DE102018211368A1 - A method of describing an environment of a vehicle through the topology of the busy road - Google Patents
A method of describing an environment of a vehicle through the topology of the busy road Download PDFInfo
- Publication number
- DE102018211368A1 DE102018211368A1 DE102018211368.8A DE102018211368A DE102018211368A1 DE 102018211368 A1 DE102018211368 A1 DE 102018211368A1 DE 102018211368 A DE102018211368 A DE 102018211368A DE 102018211368 A1 DE102018211368 A1 DE 102018211368A1
- Authority
- DE
- Germany
- Prior art keywords
- topology
- vehicle
- lane
- vector
- road
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 239000013598 vector Substances 0.000 claims abstract description 43
- 230000007613 environmental effect Effects 0.000 claims abstract description 11
- 238000012549 training Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 241000283070 Equus zebra Species 0.000 claims description 2
- 239000002689 soil Substances 0.000 claims 1
- 238000001514 detection method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 239000007787 solid Substances 0.000 description 5
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- BUHVIAUBTBOHAG-FOYDDCNASA-N (2r,3r,4s,5r)-2-[6-[[2-(3,5-dimethoxyphenyl)-2-(2-methylphenyl)ethyl]amino]purin-9-yl]-5-(hydroxymethyl)oxolane-3,4-diol Chemical compound COC1=CC(OC)=CC(C(CNC=2C=3N=CN(C=3N=CN=2)[C@H]2[C@@H]([C@H](O)[C@@H](CO)O2)O)C=2C(=CC=CC=2)C)=C1 BUHVIAUBTBOHAG-FOYDDCNASA-N 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000007688 edging Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000001454 recorded image Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
Die Erfindung betrifft ein Verfahren und eine Vorrichtung zur Beschreibung einer Umgebung eines Fahrzeugs (1), welche von einem oder mehreren Umgebungssensor(en) des Fahrzeugs (1) erfasst wird. Das Verfahren besteht darin bzw. die Vorrichtung ist dazu konfiguriert, dass die Topologie einer aktuell vom Fahrzeug (1) befahrenen Straße beschrieben wird durch einen Vektor. Basierend auf dem die Topologie der aktuell vom Fahrzeug (1) befahrenen Straße beschreibenden Vektor kann mindestens eine Fahrerassistenzfunktion ausgeführt werden. The invention relates to a method and a device for describing an environment of a vehicle (1), which is detected by one or more environmental sensor (s) of the vehicle (1). The method consists in that the device is configured such that the topology of a road currently being traveled by the vehicle (1) is described by a vector. At least one driver assistance function can be executed based on the vector describing the topology of the road currently being traveled by the vehicle (1).
Description
Die Erfindung betrifft ein Verfahren zur Beschreibung einer Umgebung eines Fahrzeugs, welche von einem oder mehreren Umgebungssensor(en) des Fahrzeugs erfasst wird. Die Beschreibung der Umgebung kann insbesondere dem Ausführen mindestens einer Fahrerassistenzfunktion zugrunde gelegt werden.The invention relates to a method for describing an environment of a vehicle, which is detected by one or more environmental sensor (s) of the vehicle. The description of the environment can in particular be based on the execution of at least one driver assistance function.
Bekannt ist eine Detektion von Fahrspurmarkierungen aus Kamerabildern, die dem Ausführen einer Spurassistenzfunktion zugrunde gelegt wird. Bei der Assistenzfunktion Spurverlassenswarnung (Lane Departure Warning, LDW) wird der Fahrer gewarnt, wenn ein Verlassen der aktuellen Fahrspur unmittelbar droht, ohne dass der Fahrer den Fahrtrichtungsanzeiger betätigt hat. Bei der Spurhalte-Assistenzfunktion (Lane Keeping Assist, LKA), wird durch aktive Lenkeingriffe typischerweise sichergestellt, dass das Fahrzeug stets in der Mitte der Fahrspur fährt. Bei der Assistenzfunktion Fahrbahnverlassensschutz (Road Departure Protection, RDP) wird das Abkommen des Fahrzeugs von der Straße/Fahrbahn verhindert, indem im Notfall automatisch die Fahrzeugausrichtung angepasst wird.A detection of lane markings from camera images, which is based on the execution of a lane assist function, is known. The Lane Departure Warning (LDW) Assistance feature warns the driver when they are about to leave the current lane without the driver having activated the direction indicator. Lane Keeping Assist (LKA) typically uses active steering interventions to ensure that the vehicle is always in the middle of the lane. The Road Departure Protection (RDP) assistance function prevents the vehicle from entering the road / lane by automatically adjusting the vehicle orientation in the event of an emergency.
