DE102015003666A1 - Verfahren zur Verarbeitung von erfassten Messdaten eines Sensors - Google Patents

Verfahren zur Verarbeitung von erfassten Messdaten eines Sensors Download PDF

Info

Publication number
DE102015003666A1
DE102015003666A1 DE102015003666.1A DE102015003666A DE102015003666A1 DE 102015003666 A1 DE102015003666 A1 DE 102015003666A1 DE 102015003666 A DE102015003666 A DE 102015003666A DE 102015003666 A1 DE102015003666 A1 DE 102015003666A1
Authority
DE
Germany
Prior art keywords
cluster
measurement data
sensor
data
stored
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Withdrawn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
DE102015003666.1A
Other languages
English (en)
Inventor
Marcus Wörner
Frank Schuster
Christoph Keller
Martin Haueis
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 DE102015003666.1A priority Critical patent/DE102015003666A1/de
Publication of DE102015003666A1 publication Critical patent/DE102015003666A1/de
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • 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
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • 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
    • 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
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4808—Evaluating distance, position or velocity data
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
    • G09B29/003—Maps
    • G09B29/004—Map manufacture or repair; Tear or ink or water resistant maps; Long-life maps
    • 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
    • G01S2013/9314—Parking operations
    • 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
    • G01S2013/9323—Alternative operation using light waves
    • 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
    • G01S2013/9324—Alternative operation using ultrasonic waves
    • 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
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
    • G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2015/932—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles for parking operations
    • 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
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
    • G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2015/932—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles for parking operations
    • G01S2015/933—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles for parking operations for measuring the dimensions of the parking space when driving past
    • G01S2015/935—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles for parking operations for measuring the dimensions of the parking space when driving past for measuring the contour, e.g. a trajectory of measurement points, representing the boundary of the parking space

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Theoretical Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Acoustics & Sound (AREA)
  • Traffic Control Systems (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zur Verarbeitung von erfassten Messdaten (9) eines Sensors (4) in einem Messbereich (5) zur Erzeugung mindestens einer digitalen Karte (K). Erfindungsgemäß werden räumliche Häufungen (6) der erfassten Messdaten (9) in dem Messbereich (5) ermittelt und zu einer räumlichen Häufung (6) gehörige Messdaten (9) jeweils als ein Cluster (8, 8.1 bis 8.3) zusammengefasst und gespeichert, wobei mindestens eine digitale Clusterkarte (CK) anhand mindestens eines oder mehrerer Cluster (8, 8.1 bis 8.3) erzeugt wird.

