DE102011017323A1 - Method for determining internal collision probability of vehicle with object, involves determining collision probability of vehicle by computing probability that minimum object spacing assumes negative value - Google Patents

Method for determining internal collision probability of vehicle with object, involves determining collision probability of vehicle by computing probability that minimum object spacing assumes negative value Download PDF

Info

Publication number
DE102011017323A1
DE102011017323A1 DE102011017323A DE102011017323A DE102011017323A1 DE 102011017323 A1 DE102011017323 A1 DE 102011017323A1 DE 102011017323 A DE102011017323 A DE 102011017323A DE 102011017323 A DE102011017323 A DE 102011017323A DE 102011017323 A1 DE102011017323 A1 DE 102011017323A1
Authority
DE
Germany
Prior art keywords
vehicle
object distance
probability
determined
minimum
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.)
Withdrawn
Application number
DE102011017323A
Other languages
German (de)
Inventor
Adam Berthelot
Andreas Tamke
Thao Dang
Gabi Breuel
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.)
Mercedes Benz Group AG
Original Assignee
Daimler AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Daimler AG filed Critical Daimler AG
Priority to DE102011017323A priority Critical patent/DE102011017323A1/en
Publication of DE102011017323A1 publication Critical patent/DE102011017323A1/en
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9318—Controlling the steering
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/93185—Controlling the brakes
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9319—Controlling the accelerator
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/932—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles using own vehicle data, e.g. ground speed, steering wheel direction

Landscapes

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

Abstract

The method involves determining expected minimum object distance between a vehicle and a detected object based on state vector, which describes a momentary position and movement state of the vehicle and an acquired object. Statistical distribution values of determined minimum object distance are determined. Collision probability of the vehicle is determined (3) by computing probability that minimum object spacing assumes negative value. An independent claim is also included for a device determining internal collision probability of a vehicle with an object.

Description

Die Erfindung betrifft ein Verfahren und eine Vorrichtung zur fahrzeuginternen Ermittlung einer Kollisionswahrscheinlichkeit eines Fahrzeugs mit einem Objekt.The invention relates to a method and a device for determining in-vehicle collision probability of a vehicle with an object.

Zur fahrzeuginternen Ermittlung einer Kollisionswahrscheinlichkeit eines Fahrzeugs mit einem Objekt sind bereits verschiedene Verfahren bekannt. Beispielsweise werden Systemeingriffe eines aktiven Fahrerassistenzsystems zur Vermeidung einer Kollision des Fahrzeugs, z. B. Notbremsen, anhand deterministischer Zeitreserven ausgelöst. Auch sind probalilistische Verfahren zur Prädiktion von bewegten Objekten in einem Verkehrsszenario bekannt.For the in-vehicle determination of a collision probability of a vehicle with an object, various methods are already known. For example, system interventions of an active driver assistance system to avoid a collision of the vehicle, for. As emergency brakes, triggered by deterministic time reserves. Also, probabilistic methods for predicting moving objects in a traffic scenario are known.

S. J. Julier und J. K. Uhlmann, „Unscented Filtering and Nonlinear Estimation”, Proceedings of the IEEE, Vol. 92, No. 3, März 2004 , beschreiben eine Approximationsmethode, die sogenannte Unscented Transformation, mittels der mit wenigen Rechenschritten zuverlässig ermittelt werden kann, welchen Erwartungswert und welche Kovarianzmatrix man erhält, wenn eine mehrdimensionale, normalverteilte Eingangs-Zufallsvariable durch eine vorgegebene nichtlineare Abbildung in eine Ausgangs-Zufallsvariable transformiert wird. SJ Julier and JK Uhlmann, Unscented Filtering and Nonlinear Estimation, Proceedings of the IEEE, Vol. 3, March 2004 describe an approximation method, the so-called Unscented Transformation, by means of which can be determined with few computing steps, which expected value and which covariance matrix is obtained when a multi-dimensional, normally distributed input random variable is transformed by a predetermined non-linear mapping into an output random variable.

Der Erfindung liegt die Aufgabe zugrunde, ein verbessertes Verfahren und eine verbesserte Vorrichtung zur fahrzeuginternen Ermittlung einer Kollisionswahrscheinlichkeit eines Fahrzeugs mit einem Objekt anzugeben.The invention has for its object to provide an improved method and an improved device for determining in-vehicle collision probability of a vehicle with an object.

Die Aufgabe wird hinsichtlich des Verfahrens durch die im Anspruch 1 und hinsichtlich der Vorrichtung durch die in Anspruch 4 angegebenen Merkmale gelöst.The object is achieved with respect to the method by the in claim 1 and in terms of the device by the features specified in claim 4.

Vorteilhafte Weiterbildungen der Erfindung sind Gegenstand der Unteransprüche.Advantageous developments of the invention are the subject of the dependent claims.