Aus Kartendaten, z.B. eines Navigationssystems, sind Informationen über die Anzahl an Fahrspuren einer mehrspurigen Richtungsfahrbahn verfügbar.From map data, e.g. of a navigation system, information about the number of lanes of a multi-lane directional lane is available.
Mittels semantischer Segmentierung können Pixel(-segmente) eines Kamerabilds einer Klasse wie z.B. Straßenoberfläche, Fahrbahnmarkierung, Grünstreifen, Randbebauung oder ähnlichem zugeordnet werden.By means of semantic segmentation, pixels (segments) of a camera image of a class such as e.g. Road surface, road marking, green strips, edge development or the like can be assigned.
Jedoch gestaltet sich die Detektion bzw. Erkennung von Fahrbahnmarkierungen aufwendig und ist fehleranfällig. Kartenmaterial ist nicht immer vorhanden oder vor allem nicht immer aktuell. Zudem ist die Genauigkeit der Lokalisierung mittels eines Navigationssystems zur Bestimmung der eigenen Position auf einer mehrspurigen Richtungsfahrbahn oft nicht ausreichend.However, the detection or recognition of lane markings is complicated and error-prone. Map material is not always available or, above all, not always up-to-date. In addition, the accuracy of localization by means of a navigation system for determining one's own position on a multi-lane directional lane is often insufficient.
Eine Grundidee der vorliegenden Erfindung besteht darin, eine Straße durch ihre Topologie zu beschreiben:
Die Topologie beschreibt die Anordnung/Zusammenstellung einer Straße, d.h. beispielsweise die Anzahl der Spuren, deren Anordnung und Typ (z.B.: Autobahnspur, Autobahnabfahrt, Standstreifen, Haltebucht)A basic idea of the present invention is to describe a road by its topology:
The topology describes the arrangement / compilation of a road, ie, for example, the number of lanes, their arrangement and type (eg: motorway lane, motorway exit, hard shoulder, stop bay)
Mittels der bekannten Verfahren kann die Topologie nicht direkt gemessen, sondern nur indirekt aus Detektionen der Umfeldsensorik, wie beispielsweise erkannten Fahrstreifenmarkierungen, inferiert werden.By means of the known methods, the topology can not be measured directly, but only indirectly from detections of the environment sensors, such as detected lane markings, be inferiert.
Ein erster Aspekt der Erfindung besteht in einer Verbesserung der Eigen-Lokalisierung für hochautonome Fahrzeuge Ein zweiter Aspekt besteht in einer Verbesserung der Straßengeometrie-Schätzung mittels der vorhandenen Umfeldsensorik Ein dritter Aspekt besteht in der Detektion von Straßentypen und -merkmalen wie beispielsweise der Detektion der Existenz von Standstreifen, Beschleunigungs- und/oder Verzögerungsstreifen.A first aspect of the invention is an improvement of self-localization for highly autonomous vehicles. A second aspect is an improvement of the road geometry estimation by means of existing environment sensors. A third aspect is the detection of road types and features such as the detection of the existence of Streaks, acceleration and / or deceleration strips.
Ein vierter Aspekt besteht in der Anwendung eines erfindungsgemäßen Verfahrens auf komplexere Straßenszenarien wie in Städten: z.B. zur Zuordnung von Ampeln oder Bodenpfeilen zu Fahrstreifen.A fourth aspect is the application of a method according to the invention to more complex road scenarios, such as in cities: e.g. for assignment of traffic lights or ground arrows to lanes.