Description

  • Die Erfindung betrifft ein Verfahren zur Verarbeitung von erfassten Messdaten eines Sensors in einem Messbereich zur Erzeugung mindestens einer digitalen Karte.
  • Zur Ermittlung von Fahrzeugpositionen, beispielsweise für ein als Einparkhilfe ausgebildetes Fahrerassistenzsystem werden vorzugsweise gegenüber Umwelteinflüssen widerstandsfähige und kostengünstige Sensoren verwendet.
  • Solche Sensoren, insbesondere Radarsensoren, weisen eine durch deren Messprinzip bedingte Ungenauigkeit und ein hohes Grundrauschen auf. Das Grundrauschen tritt hauptsächlich infolge von unerwünschten Reflexionen an unerwünschten Zielen, von Selbstinterferenzen (sogenannte Speckle) und infolge einer gewissen Eindringtiefe von Radarstrahlung in Messziele auf.
  • Es sind im Wesentlichen zwei Kategorien von Verfahren bekannt, mittels derer sich den bei einem SLAM-Verfahren (Simultane Lokalisation und Kartierung) auftretenden Problemstellungen genähert wird.
  • In einem sogenannten Grid-basierten Verfahren wird eine Diskretisierung der Messdaten in ein festes Raster vorgenommen, so dass sowohl der Ort der Messung als auch der Messwert des Radars diskretisiert wird. Diese Verfahren benötigen lange Rechenzeiten, da häufig über die Einträge des Datensatzes iteriert werden muss. Die Diskretisierung bedingt eine gewisse Ungenauigkeit der Lokalisation und der Kartierung. Werden erhöhte Genauigkeiten angestrebt, sind im Verhältnis zur erreichten Erhöhung der Genauigkeit quadratisch ansteigende Datenvolumen erforderlich.
  • In Landmarken-basierten Verfahren werden dagegen spezielle Algorithmen benutzt, um die Umgebung eines markanten Punktes mittels eines Vektors, einem sogenannten Deskriptor, zu beschreiben. Dabei werden einzelne Punkte aus dem Umfeld des Punktes mittels eines Detektors (feature-detector, z. B. SIFT, SURF, ORB, FAST oder FREAK) extrahiert und über eine Vorschrift der Deskriptor berechnet. Um die Umgebung wiederzuerkennen, werden möglichst reproduzierbare Detektoren verwendet, um über ein Vergleichsverfahren (Matching-Verfahren oder kurz Matching) einen guten Abgleich der Deskriptoren zu erreichen.
  • Aus der DE 10 2013 211 126 A1 ist ein Verfahren zum Modellieren eines Umfelds eines Fahrzeugs bekannt, wobei mittels eines Sensors Umfelddaten für eine Vielzahl von Messpositionen gewonnen und die Messpositionen gespeichert werden. Die Umfelddaten werden auf einer virtuell bereitgestellten ersten Kachel und in zumindest einer virtuell bereitgestellten zweiten Kachel eines ersten Umfeldmodells gespeichert, wobei die erste Kachel und die zweite Kachel einen Teilbereich des Umfelds repräsentieren. Er wird dann zumindest ein eindeutiges Merkmal aus den Umfelddaten der ersten Kachel und einer zugehörigen ersten Messposition, an der das Merkmal erfasst wurde, gespeichert. Anschließend wird eine gefahrene Trajektorie des Fahrzeugs gespeichert. Das gespeicherte Merkmal wird aus einer zweiten Messposition innerhalb der zweiten Kachel erfasst und eine korrigierte Messposition und eine korrigierte Trajektorie aus der ersten Messposition, der zweiten Messposition und der gefahrenen Trajektorie ermittelt. Durch Einfügen von anhand der korrigierten Trajektorie korrigierter Umfelddaten in das erste Umfeldmodell wird ein korrigiertes zweites Umfeldmodell erstellt.
  • Der Erfindung liegt die Aufgabe zu Grunde, ein gegenüber dem Stand der Technik verbessertes Verfahren zur Verarbeitung von Messdaten eines Sensors anzugeben.
  • Hinsichtlich des Verfahrens zur Ermittlung von Messdaten aus erfassten Sensorsignalen wird die Aufgabe durch die im Anspruch 1 angegebenen Merkmale gelöst.
  • Vorteilhafte Ausgestaltungen der Erfindung sind Gegenstand der Unteransprüche.
  • Das Verfahren zur Verarbeitung von erfassten Messdaten eines Sensors in einem Messbereich dient zur Erzeugung mindestens einer digitalen Karte.
  • Erfindungsgemäß werden räumliche Häufungen der erfassten Messdaten in dem Messbereich ermittelt und zu einer räumlichen Häufung gehörige Messdaten jeweils als ein Cluster zusammengefasst und gespeichert, wobei mindestens eine digitale Clusterkarte anhand mindestens eines oder mehrerer Cluster erzeugt wird.
  • Mittels des erfindungsgemäßen Verfahrens werden in einem Messbereich eines Sensors erfasste Rohdaten oder Messdaten als ein Messdatenstrom bereitgestellt und über mehrere Zeitschritte in Clustern zusammengefasst (auch als Stream-Clustering-Algorithmus bezeichnet), wodurch vorteilhaft eine starke Reduktion von zu speichernden und zu verarbeitenden Messdaten erreicht ist. Eine verfügbare Speicherkapazität, beispielsweise die eines Steuergeräts eines Fahrzeugs, wird daher nur geringfügig belegt, sodass weiterhin erhebliche freie Speicherkapazitäten für andere Aufgaben zur Verfügung stehen. Die kleinen Mengen zu speichernder und zu verarbeitender Messdaten begünstigen eine schnelle Verarbeitung der Messdaten, was insbesondere für die Anwendbarkeit der gemäß dem erfindungsgemäßen Verfahren ermittelten Messdaten in Echtzeit-Anwendungen vorteilhaft ist.
  • Durch das Verfahren werden Messdaten, die aufgrund eines Rauschens des Sensors und/oder aufgrund von Sensorsignalen nur temporär in dem Messbereich befindlicher Messziele verursacht sind, unterdrückt oder gänzlich ausgefiltert. Damit ist trotz einer Verwendung von Sensoren mit einem hohen Grundrauschen ihrer Sensorsignale eine fehlerarme Ermittlung und Verarbeitung der Messdaten und ein sehr präziser Abgleich der ermittelten Messdaten mit bereits vorhandenen Messdaten, beispielsweise bei einem Abgleich von Messdaten verschiedener Datensätze und/oder Karten eines Umfelds eines Fahrzeugs, ermöglicht.
  • Bei der Durchführung des erfindungsgemäßen Verfahrens zur Ermittlung von Messdaten aus erfassten Sensorsignalen ist ferner keine Diskretisierung der Messdaten erforderlich.
