-
TECHNISCHES GEBIET
-
Die
vorliegende Erfindung betrifft eine Vorrichtung und ein Verfahren
zum Detektieren eines kritischen Bereiches und eine Fußgängerdetektionsvorrichtung
unter Verwendung derselben. Genauer gesagt betrifft die vorliegende
Erfindung eine Vorrichtung zum Schützen von Fußgängern durch Lokalisieren von
Hindernissen in der Umgebung eines betreffenden Fahrzeugs und danach
Suchen nach Fußgängern unter
den Hindernissen und ein Verfahren dafür.
-
HINTERGRUND DER ERFINDUNG
-
Herkömmliche
Fußgängerdetektionssysteme
basieren auf Suchen nach allen Fußgängern, die vor einem Fahrzeug
auftauchen. Bei genannten Fußgängerdetektionssystemen
werden potentielle Fußgänger unter
Verwendung von menschlichen Eigenschaften, wie zum Beispiel Beinbewegungsmuster, Symmetrie,
Gestalt, Bewegung und Periodizität,
lokalisiert. Wenn eine Fusion von unterschiedlichen Messtechnologien
verwendet wird, spüren
die jeweiligen Sensoren fußgängerspezifische
Merkmale auf, während
sie einen hohen oder einen niedrigen Pegel erreichen.
-
Diese
Lösungsansätze der
herkömmlichen Fußgängerdetektionssysteme
schaffen es nicht, ein optimales Ergebnis zu erzeugen, weil sie
geeignet sind, gewisse allgemeine städtische Umgebungen zu erkennen
und Fußgänger in
einem großen
Bereich vor dem Fahrzeug zu detektieren.
-
OFFENBARUNG DER ERFINDUNG
-
Zur
Lösung
der oben genannten Probleme ist die vorliegende Erfindung gestaltet,
um in einem besonders anspruchsvollen Stadtszenario zu arbeiten,
so dass auf eine Suche nach stillstehenden Fahrzeugen vorrangiges
Suchen nach Fußgängern in
unmittelbarer Nähe
der abgesuchten Fahrzeuge oder in unsichtbaren Bereichen hinter
den Fahrzeugen folgt.
-
Eine
Ausführungsform
der vorliegenden Erfindung liefert eine Detektionseinrichtung zum
Detektieren eines kritischen Bereiches in einer Fußgängerdetektionsvorrichtung
zum Detektieren von Fußgängern um
Fahrzeuge, umfassend eine Detektionseinheit zum Detektieren eines
kritischen Bereiches, die bei Empfang von Distanzdaten, die durch
Detektieren von Hindernissen in der Umgebung der Fahrzeuge erzeugt
sind, die Umgebung der Fahrzeuge und sich bewegenden Hindernisse
unter Verwendung der Distanzdaten identifiziert, um eine vor gegebene
Umgebung und die Bereiche, die die sich bewegenden Hindernisse umgeben,
als kritische Bereiche zu detektieren.
-
Eine
weitere Ausführungsform
der vorliegenden Erfindung liefert eine Fußgängerdetektionsvorrichtung zum
Detektieren von Fußgängern um
ein Fahrzeug, umfassend einen Bildgenerator zum Aufzeichnen von
Bildern von einer Umgebung des Fahrzeugs und Erzeugen und Liefern
von Bildausgaben, einen Sensor zum Erkennen von Hindernissen um das
Fahrzeug und Liefern von Distanzdaten der Distanz zwischen den Hindernissen
und dem Fahrzeug, eine Detektionseinrichtung zum Detektieren eines kritischen
Bereiches unter Verwendung der Distanzdaten zum Identifizieren der
Fahrzeugumgebung und sich bewegender Hindernisse und Detektieren
einer vorgegebenen Umgebung und der die sich bewegenden Hindernisse
umgebenden Bereiche als kritische Bereiche, und eine Fußgängerdetektionseinrichtung zum
Detektieren der Fußgänger vorzugsweise
anhand von Bildern, die den kritischen Bereichen entsprechen.
-
Eine
weitere Ausführungsform
der vorliegenden Erfindung liefert ein Verfahren zum Detektieren eines
kritischen Bereiches in einer Fußgängerdetektionsvorrichtung zum
Detektieren von Fußgängern um
ein Fahrzeug, umfassend (a) Korrigieren von Distanzdaten bei Empfang
derselben von einem Sensor gemäß Positionsänderungen
des Fahrzeugs, (b) Gruppieren der Distanzdaten als Ketten von Segmenten
durch Verbinden zwischen korrigierten Distanzdaten in unmittelbarer
Nähe, (c)
Zusammenfügen
der Segmente durch Verbinden der gruppierten Distanzdatensegmente
und Zusammenfügen
der Segmente parallel und in unmittelbarer Nähe zu einem Linienzug, (d)
Zusammenfügen
von Linien durch Integrieren von Linienzügen in unmittelbarer Nähe zu einer
einzigen zusammengefügten
Linie, (e) Klassifizieren von Hindernissen durch Klassifikation von
Linienzügen
gemäß deren
Größe und Gestalt
in mehreren Kategorien, um mehrere Kategorien von Hindernissen zu
detektieren, (f) Klassifizieren der Hindernisse durch Korrigieren
der Linienzüge
gemäß den Fahrzeugpositionsänderungen
und Klassifizieren der Linienzüge
in mehreren Kategorien gemäß dem Grad
von Überlappung zwischen
den Linienzügen
vor Korrektur und den Linienzügen
nach Korrektur, um mehrere Kategorien von Hindernissen zu detektieren;
und (g) Identifizieren von kritischen Bereichen durch Identifizieren
der Umgebung und der sich bewegenden Hindernisse durch Verwendung
der mehreren Kategorien von Hindernissen, die in den Schritten (e)
und (f) des Klassifizierens der Hindernisse detektiert worden sind,
um die kritischen Bereiche zu detektieren.
-
Wie
oben beschrieben, wird gemäß der vorliegenden
Erfindung bei Detektion von jeder speziellen Umgebungsstruktur,
das heißt
angehaltenen Fahrzeugen, die die Fußgänger verdecken können, deren
mögliches
Vorhandensein in speziellen Bereichen überprüft, wodurch eine neuartige
Fußgängerdetektionsvorrichtung
implementiert wird, um Verkehrssicherheit zu fördern und irgendwelche möglichen
Kollisionen mit schwachen Straßenbenutzern zu
vermeiden.