Ein erfindungsgemäßes Verfahren zur Beschreibung einer Umgebung eines Fahrzeugs, welche von einem oder mehreren Umgebungssensor(en) des Fahrzeugs erfasst wird, besteht darin, dass die Topologie einer aktuell vom Fahrzeug befahrenen Straße beschrieben wird durch einen Vektor. Basierend auf dem die Topologie der aktuell vom Fahrzeug befahrenen Straße beschreibenden Vektor kann mindestens eine Fahrerassistenzfunktion ausgeführt werden. Die Fahrerassistenzfunktion, wie z.B. LDW, LKA, RDP, Spurwechselassistent (Lane Change Assist, LCA), Überholassistent, Baustellenassistent, Notbremsassistent (Emergency Brake Assist, EBA), Notlenkassistent (Emergency Steer Assist, ESA), erhält durch die Beschreibung der Straßentopologie wichtige Informationen, auf deren Grundlage die Warnung an den Fahrer oder der automatische Eingriff in die Fahrzeugsteuerung an die aktuelle Situation angepasst werden kann. Insbesondere kann die Beschreibung der Straßentopologie mit anderen Umgebungsinformationen, wie z.B. der Erkennung anderer Objekte als weitere Verkehrsteilnehmer, fusioniert werden, um z.B. ein sicheres Notlenkmanöver zu planen und ggfs. durchzuführen.An inventive method for describing an environment of a vehicle, which is detected by one or more environmental sensor (s) of the vehicle, is that the topology of a road currently being traveled by the vehicle is described by a vector. At least one driver assistance function can be executed based on the vector describing the topology of the road currently being traveled by the vehicle. The driver assistance function, such as LDW, LKA, RDP, Lane Change Assist (LCA), Overtemp Assistant, Construction Site Assistant, Emergency Brake Assist (EBA), Emergency Steer Assist (ESA), receives important information by describing the road topology, on the basis of which Warning to the driver or the automatic intervention in the vehicle control can be adapted to the current situation. In particular, the description of the road topology may be related to other environmental information, such as recognition of other objects than other road users, are fused to e.g. to plan a safe emergency steering maneuver and if necessary to carry out.
Ein erfindungsgemäßes Verfahren bietet die folgenden Vorteile: Es ermöglicht eine direkte Bestimmung der Straßentopologie aus dem Kamerabild (oder anderen Sensordaten) ohne aufwendige Vorverarbeitungsschritte.An inventive method offers the following advantages: It allows a direct determination of the road topology from the camera image (or other sensor data) without complex pre-processing steps.
Es stellt einen alternativen Absicherungspfad zur Plausibilisierung und Stützung des durch Sensoren detektierten Straßenmodells dar (z.B. Fehldetektion der Anzahl der erkannten Spuren durch Spurmarkierungen). Straßentypen, bzw. die Fahrspurklassen, wie beispielsweise ein Standstreifen (dessen momentane Bestimmung sehr kompliziert ist, da die Trennung vom Standstreifen zum Straßenrand sehr vielfältig ist), Verzögerungs- oder Beschleunigungsstreifen können bestimmt werden. Die ermittelten Informationen über die Straßentopologie sind auch in komplexeren Szenarien von großem Nutzen, wie beispielsweise bei Kreuzungen in Städten. Die Daten bezüglich der Straßentopologie können als weiterer Input zur Verbesserung der Lokalisierung oder der Fusion mit Kartendaten verwendet werden. Das Verfahren kann direkt auf einem Umgebungssensor implementiert werden, z.B. als intelligente Kamera. It represents an alternative hedging path for plausibility checking and support of the road model detected by sensors (eg misdetection of the number of recognized lanes by lane markings). Road types, or lane classes, such as a hard shoulder (whose present determination is very complicated as the separation from hard shoulder to roadside is very diverse), deceleration or acceleration stripes can be determined. The information obtained on the road topology is also very useful in more complex scenarios, such as intersections in cities. Road topology data can be used as further input to improve localization or merge with map data. The method can be implemented directly on an environmental sensor, eg as an intelligent camera.
Vorzugsweise enthält der Vektor binäre Werte, die jeweils angeben, ob ein vorgegebener Topologieaspekt erfüllt ist, in diesem Fall beträgt der Wert = 1, oder nicht, dann beträgt der Wert = 0.Preferably, the vector contains binary values each indicating whether a given topology aspect is met, in which case the value = 1 or not, then the value = 0.
Vorteilhaft umfasst die Topologie als Topologieaspekte eine Mehrzahl von Fahrspuren.Advantageously, the topology comprises a plurality of lanes as topological aspects.