  • Die bei der Durchführung des erfindungsgemäßen Verfahrens ermittelten und verarbeiteten Messdaten können zur Erzeugung einer Karte eines Umfelds des Fahrzeugs sowie zur Erstellung einer aktualisierten Karte anhand einer ursprünglichen Karte und/oder zur Erstellung eines aktualisierten Datensatzes der Karte ausgehend von einem ursprünglichen Datensatz der Karte verwendet werden.
  • Ausführungsbeispiele der Erfindung werden im Folgenden anhand von Zeichnungen näher erläutert.
  • Dabei zeigen:
  • 1A bis 1C eine schematische Darstellung gemäß dem Stand der Technik erfasster Messdaten eines Radarsensors in der 1A, sowie schematische Darstellungen verschiedener Rauschartefakte gemäß dem Stand der Technik in den 1B und 1C,
  • 2 eine schematische Darstellung eines Umfelds eines Fahrzeugs in einer Grid-basierten Kartendarstellung gemäß dem Stand der Technik,
  • 3A, 3B eine schematische Darstellung von Clustern gemäß eines ersten Ausführungsbeispiels eines Verfahrens zur Verarbeitung erfasster Messdaten eines Sensors,
  • 4 eine schematische Darstellung einer Anzahl von Clustern entlang einer Sichtachse gemäß eines zweiten Ausführungsbeispiels des Verfahrens,
  • 5A, 5B eine schematische Darstellung einer Karte eines Umfelds eines Fahrzeugs in der 5A und eine durch Cluster gebildete Clusterkarte des Umfelds in der 5B gemäß eines dritten Ausführungsbeispiels des Verfahrens und
  • 6A, 6B eine schematische Darstellung einer Clusterkarte zu einem ersten Zeitpunkt in der 6A und einer Clusterkarte zu einem zweiten Zeitpunkt in der 6B.
  • Einander entsprechende Teile sind in allen Figuren mit den gleichen Bezugszeichen versehen.
  • In der 1A sind schematisch Messdaten 9 in einer digitalen Karte K dargestellt, die mittels eines in 1C dargestellten Sensors 4 während wenigstens einer Fahrt eines Fahrzeugs 1 über einen Parkplatz 2 mit den ungefähren Abmaßen 150 m Länge und 35 m Breite gemäß dem Stand der Technik erfasst wurden. Auf dem Parkplatz 2 sind in Doppelreihen parkende Fahrzeuge 1 sowie Einrichtungen 3 wie Zäune, Laternen und Bepflanzungen vorhanden. Die Fahrzeuge 1 sowie die Einrichtungen 3 stellen jeweils Messziele dar, von denen eine reflektierte Messstrahlung, beispielsweise eine reflektierte Radarstrahlung, als ein Messdaten 9 enthaltender Messdatenstrom erfasst wird. Von den Messdaten 9 werden zu jedem Erfassungszeitpunkt jeweils deren relative Lage bezüglich des Fahrzeugs 1 durch einen horizontalen Winkel, einen vertikalen Winkel und eine Entfernung ermittelt.
  • In einer 1A sind räumliche Häufungen 6 von Messdaten 9 dargestellt, die in einer Ausschnittvergrößerung mit einer Strichlinienumrandung R1 hervorgehoben sind. Durch die räumlichen Häufungen 6 sind Fahrzeuge 1 und Einrichtungen 3 abgebildet.
  • Die relativen Lagen der Messdaten 9 werden in ein globales Koordinatensystem übertragen und die großräumige digitale Karte K des Umfelds des Fahrzeugs 1 wird aus den relativen Lagen einer Anzahl von Messdaten 9 erstellt.
  • Durch die Messdaten 9 sind der Parkplatz 2 und die darauf befindlichen Fahrzeuge 1 und Einrichtungen 3 mit unscharfen Konturen abgebildet.
  • Diese unscharfen Abbildungen rühren von sogenannten Rauschartefakten her, die beispielsweise durch Reflexionen an Fahrzeugwänden entstehen, wie diese beispielhaft in der 1B mit einer Volllinienumrandung R2 durch die umrandeten ovalen Bereiche hervorgehoben dargestellt sind.
  • Ein weiteres, in der 1C mit einer Volllinienumrandung R3 schematisch dargestelltes Rauschartefakt beruht auf dem Umstand, dass bei den zumeist in Ruhe befindlichen Messzielen auf dem Parkplatz 2 eine Dopplerverschiebung für eine Lokalisation der Messziele nicht nutzbar ist. Die nur bei einer stattfindenden Relativbewegung zwischen einem Messziel und dem Sensor 4 auftretende Dopplerverschiebung wird eingesetzt, um die Genauigkeit einer Winkelmessung der Messdaten 9 in einem Messbereich 5 des Sensors 4 zu erhöhen.
  • In 2 ist ein weiteres Beispiel eines Parkplatzes 2 sowie darauf abgestellter Fahrzeuge 1 in einer Grid-basierten Karte K gemäß dem Stand der Technik gezeigt. Die Gridkonstante der Karte K beträgt 30 cm.
  • Das erfindungsgemäße Verfahren wird vereinfachend anhand der 3 erläutert.
  • Als Sensor 4 ist jeder Entfernungssensor verwendbar, durch den hinreichend viele Messdaten 9 erfassbar sind.
  • Im Folgenden wird beispielhaft von einem in 1 dargestellten und als Radarsensor ausgebildeten Sensor 4 ausgegangen, durch den eine Radarstrahlung in den lediglich angedeutet dargestellten Messbereich 5 abgestrahlt und als von Messzielen reflektierte Radarstrahlung erfasst wird.
  • Zusätzlich oder alternativ wird als Sensor 4 ein LIDAR-Sensor (lidar = light detection and ranging) oder ein Ultraschallsensor verwendet.
  • Erfindungsgemäß werden räumliche Häufungen 6 der erfassten Messdaten 9 in dem Messbereich 5 ermittelt und zu einer räumlichen Häufung 6 gehörige Messdaten 9 jeweils als ein Cluster 8 zusammengefasst und gespeichert.
  • Schematisch sind in der 3A eine erste Messung 9.1 und in der 3B eine zweite Messung 9.2 dargestellt. Durch jede der 3A, 3B ist ein Teilmessbereich des Messbereichs 5 dargestellt. Entlang einer Sichtachse 7 ist jeweils eine Anzahl von Messdaten 9 erfasst, deren relative Lagen, wie oben dargelegt, ermittelt werden.
  • Eine räumliche Häufung 6 wird derart bestimmt, dass in dem Messbereich 5 Messdaten 9 erfasst und ein auf der Sichtachse 7 liegender Clustermittelpunkt m eines Clusters 8 mit einem maximalen Clusterradius rmax vorgegeben wird. Nachfolgend werden in diesem maximalen Clusterradius rmax erfasste Messdaten 9 diesem Cluster 8 zugeordnet.
  • Anhand der dem Cluster 8 zugeordneten Messdaten 9 wird beziehungsweise werden zumindest ein Wichtungsparameter Wc, ein effektiver Clustermittelpunkt meff und/oder ein effektiver Clusterradius reff ermittelt und/oder angepasst und gespeichert.
  • Die Cluster 8 sind jeweils durch den maximalen Clusterradius rmax, den effektiven Clusterradius reff und den effektiven Clustermittelpunkt meff vollständig beschrieben.
  • Zur Berechnung des effektiven Clusterradius reff, des effektiven Clustermittelpunkts meff und weiterer Parameter des Clusters 8 werden folgende Gleichungen verwendet:
    Figure DE102015003666A1_0002
    Figure DE102015003666A1_0003
  • Dabei ist wi ein individueller Gewichtungsfaktor der jeweiligen, in den Gleichungen [1] bis [3] als Punkte Pi bezeichneten Messdaten 9. Der Wichtungsparameter Wc gibt eine Wichtung eines Clusters 8 an. Der Parameter msq ist ein Abweichungsparameter.
  • Die Cluster 8 werden jeweils in einem Clusterdatensatz, umfassend die Parameter gemäß der Gleichungen [1] bis [4], gespeichert.
  • In einer weiteren Ausgestaltung des Verfahrens wird ein maximaler Wichtungsparameter Wcmax definiert, durch den eine Obergrenze des Wichtungsparameters Wc eines Clusters 8 festgelegt ist.
  • In einer weiteren Ausgestaltung des Verfahrens wird eine räumliche Häufung 6 von Messdaten 9 dann als ein Cluster 8 zusammengefasst und gespeichert, wenn die Anzahl der dem Cluster 8 zugeordneten Messdaten 9 einen vorgegebenen Messdatengrenzwert ζ erreicht oder übersteigt.
  • Messdaten 9, die keinem Cluster 8 zugeordnet werden können, werden verworfen, insbesondere nicht gespeichert.
  • In dem in 3A, 3B dargestellten ersten Ausführungsbeispiel des Verfahrens sei der Messdatengrenzwert ζ auf zehn festgelegt. Bei der ersten Messung 9.1 werden acht Messdaten 9 innerhalb des maximalen Clusterradius rmax um die Sichtachse 7 erfasst. In der zweiten Messung 9.2 sind es dagegen dreiundzwanzig Messdaten 9. Das in der 3A gezeigte Cluster 8 wird als ein Außenseiter-Cluster (outlier-Cluster) identifiziert und verworfen. Das in der 3B gezeigte Cluster 8 wird dagegen als ein Cluster 8 identifiziert.
  • Hinzugefügte Messdaten 9 gehören dann zu einem Cluster 8, wenn dieser stets innerhalb des maximalen Clusterradius rmax bleibt. Andernfalls werden die Messdaten 9 dem nächstliegenden Cluster 8 zugeordnet. Ist dies nicht möglich, wird versucht, die Messdaten 9 einem nächstliegenden Außenseiter-Cluster (outlier cluster) zuzuordnen. Wenn auch diese Zuordnung nicht möglich ist, entsteht aus den jeweiligen Messdaten 9 ein neuer Außenseiter-Cluster. Ein Außenseiter-Cluster wird somit durch Messdaten 9 gebildet, welche keinem bekannten Cluster 8 zugeordnet werden können und welche somit vorbestimmte Kriterien des jeweiligen Clusters 8 zu einem betrachteten Zeitpunkt (noch) nicht erfüllen, beispielsweise wenn die aktuelle Anzahl der zugehörigen Messdaten 9 den vorgegebenen Messdatengrenzwert ζ unterschreitet.
  • Das erfindungsgemäße Verfahren eignet sich beispielsweise zur lebenslangen Kartierung eines sich verändernden Umfelds eines Fahrzeugs 1. Das Verfahren ist vorteilhaft in autonomen Fahrerassistenzsystemen wie Strecken- und/oder Spurerkennungssystemen und Einparkhilfen verwendbar.
  • Das Verfahren wird in einer seiner möglichen Ausgestaltungen zur Erzeugung einer digitalen Clusterkarte CK anhand der Cluster 8 genutzt, wobei als Clusterkarte CK in einer vorteilhaften Ausgestaltung des Verfahrens eine Karte K eines Umfelds eines Fahrzeugs 1 erzeugt wird.
  • In einer möglichen Ausgestaltung des Verfahrens wird ein gespeichertes Cluster 8 anhand von aktuell erfassten Messdaten 9 aktualisiert oder verworfen.
  • Hierzu werden bei einer Erfassung von aktuellen Messdaten 9 in dem Messbereich 5 neue oder vorhandene gespeicherte Cluster 8 ermittelt beziehungsweise überprüft. Jedes der neu ermittelten oder wiederermittelten Cluster 8 wird daraufhin überprüft, ob das Cluster 8 mit einem bereits gespeicherten Cluster 8 hinsichtlich seiner räumlichen Lage übereinstimmt. Die aktuelle Erfassung von Messdaten 9 erfolgt beispielsweise während einer erneuten Fahrt des Fahrzeugs 1 entlang einer bekannten Fahrstrecke oder wird anhand eines erneut aufgenommenen Bildes des Messbereichs 5 durchgeführt.
  • Ein bereits gespeichertes Cluster 8 wurde beispielsweise während einer vorangegangenen Fahrt des Fahrzeugs 1 entlang der Fahrstrecke oder anhand eines vorher aufgenommenen und gespeicherten Bildes ermittelt und in einem ursprünglichen Clusterdatensatz gespeichert.
  • Cluster 8, die sowohl in dem ursprünglichen Clusterdatensatz enthalten sind als auch mit erneut erfassten Clustern 8 übereinstimmen, werden als verifizierte Cluster 8 in einem aktualisierten Clusterdatensatz gespeichert.
  • In einer möglichen weiteren Ausgestaltung des Verfahrens wird der aktualisierte Clusterdatensatz bei einer erneuten Erfassung von Messdaten 9 als ursprünglicher Clusterdatensatz verwendet.
  • Die Clusterdatensätze werden vorteilhaft in räumlichen Datenstrukturen gespeichert, um eine maximale Flexibilität bei zugleich geringen Zugriffszeiten sicherzustellen. In einer möglichen weiteren Ausgestaltung des Verfahrens werden die Clusterdatensätze in einer R-Baum-Datenstruktur (r-tree) gespeichert.
  • In einer weiteren möglichen Ausgestaltung des Verfahrens werden Cluster 8 anhand beliebiger Dimensionen wie beispielsweise einer Amplitude der Messdaten 9 oder einer aus den Messdaten 9 abgeleiteten Geschwindigkeit ermittelt. Für jede der Dimensionen sind die oben erläuterten Parameter ermittelbar.
  • In einer weiteren möglichen Ausgestaltung des Verfahrens werden die Parameter wie der effektive Clusterradius reff und der maximale Clusterradius rmax richtungsabhängig ermittelt oder vorgegeben, um richtungsabhängig unterschiedliche Messgenauigkeiten beispielsweise für Winkel und/oder Entfernungen zu berücksichtigen.
  • In einer weiteren möglichen Ausgestaltung des Verfahrens zur Ermittlung von Messdaten aus Sensorsignalen wird einen jedem nicht verifizierten Cluster 8, als ein weiterer Parameter eine Konstante β zugewiesen. Durch die auch als Zerfallskonstante bezeichnete Konstante β wird das Gewicht des Wichtungsparameters Wc reduziert, wenn ein Cluster 8 über mehrere erneute Erfassungen nicht verifiziert wurde.
  • Durch dieses Vorgehen werden nicht mehr vorhandene Messdaten 9, beispielsweise Rauschartefakte, reduziert. Ein nicht verifiziertes Cluster 8 wird durch Wirkung der Konstante β nach einer Anzahl nicht erfolgter Verifizierungen nicht mehr in einen aktualisierten Clusterdatensatz gespeichert.