Ein erfindungsgemäßes Verfahren zur fahrzeuginternen Ermittlung einer Kollisionswahrscheinlichkeit eines Fahrzeugs mit einem Objekt sieht vor, dass ausgehend von einem auf Messwerten basierenden Zustandsvektor, der den momentanen Positions- und Bewegungszustand des Fahrzeugs und eines erfassten Objekts beschreibt, ein innerhalb einer Vorausschauzeit erwarteter minimaler Objektabstand zwischen dem Fahrzeug und dem erfassten Objekt sowie die statistische Verteilung der Werte des minimalen Objektabstands vorausschauend ermittelt werden und dass die Kollisionswahrscheinlichkeit durch Berechnung der Wahrscheinlichkeit, dass der minimale Objektabstand einen negativen Wert annimmt, ermittelt wird.A method according to the invention for determining a collision probability of a vehicle with an object envisages a minimum object distance between the vehicle expected within a look-ahead time on the basis of a state value-based state vector which describes the current position and movement state of the vehicle and a detected object and the detected object and the statistical distribution of the values of the minimum object distance are determined in a predictive manner and that the collision probability is determined by calculating the probability that the minimum object distance assumes a negative value.

Der minimale Objektabstand stellt dabei die maximale Annäherung des Fahrzeugs zu dem erfassten Objekt dar. Wenn der minimale Objektabstand einen negativen Wert annimmt, so bedeutet dies, dass sich die Aufenthaltsorte des Fahrzeugs und des Objekts überschneiden, d. h. das Fahrzeug kollidiert mit dem Objekt. Der prädizierte minimale Objektabstand ist daher ein geeignetes Entscheidungskriterium zur Beurteilung der Kollisionswahrscheinlichkeit.The minimum object distance represents the maximum approach of the vehicle to the detected object. If the minimum object distance assumes a negative value, this means that the whereabouts of the vehicle and the object overlap, ie. H. The vehicle collides with the object. The predicted minimum object distance is therefore a suitable decision criterion for assessing the probability of collision.

Der erwartete minimale Objektabstand wird vorteilhafterweise ermittelt, indem ausgehend von dem Zustandsvektor durch eine Simulation zukünftige Aufenthaltsorte des Fahrzeugs und des Objekts zeitdiskret prädiziert werden und hieraus der zeitliche Verlauf des Objektabstands während der Vorausschauzeit prognostiziert wird und indem das Minimum aus dem aus dem so ermittelten zeitlichen Verlauf des Objektabstands bestimmt wird.The expected minimum object distance is advantageously determined by predicting future locations of the vehicle and of the object in a time-discrete manner starting from the state vector, and from this the time profile of the object distance during the look-ahead time is predicted and by deriving the minimum from the time profile determined in this way the object distance is determined.

Mit dem Verfahren ist eine echtzeitfähige, approximative Ermittlung von Wahrscheinlichkeiten für Kollisionen des Fahrzeugs mit Umgebungsobjekten unter Berücksichtigung von Messunsicherheiten von an dem Fahrzeug angeordneten Erfassungseinheiten möglich, so dass eine Fahrsicherheit verbesserbar ist.With the method, a real-time capable, approximate determination of probabilities for collisions of the vehicle with environmental objects taking into account measurement uncertainties of detection units arranged on the vehicle is possible, so that driving safety can be improved.

Ausführungsbeispiele der Erfindung werden anhand einer Zeichnung näher erläutert.Embodiments of the invention will be explained in more detail with reference to a drawing.

Dabei zeigt:Showing:

1 schematisch ein Blockschaltbild eines Verfahrensablaufs zur fahrzeuginternen Ermittlung einer Kollisionswahrscheinlichkeit eines Fahrzeugs mit einem Objekt. 1 schematically a block diagram of a procedure for in-vehicle determination of a collision probability of a vehicle with an object.

In der einzigen 1 ist ein Verfahrensablauf zur fahrzeuginternen Ermittlung einer Kollisionswahrscheinlichkeit P(dmin < 0) eines Fahrzeugs mit einem Objekt, z. B. ein entgegenkommendes Fahrzeug, dargestellt.In the only one 1 is a procedure for in-vehicle determination of a collision probability P (d min <0) of a vehicle with an object, eg. B. an oncoming vehicle represented.

Das Verfahren kann vorzugsweise zur Verbesserung einer Verkehrssicherheit in Fahrerassistenzsystemen eines Fahrzeugs verwendet werden, wobei die ermittelte Kollisionswahrscheinlichkeit P(dmin < 0) ein Kriterium zur Einschätzung einer Kritikalität einer vorliegenden Verkehrssituation und damit ein Kriterium zur Auslösung einer Warnung und/oder eines Bremseingriffs und/oder Lenkeingriffs mittels des Fahrerassistenzsystems darstellt. The method can preferably be used for improving traffic safety in driver assistance systems of a vehicle, wherein the determined collision probability P (d min <0) is a criterion for assessing a criticality of a traffic situation and thus a criterion for triggering a warning and / or braking intervention and / or steering intervention by means of the driver assistance system represents.