Bevorzugt enthält der Vektor fünf binäre Werte, die in einer definierten Reihenfolge angeben, ob
- eine zweite Spur links;
- eine benachbarte Spur links;
- eine benachbarte Spur rechts;
- eine zweite Spur rechts; und
- ein Standstreifen innerhalb von zwei Spuren rechts;
- der aktuell befahrenen Fahrspur existieren.
- a second track on the left;
- an adjacent lane to the left;
- an adjacent lane to the right;
- a second track on the right; and
- a hard shoulder within two tracks on the right;
- the currently traveled lane exist.
Gemäß einer vorteilhaften Ausgestaltung enthält der Vektor Zahlenwerte, die die Breite einer Fahrspur angeben. Bei einem Vektor mit beispielsweise fünf Werten, geben diese in der Reihenfolge die Breite der zweiten Spur links; der benachbarten Spur links; der aktuell befahrenen (eigenen) Fahrspur; der benachbarten Spur rechts; und der zweiten Spur rechts (der eigenen Fahrspur) . Sofern eine Fahrspur nicht existiert, ist der entsprechende Zahlenwert gleich Null. Optional könnte ein sechster binärer Wert des Vektors angeben, ob ein Standstreifen innerhalb von zwei Spuren rechts der aktuell befahrenen Fahrspur existiert.According to an advantageous embodiment, the vector contains numerical values which indicate the width of a lane. For example, for a vector with five values, they will give the width of the second track to the left in the order; the adjacent lane on the left; the currently traveled (own) lane; the adjacent lane on the right; and the second lane on the right (own lane). If a lane does not exist, the corresponding numerical value is zero. Optionally, a sixth binary value of the vector could indicate whether a hard shoulder exists within two lanes to the right of the currently traveled lane.
In einer weiteren vorteilhaften Ausführungsform wird die Topologie durch Existenz und Art von Fahrspurmarkierungen oder Fahrspurbegrenzungen in einer definierten Reihenfolge beschrieben. Der Topologievektor enthält vorzugsweise die Markierungstypen der Spuren bzw. beschreibt die Spurränder bzw. deren Markierungstyp. Anstelle der binären Werte für die Existenz von Spuren kann mittels eines Integers (einer ganzen Zahl) der Spurmarkierungstyp definiert werden. Beispielsweise steht ,0' für keine Spur/Spurmarkierung, ,1' für eine durchgezogene Linie, ,2' für eine gestrichelte Linie und ,3' für die äußere Begrenzung eines Standstreifens. Ein Vektor mit sechs Elementen beschreibt somit drei Spurränder links und drei Spurränder rechts vom eigenen Fahrzeug. Der Wertebereich der Einträge des Vektors kann beliebig für weitere Markierungstypen erweitert werden (z.B. ,Block-Linien‘; ,doppelt durchgezogene Linie‘; ,Doppellinie: links durchgezogen und rechts gestrichelt‘; Doppellinie: links gestrichelt und rechts durchgezogen‘; ,gelbe durchgezogene Linie V‘; ,gelbe gestrichelte Linie‘; ,Randsteine‘; etc.). Mit ,Block-Linien‘ sind fett gestrichelte Linien gemeint, die z.B. zwei sich teilende Autobahnen trennen und bei denen rechts überholt werden darf.In a further advantageous embodiment, the topology is described by existence and type of lane markings or lane boundaries in a defined order. The topology vector preferably contains the marking types of the tracks or describes the track edges or their marking type. Instead of the binary values for the existence of tracks, the track marking type can be defined by means of an integer (an integer). For example, '0' stands for no track / lane marker, '1' for a solid line, '2' for a dashed line and '3' for the perimeter of a streak. A vector with six elements thus describes three lane borders on the left and three lane borders on the right of one's own vehicle. The value range of the entries of the vector can be extended arbitrarily for further marking types (eg 'block lines',' double solid line ',' double line: left through and right dashed ', double line: left dashed and right through', yellow solid line V ';' yellow dashed line ';' curbs'; etc.). By 'block-lines' is meant bold dashed lines, e.g. split two dividing highways and where right may be overtaken.
Des Weiteren kann in einer erweiterten Ausführungsform zusätzlich ein Geometrievektor definiert werden, der beispielsweise die lateralen Abstände der Markierungslinien angibt, z.B. [-10m, -6m, -2m, 2m, 6m, 10m].Furthermore, in an extended embodiment, a geometry vector may additionally be defined, for example indicating the lateral distances of the marking lines, e.g. [-10m, -6m, -2m, 2m, 6m, 10m].
In weiteren vorteilhaften Ausführungsformen kann der Topologievektor durch zusätzliche Einträge erweitert werden. Vorteilhaft umfasst die Topologie als Topologieaspekt Kreuzungen, Einmündungen und/oder Ausfahrten. Alternativ oder kumulativ kann sie zusätzliche Nachbarspuren, Autobahn-Abfahrten und -Einfahrten, Randbebauung und/oder Haltebuchten umfassen.In further advantageous embodiments, the topology vector can be extended by additional entries. Advantageously, the topology includes, as a topological aspect, intersections, junctions and / or exits. Alternatively or cumulatively, it may include additional neighbor lanes, highway exits and entrances, edge edging, and / or hold bays.
Im Allgemeinen kann diese Methode auch für komplexere Straßenszenarien verwendet werden: z.B. Landstraßen mit entgegenkommenden Fahrstreifen, Straßen / Kreuzungen in Städten mit Abbiegefahrstreifen, usw. Oder zum Lernen weiterer Straßentypen oder -attribute, wie beispielsweise Standstreifen, Bus- oder Taxilinien, Einbahnstraßen, Fahrrad- oder Fußgängerzonen, Zebrastreifen etc. Vorteilhaft kann die Topologie als Topologieaspekt Zebrastreifen, Haltelinien und/oder sonstige Bodensymbole umfassen.In general, this method can also be used for more complex road scenarios: e.g. Highway with oncoming lanes, roads / intersections in cities with turn lanes, etc. Or for learning other types of road or attributes, such as hard shoulder, bus or taxi lines, one-way streets, bicycle or pedestrian areas, crosswalks, etc. Advantageously, the topology as a topological aspect zebra stripes , Stop lines and / or other bottom symbols include.
Vorzugsweise ist zumindest ein Umgebungssensor eine Frontkamera, bevorzugt eine im Innenraum des Kraftfahrzeugs hinter der Windschutzscheibe angeordnete und in Fahrtrichtung gerichtete Kamera. Die Frontkamera kann eine monokulare Kamera, eine Stereokamera, oder eine sonstige bildaufnehmende 3D-Kamera sein. Die Kamera umfasst insbesondere ein optisches Modul, z. B. ein Objektiv mit einer oder mehrerer Linsen, und einem Bildsensor, vorzugsweise einem Halbleiter-basierten Bildaufnahmesensor, zum Beispiel einen CMOS-Sensor.Preferably, at least one environmental sensor is a front camera, preferably a camera arranged in the interior of the motor vehicle behind the windshield and directed in the direction of travel. The front camera can be a monocular camera, a stereo camera, or any other 3D image-capturing camera. The camera comprises in particular an optical module, for. Example, a lens with one or more lenses, and an image sensor, preferably a semiconductor-based image sensor, for example, a CMOS sensor.
In diesem Fall erfolgt bevorzugt eine Zuordnung eines Kamerabilds der Frontkamera zu einem Vektor, der die Topologie der im Kamerabild abgebildeten Straße beschreibt. Diese Zuordnung wird in einer Lernphase gelernt, anhand von gelabelten Trainingsdaten. Anschließend kann das gelernte Zuordnungsverfahren auf der Frontkamera bzw. im Fahrerassistenzsystem hinterlegt werden, so dass neu aufgenommenen Bildern im fahrenden Fahrzeug ein Topologievektor zugeordnet wird. Alternativ kann die gesamte Methode direkt auf dem Umgebungs(-erfassungs-)sensor implementiert werden, z.B. als intelligente Kamera. In this case, it is preferable to associate a camera image of the front camera with a vector that describes the topology of the road depicted in the camera image. This assignment is learned in a learning phase based on labeled training data. Subsequently, the learned assignment method can be stored on the front camera or in the driver assistance system so that newly recorded images in the vehicle in motion are assigned a topology vector. Alternatively, the entire method can be implemented directly on the environment (detection) sensor, eg as an intelligent camera.