  • In einer möglichen Ausgestaltung des Verfahrens ist der Wichtungsparameter Wc als ein modifizierter Wichtungsparameter Wc,decay wie folgt modelliert: Wc,decay = Σ n / i=1wi = Σ n / i=1Π m–1 / i=1 N(dij|mjrj) – βwm [5]
  • Werden Messdaten 9 eines bestimmten Clusters 8 bei einer erneuten Erfassung des Messbereichs 5 nicht erneut erfasst, gehen diese nicht erneut erfassten Messdaten 9, je nach gewählter Konstante β, nicht oder nur mit einer verringerten Gewichtung in das Cluster 8 ein. Der modifizierte Wichtungsparameter Wc,decay wird in einem aktualisierten Clusterdatensatz des Clusters 8 gespeichert.
  • Fallen in einem Cluster 8 über mehrere Erfassungsvorgänge so viele Messdaten 9 weg, dass der Messdatengrenzwert ζ unterschritten ist, wird ein vormaliges Cluster 8 als Außenseiter-Cluster definiert und verworfen.
  • Durch die Implementierung der Konstante β entfällt vorteilhaft das Erfordernis, rechen- und speichertechnisch aufwändige Klassifikationsalgorithmen oder Algorithmen zur Bereinigung eines Datensatzes von Artefakten (update-algorithm) verwenden zu müssen, wie dies bei Grid-basierten Verfahren der Fall ist.
  • Die Berechnung des Wichtungsparameters Wc wird anhand der 4 erläutert. In dem Messbereich 5 des Sensors 4 wird entlang einer virtuellen Sichtachse 7 eine Anzahl von Messdaten 9 erfasst. Entlang der Sichtachse 7 sind beispielhaft ein erstes, zweites und drittes Cluster 8.1, 8.2 und 8.3 mit den effektiven Clustermittelpunkten meff1, meff2 und meff3 sowie den effektiven Clusterradien reff1, reff2 und reff3 dargestellt. Die Abstände di1, di2 und di3 sind durch die Normalen von einem jeweiligen effektiven Clustermittelpunkt meff1, meff2 und meff3 auf die Sichtachse 7 bestimmt. Die effektiven Radien reff1, reff2 und reff3 geben jeweils die einfache Standardabweichung der Verteilung der Messdaten 9 der ersten bis dritten Cluster 8.1, 8.2 und 8.3 an. Anhand der ermittelten ersten bis dritten Cluster 8.1 bis 8.3 wird eine Clusterkarte CK eines Teilmessbereichs des Messbereichs 5 erzeugt.
  • In der 5A sind auf dem Parkplatz 2 erfasste Messdaten 9 als eine Karte K nach dem Stand der Technik dargestellt. Diese Karte K weist Rauschartefakte auf.
  • In der 5B ist eine Clusterkarte CK dargestellt, in der nur die mittels des erfindungsgemäßen Verfahrens ermittelten Cluster 8 enthalten sind. Die Clusterkarte CK weist gegenüber der in der 5A dargestellten Karte K ein verringertes Rauschen auf.
  • Ein drittes Ausführungsbeispiel des Verfahrens zur Verarbeitung von Messdaten 9 ist in den 6A, 6B schematisch dargestellt. In den 6A und 6B ist jeweils das Fahrzeug 1 dargestellt, an dessen Frontbereich der Sensor 4 angeordnet ist. Das Fahrzeug 1 befindet sich zu einem ersten Zeitpunkt t1 an einer ersten Position P1 einer in der 6A aufgrund eines ursprünglichen Clusterdatensatzes dargestellten Clusterkarte CK des Parkplatzes 2. Zu einem in der 6B schematisch dargestellten zweiten Zeitpunkt t2 befindet sich das Fahrzeug 1 an einer zweiten Position P2 einer aufgrund eines aktualisierten Clusterdatensatzes dargestellten Clusterkarte CK des Parkplatzes 2.
  • In einer nicht dargestellten weiteren Ausgestaltung des Verfahrens sind an dem Fahrzeug 1 an jeder seiner Seiten wenigstens ein Sensor 4 angeordnet, anhand deren Messdaten 9 das Verfahren durchgeführt wird.
  • Zwischen dem ersten Zeitpunkt t1 und dem zweiten Zeitpunkt t2 werden mittels des Sensors 4 in dem Messbereich 5 Messdaten 9 erfasst, Cluster 8 ermittelt und der ursprüngliche Clusterdatensatz durch einen aktualisierten Clusterdatensatz ersetzt.
  • Die jeweils durch eine Volllinienumrandung R4 beispielhaft in der 6A hervorgehobenen zwei Bereiche enthalten zu dem ersten Zeitpunkt t1 eine bestimmte Anzahl von Clustern 8. Ein Teil dieser Anzahl von Clustern 8 wurde bei der erneuten Erfassung der Messdaten 9 nicht verifiziert, sodass zum zweiten Zeitpunkt t2 weniger Cluster 8 in den in der 6B ebenfalls durch die Volllinienumrandung R5 hervorgehobenen zwei Bereichen enthalten sind.
  • Der aktualisierte Clusterdatensatz wird in einer weiteren Ausführung des Verfahrens bei einer erneuten Erfassung von Messdaten 9 als ursprünglicher Clusterdatensatz verwendet.
  • Die mittels des Verfahrens erzeugten Clusterkarten CK werden beispielsweise für eine Lokalisierung und/oder eine Selbstlokalisation des Fahrzeugs 1, beispielsweise mittels eines Fast-SLAM-Verfahrens, verwendet.
  • Mittels des erfindungsgemäßen Verfahrens ist eine Selbstlokalisation des Fahrzeugs 1 im Vergleich zu Verfahren, bei denen sämtliche erfassten Messdaten 9 genutzt werden, mit einem Fehler von weniger als 1% ermöglicht.
  • Durch das Verfahren werden Diskretisierungsfehler vermieden. Es ist zudem nur ein geringer Speicherplatz zum Speichern der Clusterkarten CK und/oder der Clusterdatensätze erforderlich. Beispielsweise erfordert eine Clusterkarte CK eines rund 500 m langen Parkplatzes 2 einen Speicherplatz von 80 kB.
  • Gegenüber Landmarken-basierten Verfahren kann das erfindungsgemäße Verfahren mit geringem Programmieraufwand in bestehende Systeme implementiert und verwaltet werden. Das Verfahren ist auf jegliche Art von Entfernungssensoren (Range-Scanner-Sensoren) übertragbar. Auch bei diesen Sensoren 4 können mittels der Verfahren trotz des auftretenden Rauschens hochgenaue Clusterkarten CK erzeugt werden.
  • Durch das erfindungsgemäße Verfahren sind die günstigen Eigenschaften von Grid-basierten Verfahren und den daraus erhaltenen Karten K (Grid-Maps) sowie die günstigen Eigenschaften Landmarken-basierter Verfahren und den daraus erhaltenen Karten K (Feature-Maps) vereinigt. Das Verfahren ermöglicht eine effiziente Darstellung einer digitalen Clusterkarte CK des Umfelds eines Fahrzeugs 1 und eine sehr präzise Eigenlokalisation des Fahrzeugs 1.
  • ZITATE ENTHALTEN IN DER BESCHREIBUNG
  • 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.
  • Zitierte Patentliteratur
    • DE 102013211126 A1 [0007]