In einem ersten Schritt 1 werden ausgehend von einem Zustandsvektor x ^ und einer Kovarianzmatrix ΣX, welche als Eingangsgrößen dem Verfahren bereitgestellt werden, anhand der eingangs beschriebenen Unscented Transformation aus: S. J. Julier und J. K. Uhlmann, „Unscented Filtering and Nonlinear Estimation”, Proceedings of the IEEE, Vol. 92, No. 3, März 2004 , Approximationswerte für einen Erwartungswert μUT und eine Standardabweichung einer dmin-Verteilung ermittelt.In a first step 1 are based on a state vector x ^ and a covariance matrix Σ X , which are provided as input to the method, based on the Unscented transformation described above: SJ Julier and JK Uhlmann, Unscented Filtering and Nonlinear Estimation, Proceedings of the IEEE, Vol. 3, March 2004 , Approximation values for an expected value μ UT and a standard deviation of a d min distribution determined.

Der Zustandsvektor x ^ umfasst zumindest eine Lage, insbesondere Ortskoordinaten, und eine Geschwindigkeit eines in einer Fahrzeugumgebung zum Zeitpunkt t0 erfassten Objekts relativ zum Fahrzeug oder Ortskoordinaten und Geschwindigkeiten jeweils des Objekts und des Fahrzeugs zum Zeitpunkt t0. In einer bevorzugten Ausführungsform umfasst der Zustandsvektor x ^ einen Gierwinkel, eine Beschleunigung, einen Lenkwinkel, eine Länge und/oder Breite des Fahrzeugs und/oder des Objekts. Die zuvor genannten Größen können in Bezug auf das Objekt auch als Relativwerte zum Fahrzeug ermittelt werden.The state vector x ^ comprises at least one position, in particular location coordinates, and a speed of an object detected in a vehicle environment at the time t 0 relative to the vehicle or location coordinates and speeds of the object and the vehicle at the time t 0 . In a preferred embodiment, the state vector x ^ comprises a yaw angle, an acceleration, a steering angle, a length and / or width of the vehicle and / or the object. The aforementioned variables can also be determined relative to the vehicle with respect to the object.

Zur Erfassung des Objekts sind in oder an dem Fahrzeug Erfassungseinheiten, insbesondere ein Radar und/oder eine Kamera, angeordnet, welche üblicherweise bestimmte Messunsicherheiten aufweisen. Der Zustandsvektor x ^ weist daher ebenfalls bestimmte Unsicherheiten auf, infolgedessen eine Kovarianzmatrix ΣX des Zustandsvektors x ^ in bekannter Weise ermittelt wird, welche ein Maß für diese Unsicherheiten ist.For detecting the object, detection units, in particular a radar and / or a camera, are arranged in or on the vehicle, which usually have certain measurement uncertainties. The state vector x ^ therefore also has certain uncertainties, as a result of which a covariance matrix Σ X of the state vector x ^ is determined in a known manner, which is a measure of these uncertainties.

Zur Ermittlung eines Objektabstands d, d. h. der Abstand zwischen dem Fahrzeug und dem Objekt, werden die erfassten Ortskoordinaten des Objekts auf ein Referenz-Koordinatensystem mit einer Abszissenachse (= x-Achse) und einer Ordinatenachse (= y-Achse) übertragen, dessen Ursprung im Schwerpunkt des Fahrzeugs liegt. Die Abszissenachse und Ordinatenachse des Referenz-Koordinatensystems sind derart normiert, d. h. der Maßstab der Koordinatenachsen ist derart gewählt, dass ein Aufenthaltsort des Fahrzeugs einem sogenannten Einheitsquadrat entspricht. Das Einheitsquadrat definiert dabei einen vom Fahrzeug belegten Ortsbereich.For determining an object distance d, d. H. the distance between the vehicle and the object, the detected spatial coordinates of the object to a reference coordinate system with an abscissa (= x-axis) and an ordinate axis (= y-axis) transmitted, the origin lies in the center of gravity of the vehicle. The abscissa axis and ordinate axis of the reference coordinate system are normalized in this way, i. H. the scale of the coordinate axes is selected such that a location of the vehicle corresponds to a so-called unit square. The unit square defines a occupied by the vehicle location area.

Das Einheitsquadrat ist die Fläche sämtlicher Punkte (x, y)T, die einer Bedingung |x| ≤ 1 und |y| ≤ 1 genügen.The unit square is the area of all points (x, y) T that satisfy a condition | x | ≤ 1 and | y | ≤ 1 suffice.

Ein Punkt (x, y)T, der dieser Bedingung genügt, liegt demnach in dem vom Fahrzeug belegten Ortsbereich.A point (x, y) T which satisfies this condition is accordingly in the local area occupied by the vehicle.