Das Lernen erfolgt besonders bevorzugt mittels eines (Deep Convolutional) Neuronalen Netzwerks. Ein definiertes neuronales Netzwerk, vorzugsweise ein „deep convolutional neural network“ (auf Deutsch etwa „tiefgehendes faltendes neuronales Netzwerk“, im Folgenden DCNN) kann hierzu mit den gelabelten Daten trainiert werden, also z.B. Kamerabildern, denen bereits der jeweilige Topologievektor zugeordnet wurde. Die Kamerabilder (oder andere Sensordaten) werden als Eingangsdaten verwendet und der Topologievektor T stellt das Zielergebnis dar.The learning is particularly preferably carried out by means of a (deep convolutional) neural network. A defined neural network, preferably a "deep convolutional neural network" (in the following example DCNN) can be trained with the labeled data, e.g. Camera images to which the respective topology vector has already been assigned. The camera images (or other sensor data) are used as input data and the topology vector T represents the target result.
Das trainierte Netzwerk kann nun im Fahrzeug im laufenden Betrieb verwendet werden um die Kameradaten (oder andere Sensordaten) zu verarbeiten und somit die Topologie der aktuell befahrenen Straße zu bestimmen. Damit kann die Algorithmik direkt auf dem Sensor implementiert und angewendet werden.The trained network can now be used in the vehicle during operation to process the camera data (or other sensor data) and thus determine the topology of the currently traveled road. This allows the algorithms to be implemented and applied directly on the sensor.
Das vorgestellte Verfahren zur Bestimmung der Topologie kann vorteilhaft so erweitert werden, dass das Netz zusätzlich den Straßenverlauf bestimmt. Somit könnte aus dem Bild eine Darstellung der Straße erzeugt werden, die direkt für das autonome Fahren verwendet werden kann.The presented method for determining the topology can advantageously be extended so that the network additionally determines the course of the road. Thus, from the image could be generated a representation of the road that can be used directly for autonomous driving.
Gegenstand der Erfindung ist weiterhin eine Vorrichtung zur Beschreibung einer Umgebung eines Fahrzeugs, welche von einem oder mehreren Umgebungssensor(en) des Fahrzeugs erfasst wird. Die Vorrichtung ist dazu konfiguriert bzw. ausgebildet, dass sie die Topologie einer aktuell vom Fahrzeug befahrenen Straße durch einen Vektor beschreibt.The invention further relates to a device for describing an environment of a vehicle, which is detected by one or more environmental sensor (s) of the vehicle. The device is configured to describe the topology of a road currently being traveled by the vehicle through a vector.
Die Vorrichtung kann insbesondere einen Mikrocontroller oder -prozessor, einen Digital Signal Processor (DSP), einen ASIC (Application Specific Integrated Circuit), einen FPGA (Field Programmable Gate Array) und dergleichen mehr sowie Software zur Durchführung der entsprechenden Verfahrensschritte umfassen. Die vorliegende Erfindung kann somit in digitalen elektronischen Schaltkreisen, Computer-Hardware, Firmware oder Software implementiert sein.In particular, the device may comprise a microcontroller or processor, a Digital Signal Processor (DSP), an ASIC (Application Specific Integrated Circuit), an FPGA (Field Programmable Gate Array) and the like, as well as software for carrying out the corresponding method steps. The present invention may thus be implemented in digital electronic circuits, computer hardware, firmware or software.
Im Folgenden werden Ausführungsbeispiele der Erfindung näher erläutert und anhand von Figuren illustriert.In the following, embodiments of the invention will be explained in more detail and illustrated by means of figures.
Hierbei zeigen:
-
1 ein erstes exemplarisches Bild einer vorwärtsgerichteten Fahrzeugkamera, -
2 ein zweites exemplarisches Bild einer vorwärtsgerichteten Fahrzeugkamera, -
3 ein drittes exemplarisches Bild einer vorwärtsgerichteten Fahrzeugkamera,4 eine schematische Zeichnung der Situation, in derdas Bild aus 3 aufgenommen wurde, aus der Vogelperspektive, und -
5 einen Fahrbahnabschnitt, anhand dessen eine Beschreibung der Topologie mittels eines Vektors illustriert wird, der die Spurränder bzw. deren Markierungstyp beschreibt.