Claims (8)

  1. Verfahren zur Verarbeitung von erfassten Messdaten (9) mindestens eines Sensors (4) in einem Messbereich (5) zur Erzeugung mindestens einer digitalen Karte (K), dadurch gekennzeichnet, dass räumliche Häufungen (6) der erfassten Messdaten (9) in dem Messbereich (5) ermittelt und zu einer räumlichen Häufung (6) gehörige Messdaten (9) jeweils als ein Cluster (8, 8.1 bis 8.3) zusammengefasst und gespeichert werden, wobei mindestens eine digitale Clusterkarte (CK) anhand mindestens eines oder mehrerer Cluster (8, 8.1 bis 8.3) erzeugt wird.
  2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die zumindest eine räumliche Häufung (6) derart bestimmt wird, dass durch eine Messung (9.1, 9.2) Messdaten (9) in dem Messbereich (5) erfasst und ein Clustermittelpunkt (m) eines Clusters (8, 8.1 bis 8.3) mit einem maximalen Radius (rmax) vorgegeben wird und nachfolgend in diesem maximalen Radius (rmax) erfasste Messdaten (9) dem Cluster (8, 8.1 bis 8.3) zugeordnet werden.
  3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass eine räumliche Häufung (6) von Messdaten (9) dann als ein Cluster (8) zusammengefasst und gespeichert wird, wenn die Anzahl der dem Cluster (8) zugeordneten Messdaten (9) einen vorgegebenen Messdatengrenzwert (ζ) erreicht oder übersteigt.
  4. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass anhand der dem Cluster (8) zugeordneten Messdaten (9) zumindest ein Wichtungsparameter (Wc), ein effektiver Clustermittelpunkt (meff) und/oder ein effektiver Clusterradius (reff, reff1 bis reff3) ermittelt und/oder angepasst und gespeichert werden beziehungsweise wird.
  5. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass ein gespeichertes Cluster (8) anhand von aktuell erfassten Messdaten (9) aktualisiert oder verworfen wird.
  6. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als Sensor (4) ein Entfernungssensor verwendet wird.
  7. Verfahren nach Anspruch 6 dadurch gekennzeichnet, dass als Entfernungssensor ein Radarsensor, ein LIDAR-Sensor und/oder ein Ultraschallsensor verwendet wird.
  8. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als Karte (K) eine Clusterkarte (CK) eines Umfelds eines Fahrzeugs (1) erzeugt wird.
DE102015003666.1A 2015-03-20 2015-03-20 Verfahren zur Verarbeitung von erfassten Messdaten eines Sensors Withdrawn DE102015003666A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102015003666.1A DE102015003666A1 (de) 2015-03-20 2015-03-20 Verfahren zur Verarbeitung von erfassten Messdaten eines Sensors

