动车。

Claims (10)

1.一种用于提供移动装置（30）的周围环境（10）的周围环境图像的方法，所述方法包括如下步骤：

借助于输入装置（2）来接收和/或检测周围环境数据（20），其中所述周围环境数据（20）描绘所述周围环境（10）而且包括关于所述周围环境（10）中的静态对象和/或动态对象（60）的信息；

借助于估计装置（3）针对当前的时间点以及针对至少一个将来的时间点实施如下步骤：

(a) 基于所接收到的和/或所检测到的周围环境数据（20），估计所述静态对象和/或动态对象（60）中的至少一个对象的状态概率分布（21），

(b) 基于至少一个静态对象和/或动态对象（60）的所估计的状态概率分布（21）来创建所述周围环境（10）的潜在风险区域地图（22），其中这在考虑至少一个补充潜在风险（23）的情况下进行；

将所述周围环境（10）的针对当前的时间点以及至少一个将来的时间点的潜在风险区域地图（22）组合成潜在风险区域地图序列（24）；而且

借助于输出装置（4）来输出所述潜在风险区域地图序列（24），作为周围环境图像。

2.根据权利要求1所述的方法，其特征在于，在估计所述状态概率分布（21）时，考虑所述至少一个静态对象和/或动态对象（60）的自由度（25）。

3.根据权利要求1或2所述的方法，其特征在于，根据所接收到的和/或所检测到的周围环境数据（20）来确定至少一个在所述周围环境数据（20）中描绘的静态对象和/或动态对象（60）的意图信息（26），其中附加地基于分别被确定的意图信息（26）来估计所述至少一个静态对象和/或动态对象（60）的状态概率分布（21）。

4.根据上述权利要求之一所述的方法，其特征在于，所述潜在风险区域地图序列（24）作为由单个图像组成的电影序列来输出。

5.根据权利要求1至3之一所述的方法，其特征在于，所述潜在风险区域地图序列（24）作为分别被分配给各个栅格元素的与时间相关的函数的集合来输出。

6.根据上述权利要求之一所述的方法，其特征在于，在估计所述状态概率分布（21）时考虑道路图（27）。

7.根据上述权利要求之一所述的方法，其特征在于，在所述周围环境数据（20）中标识被静态对象和/或动态对象（60）遮挡的区域（12）并且给所述经标识的被遮挡的区域（12）分别分配至少一个补充潜在风险（23）。

8.根据上述权利要求之一所述的方法，其特征在于，基于所述潜在风险区域地图（22）或者所述潜在风险区域地图序列（24）中的至少一个，借助于推荐装置（5）来推导出针对所述移动装置（30）的操作推荐（28）并且借助于所述输出装置（4）来输出所述操作推荐（28）。

9.一种用于提供移动装置（30）的周围环境（10）的周围环境图像的设备（1），所述设备包括：

输入装置（2），其中所述输入装置（2）被构造为接收和/或检测周围环境数据（20），其中所述周围环境数据（20）描绘所述周围环境（10）而且包括关于所述周围环境（10）中的静态对象和/或动态对象（60）的信息；

估计装置（3），其中所述估计装置（3）被构造为针对当前的时间点以及针对至少一个将来的时间点实施如下步骤：

(a) 基于所接收到的和/或所检测到的周围环境数据（20），估计所述静态对象和/或动态对象（60）中的至少一个对象的状态概率分布（21），

(b) 基于至少一个静态对象和/或动态对象（60）的所估计的状态概率分布（21）来创建所述周围环境（10）的潜在风险区域地图（22），其中这在考虑至少一个补充潜在风险（23）的情况下进行，

其中所述估计装置（3）还被构造为：将所述周围环境（10）的针对当前的时间点以及至少一个将来的时间点的潜在风险区域地图（22）组合成潜在风险区域地图序列（24）；和

输出装置（4），其中所述输出装置（4）被构造为输出所述潜在风险区域地图序列（24）作为周围环境图像。

10.一种机动车（50），所述机动车包括根据权利要求9所述的设备（1）。

Images