-
1 a first exemplary image of a forward-looking vehicle camera, -
2 a second exemplary image of a forward-looking vehicle camera, -
3 a third exemplary image of a forward-looking vehicle camera,4 a schematic drawing of the situation in which the picture is made3 was taken, from a bird's eye view, and -
5 a lane section, on the basis of which a description of the topology is illustrated by means of a vector which describes the lane borders or their marker type.
Bekannte Verfahren zur Querführungsunterstützung erkennen die einzelnen Fahrspuren vor allem anhand der Markierungen, die eine Fahrspur links bzw. rechts begrenzen.Known methods for the transverse guidance support recognize the individual lanes mainly on the basis of the markings that limit a lane to the left or right.
Im vorliegend beschriebenen Ausführungsbeispiel erfolgt die Bestimmung der Straßentopologie durch ein DCNN (deep convolutional neural network). Nach dem Trainieren dieses DCNN kann dieses die Topologie der Straße aus dem Kamerabild oder den Daten anderer Umgebungssensoren extrahieren und als Ausgabe eine entsprechende Topologie-Beschreibung liefern.In the presently described embodiment, the determination of the road topology is performed by a DCNN (deep convolutional neural network). After training this DCNN, this can extract the topology of the road from the camera image or other environmental sensor data and provide as output a corresponding topology description.
Für das Trainieren des DCNN werden Daten gelabelt. Dazu wird einer Vielzahl von Kamerabildern (oder anderen Sensordaten) jeweils eine Topologie-Beschreibung zugeordnet. Die Topologie-Beschreibung kann in einer einfachen (hier beschriebenen) Ausführung durch einen Vektor mit fünf Elementen (betreffend jeweils einen Topologieaspekt) beschrieben werden: T = [„übernächste Spur linke Seite (
Das in
Die Straßentopologie, die in
Die vorgestellte Methode wird zur Bestimmung der Topologie von Autobahnen angewendet: Hierfür wurden mehrere tausend Bilder der Frontkamera eines Fahrzeugs (s.
Mit dem trainierten Netz wird nun die Topologie für Kamerabilder (die nicht für das Trainieren des Netzes verwendet wurden) von Autobahnen bestimmt. Ein Beispiel ist das in
Als Ergebnis für das Bild aus
Mit dem trainierten Netz konnte die Topologie in über 93 % der Testbilder richtig bestimmt werden.With the trained network, the topology could be determined correctly in over 93% of the test images.
In
In diesem Fall steht ,0' für keine Spur/Spurmarkierung, was in
Zusätzlich kann ein Geometrievektor zu dem alternativen Topologievektor
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 PatentliteraturCited patent literature
- WO 2016/188523 A1 [0003]WO 2016/188523 A1 [0003]
Claims (12)
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102017212357.5 | 2017-07-19 | ||
DE102017212357 | 2017-07-19 | ||
DE102017217928.7 | 2017-10-09 | ||
DE102017217928 | 2017-10-09 |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102018211368A1 true DE102018211368A1 (en) | 2019-01-24 |
Family
ID=64951512
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102018211368.8A Pending DE102018211368A1 (en) | 2017-07-19 | 2018-07-10 | A method of describing an environment of a vehicle through the topology of the busy road |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102018211368A1 (en) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110979318A (en) * | 2019-11-20 | 2020-04-10 | 苏州智加科技有限公司 | Lane information acquisition method and device, automatic driving vehicle and storage medium |
DE102019107415A1 (en) * | 2019-03-22 | 2020-09-24 | Zf Automotive Germany Gmbh | Method and system for detecting future lanes available for a vehicle as well as control device, computer program and computer-readable data carrier |
DE102021202459A1 (en) | 2021-03-15 | 2022-09-15 | Volkswagen Aktiengesellschaft | Method for determining whether a roadway has multiple lanes, computer program product and assistance system |
DE102022111731B3 (en) | 2022-05-11 | 2023-10-26 | Bayerische Motoren Werke Aktiengesellschaft | Method for an automated motor vehicle for determining a motorway junction, computer program, data processing device and motor vehicle |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016188523A1 (en) | 2015-05-22 | 2016-12-01 | Continental Teves Ag & Co. Ohg | Method for estimating traffic lanes |
-
2018
- 2018-07-10 DE DE102018211368.8A patent/DE102018211368A1/en active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016188523A1 (en) | 2015-05-22 | 2016-12-01 | Continental Teves Ag & Co. Ohg | Method for estimating traffic lanes |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102019107415A1 (en) * | 2019-03-22 | 2020-09-24 | Zf Automotive Germany Gmbh | Method and system for detecting future lanes available for a vehicle as well as control device, computer program and computer-readable data carrier |
CN110979318A (en) * | 2019-11-20 | 2020-04-10 | 苏州智加科技有限公司 | Lane information acquisition method and device, automatic driving vehicle and storage medium |
CN110979318B (en) * | 2019-11-20 | 2021-06-04 | 苏州智加科技有限公司 | Lane information acquisition method and device, automatic driving vehicle and storage medium |
DE102021202459A1 (en) | 2021-03-15 | 2022-09-15 | Volkswagen Aktiengesellschaft | Method for determining whether a roadway has multiple lanes, computer program product and assistance system |
DE102022111731B3 (en) | 2022-05-11 | 2023-10-26 | Bayerische Motoren Werke Aktiengesellschaft | Method for an automated motor vehicle for determining a motorway junction, computer program, data processing device and motor vehicle |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102017129075A1 (en) | PARKING NAVIGATION SYSTEM AND METHOD | |
DE102015209467A1 (en) | Method of estimating lanes | |
DE102016210254A1 (en) | VEHICLE VENTILATION AT CROSSINGS ON THE BASIS OF VISUAL VENTILATION POINTS, STATIONARY OBJECTS AND BY GPS | |
DE102016208777A1 (en) | Driver assistance device and driver assistance method | |
WO2014032904A1 (en) | Method and apparatus for identifying a position of a vehicle in a lane | |
EP3529561B1 (en) | System and method for generating digital road models from aerial or satellite images and from data captured by vehicles | |
DE102018211368A1 (en) | A method of describing an environment of a vehicle through the topology of the busy road | |
DE102013221497A1 (en) | Device and method for detecting a lane or lane | |
EP2629243A1 (en) | Method for detecting and tracking lane markings | |
DE102013205882A1 (en) | Method and device for guiding a vehicle around an object | |
DE102013104256A1 (en) | Method and device for estimating the number of lanes | |
DE102015220252A1 (en) | Lane keeping assistance system and procedures for this | |
DE102018104270A1 (en) | Method for predicting the behavior of at least one pedestrian | |
DE112018007063T5 (en) | Display control device, display device and display control method | |
DE102016219542A1 (en) | INFORMATION PROCESSING DEVICE | |
DE102015115012A1 (en) | Method for generating an environment map of an environment of a motor vehicle based on an image of a camera, driver assistance system and motor vehicle | |
DE102012025067A1 (en) | Driver assistance system for motor vehicle, has computing device to identify longitudinal markings mounted on road-way, and to determine wether identified traffic signs for motor vehicle are applied or not, based on longitudinal markings | |
DE102014111012A1 (en) | A method for assisting a driver of a motor vehicle when parking out, driver assistance system and motor vehicle | |
EP3204889B1 (en) | Method for a motor vehicle provided with a camera, device and system | |
DE102017128531A1 (en) | Display device for a vehicle | |
DE102017126452A1 (en) | Vehicle control system | |
DE102012221652B4 (en) | Method and device for determining whether left-hand traffic or right-hand traffic exists in a traffic situation | |
DE102015216979A1 (en) | Method for operating a driver assistance system of a vehicle, control unit and vehicle | |
DE102016209242B4 (en) | UNIT SETTING DEVICE AND UNIT SETTING PROCEDURE | |
DE102021119871B4 (en) | Method and processor circuit for operating an automated driving function with an object classifier in a motor vehicle, and motor vehicle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R081 | Change of applicant/patentee |
Owner name: CONTINENTAL AUTONOMOUS MOBILITY GERMANY GMBH, DE Free format text: FORMER OWNER: CONTINENTAL TEVES AG & CO. OHG, 60488 FRANKFURT, DE |