-
Die Erfindung betrifft ein Verfahren und eine Vorrichtung zum Bereitstellen einer digitalen Lokalisierungskarte für ein Fahrzeug. Ferner betrifft die Erfindung ein Computerprogramm. Ferner betrifft die Erfindung ein maschinenlesbares Speichermedium.
-
Stand der Technik
-
EP 3 293 489 A1 offenbart ein Verfahren und eine Vorrichtung zur Bereitstellung von Bahnbündeln für eine Kartendatenanalyse. Vorgeschlagen wird ein Ansatz zum Erzeugen von Trajektorienbündeln zur Kartendatenanalyse. Der Ansatz beinhaltet das Empfangen von Daten, die mit dem begrenzten geografischen Gebiet verbunden sind. Die Daten werden von Sensoren einer Vielzahl von Vorrichtungen gesammelt, die sich in dem begrenzten geographischen Bereich bewegen und umfassen Prüfpunkte, die eine Position, einen Kurs, eine Geschwindigkeit, eine Zeit oder eine Kombination davon angeben.
-
WO 2018/126228 A1 offenbart ein Verfahren zum Erzeugen von Kennzeichen und Fahrspuren für hochauflösende Karten für autonome Fahrzeuge.
-
Lokalisierungssysteme mit merkmalbasierten, digitalen Lokalisierungskarten zur Bestimmung von Fahrzeugposition und -orientierung sind zentrale Systemkomponenten von automatisierten Fahrfunktionen.
-
Bekannt sind ein gitterbasierter Ansatz oder ein Straßenabschnitts-basierter Ansatz zum Erstellen einer digitalen Lokalisierungskarte. Beim gitterbasierten Ansatz (Ansatz A) wird der Kartierungsbereich in regelmäßige Rechtecke unterteilt, wobei die Daten innerhalb jedes Rechtecks eine Partition ausmachen, was auch als räumliche Gruppierung bezeichnet wird (engl. spatial cluster). Diese Daten werden dann unabhängig von Daten außerhalb des Rechtecks verarbeitet.
-
Ein anderer bekannter Ansatz (Ansatz B) besteht darin, die Daten, die entlang der Fahrspuren zum Zwecke der Kartenerstellung aufgezeichnet werden, zu gruppieren. Eine Partition ist in diesem Fall eine Ansammlung von aufeinanderfolgenden Straßenabschnitten.
-
Beide an sich bekannten Ansätze A und B erlauben eine Kartierung in großem Umfang. Während die Gitter beim Ansatz A schnell und mit geringem Aufwand berechnet werden können, werden die Partitionen für die Kartendichte nicht berücksichtigt. Bei der Kartenerstellung für einen größeren Bereich (zum Beispiel ein ganzes Land), können Partitionen mit vielen Daten (z.B. Großstädte) und Partitionen mit sehr wenig Daten (z.B. ländliche Gebiete) auftreten, was einen Kartenerstellungsprozess problematisch machen kann.
-
Eine Skalierbarkeit von Prozessen ist z.B. aus: „Tectonic SAM: Exact, Out-of-Core, Submap-Based SLAM‟, Proceedings 2007 IEEE International Conference on Robotics and Automation, 2007 bekannt.
-
Bekannt sind ferner verschiedene Verfahren von örtlichem Clustering.
-
Offenbarung der Erfindung
-
Eine Aufgabe der Erfindung ist es, ein verbessertes Verfahren zum Bereitstellen einer digitalen Lokalisierungskarte für ein Fahrzeug bereitzustellen.
-
Gemäß einem ersten Aspekt wird die Aufgabe gelöst mit einem Verfahren zum Bereitstellen einer digitalen Lokalisierungskarte, mit den Schritten
- a) Ermitteln von Straßenabschnitten durch Auswerten von Daten eines zu kartierenden Straßennetzes;
- b) Klassifizieren der Straßenabschnitte unter Berücksichtigung von definierten Gegebenheiten des Straßennetzes;
- c) Klassifizieren der Straßenabschnitte unter Berücksichtigung von Umfeldsensordaten;
- d) Zusammenfassen der Straßenabschnitte zu Clustern unter Berücksichtigung der in den Schritten b) und c) durchgeführten Klassifizierungen;
- e) jeweils gemeinsames rechnertechnisches Verarbeiten der Cluster; und
- f) Übermitteln der erstellten digitalen Lokalisierungskarte an ein Fahrzeug.
-
Vorteilhaft kann aufgrund des zusammen durchgeführten Prozessierens von Daten eine hochgenaue digitale Lokalisierungskarte bereitgestellt werden. Vorteilhaft lässt sich auf diese Weise eine Rechnerleistung zur Erstellung der digitalen Lokalisierungskarte sehr gut skalieren bzw. parallelisieren.
-
Gemäß einem zweiten Aspekt wird die Aufgabe gelöst mit einer Vorrichtung die eingerichtet ist, das vorgeschlagene Verfahren zum Bereitstellen einer digitalen Lokalisierungskarte auszuführen.
-
Gemäß einem dritten Aspekt wird die Aufgabe gelöst mit einem Computerprogramm umfassend Befehle, die bei der Ausführung des Computerprogramms durch einen Computer diesen veranlassen, das vorgeschlagene Verfahren auszuführen.
-
Gemäß einem vierten Aspekt wird die Aufgabe gelöst mit einem maschinenlesbaren Speichermedium, auf dem das vorgeschlagene Computerprogramm gespeichert ist.
-
Vorteilhafte Weiterbildungen des Verfahrens sind Gegenstand von abhängigen Ansprüchen.
-
Eine vorteilhafte Weiterbildung des Verfahrens sieht vor, dass in Schritt d) ein Straßenabschnitt einem Cluster zugeordnet wird. Auf diese Weise wird eine definierte Zuweisung von Straßenabschnitten zu Cluster durchgeführt, sodass eine Parallelverarbeitung von Straßenabschnitten vorteilhaft unterbleibt. Eine hohe Systematik bei der Erstellung der digitalen Lokalisierungskarte ist auf diese Weise vorteilhaft unterstützt.
-
Eine weitere vorteilhafte Weiterbildung des Verfahrens sieht vor, dass in Schritt d) ein Aggregieren der Cluster mit den Straßenabschnitten durchgeführt wird. Auf diese Weise kann, ausgehend von Startpunkten, eine Aggregation der Cluster durchgeführt werden, bis diese eine definierte Datengröße aufweisen. Eine gute Skalierbarkeit bei der Erstellung der digitalen Lokalisierungskarte ist auf diese Weise vorteilhaft unterstützt.
-
Eine weitere vorteilhafte Weiterbildung des Verfahrens sieht vor, dass in Schritt d) die Cluster datenumfangsmäßig möglichst gleich groß ausgebildet werden. Auf diese Weise lässt sich eine gute Parallelisierung für die rechentechnische Verarbeitung der Cluster realisieren.
-
Eine weitere vorteilhafte Weiterbildung des Verfahrens sieht vor, dass in Schritt d) ein Cluster bei Erreichen einer definierten Größe nicht mehr weiter mit Straßenabschnitten aggregiert wird. Dadurch lässt sich eine Rechenleistung zur Prozessierung der einzelnen Cluster sehr gut auf die zur Verfügung stehenden Rechner aufteilen.
-
Eine weitere vorteilhafte Weiterbildung des Verfahrens sieht vor, dass in Schritt d) gleichartige Straßenabschnitte zu Cluster zusammengefasst werden. Auf diese Weise können zum Beispiel Objekte der Verkehrsinfrastruktur, wie zum Beispiel alle Tunnels, alle Straßen mit/ohne Kreuzung, usw. zusammenfassen, was eine Prozessierung der digitalen Karte vorteilhaft vereinfacht.
-
Eine weitere vorteilhafte Weiterbildung des Verfahrens sieht vor, dass den Straßenabschnitten in den Schritten b) und c) definierte Zahlenwerte zugewiesen werden. Dadurch ist vorteilhaft eine einfache Klassifizierung der Straßenabschnitte unterstützt.
-
Eine weitere vorteilhafte Weiterbildung des Verfahrens sieht vor, dass eine Datenmenge eines oder mehrerer Cluster an eine Rechenleistung einer Kartenerstellungsvorrichtung angepasst wird. Eine gute Skalierbarkeit der Rechner zur Erstellung der digitalen Lokalisierungskarte ist auf diese Weise vorteilhaft unterstützt
-
Eine weitere vorteilhafte Weiterbildung des Verfahrens sieht vor, dass für die digitale Lokalisierungskarte für definierte Straßenabschnitte definierte Merkmale, die während des Klassifizierens der Straßenabschnitte in den Schritten b) und c) ermittelt wurden, im Fahrzeug nutzbar sind. Dadurch ist vorteilhaft unterstützt, dass regional unterschiedlich gute Kartenqualitäten bereitgestellt werden, wodurch zum Beispiel in definierten Regionen mittels der digitalen Lokalisierungskarte aufgrund von verminderter Qualität ein vollautonomes Fahren nicht möglich ist.
-
Weitere, die Erfindung verbessernde Maßnahmen werden nachstehend gemeinsam mit der Beschreibung der bevorzugten Ausführungsbeispiele der Erfindung anhand von Figuren näher dargestellt.
-
Figurenliste
-
In den begleitenden Figuren zeigt:
- 1 eine Übersichtsdarstellung mit einer Erläuterung der Funktionsweise des vorgeschlagenen Verfahrens; und
- 2 eine prinzipielle Darstellung eines vorgeschlagenen Verfahrens zum Bereitstellen einer digitalen Lokalisierungskarte für ein Fahrzeug.
-
Ausführungsformen der Erfindung
-
1 zeigt ein prinzipielles Übersichtsbild mit einer Erläuterung einer Funktionsweise des vorgeschlagenen Verfahrens. Man erkennt ein Straßennetz 100 mit einer Reihe von kleinen Straßenabschnitten C1n ....Cnn (engl. chunks), aus deren Daten eine digitale Lokalisierungskarte gebildet werden soll. Ferner erkennt man, dass diese Straßenabschnitte zu sogenannten Cluster C1...Cn zusammengefasst sind. In der 1 sind z.B. die Straßenabschnitte C31 ...C3n von Cluster C3 strichliert dargestellt, um damit anzudeuten, dass die darin enthaltenen Straßenabschnitte in einem oder mehreren Tunnel geführt sind.
-
Vorgeschlagen wird, dass die jeweiligen sensorisch erfassten Daten der einzelnen Straßenabschnitte in ihrer Gesamtheit in Cluster C1 ... Cn verarbeitet werden. Auf diese Weise kann der Rechenaufwand für die Erstellung bzw. Bereitstellung der digitalen Lokalisierungskarte sehr gut skaliert bzw. parallelisiert werden. Eine dafür bereitgestellte Rechenleistung verschiedener Rechner kann dadurch sehr gut ausgeglichen und balanciert genutzt werden.
-
Vorzugsweise werden die Straßenabschnitte von sogenannten Ursprungspunkten ausgehend aggregiert, bis eine gewisse definierte Datenmenge erreicht ist. Derartige Ausgangspunkte können zum Beispiel Kreuzungen, Tunnels oder sonstige gleichartige Infrastrukturelemente sein.
-
1 zeigt insgesamt drei Cluster C1, C2, und C3, wobei im Cluster C3 die Straßenabschnitte C31 ... C3n strichliert dargestellt sind. Cluster C1 repräsentiert ein Kreuzungsszenario, Cluster C2 repräsentiert einen Auffahrbereich auf eine Autobahn. Sämtliche Cluster C1, C2, C3 sind lediglich qualitativ, beispielhaft und nicht maßstabsgerecht dargestellt und können selbstverständlich auch mehr oder auch weniger Straßenabschnitte C11 ... Cnn als dargestellt aufweisen.
-
Mit dem vorgeschlagenen Ansatz ist ein effizienter und balancierter Kartenerstellungsprozess unterstützt, der in hochqualitativen Lokalisierungskarten resultiert. Im Ergebnis ist dadurch eine ausbalancierte Kartenerstellung unterstützt, welche zu einer höheren Effizienz bei der Erstellung der digitalen Lokalisierungskarte führt.
-
Ähnlich dem oben genannten, an sich bekannten Ansatz B, schlägt das vorgeschlagene Verfahren eine Zuweisung von Straßenabschnitten in relevanten Bereichen in Form der Cluster C1 ...Cn vor. Zusätzlich werden allerdings qualitative Parameter und komplexe kritische Szenarien berücksichtigt, wie zum Beispiel Kreuzungen, Tunnels, usw., die dadurch konsistent kartiert werden können.
-
Im Ergebnis wird auf diese Art und Weise für die Erstellung der digitalen Lokalisierungskarte ein datengetriebener Clustering-Ansatz realisiert.
-
Der vorgeschlagene Ansatz basiert auf HAD-Mapping unter Berücksichtigung von lokalisierungsrelevanten Parametern, wie zum Beispiel Straßeninfrastruktur (z.B. Tunnel, kritische Straßenführungen, Kreuzungen, Abfahrten von Autobahnen, usw.), Verbindungs- und Lokalisierungsqualität. Im Ergebnis werden Straßenabschnitten eines zu kartierenden Straßennetzes erwartete Wahrscheinlichkeitswerte zugewiesen. Diese Wahrscheinlichkeitsparameter werden zur Klassifikation der Straßenabschnitte genutzt.
-
Basierend auf den Klassifikationen werden die Cluster C1 ...Cn gebildet, die die Daten bestimmt, die bei der Erstellung der digitalen Lokalisierungskarte zusammen verarbeitet werden. Auf diese Weise wird eine balancierte Kartenerstellung mit für die HAD-Kartenerstellung relevanten, komplexen Szenarien ermöglicht.
-
Ein Vorteil des vorgeschlagenen Ansatzes ist eine Verbindung eines datengetriebenen, klassifizierenden bzw. kategorisierenden Ansatzes mit einem Clustering-Prozess.
-
Für eine Kartenerstellung von digitalen Lokalisierungskarten (engl. HAD-Mapping, highly autonomous driving) im großen Umfang sind eine effiziente Verarbeitung einer großen Datenmenge ebenso wie eine hohe Kartenqualität sehr wichtig. Der vorgeschlagene Ansatz erlaubt eine skalierbare Kartenerstellung, die in hochqualitativen Karten resultiert.
-
Das Skalieren kann durch ein Gruppieren des zu kartierenden Straßennetzes in einzelne Straßenabschnitte C11 ... Cnn und eine datentechnische Verarbeitung derselben in Gruppen (Cluster) erreicht werden. Eine hohe Qualität der digitalen Lokalisierungskarte kann durch ein Zusammenfassen der Straßenabschnitte, basierend auf einer qualitativen Klassifizierung derselben, erreicht werden.
-
Ein Vorteil eines derartigen „Soft Clustering“ (unter Nutzung von „weichen“ Kriterien) besteht darin, dass der Prozess der Erstellung der digitalen Lokalisierungskarte eine gute Skalierbarkeit ermöglicht, die für eine Kartenerstellung in großem Umfang erforderlich ist. Die Erstellung der digitalen Lokalisierungskarte kann im Ergebnis in einer rechentechnisch balancierten Erstellungsprozedur durchgeführt werden. Zudem weist die derart erstellte digitale Lokalisierungskarte vorteilhaft eine hohe Qualität auf, nachdem relevante Einflüsse bei der Kartenerstellung durch das Clustering berücksichtigt wurden.
-
Nachfolgend wird der vorgeschlagene Prozess des Erstellens bzw. Bereitstellens einer merkmalbasierten, digitalen Lokalisierungskarte im Detail noch näher erläutert:
- Zunächst werden Straßenabschnitte C11 ... Cnn entlang eines für die digitale Lokalisierungskarte relevanten Straßennetzes berechnet. Ein Straßenabschnitt C11 ... Cnn repräsentiert dabei eine Approximation von möglichen Trajektorien von Fahrzeugen, die im Straßenabschnitt des Straßennetzes unterwegs sind, wobei eine Größe des Straßenabschnitts C11 ... Cnn konfigurierbar ist.
-
Eine erste Klassifizierung bzw. Kategorisierung der Straßenabschnitte C11 ... Cnn wird für eine Zuweisung von Straßennetz-spezifischen Charakteristika durchgeführt. Diese Charakteristika kodieren eine Komplexität und eine Tendenz zu einer Partitionierung der Straßenabschnitte C11 ...Cnn. Zum Beispiel könnte einem Straßenabschnitt C11 ...Cnn, der (z.B. aufgrund eines überschrittenen Datenlimits) teilbar ist, eine niedrige Zahl zugewiesen werden, wohingegen einem Straßenabschnitt C11 ... Cnn, der für eine Teilung nicht in Frage kommt, eine hohe Zahl zugewiesen werden kann.
-
Herausfordernde Szenarien zum Erstellen der digitalen Lokalisierungskarte, wie zum Beispiel Tunnel, Kreuzungen, Abfahrten von Autobahnen, usw. erhalten in der Regel eine höhere Nummer, wohingegen Landstraßen eher eine niedrige Nummer erhalten.
-
Die zweite durchgeführte Klassifikation basiert auf von Fahrzeugen sensorisch erfassten und bereitgestellten Umfeldsensordaten. Dabei können eine Verfügbarkeit und eine Qualität der Umfeldsensordaten berücksichtigt werden. Zum Beispiel kann einem Straßenabschnitt C11 ...Cnn, auf dem GPS-Lokalisierung nur schlecht oder gar nicht möglich ist (wie es z.B. in Tunnel der Fall sein kann), eine hohe Zahl zugewiesen werden. Demgegenüber kann einem Straßenabschnitt, auf dem hochqualitative Umfeldsensordaten vorliegen und auf dem eine hohe Lokalisierungsgüte möglich ist, eine niedrige Zahl zugewiesen werden.
-
Nach den genannten Klassifikationen werden die Straßenabschnitte C11 ... Cnn unter Verwendung eines Standard-Clustering-Ansatzes zusammengefasst, wobei mit einem Straßenabschnitt C11 ... Cnn mit der höchsten Klassifikation begonnen wird und dann iterativ benachbarte Straßenabschnitte C11 ... Cnn zum Cluster C1 ... Cn addiert bzw. aggregiert werden, bis ein weiterer separierter Straßenabschnitt C11 ... Cnn die höchste Klassifikation hat, sodass ein zusätzlicher Cluster C1...Cn generiert wird. Angestrebt wird, dass Cluster möglichst ähnliche Datengrößen aufweisen, sodass eine Rechnerbelastung zur Berechnung der digitalen Lokalisierungskarte vergleichmäßigt ist. Konkrete Zahlenwerte lassen sich hier naturgemäß nicht angeben und hängen von unterschiedlichsten Parametern ab, wie z.B. Anzahl an verfügbaren Rechnern, Größe des zu kartierenden Straßennetzes, usw. Charakteristische bzw. gleichartige Szenarien bleiben dadurch vorteilhaft gewissermaßen in einem Cluster vereint und erleichtern dadurch deren Prozessierung.
-
Unter Nachverfolgen der Clustergrößen ist es auf diese Weise möglich, mathematische Algorithmen für ähnliche Clustergrößen „zu führen“, wobei eine Wahrscheinlichkeit eines weiteren Hinzufügens eines Straßenabschnitts zu einem Cluster bei „erfüllter Größe“ reduziert ist.
-
2 zeigt ein prinzipielles Ablaufdiagramm mit einer Darstellung des vorgeschlagenen Verfahrens.
-
In einem Schritt 200 wird ein Ermitteln von Straßenabschnitten C11 ...Cnn durch Auswerten von Daten eines zu kartierenden Straßennetzes 100 durchgeführt.
-
In einem Schritt 210 wird ein Klassifizieren der Straßenabschnitte C11 ... Cnn unter Berücksichtigung von definierten Gegebenheiten des Straßennetzes 100 durchgeführt.
-
In einem Schritt 220 wird ein Klassifizieren der Straßenabschnitte C11 ... Cnn unter Berücksichtigung von Umfeldsensordaten durchgeführt.
-
In einem Schritt 230 wird ein Zusammenfassen der Straßenabschnitte C11 ...Cnn zu Clustern C1...Cn unter Berücksichtigung der in den Schritten b) und c) durchgeführten Klassifizierungen durchgeführt.
-
In einem Schritt 240 erfolgt ein jeweils gemeinsames rechnertechnisches Verarbeiten der Cluster C1...Cn.
-
Schließlich wird in einem Schritt 250 ein Übermitteln der erstellten digitalen Lokalisierungskarte an ein Fahrzeug durchgeführt.
-
Die Kartenerstellungsvorrichtung zum Erstellen der digitalen Lokalisierungskarte ist vorzugsweise eine Servereinrichtungen in der Cloud, auf der das vorgeschlagene Verfahren als eine Software abläuft. Dadurch ist eine einfache Adaptierbarkeit des Verfahrens unterstützt. Vorzugsweise werden die jeweiligen Cluster datenumfangsmäßig an die Rechenleistung der einzelnen Rechner der Kartenerstellungsvorrichtung angepasst, sodass auf diese Weise eine balancierte Auslastung der Rechnerinfrastruktur zum Erstellen der digitalen Lokalisierungskarte unterstützt ist.
-
Der Fachmann wird bei der Umsetzung der Erfindung auch vorgehend nicht erläuterte Ausführungsformen realisieren.
-
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
-
- EP 3293489 A1 [0002]
- WO 2018/126228 A1 [0003]
-
Zitierte Nicht-Patentliteratur
-
- „Tectonic SAM: Exact, Out-of-Core, Submap-Based SLAM‟, Proceedings 2007 IEEE International Conference on Robotics and Automation, 2007 [0008]