-
Diese
Lösung
konzentriert sich auch auf eine besonders kritische Umgebung, typisch
für städtische
Unfälle.
-
Neben
der direkten Detektion von gefährlichen
Situationen erhöht
die vorliegende Erfindung auch die Zeitsteuerleistung, da der rechenintensive Teil – die bildgestützte Fußgängererkennung – nur auf
begrenzten Abschnitten des Bildes durchgeführt wird.
-
Nachfolgend
werden bevorzugte Ausführungsformen
der vorliegenden Erfindung unter Bezugnahme auf die beigefügten Zeichnungen
beschrieben werden. In der folgenden Beschreibung werden dieselben
Elemente mit denselben Bezugszahlen gekennzeichnet werden, obwohl
sie in unterschiedlichen Zeichnungen gezeigt sind. Außerdem wird
in der folgenden Beschreibung der vorliegenden Erfindung eine ausführliche
Beschreibung von bekannten Funktionen und Konfigurationen, die hierin enthalten
sind, weggelassen werden, wenn dadurch der Gegenstand der vorliegenden
Erfindung eher unklar würde.
-
KURZBESCHREIBUNG DER ZEICHNUNGEN
-
Die
obigen und weiteren Aufgaben, Merkmale und Vorteile der vorliegenden
Erfindung werden anhand der folgenden ausführlichen Beschreibung in Verbindung
mit den beigefügten
Zeichnungen ersichtlicher werden, in denen:
-
1A bis 1C darstellen,
wie ein Fußgänger vor
einem Fahrzeug in Abhängigkeit
von der Umgebung gemäß einer
Ausführungsform
der vorliegenden Erfindung als gefährlich oder nicht angesehen
werden kann;
-
2A bis 2D unterschiedliche
betrachtete Situationen und hinsichtlich möglicher Fußgänger zu detektierende Bereiche
gemäß einer
Ausführungsform
der vorliegenden Erfindung darstellen;
-
3 ein
Testfahrzeug gemäß einer
Ausführungsform
der vorliegenden Erfindung darstellt;
-
4A und 4B Rohlaserdaten
und korrigierte Daten bezüglich
sich nicht bewegender Hindernisse darstellen;
-
5 ein
sich bewegendes Fahrzeug darstellt, wobei eine einzige Linie einer
Fahrzeugseite entspricht und vier parallele Linien seiner Stoßstange entsprechen;
-
6A bis 6C Schritte
des Linienzusammenfügealgorithmus
zum Lokalisieren und Klassifizieren von statischen und sich bewegenden
Hindernissen darstellen;
-
7 eine
Hindernisklassifikation darstellt;
-
8 eine
Hindernisklassifikation und einen Gefahrenbereich darstellt;
-
9 korrekt
identifizierte Fußgänger darstellt;
-
10 korrekt
identifizierte Hindernisse darstellt;
-
11 ein
zum Zusammenfügen
von Bild- und Laserscannerdaten verwendetes Schema darstellt;
-
12 ein
Blockdiagramm einer elektronischen Konstruktion einer Fußgängerdetektionsvorrichtung
unter Verwendung von Detektion von kritischen Bereichen gemäß einer
Ausführungsform
der vorliegenden Erfindung zeigt; und
-
13 ein
Ablaufdiagramm zur Darstellung eines Verfahrens zum Detektieren
eines kritischen Bereiches gemäß einer
Ausführungsform
der vorliegenden Erfindung zeigt.
-
AUSFÜHRLICHE
BESCHREIBUNG VON BEISPIELHAFTEN AUSFÜHRUNGSFORMEN
-
I. Einleitung
-
Die
vorliegende Erfindung schlägt
ein Fußgängerdetektionssystem
auf der Grundlage eines neuen Lösungsansatzes
vor. Insbesondere ist die vorliegende Erfindung entwickelt worden, um
in einem besonders anspruchsvollen Stadtszenario zu bearbeiten,
in dem traditionelle Fußgängerdetektionslösungsansätze keine
optimalen Ergebnisse liefern konnten. Anstelle einer Suche nach
Fußgängern in
einem großen
Bereich vor dem Fahrzeug mit dem System und in einer allgemeinen
städtischen
Situation, konzentriert sich außerdem
das System gemäß der vorliegenden
Erfindung auf ein spezielles Szenario, in dem nicht nur die Detektion
von einem Fußgänger von
grundlegender Bedeutung ist, sondern die Gefahr der Situation auch
klar beurteilt werden kann.
-
In
der Tat stellt eine korrekte Detektion in einem Fahrzeugsystem gerade
die erste Phase eines erfolgreichen Produkts dar: Die Lokalisierung
eines Verkehrsschildes/einer Verkehrsampel/eines Hindernisses oder
eines Fußgänger ohne
korrespondierende Anzeige seiner bzw. ihrer Position in Bezug auf das
Fahrzeug und die Umgebung bringt nur sehr wenig Information, was
das Detektionssystem unvollständig
macht. Beispielsweise ein Fußgängerdetektionssystem,
das alle in der Szene vorhandenen Fußgänger korrekt lokalisieren kann,
liefert ein großes Maß an Information,
die unverändert
gefiltert werden muss, um entweder für den Fahrer oder den on-Board-Computer
für automatische
Manöver
nützlich
zu sein. Ein möglicher
Filter kann durch Zusammenfügen
von Informationen, die von anderen Systemen, wie zum Beispiel Spurdetektions-
oder andere Maschinen zur Analyse von Situationen, eintreffen, und
CAN (Controller Area Network)-Daten implementiert werden: ein Fußgänger genau
vor dem Fahrzeug kann in Abhängigkeit
von der Umgebung, wie in den 1A bis 1C gezeigt,
als gefährlich angesehen
werden oder nicht.
-
1A bis 1C stellen
dar, wie ein Fußgänger vor
dem Fahrzeug in Abhängigkeit
von der Umgebung gemäß einer
Ausführungsform
der vorliegenden Erfindung als gefährlich angesehen werden kann
oder nicht.
-
Wie
in 1A gezeigt, kann die Detektionseinrichtung den
Gefahrengrad nicht beurteilen, wenn zwar ein Fußgänger lokalisiert worden ist,
aber kein Bezug zur Umgebung bereitgestellt wird. Wenn Umgebungsinformation
hinzugefügt
wird, kann genau derselbe Fußgänger zu
einer Gefahr werden, wie in 1B dargestellt,
oder als in Ordnung in einer sicheren Position angesehen werden,
wie in 1C dargestellt.