Der Objektabstand d wird im vorliegenden Ausführungsbeispiel nicht als euklidischer Abstand (= geometrische Entfernung), sondern als eine sogenannte Maximum-Norm definiert. Die Maximum-Norm eines Punktes (x, y)T, auch Unendlich-Norm genannt, ist ein Abstandsmaß, das üblicherweise wie folgt bezeichnet wird: ||(x, y)T||∞ [1] und wie folgt definiert ist: ||(x, y)T||∞ = max(|x|, |y|) [2] The object distance d is not defined in the present embodiment as a Euclidean distance (= geometric distance), but as a so-called maximum norm. The maximum norm of a point (x, y) T , also called infinity norm, is a distance measure, which is usually designated as follows: || (x, y) T || ∞ [1] and is defined as follows: || (x, y) T || ∞ = max (| x |, | y |) [2]

D. h., die Maximum-Norm des Punktes (x, y)T entspricht dem Maximum der Beträge der Ortskoordinaten dieses Punktes.That is, the maximum norm of the point (x, y) T corresponds to the maximum of the amounts of the location coordinates of that point.

Das Einheitsquadrat umfasst demnach sämtliche Punkte, deren Maximum-Norm kleiner oder gleich 1 ist.The unit square therefore comprises all points whose maximum norm is less than or equal to 1.

Wenn berücksichtigt wird, dass das Fahrzeug im Referenz-Koordinatensystem den Flächenbereich des Einheitsquadrats als Aufenthaltsort beansprucht, dann erhält man folgende Gleichung als Berechnungsvorschrift zur Ermittlung des Objektabstands d:

Figure 00050001
If it is taken into account that the vehicle in the reference coordinate system uses the surface area of the unit square as the location, the following equation is obtained as a calculation rule for determining the object distance d:
Figure 00050001

Hierbei bezeichnet sj einen vom Objekt im Referenz-Koordinatensystem belegten Ortsbereich, d. h. den Aufenthaltsort des Objekts zu dem jeweiligen Betrachtungszeitpunkt. Der Objektsabstand d entspricht dabei dem Minimum über die Maximum-Norm aller im Ortsbereich sj des Objekts liegenden Punkte minus dem Wert 1.In this case, s j denotes a location area occupied by the object in the reference coordinate system, ie the location of the object at the respective time of observation. The object distance d in this case corresponds to the minimum over the maximum norm of all points lying in the location area s j of the object minus the value 1.

Wie aus der oben genannten Definition des Objektabstands d zu erkennen ist, kann der minimale Objektabstand dmin Werte zwischen –1 und unendlich annehmen. Wenn dabei für einen späteren Zeitpunkt t0 + tx ein negativer Wert für den minimalen Objektabstand dmin ermittelt wird, dann bedeute dies, dass die Aufenthaltsorte des Objekts und des Fahrzeug sich zu diesem Zeitpunkt t0 + tx voraussichtlich überlappen werden. Eine Überlappung bedeutet, dass das Fahrzeug und das Objekt miteinander kollidieren werden.As can be seen from the above definition of the object distance d, the minimum object distance d min can assume values between -1 and infinite. If a negative value for the minimum object distance d min is determined for a later time t 0 + t x , this means that the whereabouts of the object and the vehicle are likely to overlap at this time t 0 + t x . An overlap means that the vehicle and the object will collide with each other.

Daraus folgend ist eine Verteilung der Werte für den minimalen Objektabstand dmin, im Folgenden als dmin-Verteilung genannt, eine Normalverteilung mit einer einseitigen Sättigung bei einer Sättigungsgrenze α, welcher dem Wert minus 1 des minimalen Objektabstands dmin entspricht, d. h. α = –1.Consequently, a distribution of the values for the minimum object distance d min , hereinafter referred to as d min distribution, is a normal distribution with a one-sided saturation at a saturation limit α which corresponds to the value minus 1 of the minimum object distance d min , ie α = - 1.

Eine derartige Verteilung wird auch als Nh(α, β, γ2)-Verteilung bezeichnet, wobei α die Sättigungsgrenze (hier α = –1) bezeichnet und wobei β und γ den Erwartungswert beziehungsweise die Standardabeichung eines Gauß'schen Anteils der Verteilung darstellen. Die Parameter β und γ entsprechen damit nicht dem Erwartungswert beziehungsweise der Standardabweichung der gesamten Verteilung.Such a distribution is also referred to as N h (α, β, γ 2 ) distribution, where α denotes the saturation limit (here α = -1) and β and γ represent the expected value or the standard deviation of a Gaussian component of the distribution , The parameters β and γ thus do not correspond to the expected value or the standard deviation of the total distribution.

Eine aus dieser Nh(α, β, γ2)-Verteilung resultierende Verteilungsdichtefunktion (= Wahrscheinlichkeitsdichtefunktion) kann wie folgt beschrieben werden:

Figure 00060001
wobei c definiert ist als:
Figure 00060002
und h definiert ist als:
Figure 00060003
A distribution density function (= probability density function) resulting from this N h (α, β, γ 2 ) distribution can be described as follows:
Figure 00060001
where c is defined as:
Figure 00060002
and h is defined as:
Figure 00060003

Zur Bestimmung der Parameter β und γ der Nh(α, β, γ2)-Verteilung werden zunächst der Erwartungswert μUT und die Standardabeichung σUT der gesamten dmin-Verteilung berechnet. Die Berechnung erfolgt anhand der nachfolgend erläuterten Unscented Transformation.To determine the parameters β and γ of the N h (α, β, γ 2 ) distribution, the expected value μ UT and the standard deviation σ UT of the total d min distribution are first calculated. The calculation is based on the following unscented transformation.

Die Unscented Transformation basiert dabei auf den Grundgedanken, dass:

  • 1. eine Nx-dimensionale Eingangs-Zufallsvariable X mit einem Erwartungswert x und einer Kovarianzmatrix ΣX durch von einen Satz von 2Nx + 1 gewichteten sogenannten Sigmapunkten x(i) (i = 0, 1, ..., p; p = 2Nx) approximiert wird. Der Erwartungswert x der Eingangs-Zufallsvariable X entspricht hier dem Zustandsvektor x ^. Eine mögliche Berechnungsvorschrift zur Bestimmung der Sigmapunkte x(i) und zugehörigen Gewichtungsfaktoren W(i) ist definiert als:
    Figure 00060004
  • 2. dieser Satz von Sigmapunkten x(i) durch die nichtlineare Abbildung Z = h[X] [8], wobei Z eine Zufallsvariable darstellt, die hier dem minimalen Objektabstand dmin entspricht, in einen Satz von Abbildungspunkten kz(i) = h[x(i)] [9] transformiert wird, wobei diese Abbildung einem Algorithmus zur Bestimmung des minimalen Objektabstands dmin entspricht, d. h. es wird eine Simulation zur Ermittlung des jeweiligen zugehörigen minimalen Objektabstands dmin durchgeführt, und
  • 3. aus dem so ermittelten Satz von Abbildungspunkten z(i) der Erwartungswert z und die Kovarianzmatrix ΣZ als die gesuchten Parameter der Ausgangs-Zufallsvariablen Z folgendermaßen ermittelt werden:
    Figure 00070001
    wobei der Erwartungswert z dem Erwartungswert μUT und die Kovarianzmatrix ΣZ der Standardabeichung σUT der dmin-Verteilung entspricht.
The Unscented Transformation is based on the basic idea that:
  • 1. an N x- dimensional input random variable X with an expected value x and a covariance matrix Σ X is approximated by so-called sigma points x (i) (i = 0, 1, ..., p; p = 2N x ) weighted by a set of 2N x + 1. The expected value x the input random variable X here corresponds to the state vector x ^. A possible calculation rule for determining the sigma points x (i) and associated weighting factors W (i) is defined as:
    Figure 00060004
  • 2. this set of sigma points x (i) by the non-linear mapping Z = h [X] [8], where Z represents a random variable, here corresponding to the minimum object distance d min , into a set of imaging points kz (i) = h [x (i) ] [9] This mapping corresponds to an algorithm for determining the minimum object distance d min , ie a simulation is carried out to determine the respective associated minimum object distance d min , and
  • 3. From the thus determined set of mapping points z (i) the expected value z and the covariance matrix Σ Z are determined as the searched parameters of the output random variable Z as follows:
    Figure 00070001
    where the expected value z corresponds to the expected value μ UT and the covariance matrix Σ Z of the standard deviation σ UT of the d min distribution.

In einem zweiten Schritt 2 des Verfahrens werden die Parameter β und γ der zum Erwartungswert μUT und Standardabeichung σUT zugeordneten, einseitig gesättigten Normalverteilung ermittelt.In a second step 2 In the method, the parameters β and γ of the one-sided saturated normal distribution assigned to the expected value μ UT and standard calibration σ UT are determined.

Es wird angenommen, dass die Nh(–1, β, γ2)-Verteilung den Erwartungswert μUT und die Standardabeichung σUT aufweist. Die Parameter β und γ lassen sich daher durch die Lösung des folgenden Gleichungssystems schnell und effizient berechnen:

Figure 00080001
mit:
Figure 00080002
und
Figure 00080003
wobei α = –1 ist.It is assumed that the N h (-1, β, γ 2 ) distribution has the expected value μ UT and the standard deviation σ UT . The parameters β and γ can therefore be calculated quickly and efficiently by the solution of the following system of equations:
Figure 00080001
With:
Figure 00080002
and
Figure 00080003
where α = -1.

Mit den aus den Gleichungen [13] bis [15] berechneten Parametern β und γ lässt sich in einem dritten Schritt 3 die Kollisionswahrscheinlichkeit durch Integration der Verteilungsdichtefunktion p(x) (siehe Gleichung [4]) über alle negativen x-Werte, wobei x dem minimalen Objektabstand entspricht, d. h. es gilt: x = dmin, ermitteln:

Figure 00080004
mit: ξ = dmin und p(ξ) = Verteilungsdichtefunktion von dmin
Figure 00080005
Figure 00090001
With the parameters β and γ calculated from the equations [13] to [15], in a third step 3 the collision probability by integration of the distribution density function p (x) (see equation [4]) over all negative x-values, where x corresponds to the minimum object distance, ie it holds: x = d min , determine:
Figure 00080004
with: ξ = d min and p (ξ) = distribution density function of d min
Figure 00080005
Figure 00090001

Das Ergebnis der Integration ist die gesuchte Kollisionswahrscheinlichkeit P(dmin < 0) des Fahrzeugs mit dem Objekt.The result of the integration is the sought collision probability P (d min <0) of the vehicle with the object.

Das Verfahren ermöglicht eine Berücksichtigung von üblicherweise auftretenden Messunsicherheiten von fahrzeuginternen Erfassungseinheiten bei der Bewertung einer Kritikalität einer Verkehrssituation, wodurch Falschauslösungen der Systemeingriffe von Fahrerassistenzsystemen verringert werden können.The method enables a consideration of conventionally occurring measurement uncertainties of in-vehicle detection units in the evaluation of a criticality of a traffic situation, whereby false triggering of the system interventions of driver assistance systems can be reduced.

Weiterhin ist das Verfahren speicher- und recheneffizient und ermöglicht eine fahrzeugtaugliche sowie echtzeitfähige Implementierung in einem Steuergerät eines Fahrerassistenzsystems.Furthermore, the method is memory and computationally efficient and enables a vehicle-compatible and real-time implementation in a control unit of a driver assistance system.

BezugszeichenlisteLIST OF REFERENCE NUMBERS

11
erster Schrittfirst step
22
zweiter Schrittsecond step
33
dritter SchrittThird step
P(dmin < 0)P (d min <0)
Kollisionswahrscheinlichkeitprobability of collision

ZITATE ENTHALTEN IN DER BESCHREIBUNG QUOTES INCLUDE IN THE DESCRIPTION

Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of the documents listed by the applicant has been generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.

Zitierte Nicht-PatentliteraturCited non-patent literature

  • S. J. Julier und J. K. Uhlmann, „Unscented Filtering and Nonlinear Estimation”, Proceedings of the IEEE, Vol. 92, No. 3, März 2004 [0003] SJ Julier and JK Uhlmann, Unscented Filtering and Nonlinear Estimation, Proceedings of the IEEE, Vol. 3, March 2004 [0003]
  • S. J. Julier und J. K. Uhlmann, „Unscented Filtering and Nonlinear Estimation”, Proceedings of the IEEE, Vol. 92, No. 3, März 2004 [0016] SJ Julier and JK Uhlmann, Unscented Filtering and Nonlinear Estimation, Proceedings of the IEEE, Vol. 3, March 2004 [0016]

Claims (5)

Verfahren zur fahrzeuginternen Ermittlung einer Kollisionswahrscheinlichkeit (P(dmin < 0)) eines Fahrzeugs mit einem Objekt, dadurch gekennzeichnet, dass ausgehend von einem auf Messwerten basierenden Zustandsvektor (x ^), der den momentanen Positions- und Bewegungszustand des Fahrzeugs und eines erfassten Objekts beschreibt, ein innerhalb einer Vorausschauzeit erwarteter minimaler Objektabstand (dmin) zwischen dem Fahrzeug und dem erfassten Objekt sowie die statistische Verteilung (p(x)) der Werte des minimalen Objektabstands (dmin) vorausschauend ermittelt werden und dass die Kollisionswahrscheinlichkeit (P(dmin < 0)) durch Berechnung der Wahrscheinlichkeit, dass der minimale Objektabstand (dmin) einen negativen Wert annimmt, ermittelt wird.Method for the vehicle-internal determination of a collision probability (P (d min <0)) of a vehicle with an object, characterized in that starting from a conditional vector based on measured values (x ^), which describes the current position and movement state of the vehicle and a detected object, a minimum object distance (d min ) between the vehicle and the detected object expected within a look-ahead time, and the statistical distribution (p (x)) of the values of the minimum object distance (i.e. min ) are determined in advance and that the collision probability (P (d min <0)) is determined by calculating the probability that the minimum object distance (d min ) assumes a negative value. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass der erwartete minimale Objektabstand (dmin) bestimmt wird, indem ausgehend von dem Zustandsvektor durch eine Simulation zukünftige Aufenthaltsorte des Fahrzeugs und des Objekts zeitdiskret prädiziert werden und hieraus der zeitliche Verlauf des Objektabstands während der Vorausschauzeit prognostiziert wird, und indem aus dem prognostizierten zeitlichen Verlauf das Minimum bestimmt wird.A method according to claim 1, characterized in that the expected minimum object distance (d min ) is determined by starting from the state vector by a simulation future whereabouts of the vehicle and the object are predicted time discrete and from this the temporal course of the object distance during the forecast time is predicted and by determining the minimum from the predicted time course. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass anhand des Zustandsvektors (x ^) und einer Kovarianzmatrix (ΣX) des Zustandsvektors (x ^) Approximationswerte für einen Erwartungswert (μUT) und eine Standardabweichung (σUT) einer Normalverteilung der Werte des minimalen Objektabstands (dmin) ermittelt werden.A method according to claim 1 or 2, characterized in that based on the state vector (x ^) and a covariance matrix (Σ X ) of the state vector (x ^) Approximation values for an expected value (μ UT ) and a standard deviation (σ UT ) of a normal distribution of the values of the minimum object distance (d min ) are determined. Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass anhand des ermittelten Erwartungswerts (μUT) und der ermittelten Standardabweichung (σUT) eine Verteilungsdichtefunktion (p(x)) der Werte des minimalen Objektabstands (dmin) ermittelt wird, und dass die Kollisionswahrscheinlichkeit (P(dmin < 0)) ermittelt wird, indem die Verteilungsdichtefunktion (p(x)) über alle negativen Werte des minimalen Objektabstands (dmin) integriert wird.Method according to Claim 3, characterized in that a distribution density function (p (x)) of the values of the minimum object distance (d min ) is determined on the basis of the determined expected value (μ UT ) and the determined standard deviation (σ UT ), and that the probability of collision ( P (d min <0)) is determined by integrating the distribution density function (p (x)) over all negative values of the minimum object distance (d min ). Vorrichtung zur fahrzeuginternen Ermittlung einer Kollisionswahrscheinlichkeit (P(dmin < 0)) eines Fahrzeugs mit einem Objekt, umfassend zumindest eine Steuereinrichtung, gekennzeichnet, die Steuereinrichtung eingerichtet ist, ausgehend von einem auf Messwerten basierenden Zustandsvektor (x ^), der den momentanen Positions- und Bewegungszustand des Fahrzeugs und eines erfassten Objekts beschreibt, einen innerhalb einer Vorausschauzeit erwarteten minimalen Objektabstand (dmin) zwischen dem Fahrzeug und dem erfassten Objekt sowie eine statistische Verteilung (p(x)) der Werte des minimalen Objektabstands (dmin) vorausschauend zu ermitteln und die weiterhin eingerichtet ist, die Kollisionswahrscheinlichkeit (P(dmin < 0)) durch Berechnung der Wahrscheinlichkeit, dass der minimale Objektabstand (dmin) einen negativen Wert annimmt, zu ermitteln.Device for vehicle-internal determination of a collision probability (P (d min <0)) of a vehicle with an object, comprising at least one control device, characterized, the control device is set up, starting from a condition vector based on measured values (x ^), which describes the current position and movement state of the vehicle and a detected object, a minimum object distance (d min ) between the vehicle and the detected object expected within a look-ahead time, and a statistical distribution (p (x)) of the values of the minimum object distance (i.e. min ) and to determine the collision probability (P (d min <0)) by calculating the probability that the minimum object distance (d min ) assumes a negative value.
DE102011017323A 2011-04-16 2011-04-16 Method for determining internal collision probability of vehicle with object, involves determining collision probability of vehicle by computing probability that minimum object spacing assumes negative value Withdrawn DE102011017323A1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102011017323A DE102011017323A1 (en) 2011-04-16 2011-04-16 Method for determining internal collision probability of vehicle with object, involves determining collision probability of vehicle by computing probability that minimum object spacing assumes negative value

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102011017323A DE102011017323A1 (en) 2011-04-16 2011-04-16 Method for determining internal collision probability of vehicle with object, involves determining collision probability of vehicle by computing probability that minimum object spacing assumes negative value

Publications (1)

Publication Number Publication Date
DE102011017323A1 true DE102011017323A1 (en) 2011-10-20

Family

ID=44730913

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102011017323A Withdrawn DE102011017323A1 (en) 2011-04-16 2011-04-16 Method for determining internal collision probability of vehicle with object, involves determining collision probability of vehicle by computing probability that minimum object spacing assumes negative value

Country Status (1)

Country Link
DE (1) DE102011017323A1 (en)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012008968A1 (en) 2012-05-03 2012-11-29 Daimler Ag Method for determining probability of collision of vehicle with object, involves calculating probability that pseudo time reserve is less than preset time period, and calculating collision probability within preset time period
DE102014212474A1 (en) * 2014-06-27 2015-12-31 Bayerische Motoren Werke Aktiengesellschaft Determine a warning or intervention time to avoid vehicle collisions
CN110488806A (en) * 2018-05-14 2019-11-22 罗伯特·博世有限公司 For seeking the method and system of expectation equipment profile
WO2020126142A1 (en) * 2018-12-20 2020-06-25 Robert Bosch Gmbh Evaluating position-finding measurements of an environmental sensor for a motor vehicle

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
S. J. Julier und J. K. Uhlmann, "Unscented Filtering and Nonlinear Estimation", Proceedings of the IEEE, Vol. 92, No. 3, März 2004

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012008968A1 (en) 2012-05-03 2012-11-29 Daimler Ag Method for determining probability of collision of vehicle with object, involves calculating probability that pseudo time reserve is less than preset time period, and calculating collision probability within preset time period
DE102014212474A1 (en) * 2014-06-27 2015-12-31 Bayerische Motoren Werke Aktiengesellschaft Determine a warning or intervention time to avoid vehicle collisions
CN110488806A (en) * 2018-05-14 2019-11-22 罗伯特·博世有限公司 For seeking the method and system of expectation equipment profile
CN110488806B (en) * 2018-05-14 2024-04-30 罗伯特·博世有限公司 Method and system for determining a desired device profile
WO2020126142A1 (en) * 2018-12-20 2020-06-25 Robert Bosch Gmbh Evaluating position-finding measurements of an environmental sensor for a motor vehicle
CN113227821A (en) * 2018-12-20 2021-08-06 罗伯特·博世有限公司 Analytical evaluation of a positioning measurement of an environmental sensor of a motor vehicle
CN113227821B (en) * 2018-12-20 2024-05-31 罗伯特·博世有限公司 Analytical evaluation of a positioning measurement of an environmental sensor of a motor vehicle

Similar Documents

Publication Publication Date Title
DE102018128289B4 (en) METHOD AND DEVICE FOR AUTONOMOUS SYSTEM PERFORMANCE AND CLASSIFICATION
DE102014208009A1 (en) Capture static and dynamic objects
DE102012216386A1 (en) Method for operating a driver assistance system of a vehicle
DE102020005507A1 (en) Method for testing an automated driving function
DE112015002837T5 (en) Fusion of data from heterogeneous sources
EP3701433B1 (en) Method, device and computer program for developing a deep neural network
DE102015117379A1 (en) Method for detecting a dynamic object in an environmental region of a motor vehicle on the basis of information from a vehicle-side ultrasound detection device, driver assistance system and motor vehicle
DE102018201570A1 (en) Multiple target object tracking method, apparatus and computer program for performing multiple target object tracking on moving objects
DE102011017323A1 (en) Method for determining internal collision probability of vehicle with object, involves determining collision probability of vehicle by computing probability that minimum object spacing assumes negative value
DE102011088805A1 (en) Method for developing and/or testing of driver assistance system for motor vehicle, involves determining several scenarios in modeling of prior collision phase by using Monte Carlo simulation based on driving situation
DE102017211815A1 (en) A method, apparatus, computer program and a machine-readable storage medium for operating a vehicle
DE102016220450A1 (en) Apparatus, means of transport and method for estimating a collision probability between a means of locomotion and an environment object
WO2022067368A1 (en) Computer-aided method and device for predicting speeds for vehicles on the basis of probability
DE102022203171A1 (en) Method for validating control software for a robotic device
EP1671297A1 (en) Method for the evaluation and temporal stabilization of classification results
EP2549294B1 (en) Method for detecting and confirming critical driving situations
WO2022129266A1 (en) Method for detecting at least one object in surroundings by means of reflection signals of a radar sensor system
DE102021133977A1 (en) Method and system for classifying virtual test scenarios and training methods
DE102021202813A1 (en) Method, device and computer program for an uncertainty assessment of an image classification
DE102012008968A1 (en) Method for determining probability of collision of vehicle with object, involves calculating probability that pseudo time reserve is less than preset time period, and calculating collision probability within preset time period
DE102008062273A1 (en) Method for supplying information over objects in surrounding of motor vehicle, involves detecting measuring data over objects, evaluating measuring data and supplying surrounding field representation
DE102010025977A1 (en) Method for recognizing of driving maneuver of motor vehicle, involves defining of driving maneuver as sequence of base elements, where each base element is defined by fuzzy rule
DE102022107338B3 (en) Method for testing automated vehicle functions
DE102022202692A1 (en) Nonlinear testing of technical systems for predictability of their behavior using sensor data and an associated differential equation
EP4202779A1 (en) Method and system for classification of scenarios of a virtual test and training method

Legal Events

Date Code Title Description
R230 Request for early publication
R005 Application deemed withdrawn due to failure to request examination