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102015003666.1A DE102015003666A1 (de) 2015-03-20 2015-03-20 Verfahren zur Verarbeitung von erfassten Messdaten eines Sensors

Publications (1)

Publication Number Publication Date
DE102015003666A1 true DE102015003666A1 (de) 2016-09-22

Family

ID=56852584

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102015003666.1A Withdrawn DE102015003666A1 (de) 2015-03-20 2015-03-20 Verfahren zur Verarbeitung von erfassten Messdaten eines Sensors

Country Status (1)

Country Link
DE (1) DE102015003666A1 (de)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3401699A1 (de) * 2017-05-09 2018-11-14 Veoneer Sweden AB Fahrzeugumgebungserfassungssystem zur parkplatzerkennung
WO2019063299A1 (de) * 2017-09-26 2019-04-04 Robert Bosch Gmbh Verfahren und system zum kartieren und lokalisieren eines fahrzeugs basierend auf radarmessungen
EP3546983A1 (de) * 2018-03-28 2019-10-02 Aptiv Technologies Limited Verfahren zur objektidentifizierung in einem verkehrsraum
WO2020249408A1 (de) * 2019-06-12 2020-12-17 Robert Bosch Gmbh Positionsbestimmung auf der basis von umgebungsbeobachtungen
EP3798665A1 (de) * 2019-09-26 2021-03-31 Zenuity AB Verfahren und system zum ausrichten von radarerfassungsdaten
DE102020215254A1 (de) 2020-12-03 2022-06-09 Continental Automotive Gmbh Verfahren zur Erkennung von Parklücken mittels Ultraschallsensoren
DE102022130711A1 (de) 2022-11-21 2024-05-23 Brose Fahrzeugteile Se & Co. Kommanditgesellschaft, Bamberg Verfahren zum Betrieb einer motorischen Klappenanordnung eines Kraftfahrzeugs

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130060382A1 (en) * 2009-04-24 2013-03-07 Robert Bosch Gmbh Method of accurate mapping with mobile robots
DE102013211126A1 (de) 2013-06-14 2014-12-18 Robert Bosch Gmbh Verfahren zum Modellieren eines Umfelds eines Fahrzeugs

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130060382A1 (en) * 2009-04-24 2013-03-07 Robert Bosch Gmbh Method of accurate mapping with mobile robots
DE102013211126A1 (de) 2013-06-14 2014-12-18 Robert Bosch Gmbh Verfahren zum Modellieren eines Umfelds eines Fahrzeugs