-
Die
vorliegende Erfindung nähert
sich dem Problem auf entgegengesetzte Weise: Statt der Detektion
aller möglichen
Kandidaten und Herausfiltern derselben nach der Analyse der Umgebung
beurteilt das System gemäß der vorliegenden
Erfindung zunächst
das Szenario und sucht dann nach möglichen Fußgängern an speziellen Positionen
in dem speziellen Szenario.
-
Auf
diese Weise sind alle Fußgänger, die
detektiert werden, mögliche
Gefahren und ist kein weiteres Filtern erforderlich (abgesehen von
einer Validierung und einem möglichen
finalen Verfolgungsschritt). Die Szenarien, die in dieser Offenbarung
betrachtet werden, beziehen sich auf die sehr üblichen städtischen Situationen, in denen
das Vorhandensein eines Fußgängers ein
ernstes Problem darstellt, das durch eine frühe Detektion entschärft werden
könnte. Insbesondere
wenn sich Fahrzeuge auf einer städtischen
Straße
bewegen bzw. darauf fahren, ist die einzige Gefahr, die ein Fußgänger darstellen
kann – was
somit eine erfolgreiche Detektion erfordert – die Überquerung einer Straße. Umgekehrt
schaffen angehaltene Fahrzeuge auf der Straße oder an den Straßenseiten
eine vollständig
neue Gruppe von Szenarien, in denen das Vorhandensein eines Fußgängers absolut
gefährlich
sein könnte.
Die zugrunde liegende Idee der vorliegenden Erfindung besteht darin,
angehaltene Fahrzeuge zu lokalisieren und danach nach Fußgängern in
der unmittelbaren Nähe der
Fahrzeuge oder in den durch diese verdeckten Bereichen zu suchen.
Diese angehaltenen Fahrzeuge, deren bekannte Kanten die Suche nach
Fußgängern auslösen werden,
können
geparkte Autos am Straßenrand,
temporär
angehaltene Fahrzeuge auf der Straße oder Fahrzeuge, die in einer
Reihe vor einer Verkehrsampel, einem Zebrastreifen oder sich einfach
in einem Stau befinden, Schlangestehen, sein.
-
2A bis 2D stellen
unterschiedliche betrachtete Situationen und interessierende zu
detektierende Bereiche mit möglichen
Fußgängern gemäß einer
Ausführungsform
der vorliegenden Erfindung dar.
-
2A bis 2D stellen
allgemein Situationen dar, die in dieser Erfindung betrachtet werden, wobei
durch gestrichelte Kreise gekennzeichnete interessierende Bereiche
zur Detektion eines möglichen
Fußgängers betrachtet
werden. In 2A wird ein überquerender Fußgänger durch
ein geparktes Fahrzeug verdeckt. In 2B überquert
ein Fußgänger die
Straße
hinter einem angehaltenen Bus. In 2C springt
ein Fußgänger zwischen
zwei geparkten Fahrzeugen hervor. 2D zeigt
einen Fußgänger, der
die Straße
zwischen zwei angehaltenen Fahrzeugen auf der anderen Seite der
Straße überquert.
Es ist wichtig zu beachten, dass sich Situationen in 2A und 2B auf
spezielle und lokalisierte Stadtbereiche (Zebrastreifen und Bushaltestellen)
beziehen, während
die Situationen in den 2C und 2D in
jedem Abschnitt des Straßennetzes
auftreten können.
-
Die 2A bis 2D zeigen
einige Beispiele für
Situationen, in denen die Sichtbarkeit eines überquerenden Fußgängers durch
angehaltene Fahrzeuge beeinträchtigt
ist. Die durch gestrichelte Kreise in den 2A bis 2D für die jeweilige
Situation hervorgehobenen Bereiche sind die Bereiche, in denen das
System eine Überprüfung des
Vorhandenseins eines möglichen
Fußgängers durchführen wird.
Eine direkte Erweiterung, die in dieser Offenbarung gegenwärtig nicht
untersucht wird, kann zum Lokalisieren von großen statischen Strukturen (wie zum
Beispiel Gebäuden
oder Leitplanken) und Behandlung derselben wie angehaltene Fahrzeuge
in der obigen Beschreibung verwendet werden.
-
Mit
anderen Worten konzentriert sich diese Erfindung auf die Detektion
von Fußgängern, die
hinter angehaltenen Fahrzeugen hervorlaufen bzw. -springen; Fußgänger, die
in dem Frontbereich des Fahrzeugs deutlich sichtbar sind, können auch
detektiert werden, aber diese Funkti on, die mit von der Erfindung
verschiedenen Systemen gemein ist, wird hierin nicht detailliert
dargelegt.
-
Die
Idee des Konzentrierens bzw. Fokussierens auf eine spezielle Szene
ist auf dem Gebiet von Fußgängerdetektionssystemen
nicht neu. Auf diesem Gebiet ist ein Modul zum Detektieren von Kugeln
entwickelt worden, die gewöhnlich
ein starkes Zeichen für
das Vorhandensein eines Kindes sind.
-
Es
ist bekannt, dass geparkte Fahrzeuge, die die Sichtbarkeit von Fußgängern verhindern,
einer der Hauptgründe
für Unfälle sind:
In der Tat sollten in Wohnbereichen Parkplätze bzw. -lücken diagonal angeordnet werden.
Wie jedoch in den 2A–2D gezeigt
ist, gibt es Situationen, in denen Fahrzeuge temporär auf der
Straße
anhalten und deren Position anders als im Falle von Parkplätzen nicht
strategisch organisiert und sorgfältig verwaltet werden kann.
Obwohl sich einige dieser Situationen auf spezielle Stadtbereiche,
z. B. Zebrastreifen und Bushaltestellen beziehen, könnten sie
durch intelligente Infrastrukturen, die auf Warnen von ankommenden
Fahrzeugen gerichtet sind, speziell verbessert werden. Andere Situationen
können
an jedem Fleck des Straßennetzes
eintreten, wodurch die Installation von intelligenten Infrastrukturen
unpraktisch wird.
-
Die
Haupteigenschaft, die von einem derartigen System gefordert wird,
besteht in der Fähigkeit zum:
- 1. schnellen Detektieren von Fußgängern, angesichts
des kurzen Arbeitsbereiches und der besonderen Gefahr einer unmittelbar
bevorstehenden Kollision;
- 2. Detektieren von Fußgängern, sobald
sie in Erscheinung treten, somit sogar, wenn sie teilweise verdeckt
sind; und
- 3. Begrenzen der Suche auf bestimmte Bereiche, die durch eine
schnelle Vorverarbeitung bestimmt sind.
-
Das
mit der vorliegenden Erfindung präsentierte System widmet sich
einer speziellen Anwendung eines Fußgängerdetektionssystems, die
in einem Feldversuch an einem PKW-Modell, das in 3 dargestellt
ist, besteht.
-
In
dem nächsten
Abschnitt wird der Aufbau des Testfahrzeugs präsentiert und danach erfolgt
in Abschnitt III eine Beschreibung der Gefahrenbereichsdetektion.
In Abschnitt IV werden Aspekte hinsichtlich einer Bildfusion diskutiert
und in Abschnitt V werden einige Abschlussbemerkungen gemacht.
-
II. Das Testfahrzeug
-
A. Messtechnologien
-
Da
einem Stadtszenario Rechnung getragen werden soll, in dem das Prototypfahrzeug
nahe von angehaltenen Fahrzeugen fährt, ist eine Begrenzung der
Fahrzeuggeschwindigkeit und des Detektionsbereiches einfach. Als
eine sichere Wahl können
niedrige bis mittlere Fahrzeuggeschwindigkeiten von bis zu 50 km/h
und ein Detektionsbereich von circa 40 m angesehen werden.
-
Das
Erkennen der Umgebung erfordert, dass angehaltene Fahrzeuge detektiert
werden; eine lasergestützte
Lösung
ist ausreichend stark, um große Hindernisse,
wie Fahrzeuge, zu lokalisieren und sie aufgrund von deren Gestalt
zu klassifizieren. Zur Überwindung
des Mangels von Geschwindigkeitsinformation, der mit Laserscans
verbunden ist, wurde ein spezieller Laserscanner ausgewählt, der
ineinander verschachtelte (interlaced) Daten liefert. Er gruppiert
eine Anzahl von interlaced-Scans zur Bildung eines einzigen Scans
mit höherer
Auflösung.
-
Die
Analyse dieser interlaced-Daten, die mit Fahrzeug-CAN-Daten gekoppelt
sind, ermöglicht
die Abschätzung
von Hindernisgeschwindigkeit und somit die Lokalisierung von Fahrzeugen
mit Nullgeschwindigkeit.
-
Die
beste Technologie zum Überprüfen des Vorhandenseins
eines Fußgängers in
einer bestimmten Gruppe von speziellen Flecken bzw. Stellen stellt das
Sehen dar. Einäugiges
(monokulares) Sehen reicht aus, da keine 3D-Rekonstruktion notwendig
ist und eine Abschätzung
der Distanz leicht erhältlich
ist. Obwohl das System unter Tageslichtbedingungen getestet wurde,
ermöglicht
die Verwendung einer NIR (Near Infrared)-Kamera und eine geeignete
Beleuchtung Erweiterung seines Arbeitsbereiches auf die Nacht.
-
B. Sensorauswahl
-
Die
Kamera kann Empfindlichkeit sowohl im sichtbaren als auch im NIR-Spektrum
aufweisen. Zusätzliche
Scheinwerfer sind vor dem Fahrzeug montiert. Ein NIR-LED-Scheinwerfer
mit einer Apertur von circa 25° ist
vor dem Strahler montiert und die hohen Strahlen sind durch SL (Super
Light) individuell gefertigt, um das sichtbare Licht zu blockieren
und nur im NIR-Spektrum zu beleuchten.
-
Der
Laserscanner kann ein SICK LMS 211-30206 sein. Geeignete Detektionsfähigkeiten schließen Scanwinkel
von 100°,
minimale Winkelauflösung
von 0,25°,
Bereich bis zu 80 Meter und Nebelkorrektur ein. Der Laserscanner
kann eine Auflösung von
1° aufweisen,
aber durch Durchführung
von 4 aufeinanderfolgenden Drehungen, unter Verwendung eines interlacing-Systems,
und eine Phasenlücke
von 0,25 Grad ist es möglich,
um die endgültige Granularität auf 0,25° zu verringern.
Jede Drehung kann 13,32 ms benötigen,
so dass in 53,28 ms vier Drehungen durchgeführt werden.
-
Die
Messung der Zeitdifferenz zwischen Pulsen ist vernachlässigbar;
außerdem
ist bei Bewegung des Fahrzeugs die Verschiebung zwischen der Position
des Laserscanners, wenn der erste Puls gemessen wird, und der Position,
wenn der letzte Puls gemessen wird, merklich: das Interlacing-System des
Laserscanners macht dieses Problem noch offensichtlicher.
-
C. Fahrzeugaufbau
-
Ein
kompakter PC kann im Kofferraum oder Gepäckraum montiert werden, während ein
Laserscanner und zwei unterschiedliche NIR-Scheinwerfer vor der
vorderen Stoßstange
angeordnet werden können.
Die NIR-Kamera kann in der Kabine in der Nähe des Rückspiegels des Fahrzeugs platziert
sein, wie dies in 3 gezeigt ist.
-
III. Hauptaugenmerk
-
Zwei
verschiedene Laserdatenklassifikationen wurden entwickelt, um den
Algorithmus robust zu gestalten. Beide Verfahren basieren auf Pulse-Clustering
(Gruppieren) in geraden Linien, aber, während das erste nur den letzten
Scan zum Klassifizieren von Hindernissen berücksichtigt, verwendet das zweite eine
feste Anzahl von vorangehenden Scans zum Verifizieren der vorangehenden
Position von Hindernissen und somit zum Schätzen von deren Geschwindigkeit.
-
A. Datenkorrektur
-
Wie
bereits im Abschnitt II erläutert,
können Verschiebungen
zwischen aufeinanderfolgenden Laserscannermessungen merklich sein:
Dieses Merkmal kann Clustering- oder Klassifikationsprobleme verursachen,
weil die Hindernisgestalt verzerrt erscheinen kann. Unter Verwendung
von ego-motion-Daten, die auf dem CAN bereitgestellt werden, ist es
möglich,
die Ro to-Translation des Fahrzeugs zu berechnen und die für jeden
Puls gemessene Position zu korrigieren.
-
4A und 4B zeigen
Rohlaserdaten bzw. korrigierte Daten, die sich auf sich nicht bewegende
Hindernisse beziehen. Die vier Drehungen, die einen Scan erzeugen,
sind vor der Korrektur deutlich sichtbar, während das Hindernis als eine
einzige Linie nach der Korrektur erscheint. Echo-Pulse durch sich
bewegende Hindernisse können
nicht auf eine einzige Linie reduziert werden, da sich die Position des
Hindernisses während
des Scans ändert:
sich bewegende Hindernisse werden durch vier parallele Linien nach
der Datenkorrektur identifiziert. Diese Information kann für die Hindernisklassifikation
sehr nützlich
werden.
-
B. Daten-Clustering
-
Mit
Ausnahme von sich bewegenden Hindernissen funktioniert das Verbinden
von aufeinanderfolgenden Pulsen, während Information über die
Drehung, zu der der Puls gehört,
verworfen wird, in allen Situationen. Bessere Ergebnisse können durch
Verbinden nur der Pulse erreicht werden, die zur selben Drehung
gehören:
sich bewegende Hindernisse werden dann durch vier verschiedene und
parallele Cluster identifiziert. Die Pulse sind als Segmentketten
geclustert bzw. zusammengefügt.
Die Punkte, die zu keiner Kette derselben Drehung verbunden werden können, werden
dann hinsichtlich des Zusammenfügens
mit Punkten von anderen Drehungen bei Berücksichtigung von lediglich
der Nähe
getestet. Die Punkte, die mit keinem anderen Punkt verbunden werden
können
oder sich auf der Grenze des Laserscannerbereiches (cirka 80 Meter)
befinden, werden dauerhaft verworfen.
-
C. Segmentzusammenfügung
-
Bis
jetzt sind Pulse in einer Kette von Segmenten ohne irgendwelche
andere Information verbunden. Benachbarte Segmente mit näherungsweise
derselben Orientierung können
zu einem längeren Segment
zusammengefügt
werden, was die Hindernisgestalt bewahrt, aber die Komplexität der Datenstruktur
und die Details der Darstellung reduziert. Jede Kette wird dann
zu einem Linienzug segmentiert.
-
5 stellt
ein sich bewegendes Fahrzeug dar, wobei die vier parallelen Linien
seiner Stoßstange
entsprechen, während
die einzelne Linie seiner Seite entspricht. Gestrichelte Punkte
sind Linienzugstartpunkte, leere Punkte sind Punkte in der Mitte
der Linienzüge,
karierte Punkte sind Linienzugendpunkte, volle Punkte sind Punkte,
die zu einer Linie gehören. 5 zeigt
ein sich bewegendes Fahrzeug, wobei die hintere Stoßstange
als vier parallele Linien eingerahmt ist, während seine Seite, die parallel
zur Fahrzeugbewegungsrichtung ist, durch eine einzige Linie markiert
ist.
-
D. Linienzusammenfügung
-
Jedes
Hindernis in dem Sichtfeld des Laserscanners wird durch vier Linien
identifiziert, eine für jede
Drehung, die den gesamten Scan mit hoher Auflösung bildet. Im Fall von statischen
Hindernissen überlappen
sich die vier Linien recht perfekt aufgrund der vorangehenden Datenkorrektur
und können
sie zusammengefügt
werden. Im umgekehrten Fall von sich bewegenden Hindernissen sind
die Linien parallel, aber überlappen
sich nicht. Somit können
statische und sich bewegende Hindernisse lokalisiert und korrekt
klassifiziert werden. 6A–6C zeigen die
Schritte des Algorithmus, wobei 6A Daten-Clustering
zeigt und 6B eine Approximation unter
Verwendung von Linienzügen
zeigt.
-
6C zeigt
das Endergebnis, bei dem alle Punkte zu einer einzigen Linie zusammengefügt bzw. verschmolzen
sind: zur Vereinfachung der folgenden Schritte werden geringe Abdriftungen
vernachlässigt. Dieser
schnelle und einfache, dennoch sehr effektive, Prozess zum Identifizieren
von statischen Objekten kann falsche negative Befunde erzeugen,
wenn die Neigung des Fahrzeugs nicht vernachlässigbar ist. Abschnitt V wird
den Punkt diskutieren.
-
E. Erste Hindernisklassifikation
-
Die
erhaltenen Linienzüge
können
gemäß nur deren
Größe und Gestalt
klassifiziert werden. Es ist möglich,
Hindernisse in fünf
Kategorien zu unterteilen:
Mögliche Fußgänger; Straßenrand; L-förmiges Hindernis;
sich bewegendes Hindernis und allgemeines (generisches) Hindernis.
-
Es
wird angenommen, dass Hindernisse, die eventuell als Fußgänger klassifiziert
werden können, eine
geringere Größe aufweisen,
während
Hindernisse, die eine große
Größe aufweisen
und nahezu parallel zum Fahrzeug verlaufen, als Straßenränder (Leitplanken,
Straßeninfrastrukturen
...) angenommen werden. Ein einfaches und schnelles Verfahren, das
auf Linienorientierung basiert, kann zum Detektieren von L-förmigen Hindernissen
verwendet werden. Sich bewegende Hindernisse können bereits in dem vorangehenden
Schritt des Algorithmus individualisiert werden. Alle Hindernisse,
die noch nicht klassifiziert sind, können als allgemeine Hindernisse markiert
werden. Die erhaltenen Ergebnisse sind bisher zufriedenstellend,
wie in 7 gezeigt ist.
-
Hindernisklassifikation
ist in 7 dargestellt, wo sich Linien 710 auf
L-förmige
Hindernisse, Linien 720 auf mögliche Fußgänger und Linien 730 auf
allgemeine Hindernisse beziehen.
-
F. Zeitliche und gestaltgestützte Korrelation
-
Die
in dem vorangehenden Unterabschnitt erläuterte Klassifikation klassifiziert
alle winzigen Hindernisse als möglichen
Fußgänger. Selbst
wenn es möglich
ist, dass alle Fußgänger korrekt
klassifiziert sind, ist eine Anzahl von falschen positiven Befunden
vorhanden. Feste Hindernisse entlang der Straße (zum Beispiel geparkte Fahrzeuge)
werden hier zum Lokalisieren von kritischen Bereichen vor dem Fahrzeug
verwendet, um die Aufmerksamkeit auf die Zwi schennähe der Kanten
dieses Gefahrenbereiches zu fokussieren, wo Fußgänger hervorlaufen bzw. -springen
und gefährlich
werden können.
-
Durch
die vorangehenden Scan bereitgestellte Linienzüge können gemäß ego-motion (Selbstbewegung)
bewegt werden; dann wird die Überlappung
zwischen den momentanen Linienzügen
und den vorangehenden überprüft, um eine
neue Klassifikation in den folgenden 4 Klassen zu liefern: sich
bewegendes Hindernis, statisches Hindernis, Hindernis mit sich ändernder
Gestalt und neues Hindernis.
-
Scandaten
bezüglich
sich bewegender Hindernisse sollten geringe oder gar keine räumliche Überlappung
aufweisen, wenn das Zeitfenster groß ist, aber leider erscheint
die Seite eines sich bewegenden Fahrzeugs statisch (hohe räumliche Überlappung).
Aufgrund der vorangehenden Markierung von L-förmigen Hindernissen gehören trotzdem
die Stoßstange
und die Seiten desselben Fahrzeugs zum selben Objekt, das somit
die Kennung „sich
bewegend” übernimmt.
-
Hindernisse,
die durch gut überlappende Scans
in dem bestimmten Zeitfenster repräsentiert sind, werden als statisch
markiert, selbst wenn die neueren Scanlinien länger und genauer als die alten (aufgrund
dessen, dass das Fahrzeug sich dem Hindernis nähert) sind.
-
Jedesmal
wenn Scanlinien detektiert werden, die nur in einigen Regionen überlappen
und sich in anderen unterscheiden, wird das Objekt als ein Hindernis
mit sich ändernder
Gestalt klassifiziert. Dies kann der Fall sein, wenn einige neue
Akteure der Straße
(wie zum Beispiel ein Fußgänger oder
ein Fahrzeug, der bzw. das vorangehend verdeckt war) in die Szene
gerät:
nahe einem anderen Objekt erscheint dies in den Laserdaten so, als
ob seine Gestalt mit der Gestalt seines benachbarten Hindernisses
verbunden wäre.
Es kann auch eintreten, wenn ein Fahrer eines angehaltenen Fahrzeugs
die Tür öffnet und
das Fahrzeug verlässt.
-
Wenn
es keine Übereinstimmung
zwischen dem aktuellen Linienzug und älteren gibt, wird das Objekt
als ein neues Hindernis klassifiziert.
-
Sich
bewegende Hindernisse werden verworfen; statische Hindernisse sind
wichtig, um die interessierenden Bereiche zu lokalisieren, in denen Sehen
(Vision) nach Fußgängern suchen
wird; Hindernisse mit sich ändernder
Gestalt sind von grundlegender Bedeutung, da sie einen Fußgänger in
einer sehr genauen Region von deren Gestalt enthalten können; und
neue Hindernisse lokalisieren schließlich andere interessierende
Bereiche, in denen Sehen vonstatten gehen wird.
-
G. Gefahrenbereichidentifikation
-
Die
gesamte in den vorangehenden Schritten erhaltene Information kann
zum Identifizieren der Umgebung (statische Hindernisse und Fahrzeuge) und
der sich bewegenden Hindernisse (Fußgänger und Fahrzeuge) verwendet
werden. Hindernisse, die durch die zweite Klassifikation als statisch
und nicht als sich bewegend durch erstere klassifiziert worden sind,
werden zum Definieren der Struktur der Umgebung verwendet. Ferner
werden Hindernisse mit sich ändernder
Gestalt verwendet, um die Umgebung aufzubauen, wobei nur Punkte
berücksichtigt
werden, die sich nicht ändern.
Sich nicht bewegende Hindernisse in dem rechten und linken Teil
der Straße
vor dem Fahrzeug werden zum Aufbauen der rechten und linken Ränder bzw.
Grenzen des Gefahrenbereiches, nämlich
des Bereiches, der durch das Fahrzeug in naher Zukunft erreicht
werden kann, wie in 8 gezeigt, verwendet.
-
8 zeigt
die Hindernissklassifikation und den Gefahrenbereich. Die Linien 810 stellen
Positionen von Hindernissen dar, die durch vorangehende Scans geliefert
wurden, die Linie 820 stellt ein sich bewegendes Hindernis
dar, die Linien 830 stellen statische Hindernisse dar,
die Linie 840 stellt ein Hindernis mit sich ändernder
Gestalt dar, während
die Linien 850 linke und rechte Ränder eines kritischen oder Gefahrenbereiches
repräsentieren.
-
Hindernisse,
die sich in dem Gefahrenbereich bewegen, können als gefährliche
Hindernisse markiert werden. Die Aufmerksamkeit ist speziell auf Bereiche
zwischen statischen Hindernissen zu fokussieren. Gefährliche
Fußgänger, die
detektiert werden müssen,
werden hinter einem statischen Hindernis erscheinen oder die Gestalt
eines statischen Hindernisses modifizieren.
-
H. Ergebnisse des Aufpassprozesses
-
9 und 10 stellen
Fußgänger bzw. Hindernisse
dar, die korrekt identifiziert wurden.
-
Aufgrund
der Projektion von Laserdaten auf Bilder zeigt 9 einen
Fall, in dem ein Fußgänger hinter
einem geparkten Fahrzeug hervorläuft
und ein anderer Fußgänger in
dem Gefahrenbereich geht. Beide Fußgänger sind korrekt detektiert. 10 zeigt
einen Van, der aus einer Parklücke
hervorfährt, und
einen Radfahrer, der in der Nähe
der geparkten Fahrzeuge fährt:
Beide gefährlichen
Hindernisse sind korrekt detektiert. Die Ausführungszeit beträgt weniger
als 5 Millisekunden mit einem Pentium 4-PC mit 2,8 GHz; cirka 48
Millisekunden verbleiben für
die Bildfusion bzw. -zusammenfügung,
um Echtzeitbedingungen einzuhalten.
-
IV. Bildfusion
-
Interessierende
Gebiete sind 2D-Bereiche in Weltkoordinaten; deren korrespondierenden
Bereiche im Bild werden dann mit Hilfe von Kamerakalibrierung und
perspektivischer Abbildung (mapping) lokalisiert. In der Tat spielt
Kamerakalibrierung und allgemeiner Systemkalibrierung eine grundlegende Rolle
in einem Fusionssystem und muss in Angriff genommen werden.
-
Fahrzeugneigung
während
der Bewegung bzw. Fahrt kann Kameraorientierung in Bezug auf die Welt ändern, aber – was am
wichtigsten ist – sie
verursacht auch, dass der Laserscanner die Szene unter Verwendung
einer anderen Orientierung scannt. Für Straßenanwendungen wird dies allgemein
als bedingtes Problem für
Kurzdistanzmessungen angesehen, und ist es sogar noch weniger wichtig,
wenn Hindernisse vertikal angeordnet sind. Umgekehrt im Fall von
erheblichen Fahrzeugneigungswinkeln – speziell negativen Winkeln,
die den Laserscanner in Richtung zum Boden lenken – kann die
Scanebene des Laserscanners den Boden schneiden und somit keine
signifikanten Ergebnisse liefern.
-
Aufgrund
der Tatsache, dass die beiden Sensoren an dem Fahrzeugchassis befestigt
sind, bewegen sie sich entsprechend und kann eine einzige Kompensation
ausreichend sein. Neben der Verwendung zum Lokalisieren von Merkmalen
von Fußgängern in
den interessierenden Regionen kann Sehen (Vision) auch zum Abschätzen der
Fahrzeugneigung verwendet werden. Ein zusätzlicher Beschleunigungsmesser
wird nun zum Überprüfen von
Neigungsmessergebnissen, die durch Sehen bereitgestellt werden,
verwendet. Die momentane Fahrzeugneigung wird in die Laserscannerverarbeitung
gegeben (um die Erzeugung von falschen Ergebnissen während einer
Fahrzeugneigung zu verhindern) und sie wird auch zum Stabilisieren
des Bildstroms verwendet, wie in 11 gezeigt,
die ein zum Zusammenfügen
(Fusionieren) von Bild- und Laserscannerdaten verwendetes Schema
darstellt.
-
Wenn
die interessierenden Bereiche lokalisiert sind, wird die Suche nach
Fußgängern unter Verwendung
von AdaBoost-Klassifikator ausgelöst. Die identifizierten Bereiche
können
auf eine feste Größe (50 × 20) resampled
werden und alle Pixel können
als Eingabe verwendet werden. AdaBoost kann unter Verwendung der
durch die vorangehenden Schritte des Algorithmus individualisierten
und als Fußgänger oder
nicht von Hand markierten Bereiche trainiert werden.
-
V. Schlussbemerkungen
-
Diese
Erfindung hat ein neues Schema zur Erhöhung von Sicherheit und zum
möglichen
Vermeiden von Kollisionen mit verletzbaren Straßenbenutzern präsentiert.
Anstelle einer Implementierung eines allgemeinen (generischen) Fußgängerdetektorsystems,
der sich sowohl ein Validierungsschritt als auch die Beurteilung
des Gefährdungsniveaus
anschließt,
schlägt
diese Arbeit einen neuartigen Lösungsansatz
vor.
-
Jedesmal
wenn eine spezielle Umgebungsstruktur detektiert wird (d. h. angehaltene
Fahrzeuge, die Fußgänger verbergen
können),
wird das mögliche
Vorhandensein von Fußgängern in
speziellen Bereichen überprüft. Diese
Lösung
nähert
sich nicht nur dem Problem aus einer anderen Perspektive in Bezug
auf traditionelle Implementierungen, sondern fokussiert bzw. konzentriert
sich auch auf eine besonders kritische Umgebung, typisch für Unfälle in einer Stadt.
Neben einer direkten Detektion von gefährlichen Situationen verbessert
sie auch die Steuerleistung, da der rechenintensive Teil – die bildgestützte Fußgängererkennung – nur auf
begrenzten Abschnitten des Bild durchgeführt wird. Die Beschleunigung aufgrund
des Schrittes der Lokalisierung eines kritischen Bereiches kann
als die Differenz zwischen der Anzahl von möglichen Fußgängern, die durch ein klassisches
System erzeugt wird (das nur Größe zum Lokalisieren
von Fußgängern betrachtet)
und derjenigen, die durch dieses Verfahren erzeugt wird, gemessen
werden: mehrere Tests in Stadtszenarien zeigen, dass das vorgeschlagene
Verfahren im Durchschnitt weniger als ein Viertel von möglichen
Fußgängern als
das klassische System liefert.
-
12 zeigt
ein Blockdiagramm einer elektronischen Konstruktion einer Fußgängerdetektionsvorrichtung
mit Detektion von kritischen Bereichen gemäß einer Ausführungsform
der vorliegenden Erfindung.
-
Die
Fußgängerdetektionsvorrichtung
ist gestaltet, um Fußgänger zu
detektieren, die um Fahrzeuge irren, und kann eine Kamera 1210 zur
Abbildung einer Umgebung der Fahrzeuge und Erzeugen und Liefern
von Bildausgaben, einen Sensor 1220 zum Erkennen von Hindernissen um
die Fahrzeuge und Liefern von Distanzdaten, eine Detektionseinrichtung 1230 zum
Detektieren eines kritischen Bereiches unter Verwendung der Distanzdaten
zum Identifizieren der Fahrzeugumgebung und sich bewegender Hindernisse
und Detektieren einer vorgegebenen Umgebung und der die sich bewegenden Hindernisse
umgebenden Bereiche als kritische Bereiche und eine Fußgängerdetektionseinrichtung 1240 zum
Detektieren von Fußgänger vorzugsweise anhand
der Bilder, die den kritischen Bereichen entsprechen, aufweisen.
Hier kann der Abbildungsabschnitt 1210 eine Nahinfrarot
(NIR)-Kamera und eine Vielzahl von NIR-LED-Scheinwerfern aufweisen.
Zusätzlich
kann die Fußgängerdetektionseinrichtung 1240 nur
bei Auftreten von sich bewegenden Hindernissen beim Detektieren
von Fußgängern anhand der
Bilder oder ausgewählter
potentieller Bilder vorzugsweise Fußgänger anhand der Bereichsbilder
detektieren, die mit den kritischen Bereichen übereinstimmen.
-
Die
Detektionseinrichtung 1230 zum Detektieren eines kritischen
Bereiches der Fußgängerdetektionsvorrichtung
detektiert kritische Bereiche und identifiziert bei Empfang der
anhand von Detektieren der Umgebungshindernisse des Fahrzeuges erzeugten
Distanzdaten die Umgebung der Fahrzeuge und sich bewegenden Hindernisse
unter Verwendung der Distanzdaten, um eine vorgegebene Umgebung
und die die sich bewegenden Hindernisse umgebenden Bereiche als
kritische Bereiche zu detektieren.
-
Zusätzlich kann
die Detektionseinrichtung 1230 zum Detektieren eines kritischen
Bereiches ein Fahrzeug mit Nullgeschwindigkeit durch Auswerten von
Hindernissgeschwindigkeiten durch Empfangen der Distanzdaten von
dem Sensor 1220 auffinden, der mit einem Laserscanner für Interlaced-Scanning ausgestattet
ist. Ferner kann die Detektionseinrichtung 1230 zum Detektieren
eines kritischen Bereiches einen Datenkorrekturabschnitt zum Empfangen der
Distanzdaten von dem Sensor 1220 und Korrigieren derselben
im Anschluss an die Positionsänderungen
der Fahrzeuge, einen Datengruppier(cluster)-Abschnitt zum Verbinden
zwischen den korrigierten Distanzdaten in unmittelbarer Nähe und Gruppieren
(clustern) derselben als Ketten von Segmenten, einen Segmentzusammenfügeabschnitt
zum Verbinden der gruppierten Distanzdatensegmente und Zusammenfügen der
benachbarten Segmente mit näherungsweise
derselben Orientierung zu einem Linienzug, einen Linienzusammenfügeabschnitt
zum Integrieren der Linienzüge
in unmittelbarer Nähe
zu einer einzigen zusammengefügten
Linie, einen ersten Hindernisklassifikationsabschnitt zum Klassifizieren der
erhaltenen Linienzüge
gemäß lediglich
deren Größe und Gestalt
in mehreren Kategorien und Detektieren von mehreren Kategorien von
Hindernissen, einen zweiten Hindernisklassifikationsabschnitt zum
Korrigieren der Linienzüge
gemäß den Fahrzeugpositionsänderungen
und Klassifizieren der Linienzüge
in mehreren Kategorien gemäß der Überlappung
zwischen den Linienzügen
vor Korrektur und den Linienzügen
nach Korrektur und Detektieren von mehreren Kategorien von Hindernissen
und einen Gefahrenbereichidentifikationsabschnitt zum Identifizieren
der Umgebung und der sich bewegenden Hindernisse durch Verwendung
der mehrfachen Kategorien von Hindernissen, die in den ersten und
zweiten Hindernisklassifikationsabschnitten detektiert sind, aufweisen.
-
Außerdem kann
der Datenkorrekturabschnitt die Distanzdaten durch Berechnen der
Fahrzeug-Roto-Translation
unter Verwendung der Ego-Motion-Daten, die von dem Fahrzeug-CAN
empfangen werden, korrigieren. Der Datengruppierabschnitt kann die Distanzdaten
durch Verbinden von kontinuierlichen Pulsen der Distanzdaten von
lediglich denjenigen, die zur selben Drehung gehören, gruppieren. Der erste
Hindernisklassifikationsabschnitt kann eine oder mehrere von mehreren
Kategorien von Hindernissen, die einen möglichen Fußgänger, Straßenrand, L-förmiges Hindernis,
sich bewegendes Hindernis und allgemeines Hindernis einschließen, detektieren.
Der zweite Hindernisklassifikationsabschnitt ist ein Modul, das
die zeitliche und gestaltgestützte
Korrelation zum Erzeugen von korrigierten Linienzügen durch
Bewegen der Linienzüge
gemäß der Ego-Motion
durchführt.
Der zweite Hindernisklassifikationsabschnitt kann auch eine oder
mehrere von mehreren Kategorien von Hindernissen detektieren, die
ein sich bewegendes Hindernis, ein statisches Hindernis, ein Hindernis
mit sich ändernder
Gestalt und ein neues Hindernis enthalten.
-
13 zeigt
ein Ablaufdiagramm zur Darstellung eines Verfahrens zum Detektieren
eines kritischen Bereiches gemäß einer
Ausführungsform
der vorliegenden Erfindung.
-
Wenn
der Fahrzeug-on-Board-Sensor 1220 durch einen Laserscan,
die Hindernisse im Umfeld des Fahrzeugs erkennt und die Distanzdaten
erzeugt, kann die Detektionseinrichtung 1230 zum Detektieren
eines kritischen Bereiches die Distanzdaten von den Sensor 1220 empfangen
und die empfangenen Distanzdaten gemäß der Positionsänderung
des Fahrzeugs in Schritt S1310 korrigieren.
-
Die
Detektionseinrichtung 1230 zum Detektieren eines kritischen
Bereiches kann nach Korrektur der Distanzdaten diese in unmittelbarer
Nähe verbinden
und sie als Ketten von Segmenten in einem Schritt S1320 gruppieren.
Sie verbindet die gruppierten Distanzdatensegmente so, dass die
benachbarten Segmente mit näherungsweise
derselben Orientierung zu einem Linienzug in einem Schritt S1330 zusammengefügt werden.
Danach werden die Linienzüge
in unmittelbarer Nähe
zu einer einzigen zusammengefügten
Linie in Schritt S1340 integriert.
-
Zusätzlich detektiert
die Detektionseinrichtung 1230 zum Detektieren eines kritischen
Bereiches mehrere Kategorien von Hindernissen durch Klassifizieren
der erhaltenen Linienzüge
gemäß nur deren
Größe und Gestalt
in mehreren Kategorien in Schritt S1350 und durch Korrigieren der
Linienzüge gemäß den Fahrzeugpositionsänderungen
und danach Klassifizieren der Linienzüge in mehreren Kategorien gemäß der Überlappung
zwischen den Linienzügen
vor Korrektur und den Linienzügen
nach Korrektur in Schritt S1360.
-
Ferner
identifiziert die Detektionseinrichtung 1230 zum Detektieren
eines kritischen Bereiches die Atmosphäre und sich bewegende Hindernisse
durch Verwendung von gesammelter Information anhand der Schritte
S1310 bis S1350 und speziell der mehreren Kategorien von Hindernissen,
die in den Schritten S1350 bis S1360 detektiert worden sind, um
die kritischen Bereiche in Schritt S1370 vor Beendigung des Verfahrens
zum Detektieren eines kritischen Bereiches gemäß der Erfindung zu identifizieren.
-
Obwohl
beispielhafte Ausführungsformen der
vorliegenden Erfindung zu Darstellungszwecken beschrieben worden
sind, werden Fachleute auf dem Gebiet erkennen, dass zahlreiche
Modifikationen, Hinzufügungen
und Substitutionen möglich
sind, ohne aus dem Schutzbereich und Geist der Erfindung zu gelangen.
Somit sind beispielhafte Ausführungsformen
der vorliegenden Erfindung nicht zum Zwecke der Beschränkung beschrieben
worden. Zudem ist der technische Bereich der vorliegenden Erfindung
nicht durch die aktuellen Ausführungsformen beschränkt. Dementsprechend
wird der Schutzbereich der Erfindung durch die Ansprüche und
deren Äquivalente
begrenzt.