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CORSO, N.; ZAKHOR, A.: Indoor Localization Algorithms for an Ambulatory Human Operated 3D Mobile Mapping System. In: Remote Sensing 5 (2013). 6611 - 6646. *
CORSO, N.; ZAKHOR, A.: Indoor Localization Algorithms for an Ambulatory Human Operated 3D Mobile Mapping System. In: Remote Sensing 5 (2013). 6611 – 6646.
Wikimedia. Map of towns and cities in Devon by population.png (2008). *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3401699A1 (de) * 2017-05-09 2018-11-14 Veoneer Sweden AB Fahrzeugumgebungserfassungssystem zur parkplatzerkennung
WO2018206426A1 (en) * 2017-05-09 2018-11-15 Veoneer Sweden Ab Vehicle environmental detection system for parking detection
US11180137B2 (en) 2017-05-09 2021-11-23 Veoneer Sweden Ab Vehicle environmental detection system for parking detection
WO2019063299A1 (de) * 2017-09-26 2019-04-04 Robert Bosch Gmbh Verfahren und system zum kartieren und lokalisieren eines fahrzeugs basierend auf radarmessungen
US11493624B2 (en) 2017-09-26 2022-11-08 Robert Bosch Gmbh Method and system for mapping and locating a vehicle based on radar measurements
CN111133334A (zh) * 2017-09-26 2020-05-08 罗伯特·博世有限公司 用于基于雷达测量绘制地图和定位车辆的方法和***
JP2020535410A (ja) * 2017-09-26 2020-12-03 ロベルト・ボッシュ・ゲゼルシャフト・ミト・ベシュレンクテル・ハフツングＲｏｂｅｒｔ Ｂｏｓｃｈ Ｇｍｂｈ レーダ測定に基づいて車両をマッピング及び位置特定する方法及びシステム
US10871776B2 (en) 2018-03-28 2020-12-22 Aptiv Technologies Limited Method for identifying objects in a traffic space
CN110322727A (zh) * 2018-03-28 2019-10-11 Aptiv技术有限公司 识别交通空间中的对象的方法
CN110322727B (zh) * 2018-03-28 2022-03-29 Aptiv技术有限公司 识别交通空间中的对象的方法
EP3546983A1 (de) * 2018-03-28 2019-10-02 Aptiv Technologies Limited Verfahren zur objektidentifizierung in einem verkehrsraum
WO2020249408A1 (de) * 2019-06-12 2020-12-17 Robert Bosch Gmbh Positionsbestimmung auf der basis von umgebungsbeobachtungen
CN114270139A (zh) * 2019-06-12 2022-04-01 罗伯特·博世有限公司 基于周围环境观察的位置确定
US20220252691A1 (en) * 2019-06-12 2022-08-11 Robert Bosch Gmbh Position determination on the basis of surroundings observations
EP3798665A1 (de) * 2019-09-26 2021-03-31 Zenuity AB Verfahren und system zum ausrichten von radarerfassungsdaten
DE102020215254A1 (de) 2020-12-03 2022-06-09 Continental Automotive Gmbh Verfahren zur Erkennung von Parklücken mittels Ultraschallsensoren
DE102022130711A1 (de) 2022-11-21 2024-05-23 Brose Fahrzeugteile Se & Co. Kommanditgesellschaft, Bamberg Verfahren zum Betrieb einer motorischen Klappenanordnung eines Kraftfahrzeugs

Similar Documents

Publication Publication Date Title
DE102015003666A1 (de) Verfahren zur Verarbeitung von erfassten Messdaten eines Sensors
DE102011111440A1 (de) Verfahren zur Umgebungsrepräsentation
DE102016209625A1 (de) Verfahren zur Auswertung von Bilddaten einer Fahrzeugkamera
DE102011113016A1 (de) Verfahren zur Umgebungsrepräsentation eines Fahrzeugs
DE102016225595A1 (de) Verfahren und Anordnung zur Kalibrierung mindestens eines Sensors eines Schienenfahrzeugs
DE102016214030A1 (de) Verfahren und System zum Erfassen eines Verkehrsumfeldes einer mobilen Einheit
DE102016214027A1 (de) Verfahren und System zum Erfassen von Landmarken in einem Verkehrsumfeld einer mobilen Einheit
EP1631938B1 (de) Verfahren zur generierung eines dreidimensionalen geländemodells
DE102015203016A1 (de) Verfahren und Vorrichtung zur optischen Selbstlokalisation eines Kraftfahrzeugs in einem Umfeld
DE102017217972A1 (de) Verfahren und Vorrichtung zum Erzeugen eines inversen Sensormodells und Verfahren zum Erkennen von Hindernissen
DE102017128194A1 (de) Genaue Selbstortung unter Verwendung eines Automobilradars mit synthetischer Apertur
DE102016003261A1 (de) Verfahren zur Selbstlokalisierung eines Fahrzeugs in einer Fahrzeugumgebung
DE102014208967A1 (de) Umfeldkarte für Fahrflächen mit beliebigem Höhenverlauf
EP2577614B1 (de) Vorrichtung zur darstellung von gelände auf einer anzeigevorrichtung eines flugkörpers
DE102014212866A1 (de) Verfahren zum Ermitteln eines Parkplatzes aus einer Anzahl von Messpunkten
DE102018204451A1 (de) Verfahren und Vorrichtung zur Autokalibrierung eines Fahrzeugkamerasystems
EP2381207A1 (de) 3D-Zielvermessung und Zieleinweisung aus IR-Daten
DE102018127468A1 (de) Verfahren zum Aktualisieren einer digitalen Umgebungskarte, elektronische Recheneinrichtung, Computerprogrammprodukt, Fahrerassistenzsystem, Kraftfahrzeug und Umgebungskartenaktualisierungssystem
DE102009013768A1 (de) Verfahren und Einrichtung zum Ermitteln von Aspektwinkeln
DE102020133092A1 (de) Positionsschätzungseinrichtung und positionsschätzungsverfahren
DE102011118171A1 (de) Verfahren und Vorrichtung zur Schätzung einer Fahrbahnebene und zur Klassifikation von 3D-Punkten
EP3663881B1 (de) Verfahren zur steuerung eines autonomen fahrzeugs auf der grundlage von geschätzten bewegungsvektoren
DE102009028742A1 (de) Verfahren und Steuergerät zur Bestimmung einer Bewegungsinformation eines Objekts
DE102020200728A1 (de) Rekonstruieren von Elevationsinformationen aus Radardaten
DE102007019445A1 (de) Verfahren zum Generieren von zielmarkierenden Peiltracks

Legal Events

Date Code Title Description
R163 Identified publications notified
R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee