DE102020112825A1 - Verfahren zum Erfassen von relevanten statischen Objekten innerhalb einer Fahrspur sowie Recheneinrichtung für ein Fahrerassistenzsystem eines Fahrzeugs - Google Patents

Verfahren zum Erfassen von relevanten statischen Objekten innerhalb einer Fahrspur sowie Recheneinrichtung für ein Fahrerassistenzsystem eines Fahrzeugs Download PDF

Info

Publication number
DE102020112825A1
DE102020112825A1 DE102020112825.8A DE102020112825A DE102020112825A1 DE 102020112825 A1 DE102020112825 A1 DE 102020112825A1 DE 102020112825 A DE102020112825 A DE 102020112825A DE 102020112825 A1 DE102020112825 A1 DE 102020112825A1
Authority
DE
Germany
Prior art keywords
static
lane
vehicle
objects
static objects
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
Application number
DE102020112825.8A
Other languages
English (en)
Inventor
Dominik Kellner
Simon RADLER
Hanno Jaspers
Georg Tanzmeister
Matthias Stark
Carola Schroeter
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.)
Bayerische Motoren Werke AG
Original Assignee
Bayerische Motoren Werke 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 Bayerische Motoren Werke AG filed Critical Bayerische Motoren Werke AG
Priority to DE102020112825.8A priority Critical patent/DE102020112825A1/de
Publication of DE102020112825A1 publication Critical patent/DE102020112825A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees
    • 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
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/865—Combination of radar systems with lidar systems
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • 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
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/20—Static objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18163—Lane change; Overtaking manoeuvres
    • 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
    • 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

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)
  • Traffic Control Systems (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zum Erfassen von relevanten statischen Objekten in einer Umgebung eines Fahrzeugs mit den Schritten: Empfangen von Sensordaten von zumindest einem Umfeldsensor des Fahrzeugs, wobei die Sensordaten die Umgebung beschreiben, Bestimmen einer statischen Belegungskarte anhand der Sensordaten, wobei die statische Belegungskarte nicht bewegte Anteile der Umgebung beschreibt, wobei die Sensordaten fortlaufend empfangen werden und die statische Belegungskarte anhand der Sensordaten akkumuliert wird, Bestimmen von Fahrspurdaten, welche zumindest eine Fahrspur in der Umgebung beschreiben, und Identifizieren von relevanten statischen Objekten, welche sich zumindest bereichsweise innerhalb der zumindest einen Fahrspur befinden, aus den statischen Objekten anhand der akkumulierten statischen Belegungskarte und der Fahrspurdaten.

Description

  • Die vorliegende Erfindung betrifft ein Verfahren zum Erfassen von relevanten statischen Objekten in einer Umgebung eines Fahrzeugs. Des Weiteren betrifft die vorliegende Erfindung eine Recheneinrichtung für ein Fahrerassistenzsystem eines Fahrzeugs. Außerdem betrifft die vorliegende Erfindung ein Computerprogramm.
  • Bei Fahrerassistenzsystemen, welche ein automatisiertes oder ein autonomes Fahren ermöglichen, ist es essentiell, Objekte in der Umgebung des Fahrzeugs zuverlässig zu erkennen. Aus dem Stand der Technik ist es bekannt, dass alle relevanten Objekte in der Umgebung des Fahrzeugs über die Zeit verfolgt werden. Dabei wird meist nicht unterschieden, ob es sich bei diesen Objekten um statische bzw. stehende Objekte oder um dynamische bzw. bewegte Objekte handelt. Wenn beispielsweise alle parkenden Fahrzeuge auf dem Seitenstreifen und auf Parkplätzen neben der Straße sowie stehende Fußgänger und Fahrradfahrer, welche weit von der Fahrspur entfernt sind, erfasst werden, führt dies zu einer deutlich größeren Anzahl an relevanten Objekten.
  • Werden stehende und bewegte Objekte in einem gemeinsamen Ansatz verfolgt, entstehen häufig durch Messungenauigkeiten oder Fehler in der Objektextraktion virtuelle Bewegungen, sodass bei parkenden Fahrzeugen falsch erkannt wird, dass sich diese bewegen oder sich drehen. Das führt unter Umständen zu Falschbremsungen oder Ausweichmanövern auf nicht relevante statische Objekte oder zu einem Fehlverhalten auf relevante statische Objekte. Durch die große Anzahl an Objekten weisen die Algorithmen zudem eine hohe Rechenleistung auf, da für alle Objekte Eigenschaften, wie Form, Position und/oder Orientierung, geschätzt werden müssen. Diese Schätzungen basieren meist auf der aktuellen Messung und die extrahierten Eigenschaften werden über die Zeit gemittelt.
  • Vorliegend gilt das Interesse insbesondere der Erkennung von relevanten statischen Objekten. Hierzu ist es aus dem Stand der Technik bekannt, auf Grundlage von Sensordaten von Umfeldsensoren entsprechende Belegungskarten zu bestimmen. Diese Belegungskarten können auch als gitterbasierte Karten bzw. als grid maps bezeichnet werden. Für die Fahrzeugumfelderfassung werden in den meisten Sensorsystemen bzw. Fahrerassistenzsystemen derartige Belegungskarten verwendet, um die große Anzahl von Sensordaten handhabbar zu machen. Dabei können über die Zeit auch statische Belegungskarten bestimmt werden, welche die statischen Objekte in der Umgebung beschreiben. Mit jeder Messung können die statischen Detektionen in die Belegungskarte eingetragen werden, sodass sich in der Belegungskarte nach einigen Messzyklen ein detailliertes Abbild der sichtbaren Objektform ergibt. Gemäß dem Stand der Technik wird aber nicht berücksichtigt, ob sich die erkannten statischen Objekte auf der Fahrspur, dem relevanten Fahrstreifen oder neben der Fahrspur befinden.
  • Es ist Aufgabe der vorliegenden Erfindung, eine Lösung aufzuzeigen, wie relevante statische Objekte bzw. Verkehrsteilnehmer in der Umgebung eines Fahrzeugs zuverlässiger erkannt werden können.
  • Diese Aufgabe wird erfindungsgemäß durch ein Verfahren, durch eine Recheneinrichtung, sowie durch ein Computerprogramm mit den Merkmalen gemäß den unabhängigen Ansprüchen gelöst. Vorteilhafte Weiterbildungen der vorliegenden Erfindung sind in den abhängigen Ansprüchen angegeben.
  • Ein erfindungsgemäßes Verfahren dient zum Erfassen von relevanten statischen Objekten in einer Umgebung eines Fahrzeugs. Das Verfahren umfasst das Empfangen von Sensordaten von zumindest einem Umfeldsensor des Fahrzeugs, wobei die Sensordaten die Umgebung beschreiben. Des Weiteren umfasst das Verfahren das Bestimmen einer statischen Belegungskarte anhand der Sensordaten, wobei die statische Belegungskarte nicht bewegte Anteile der Umgebung beschreibt. Dabei werden die Sensordaten fortlaufend empfangen und die statische Belegungskarte wird anhand der Sensordaten akkumuliert. Außerdem umfasst das Verfahren das Bestimmen von Fahrspurdaten, welche zumindest eine Fahrspur in der Umgebung beschreiben. Ferner umfasst das Verfahren das Identifizieren von relevanten statischen Objekten, welche sich zumindest bereichsweise innerhalb der zumindest einen Fahrspur befinden, aus den statischen Objekten anhand der akkumulierten statischen Belegungskarte und der Fahrspurdaten.
  • Mithilfe des Verfahrens sollen relevante statische Objekt in der Umgebung des eigenen Fahrzeugs erkannt werden, welche sich auf einer Fahrspur befinden. In diesem Zusammenhang können alle Objekte als relevant definiert werden, die einen Einfluss auf die Trajektorie des eigenen Fahrzeugs aufweisen, d.h. die beispielsweise ein Abbremsen oder Ausweichen erfordern. Statische Hindernisse außerhalb der Fahrspuren, welche Teil der Infrastruktur, Pflanzen oder dergleichen sein können, sollen im Folgenden nicht berücksichtigt werden. Das Verfahren kann mit einer Recheneinrichtung eines Fahrerassistenzsystems des Fahrzeugs durchgeführt werden. Im Betrieb des Fahrzeugs bzw. während der Fahrt des Fahrzeugs werden mit den Umfeldsensoren des Fahrerassistenzsystems fortlaufend die Sensordaten bereitgestellt. Beispielsweise können mit den Umfeldsensoren zeitlich aufeinanderfolgende Messungen bzw. Messzyklen durchgeführt werden. Dabei werden in jedem Messzyklus die Sensordaten an die Recheneinrichtung übertragen. Bei den Umfeldsensoren kann es sich um Radarsensoren, Lidar-Sensoren, Ultraschallsensoren und/oder Kameras handeln. Die Sensordaten beschreiben die Umgebung des Fahrzeugs und insbesondere Objekte in der Umgebung des Fahrzeugs.
  • Darüber hinaus werden von der Recheneinrichtung fortlaufend Fahrspurdaten bestimmt. Diese Fahrspurdaten beschreiben eine oder mehrere Fahrspuren in der Umgebung des Fahrzeugs. Insbesondere können diese Fahrspurdaten Fahrbahnen und/oder Fahrstreifen beschreiben. Die Fahrspurdaten können auch einen Fahrschlauch, welcher die (zukünftige) Bewegung des Fahrzeugs oder eines anderen Verkehrsteilnehmers repräsentiert, beschreiben. Diese Fahrspurdaten können beispielsweise auf Grundlage einer digitalen Landkarte und mithilfe eines satellitengestützten Positionsbestimmungssystems ermittelt werden. Alternativ oder zusätzlich können die Fahrspurdaten anhand der Sensordaten bestimmt werden. Dabei können in den Sensordaten Fahrbahnmarkierungen und/oder die Fahrbahnen selbst erkannt werden. Dies gilt insbesondere für den Fall, wenn als Umfeldsensor eine Kamera oder ein Lidar-Sensor verwendet wird.
  • Auf Grundlage der Sensordaten wird die statische Belegungskarte bestimmt. Die Belegungskarte kann auch als grid-basierte Karte oder grid map bezeichnet werden. Die statische Belegungskarte kann die nicht bewegten Anteile der Umgebung bzw. Umwelt repräsentiert. Aus dieser können in einem darauffolgenden Schritt die statischen Objekte, beispielsweise ein parkendes Fahrzeug, eine Kiste auf der Straße oder dergleichen, extrahiert werden. Diese statische Belegungskarte kann eine Mehrzahl von Zellen aufweisen, wobei jede Zelle einen bestimmten Bereich in der Umgebung des Fahrzeugs beschreibt. Des Weiteren beschreibt jede Zelle die Wahrscheinlichkeit, dass der Bereich der Umgebung, welchen die Zelle repräsentiert, mit einem statischen Element belegt ist. Die statische Belegungskarte ist demnach ein Abbild der statischen Anteile der Umgebung um das eigene Fahrzeug. Ein nachgelagerter Schritt erlaubt die Extraktion statischer Objekte aus der statischen Belegungskarte. Bevorzugt werden in die statische Belegungskarte ausschließlich Messungen statischer und keine Messungen dynamischer Objekten eingetragen. Wie zuvor erläutert, werden für zeitlich aufeinanderfolgende Messzyklen jeweils die Sensordaten empfangen. Dabei wird die statische Belegungskarte über die Zeit akkumuliert. Dies bedeutet, dass bei der Bestimmung der statischen Belegungskarte die zuvor empfangenen Sensordaten berücksichtigt werden. Insbesondere wird die statische Belegungskarte anhand der Sensordaten von mindestens einem Umfeldsensor über mindestens einen Zeitschritt akkumuliert. Die Zuordnung erfolgt insbesondere direkt über die statische Belegungskarte, sodass dadurch keine virtuellen Bewegungen und damit verbunden eine fälschliche Klassifizierung als dynamisches Objekt erfolgt.
  • Des Weiteren ist vorgesehen, dass aus den statischen Objekten die relevanten statischen Objekte, welche sich zumindest teilweise auf einer der Fahrspuren befinden, extrahiert werden. Aus der Menge aller statischen Objekte sollen basierend auf der akkumulierten statischen Belegungskarte die relevanten statischen Objekte extrahiert werden. Es sollen also zum einen angehaltene Verkehrsteilnehmer auf der Fahrspur erkannt werden, hinter denen das eigene Fahrzeug angehalten werden sollen. Zum anderen sollen relevante nicht angehaltene statische Objekte, welche sich zumindest bereichsweise auf einer der Fahrspuren befinden, bei der Trajektorienplanung berücksichtig werden. Beispielsweise können diese umfahren werden oder das Fahrzeug kann bei Vorhandensein von Gegenverkehr abgebremst werden. Bei dieser Art statischer Objekte, welche relevante statische Objekte aber keine angehaltenen Verkehrsteilnehmer sind, kann es sich beispielsweise um verlorene Ladung oder andere Gegenstände auf der Fahrbahn handeln. Des Weiteren können solche Objekte geparkte Fahrzeuge sein, welche seitlich in die Fahrspur hinein ragen. Auf Grundlage der statischen Belegungskarte und der Fahrbahndaten können die relevanten statischen Objekte inklusive der angehaltenen Verkehrsteilnehmer erkannt werden. Zudem können anhand der statischen Belegungskarte dann die Eigenschaften der statischen Objekte, wie die Form, Position und/oder Orientierung, geschätzt werden. Da sich die positionsbezogenen und geometrischen Eigenschaften eines statischen Objekts über die Zeit nicht ändern, ist die Schätzung auf Grundlage der akkumulierten statischen Belegungskarte vorteilhaft. Zudem kann beispielsweise überprüft werden, ob die Zellen der statischen Belegungskarte, welche ein statisches Objekt beschreiben, der Fahrspur zugeordnet werden können. Außerdem können die räumlichen Abmessungen der erkannten statischen Objekte bzw. der belegten Zellen und/oder die Form der statischen Objekte und/oder eine Bedeckung der Fahrspur durch die statischen Objekte berücksichtigt werden. Die Form kann beispielsweise mittels bekannter Verfahren, wie PCA (Principal Component Analysis) geschätzt werden. Insgesamt können somit auf zuverlässige Weise relevante statische Objekte in der Umgebung des eigenen Fahrzeugs erkannt werden.
  • Bevorzugt weist die akkumulierte statische Belegungskarte eine Mehrzahl von Zellen auf, wobei die jeweiligen Zellen eine Belegung durch den nicht bewegten Anteil der Umgebung beschreiben, und einzelne Zellen werden zum Identifizieren der relevanten statischen Objekte ausgewählt und/oder verbunden. Wie bereits erläutert, kann den jeweiligen Zellen der statischen Belegungskarte eine Wahrscheinlichkeit, dass diese von einem statischen Objekt belegt sind, zugeordnet sein. Dabei kann zunächst eine Binarisierung der statischen Belegungskarte vorgenommen werden. Hierbei können diejenigen belegten Zellen ausgewählt werden, bei welchen die Belegungswahrscheinlichkeit größer als ein Grenzwert, beispielsweise 0,5 bzw. 50 % ist. Im Anschluss daran kann ein Clustern der ausgewählten Zellen vorgenommen werden. Hierbei können beispielsweise Lücken zwischen nahen beieinanderliegenden Zellen geschlossen werden. Zur Extraktion der relevanten statischen Objekte aus den statischen Objekten können die einzelnen Zellen ausgewählt und/oder verbunden werden. Somit können statische Objekte in der Umgebung des Fahrzeugs mit geringem Rechenaufwand zuverlässig erkannt werden.
  • Nachdem die Zellen der statischen Belegungskarte ausgewählt und/oder geclustert wurden, können diese Zellen dann den Fahrspuren zugeordnet werden. Hierzu kann beispielsweise der Scanline-Algorithmus verwendet werden. Alternativ oder zusätzlich kann für jede der Zellen überprüft werden, ob diese zumindest bereichsweise innerhalb einer der erkannten Fahrspuren liegt. Cluster bzw. statische Objekte außerhalb einer der erkannten Fahrspuren können nicht berücksichtigt werden oder gelöscht werden. Wenn ein Cluster bzw. ein statisches Objekt einer Fahrspur zugeordnet wird, kann diesem statischen Objekt eine Kennung bzw. ID der Fahrspur zugewiesen werden.
  • Bevorzugt werden aus den relevanten statischen Objekten angehaltene Verkehrsteilnehmer identifiziert. Ziel des Verfahrens ist es insbesondere, anhaltende Verkehrsteilnehmer und parkende Verkehrsteilnehmer bzw. statische Hindernisse zu differenzieren. Unter dem Begriff anhaltende Verkehrsteilnehmer sind in diesem Zusammenhang alle Objekte zu verstehen, die auf einer Fahrbahn stehen und potentiell anfahren können, wie beispielsweise ein stehendes Fahrzeug an einer roten Ampel oder abbiegende Fahrzeuge. Im Gegensatz zu parkenden Verkehrsteilnehmern, welche ggf. umfahren werden sollen, soll hinter anhaltenden Verkehrsteilnehmern ebenfalls angehalten werden. Bei den erkannten relevanten statischen Objekten sollen insbesondere die parkenden Verkehrsteilnehmer bzw. stationären Hindernisse (z.B. Karton auf der Straße) von den kurzzeitig angehaltenen Verkehrsteilnehmer (z.B. an einer roten Ampel) unterschieden werden.
  • In einer Ausführungsform wird die Identifizierung der jeweiligen angehaltenen Verkehrsteilnehmer anhand von räumlichen Abmessungen der jeweiligen relevanten statischen Objekte und/oder einer Form der jeweiligen relevanten statischen Objekte und/oder einer Bedeckung der Fahrspur durch die jeweiligen relevanten statischen Objekte plausibilisiert. Aus den erkannten relevanten statischen Objekten sollen die angehaltenen Verkehrsteilnehmer extrahiert werden. Dazu können die räumlichen Abmessungen des statischen Objekts überprüft werden. Handelt es sich um ein kleines Objekt bzw. unterschreiten die räumlichen Abmessungen des statischen Objekts einen vorbestimmten Grenzwert, kann dieses Objekt als relevantes statisches Objekt aber nicht als angehaltener Verkehrsteilnehmer angesehen werden. Bei einem kleinen Objekt auf der Fahrspur kann es sich beispielsweise um einen Gegenstand handeln. Alternativ oder zusätzlich kann eine Bedeckung der Fahrspur durch das statische Objekt berücksichtigt werden. Wenn das statische Objekt nur einen geringen Bereich bedeckt bzw. wenn die Bedeckung einen Mindestwert unterschreitet, kann dieses Objekt als relevantes statisches Objekt aber nicht als angehaltener Verkehrsteilnehmer angesehen werden. Hierbei kann auch berücksichtigt werden, welchen Bereich der Fahrbahn das Objekt bedeckt. Wenn das Objekt beispielsweise einen seitlichen Bereich der Fahrspur bedeckt, kann es als geparktes Fahrzeug, welches teilweise in die Fahrspur ragt, und nicht als kurzzeitig angehaltener Verkehrsteilnehmer erkannt werden. Auf diese Weise können angehaltene Verkehrsteilnehmer zuverlässig von parkenden Verkehrsteilnehmern bzw. statischen Hindernissen unterschieden werden.
  • In einer weiteren Ausführungsform werden Kameradaten empfangen und eine Klassifizierung der relevanten statischen Objekte innerhalb der Fahrspur wird anhand der Kameradaten durchgeführt. Mittels der Recheneinrichtung können also Kameradaten von einer Kamera empfangen werden. Die Kamera kann ein Umfeldsensor des Fahrerassistenzsystems sein. In diesem Fall entsprechen die Kameradaten einer Teilmenge der Sensordaten. Anhand der Bilddaten bzw. Kameradaten können die jeweiligen statischen Objekte erkannt und/oder klassifiziert werden. Beispielsweise können die Objekte als Fahrzeug, Motorrad, Radfahrer, Fußgänger oder dergleichen erkannt werden. Diese Klassifizierung kann bei der zuvor beschriebenen Plausibilitätsprüfung berücksichtigt werden. Wenn ein Objekt auf Grundlage der Kameradaten als Motorrad erkannt wird, kann dies als angehaltener Verkehrsteilnehmer identifiziert werden, auch wenn die räumlichen Abmessungen und/oder die Bedeckung der Fahrspur durch das Objekt gering sind. In diesem Fall soll das Fahrzeug hinter dem Verkehrsteilnehmer angehalten werden, auch wenn ein Überholen möglich ist.
  • Weiterhin ist vorteilhaft, wenn anhand der akkumulierten statischen Belegungskarte eine Ausrichtung und/oder Bewegungsrichtung der jeweiligen angehaltenen Verkehrsteilnehmer bestimmt wird. Wenn die angehaltenen Verkehrsteilnehmer aus den relevanten statischen Objekten extrahiert wurden, kann eine Ausrichtung der angehaltenen Verkehrsteilnehmer bestimmt werden. Dies kann auf Grundlage der statischen Belegungskarte, insbesondere nach der Binarisierung und dem Clustern, erfolgen. Den belegten Zellen der Belegungskarten kann ein rechteckförmiger Hüllkörper bzw. eine sogenannte bounding box zugeordnet werden. Hierzu können unterschiedliche Boxen für die Ausrichtung der erkannten Fahrspuren bestimmt werden. Es kann auch vorgesehen sein, dass eine Box auf Grundlage der Ausrichtung des eigenen Fahrzeugs bestimmt wird. Diese unterschiedlichen Boxen, welche unterschiedliche Ausrichtungen aufweisen, können als Hypothesen dienen. Ferner kann eine Score-Funktion auf unterschiedlich orientierte Hypothesen angewendet werden. Somit kann eine der Boxen bzw. Hüllkörper den Zellen bzw. dem Cluster zugeordnet werden. Anhand der ausgewählten Box können dann die Ausrichtung und/oder die zukünftige Bewegungsrichtung des angehaltenen Verkehrsteilnehmers bestimmt werden. Grundsätzlich können die Hüllkörper jede beliebige Form aufweisen. Bei der Bestimmung der Ausrichtung und/oder der zukünftigen Bewegungsrichtung können auch die zuvor beschriebenen Kameradaten genutzt werden. Mittels des gewichteten Abstandes zwischen der Box und den Zellen kann zudem eine Aussage getroffen werden, wie gut das Objekt durch ein Rechteck abgebildet werden kann. Diese Formschätzung kann ein weiterer Indikator sein, ob es sich um einen angehaltenen Verkehrsteilnehmer handelt.
  • In einer weiteren Ausführungsform beschreiben die Fahrspurdaten zumindest zwei Fahrspuren in der Umgebung und die jeweiligen angehaltenen Verkehrsteilnehmer werden anhand ihrer Ausrichtung und/oder Bewegungsrichtung einer der zumindest zwei Fahrspuren zugeordnet. Wenn in der Umgebung mehrere Fahrspuren erkannt werden, kann dann auf Grundlage der Ausrichtung und/oder Bewegungsrichtung des angehaltenen Verkehrsteilnehmers erkannt werden, auf welcher der Fahrspuren sich der angehaltene Verkehrsteilnehmer befindet und/oder bewegen wird. Diese Informationen können von dem Fahrerassistenzsystem zum Manövrieren des Fahrzeugs und/oder zum Durchführen von Fahrmanövern genutzt werden.
  • Es kann zudem vorgesehen sein, dass Informationen bezüglich der Objekte von einem nachgelagerten Modul, welches der Pfadplanung dient, genutzt werden. Dabei können nur diejenigen angehaltenen Verkehrsteilnehmer berücksichtigt werden, welche sich in einem zukünftigen Pfad des Fahrzeugs befinden. Wenn beispielsweise kein Spurwechsel vorgesehen ist, können nur angehaltene Verkehrsteilnehmer auf der Fahrspur bzw. dem Fahrstreifen des Fahrzeugs berücksichtigt werden. Es kann ferner vorgesehen sein, dass bei der Erkennung der angehaltenen Verkehrsteilnehmer nur die Objekte in dem zukünftigen Pfad des Fahrzeugs berücksichtigt werden. Ferner können auch Objekten auf einer anderen Richtungsfahrbahn nicht berücksichtigt werden. Auf diese Weise kann der Rechenaufwand reduziert werden.
  • Wie bereits erläutert, können die Fahrspurdaten auf Grundlage einer digitalen Landkarte und/oder anhand der Sensordaten des zumindest einen Umfeldsensors bestimmt werden. Es kann ferner vorgesehen sein, dass Odometriedaten von einem Positionssensor des Fahrzeugs empfangen werden. Diese Odometriedaten können die aktuelle Geschwindigkeit und die Drehrate des Fahrzeugs beschreiben. Die Odometriedaten können bei der Bestimmung der statischen Belegungskarte berücksichtigt werden. Zudem können die Odometriedaten bei der zuvor beschriebenen Bestimmung der Ausrichtung der angehaltenen Verkehrsteilnehmer als zusätzliche Hypothese berücksichtig werden.
  • In einer weiteren Ausgestaltung wird in Abhängigkeit von der Identifizierung der relevanten Objekte aber nicht angehaltenen Verkehrsteilnehmer (d.h. parkend oder stationäres Hindernis) innerhalb der Fahrspur aus den statischen Objekten ein Überholvorgang entschieden. Wenn ein statisches Objekt als relevantes statisches Objekt aber nicht kurzzeitig anhaltender Verkehrsteilnehmer identifiziert wird, kann mittels des Fahrerassistenzsystems ein Fahrmanöver zum Überholen des statischen Objekts bzw. zum Vorbeifahren an dem statischen Objekt durchgeführt werden. Ist ein Überholen aktuell nicht möglich, weil die Ausweichtrajektorie beispielsweise wegen Gegenverkehr belegt ist, kann ein gewisser Abstand in Fahrtrichtung zu dem statischen Objekt gehalten werden. Auf diese Weise ist ein Überholvorgang möglich, wenn die Trajektorie wieder frei ist. Falls ein statisches Objekt als angehaltener Verkehrsteilnehmer erkannt wird, kann mittels des Fahrerassistenzsystems das eigene Fahrzeug hinter dem angehaltenen Verkehrsteilnehmer zum Stehen kommen. Der Abstand ist in diesem Fall deutlich geringer, um die Abstände z.B. vor Ampeln oder im Stau gering zu halten. Ein kurzzeitig angehaltener Verkehrsteilnehmer soll also nicht überholt werden. Das Überholen kann zudem in Abhängigkeit von der Spurzuordnung und/oder der Spurbelegung des relevanten statischen Objekts bzw. des angehaltenen Verkehrsteilnehmers entschieden werden. Dies gilt beispielsweise für den Fall, wenn ein abbiegender angehaltener Verkehrsteilnehmer noch teilweise in die eigene Fahrspur ragt.
  • Insgesamt kann also zwischen drei Typen von statischen Objekten unterschieden werden. Zum einen gibt es nicht relevante statische Objekte, wie Hindernisse oder Verkehrsteilnehmer außerhalb des eigenen Fahrschlauchs oder der Straße. Auf diese nicht relevanten Objekte soll nicht reagiert werden. Des Weiteren gibt es die zuvor beschriebenen relevanten statischen Objekte und die angehaltenen Verkehrsteilnehmer, wobei die angehaltenen Verkehrsteilnehmer eine Teilmenge der relevanten statischen Objekte sind.
  • Eine erfindungsgemäße Recheneinrichtung für ein Sensorsystem eines Fahrzeugs ist zum Durchführen eines erfindungsgemäßen Verfahrens unter vorteilhaften Ausgestaltungen davon ausgelegt bzw. eingerichtet. Die Recheneinrichtung kann insbesondere durch ein elektronisches Steuergerät eines Fahrzeugs gebildet sein.
  • Ein erfindungsgemäßes Fahrerassistenzsystem für ein Fahrzeug umfasst eine erfindungsgemäße Recheneinrichtung. Des Weiteren kann das Fahrerassistenzsystem eine Mehrzahl von Umfeldsensoren aufweisen, mit denen die Sensordaten bereitgestellt werden können. Das Fahrerassistenzsystem kann auch einen Positionssensor zum Bereitstellen der Odometriedaten umfassen. Auf einem Speicher des Fahrzeugs bzw. des Fahrerassistenzsystems kann eine digitale Landkarte gespeichert sein. Zudem kann die Position des Fahrzeugs mittels eines satellitengestützten Positionsbestimmungssystems ermittelt werden. Mittels des Fahrerassistenzsystems kann das Fahrzeug automatisiert oder autonom manövriert werden. In Abhängigkeit davon, ob die statischen Objekte in der Umgebung als relevante angehaltene Verkehrsteilnehmer oder als relevante parkende Verkehrsteilnehmer bzw. statische Hindernisse erkannt werden, kann mit dem Fahrerassistenzsystem ein Fahrmanöver geplant werden.
  • Ein erfindungsgemäßes Fahrzeug umfasst ein erfindungsgemäßes Fahrerassistenzsystems bzw. eine erfindungsgemäße Recheneinrichtung. Das Fahrzeug ist insbesondere als Personenkraftwagen ausgebildet. Es kann auch vorgesehen sein, dass das Fahrzeug als Nutzfahrzeug ausgebildet ist.
  • Ein weiterer Aspekt der Erfindung betrifft ein Computerprogramm, umfassend Befehle, die bei der Ausführung des Programms durch eine Recheneinrichtung diese veranlassen, ein erfindungsgemäßes Verfahren und die vorteilhaften Ausgestaltungen davon auszuführen. Des Weiteren betrifft die Erfindung ein computerlesbares (Speicher)medium, umfassend Befehle, die bei der Ausführung durch eine Recheneinrichtung diese veranlassen, ein erfindungsgemäßes Verfahren und die vorteilhaften Ausgestaltungen davon auszuführen.
  • Die mit Bezug auf das erfindungsgemäße Verfahren vorgestellten bevorzugten Ausführungsformen und deren Vorteile gelten entsprechend für die erfindungsgemäße Recheneinrichtung, für das erfindungsgemäße Fahrerassistenzsystem, für das erfindungsgemäße Fahrzeug, für das erfindungsgemäße Computerprogramm sowie für das erfindungsgemäße computerlesbare (Speicher)medium.
  • Weitere Merkmale der Erfindung ergeben sich aus den Ansprüchen, den Figuren und der Figurenbeschreibung. Die vorstehend in der Beschreibung genannten Merkmale und Merkmalskombinationen, sowie die nachfolgend in der Figurenbeschreibung genannten und/oder in den Figuren alleine gezeigten Merkmale und Merkmalskombinationen sind nicht nur in der jeweils angegebenen Kombination, sondern auch in anderen Kombinationen oder in Alleinstellung verwendbar, ohne den Rahmen der Erfindung zu verlassen.
  • Die Erfindung wird nun anhand von bevorzugten Ausführungsbeispielen sowie unter Bezugnahme auf die beigefügten Zeichnungen näher erläutert. Dabei zeigen:
    • 1 eine schematische Darstellung eines Fahrzeugs, welches ein Fahrerassistenzsystem aufweist;
    • 2 eine schematische Darstellung einer Verkehrssituation, bei welcher sich eine Mehrzahl von statischen Objekten in einer Umgebung des Fahrzeugs befindet;
    • 3 eine schematische Darstellung von Messpunkten eines statischen Objekts, wobei die Messpunkte zu unterschiedlichen Zeitpunkten aufgenommen werden;
    • 4 ein schematisches Ablaufdiagramm eines Verfahrens zum Erfassen von statischen Objekten in der Umgebung des Fahrzeugs gemäß einer ersten Ausführungsform;
    • 5 eine schematische Darstellung einer statischen Belegungskarte, bei welcher belegte Zellen ausgewählt werden und die ausgewählten Zellen geclustert werden;
    • 6 eine schematische Darstellung von mehreren Hypothesen-Boxen, welche den belegten Zellen einer statischen Belegungskarte zugeordnet werden; und
    • 7 ein schematisches Ablaufdiagramm eines Verfahrens zum Erfassen von statischen Objekten in der Umgebung des Fahrzeugs gemäß einer zweiten Ausführungsform.
  • In den Figuren werden gleiche oder funktionsgleiche Elemente mit den gleichen Bezugszeichen versehen.
  • 1 zeigt in einer schematischen Darstellung ein Fahrzeug 1, welches vorliegend als Personenkraftwagen ausgebildet ist, in einer Draufsicht. Das Fahrzeug 1 umfasst ein Fahrerassistenzsystem 2, mittels welchem das Fahrzeug 1 automatisiert oder autonom manövriert werden kann. Das Fahrerassistenzsystem 2 umfasst eine Recheneinrichtung 3, welche beispielsweise durch ein elektronisches Steuergerät des Fahrzeugs 1 gebildet sein kann.
  • Des Weiteren umfasst das Fahrerassistenzsystem 2 zwei Umfeldsensoren 4, welche vorliegend als Radarsensoren und/oder Lidar-Sensoren ausgebildet sind. Außerdem umfasst das Fahrerassistenzsystem 2 einen weiteren Umfeldsensor 5, welcher als Kamera ausgebildet ist. Grundsätzlich kann das Fahrerassistenzsystem 2 eine Mehrzahl von Umfeldsensoren 4, 5 aufweisen. Mit den jeweiligen Umfeldsensoren 4, 5 werden Sensordaten bereitgestellt, welche eine Umgebung 6 des Fahrzeugs 1 beschreiben. Diese Sensordaten können von den Umfeldsensoren 4, 5 an die Recheneinrichtung 3 übertragen werden. Darüber hinaus umfasst das Fahrerassistenzsystem 2 einen Bewegungssensor 7, mittels welchem die aktuelle Geschwindigkeit und/oder Drehrate des Fahrzeugs 1 mittels Odometrie bestimmt werden kann.
  • 2 zeigt in einer stark vereinfachten Darstellung eine Verkehrssituation, bei welcher sich eine Mehrzahl von statischen Objekten 8 in der Umgebung 6 des Fahrzeugs 1 befinden. Dabei bewegt sich das Fahrzeug 1 entlang einer Bewegungsrichtung 9. Das Fahrzeug 1 befindet sich auf einer ersten Fahrspur L1. In der Umgebung 6 des Fahrzeugs 1 ist zudem eine zweite Fahrspur L2 vorhanden. Die jeweiligen Fahrspuren L1, L2 können anhand einer digitalen Landkarte ermittelt werden. Alternativ oder zusätzlich können entsprechende Fahrspurmarkierungen der Fahrspuren L1, L2 anhand der Sensordaten bzw. Bilddaten der Kamera erkannt werden.
  • Die jeweiligen statischen Objekte 8 können anhand der Sensordaten erkannt werden, welche mit den Umfeldsensoren 4, 5 bereitgestellt werden. Vorliegend sind zudem Bereiche 10 der Objekte 8 dargestellt, welche mit den Umfeldsensoren 4, 5 erkannt werden können. In der gezeigten Verkehrssituation können als statische Objekte 8 nicht relevante Hindernisse 11 außerhalb der Fahrspuren L1, L2. Diese Hindernisse 11 sollen nicht berücksichtig werden, da diese stationär sind und sich nicht auf die Fahrspuren L1, L2 bewegen können. Auf der Fahrspur L1 des Fahrzeugs 1 befindet sich zudem ein relevantes statisches Objekt in Form eines statischen Hindernisses 12. Bei diesem statischen Hindernis 12 kann es sich beispielsweise um eine verlorene Ladung, beispielsweise eine Box, handeln. Dieses statische Hindernis 12 bedeckt nur einen kleinen Bereich der Fahrspur L1. In diesem Fall kann mittels des Fahrerassistenzsystems 2 ein Ausweichmanöver zum Vorbeifahren an dem statischen Hindernis 12 bestimmt werden. Es kann auch vorgesehen sein, dass das Fahrzeug 1 mittels des Fahrerassistenzsystems 2 in einem größeren Abstand zu dem statischen Hindernis 12 angehalten wird, sodass der Fahrer entscheiden kann bzw. Fahrmanöver durchführen kann. Darüber hinaus befindet sich als relevantes statisches Objekt 8 ein geparktes Fahrzeug 13 in der Umgebung 6 des Fahrzeugs 1. Von diesem geparkten Fahrzeug 13 ragt nur eine Seite so in die Fahrspur L1, sodass ein geringer Bereich der Fahrspur L1 bedeckt ist. An diesem geparkten Fahrzeug 13 kann das Fahrzeug 1 vorbei manövriert werden.
  • Auf der Fahrspur L1 des Fahrzeugs 1 befindet sich als statisches Objekt 8 zudem ein erster angehaltener Verkehrsteilnehmer 14a. Bei dem angehaltenen Verkehrsteilnehmer 14a kann es sich beispielsweise um ein angehaltenes Fahrzeug handeln. Diesem angehaltenen ersten Verkehrsteilnehmer 14a nähert sich das Fahrzeug 1 von hinten an. Auf Grundlage der Sensordaten der Umfeldsensoren 4, 5 kann der hintere Bereich 10 des angehaltenen ersten Verkehrsteilnehmers 14a erfasst werden. Hier soll das Fahrzeug 1 hinter dem angehaltenen ersten Verkehrsteilnehmer 14a angehalten werden. Außerdem befindet sich als statisches Objekt 8 ein zweiter angehaltener Verkehrsteilnehmer 14b in der Umgebung 6 des Fahrzeugs 1. Auch diesem zweiten angehaltenen Verkehrsteilnehmer 14b nähert sich das Fahrzeug 1 von hinten an. Mithilfe der Umfeldsensoren 4, 5 kann als Bereich 10 das Heck und ein Teil der Seite des zweiten angehaltenen Verkehrsteilnehmers 14b erkannt werden. Das Ziel ist es, zu erkennen, dass dieser zweite angehaltene Verkehrsteilnehmer 14b nach rechts abbiegen möchte und dass das Fahrzeug 1 an dem zweiten angehaltenen Verkehrsteilnehmer 14b vorbeifahren kann.
  • Bei der Erfassung der statischen Objekte 8 ist es vorgesehen, dass die Messungen mit den Umfeldsensoren 4, 5 über der Zeit akkumuliert werden. Hierzu werden zeitlich aufeinanderfolgenden Messungen bzw. Messzyklen durchgeführt. Dies wird nachfolgend anhand von 3 erläutert. Dabei wird davon ausgegangen, dass sich das Fahrzeug 1 einem statischen Objekt 8 von hinten nähert und links an diesem statischen Objekt 8 vorbeifährt. Bei dem statischen Objekt 8 kann es sich beispielsweise um das geparkte Fahrzeug 13 handeln. Dabei sind auf der linken Seite von 3 erste Messpunkte 15a dargestellt, die zu einem ersten Zeitpunkt bestimmt werden. Diese ersten Messpunkte 15a beschreiben die Rückseite des statischen Objekts 8.
  • Auf der rechten Seite von 3 sind zweite Messpunkte 15b dargestellt, welche zu einem zweiten Zeitpunkt bestimmt werden, welcher auf den ersten Zeitpunkt folgt. Die zweiten Messpunkte 15b beschreiben die Rückseite und einen Teil der linken Seite des statischen Objekts 8. Zusätzlich zu den zweiten Messpunkten 15b sind auch die ersten Messpunkte 15a gezeigt. In diesem vereinfachten Beispiel sind auf der rechten Seite von 3 alle bisher erfassten Messpunkte 15a, 15b des statischen Objekts 8 gezeigt. Dabei können die ersten Messpunkte 15a den korrespondierenden zweiten Messpunkten 15b zugeordnet werden bzw. die korrespondierenden Messpunkte 15a, 15b können fusioniert werden. Die zu den unterschiedlichen Zeitpunkten aufgenommenen Messpunkte 15a, 15b, weisen einen Versatz zueinander auf. Dies kann dadurch begründet sein, dass sich der Betrachtungswinkel zwischen den Zeitpunkten geändert hat. Wenn diese Messpunkte 15a, 15b unabhängig voneinander betrachtet werden, kann fälschlicherweise davon ausgegangen werden, dass sich das statische Objekt 8 bewegt und/oder dreht. Dies ist anhand der jeweiligen Box 16 ersichtlich, welche die Ausrichtung des Objekts 8 beschreibt. Durch das Akkumulieren der Messpunkte 15a, 15b kann dies verhindert werden. Wie nachfolgend näher erläutert, kann eine statische Belegungskarte M verwendet werden.
  • 4 zeigt ein schematisches Ablaufdiagramm eines Verfahrens zum Erfassen von statischen Objekten 8 in der Umgebung 6 des Fahrzeugs 1 gemäß einer ersten Ausführungsform. Dieses Verfahren kann mittels der Recheneinrichtung 3 durchgeführt werden. Hierzu kann ein Computerprogramm mittels der Recheneinrichtung 3 ausgeführt werden. In einem Schritt S1 werden auf Grundlage einer digitalen Landkarte und mithilfe eines satellitengestützten Positionsbestimmungssystems Daten zu den Fahrspuren L1, L2 ermittelt. Die Daten der Fahrspuren L1, L2 können die räumlichen Abmessungen bzw. die Geometrie der Fahrspuren L1, L2 beschreiben. Alternativ oder zusätzlich können in einem Schritt S2 die Daten zu den Fahrspuren L1, L2 anhand der Sensordaten der Umfeldsensoren 4, 5 und insbesondere der Kamera bestimmt werden. In einem Schritt S3 werden die Sensordaten von den Umfeldsensoren 4, 5 empfangen. In einem Schritt S4 werden Odometriedaten von dem Positionssensor 7 empfangen. Anhand der Sensordaten sowie der Odometriedaten, welche eine aktuelle Geschwindigkeit und Drehrate des Fahrzeugs 1 beschreiben, kann dann die statische Belegungskarte M bestimmt werden.
  • Eine solche statische Belegungskarte M ist in dem Abschnitt a) von 5 schematisch dargestellt. Die statische Belegungskarte M weist eine Mehrzahl von Zellen 16, 17 auf, wobei jede der Zellen 16, 17 einen bestimmten Bereich in der Umgebung 6 des Fahrzeugs 1 beschreibt. Die Belegungskarte M umfasst belegte Zellen 16, welche ein statisches Objekt 8 in der Umgebung 6 beschreiben, sowie unbelegte Zellen 17, welche kein statisches Objekt 8 in der Umgebung 6 beschreiben. Die gezeigte statische Belegungskarte M beschreibt den zweiten angehaltenen Verkehrsteilnehmer 14b gemäß 2. Wie zuvor im Zusammenhang mit 3 erläutert wurde, kann diese statische Belegungskarte M zeitlich akkumuliert werden. Insbesondere können zeitlich aufeinanderfolgende Messungen mit den Umfeldsensoren 4, 5 durchgeführt werden und hieraus die statische Belegungskarte M abgeleitet werden. Zudem beschreiben die jeweiligen belegten Zellen 16 der statischen Belegungskarte M mit welcher Wahrscheinlichkeit der Bereich in der Umgebung 6, welcher dieser Zelle 16 zugeordnet ist, mit einem statischen Objekt 8 belegt ist. Vorliegend sind die Wahrscheinlichkeiten durch unterschiedliche Schraffuren verdeutlicht.
  • In einem Schritt S5 des Verfahrens gemäß 4 wird auf Grundlage der statische Belegungskarte M zunächst eine Binarisierung durchgeführt. Diese Binarisierung ist in dem Abschnitt b) von 5 schematisch dargestellt. Aus der statische Belegungskarte M werden ausgewählte Zellen 18 bestimmt. Die ausgewählten Zellen 18 sind diejenigen belegten Zellen 16 der Belegungskarte M, welche wahrscheinlich mit einem statischen Objekt 8 belegt sind. Hierzu werden diejenigen belegten Zellen 16, bei denen die Wahrscheinlichkeit über einen vorbestimmten Schwellwert, beispielsweise 0,5, liegt, ausgewählt. Im Anschluss daran wird auf Grundlage dieser ausgewählten Zellen 18 ein Clustern durchgeführt. Dies ist in Abschnitt c) von 5 verdeutlicht. Dabei werden weitere Zellen 19 zwischen die ausgewählten Zellen 18 eingefügt. Bei dem Clustern können diejenigen ausgewählten Zellen 18 bestimmt werden, welche nahe beieinander liegen. Hierzu kann beispielsweise das sogenannte Closing verwendet werden. Das Closing ist eine morphologische Basis-Operation in der digitalen Bildverarbeitung. Alternativ oder zusätzlich kann das sogenannte Connected-component labeling verwendet werden. Das Ergebnis des Clusterns ist in Abschnitt d) von 5 dargestellt und zeigt eine optimierte Belegungskarte M' mit belegten Zellen 16' und unbelegten Zellen 17'. Auf diese Weise können diejenigen Zellen 16' bestimmt werden, welche zu dem gleichen statischen Objekt 8 gehören.
  • In einem Schritt S6 des Verfahrens gemäß 4 erfolgt eine Extraktion der Zellen 16' der optimierten statische Belegungskarte M' bzw. der ausgewählten und geclusterten Zellen der statische Belegungskarte M. Hierzu werden die Daten über die Fahrspuren L1, L2 verwendet, um Informationen über die relevanten Fahrspuren L1, L2 in der Umgebung 6 des Fahrzeugs 1 zu erhalten. Diese Informationen können beispielsweise Polygone, die durch eine Mittellinie in der Mitte der jeweiligen Fahrspur L1, L2 und zwei Grenzlinien beschrieben werden, sein. Dabei können diejenigen belegten Zellen 16' ausgewählt werden, welche innerhalb der relevanten Fahrspuren L1, L2 liegen. Zu diesem Zweck kann beispielsweise der Scanline-Algorithmus verwendet werden. Wenn die Zellen 16' einem Cluster zugeordnet sind, kann dem Cluster eine Kennzahl der Fahrspur L1, L2 zugeordnet werden. Ein Cluster kann auch mehreren Fahrspuren L1, L2 zugeordnet werden. Für die Extraktion der Zellen 16' kann auch eine Brute-Force-Methode verwendet werden, bei welche für jede der belegten Zellen 16' einzeln überprüft wird, ob diese einer Fahrspur L1, L2 zugeordnet werden kann. Wenn eine Zelle 16' innerhalb einer Fahrspur L1, L2 angeordnet ist, kann diese behalten werden und dieser kann eine Kennzahl der Fahrspur L1, L2 zugeordnet werden. Falls eine Zelle 16' außerhalb der Fahrspuren L1, L2 ist, kann diese gelöscht werden.
  • Wenn dieses Verfahren auf die Verkehrssituation gemäß 2 angewandt wird, können die statischen Hindernisse 11 nicht berücksichtigt werden, da diese keiner Fahrspur L1, L2 zugeordnet werden können. Der erste angehaltene Verkehrsteilnehmer 14a kann der ersten Fahrspur L1 zugeordnet werden. Der zweite angehaltene Verkehrsteilnehmer 14b, das statische Hindernis 12 und das geparkte Fahrzeug 13 können sowohl der ersten Fahrspur L1 als auch der zweiten Fahrspur L2 zugeordnet werden.
  • Im Anschluss sollen aus den verbleibenden statischen Objekten 8, welche einer Fahrspur L1, L2 zugeordnet wurden, die stehenden Verkehrsteilnehmer 14a, 14b identifiziert werden. Zu diesem Zweck wird gemäß dem Verfahren von 4 in einem Schritt S7 eine Plausibilitätsprüfung durchgeführt. Bei kleinen statischen Objekten 8 oder bei statischen Objekten 8, welche die Fahrspur L1, L2 nur geringfügig bedecken, kann ein Ausweichmanöver durchgeführt werden. Vorliegend sollen die angehaltenen Verkehrsteilnehmer 14a, 14b ermittelt werden, hinter denen das Fahrzeug 1 zum Stehen kommen soll bzw. auf welche gebremst werden soll. Hierzu kann für die jeweiligen Cluster, welche die statischen Objekte 8 beschreiben, zumindest eines der nachfolgenden Kriterien überprüft werden: Die Größe bzw. die räumlichen Abmessungen des Clusters können überprüft werden. Wenn die räumlichen Abmessungen klein sind bzw. einen vorbestimmten Grenzwert unterschreiten, kann das Cluster bzw. das statische Objekt 8 nicht als kurzzeitig angehaltener Verkehrsteilnehmer 14a, 14b berücksichtig werden. Somit kann das in der Verkehrssituation von 2 dargestellte statische Hindernis 12 nicht als kurzzeitig angehaltener Verkehrsteilnehmer 14a, 14b berücksichtigt werden.
  • Als weiteres Kriterium kann die Bedeckung der Fahrspur L1, L2 durch das Objekt 8 herangezogen werden. Wenn das statische Objekt 8 nur einen geringen, vorbestimmten Bereich der Fahrspur L1, L2 bedeckt, kann das Objekt 8 ebenfalls nicht als kurzzeitig angehaltener Verkehrsteilnehmer 14a, 14b berücksichtigt werden. Beispielsweise kann überprüft werden, ob die Überdeckung so gering ist, dass das Fahrzeug 1 an dem Objekt 8 vorbeibewegt werden kann. Damit kann das in der Verkehrssituation von 2 dargestellte geparkte Fahrzeug 13, welches die Fahrspur L1 nur geringfügig bedeckt, nicht als kurzzeitig angehaltener Verkehrsteilnehmer 14a, 14b berücksichtigt werden. Als weiteres Kriterium kann eine Klassifikation auf Grundlage der Sensordaten und insbesondere der Bilddaten der Kamera durchgeführt werden. Wenn beispielsweise ein statisches Objekt 8 als stehendes Motorrad klassifiziert wird, soll dies nicht überholt werden. Insgesamt können somit die angehaltenen Verkehrsteilnehmer 14a, 14b identifiziert werden.
  • In einem Schritt S8 des Verfahrens gemäß 4 werden für die relevanten angehaltenen Verkehrsteilnehmer 14a, 14b Hüllkörper, beispielsweise rechteckförmige Hüllkörper (bounding box), bestimmt. Auf diese Weise können die Orientierung und die (zukünftige) Bewegungsrichtung der angehaltenen Verkehrsteilnehmer 14a, 14b bestimmt werden. Dazu kann beispielsweise eine Score-Funktion auf unterschiedlich orientierte Hypothesen angewendet werden. Die Hypothese kann die Ausrichtung bzw. Orientierung der Fahrspur L1, L2 an der Objektposition sein, da sich die meisten Objekte 8 parallel zu einer Fahrspur bewegen. Die Hypothese kann auch die Ausrichtung des Fahrzeugs 1 oder der Kamera des Fahrzeugs 1 sein, falls die Zellen 16' mit einem Kameraobjekt assoziiert werden. Basierend auf diesen Hypothesen können dann Hypothesen-Boxen B1, B2, B3 generiert werden, die alle Zellen 16' des Objekts 8 enthalten.
  • Dies ist beispielhaft in 6 veranschaulicht. Hier sind die Zellen 16' der optimierten statischen Belegungskarte M' dargestellt. Des Weiteren ist eine Hypothesen-Box B1 für die ersten Fahrspur L1, eine Hypothesen-Box B2 für die zweite Fahrspur L2 und eine Hypothesen-Box B3 für die Bewegungsrichtung 9 des Fahrzeugs 1 gezeigt. Die Score-Funktion optimiert, dass die statische Belegung so nahe wie möglich an der Grenze der Hypothesen-Box B1, B2, B3 liegt. Eine Lösung besteht darin, die Mitte der Zellen 16' in das jeweilige Koordinatensystem der Hypothesen-Box B1, B2, B3 zu transformieren. Dann ist der minimale Abstand zur sichtbaren Kante das Minimum des x- und y-Werts. Die Punktzahl der Score-Funktion ist die Summe dieser Werte. Vorliegend wird dem Cluster die Hypothesen-Box B2 zugeordnet. Hieraus kann dann abgeleitet werden, dass der zweite angehaltene Verkehrsteilnehmer 14b in die zweite Fahrspur L2 abbiegen möchte.
  • Eine mögliche Erweiterung kann darin bestehen, dass nicht nur die genauen Hypothesen ausgewählt werden. Beispielsweise können die Hypothesen durch mehrere Hypothesen mit geringerer Abweichung in beide Richtungen erweitert werden. Wenn die Ausrichtung 20° beträgt, können zum Beispiel Hypothesen für die Winkel 10°, 15°, 18°, 20°, 22°, 25° und 30° bewertet werden. Eine andere Strategie könnte darin bestehen, eine direkte Anpassung einer Hypothesen-Box B1, B2, B3 für alle Zellen 16' anzuwenden. Es kann auch vorgesehen sein, dass ein Belegungswert in der ursprünglichen Belegungskarte M bestimmt wird, um die Zellen 16' basierend auf der Belegungswahrscheinlichkeit zu gewichten. In einem Schritt S9 des Verfahrens gemäß 4 wird dann eine Plausibilitätsprüfung für das Objekt 8 durchgeführt werden.
  • 7 zeigt ein schematisches Ablaufdiagramm eines Verfahrens zum Erfassen von statischen Objekten 8 in der Umgebung 6 des Fahrzeugs 1 gemäß einer zweiten Ausführungsform. Im Vergleich zu dem Verfahren gemäß 4 umfasst dieses Verfahren zusätzlich einen Schritt S10, bei welchem auf Grundlage der Sensordaten bzw. Bilddaten der Kamera Objekte 8 erkannt werden. In einem weiteren zusätzlichen Schritt S11 werden kann die Kameraobjekte den Detektionen der Umfeldsensoren 4, welche als Radarsensoren und/oder Lidar-Sensoren ausgebildet sind, zugeordnet. Jede Detektionen erhält als Bezeichnung eine Objekt-ID des Kameraobjekts. Diese Objekt-ID kann dann zusätzlich zu der statischen Belegungskarte M bzw. der optimierten statischen Belegungskarte M' gespeichert werden. Auf Grundlage dieser Information kann dann in einem nachfolgenden Schritt bestimmt werden, welche Zellen 16' zu dem gleichen Objekt 8 gehören. Des Weiteren wird die Möglichkeit geboten, Eigenschaften des Kameraobjekts, wie die Klasse des Objekts 8 oder die Ausrichtung des Objekts 8, zu bestimmten.
  • Mit diesen Informationen können folgende Verbesserungen erzielt werden: Ein Clustern kann basierend auf der Objekt-ID durchgeführt werden. Des Weiteren kann ein Cluster geteilt werden, wenn dieses zwei verschiedenen Kameraobjekten zugeordnet ist. Zudem können Cluster ignoriert werden, welche keine Zuordnung zu einem Kameraobjekt haben. Es können auch sehr kleiner Cluster berücksichtigt werden, wenn diese beispielsweise als Radfahrer, Motorrad, Fußgänger oder dergleichen klassifiziert werden. Ferner kann die Ausrichtung als eine Hypothese für die Anpassung der Hypothesen-Box B1, B2, B3 verwendet werden. Außerdem können die Objektklasse und andere Eigenschaften, wie beispielsweise eine aktivierte Warnblinkanlage oder dergleichen, extrahieren werden.

Claims (11)

  1. Verfahren zum Erfassen von relevanten statischen Objekten (12, 13, 14a, 14b) in einer Umgebung (6) eines Fahrzeugs (1) mit den Schritten: - Empfangen von Sensordaten von zumindest einem Umfeldsensor (4, 5) des Fahrzeugs (1), wobei die Sensordaten die Umgebung (6) beschreiben, - Bestimmen einer statischen Belegungskarte (M) anhand der Sensordaten, wobei die statische Belegungskarte (M) nicht bewegte Anteile der Umgebung (6) beschreibt, - wobei die Sensordaten fortlaufend empfangen werden und die statische Belegungskarte (M) anhand der Sensordaten akkumuliert wird, - Bestimmen von Fahrspurdaten, welche zumindest eine Fahrspur (L1, L2) in der Umgebung (6) beschreiben, und - Identifizieren der relevanten statischen Objekten (12, 13, 14a, 14b), welche sich zumindest bereichsweise innerhalb der zumindest einen Fahrspur (L1, L2) befinden, aus den statischen Objekten (8) anhand der akkumulierten statischen Belegungskarte (M) und der Fahrspurdaten.
  2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die akkumulierte statische Belegungskarte (M) eine Mehrzahl von Zellen (16) aufweist, wobei die jeweiligen Zellen (16) eine Belegung durch den nicht bewegten Anteil der Umgebung (6) beschreiben, und einzelne Zellen (16) zum Identifizieren der relevanten statischen Objekte (14a, 14b) ausgewählt und/oder verbunden werden.
  3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass aus den relevanten statischen Objekten (12, 13, 14a, 14b) angehaltene Verkehrsteilnehmer (14a, 14b) identifiziert werden.
  4. Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass die Identifizierung der jeweiligen angehaltenen Verkehrsteilnehmer (14a, 14b) anhand von räumlichen Abmessungen der jeweiligen relevanten statischen Objekte (12, 13, 14a, 14b), einer Form der jeweiligen relevanten statischen Objekte (12, 13, 14a, 14b) und/oder einer Bedeckung der Fahrspur (L1, L2) durch die jeweiligen relevanten statischen Objekte (12, 13, 14a, 14b) plausibilisiert wird.
  5. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass Kameradaten empfangen werden und eine Klassifizierung der relevanten statischen Objekte (12, 13,14a, 14b) innerhalb der Fahrspur (L1, L2) anhand der Kameradaten durchgeführt wird.
  6. Verfahren nach einem der Ansprüche 3 bis 5, dadurch gekennzeichnet, dass anhand der akkumulierten statischen Belegungskarte (M) eine Ausrichtung und/oder Bewegungsrichtung der jeweiligen identifizierten angehaltenen Verkehrsteilnehmer (14a, 14b) bestimmt wird.
  7. Verfahren nach Anspruch 6, dadurch gekennzeichnet, dass die Fahrspurdaten zumindest zwei Fahrspuren (L1, L2) in der Umgebung (6) beschreiben und die jeweiligen identifizierten angehaltenen Verkehrsteilnehmer (14a, 14b) anhand ihrer Ausrichtung und/oder Bewegungsrichtung einer der zumindest zwei Fahrspuren (L1, L2) zugeordnet werden.
  8. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Fahrspurdaten auf Grundlage einer digitalen Landkarte und/oder anhand der Sensordaten des zumindest einen Umfeldsensors (4, 5) bestimmt werden.
  9. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass in Abhängigkeit von der Identifizierung der relevanten statischen Objekte (12, 13,14a, 14b) aus den statischen Objekten (8) ein Überholen entschieden wird.
  10. Recheneinrichtung (3) für ein Fahrerassistenzsystem (2) eines Fahrzeugs (1), wobei die Recheneinrichtung (3) zum Durchführen eines Verfahrens nach einem der vorhergehenden Ansprüche eingerichtet ist.
  11. Computerprogramm, umfassend Befehle, die bei der Ausführung des Programms durch eine Recheneinrichtung (3) diese veranlassen, ein Verfahren nach einem der Ansprüche 1 bis 9 auszuführen.
DE102020112825.8A 2020-05-12 2020-05-12 Verfahren zum Erfassen von relevanten statischen Objekten innerhalb einer Fahrspur sowie Recheneinrichtung für ein Fahrerassistenzsystem eines Fahrzeugs Pending DE102020112825A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102020112825.8A DE102020112825A1 (de) 2020-05-12 2020-05-12 Verfahren zum Erfassen von relevanten statischen Objekten innerhalb einer Fahrspur sowie Recheneinrichtung für ein Fahrerassistenzsystem eines Fahrzeugs

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102020112825.8A DE102020112825A1 (de) 2020-05-12 2020-05-12 Verfahren zum Erfassen von relevanten statischen Objekten innerhalb einer Fahrspur sowie Recheneinrichtung für ein Fahrerassistenzsystem eines Fahrzeugs

Publications (1)

Publication Number Publication Date
DE102020112825A1 true DE102020112825A1 (de) 2021-11-18

Family

ID=78280551

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102020112825.8A Pending DE102020112825A1 (de) 2020-05-12 2020-05-12 Verfahren zum Erfassen von relevanten statischen Objekten innerhalb einer Fahrspur sowie Recheneinrichtung für ein Fahrerassistenzsystem eines Fahrzeugs

Country Status (1)

Country Link
DE (1) DE102020112825A1 (de)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102022102000A1 (de) 2022-01-28 2023-08-03 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum Erfassen von Objekten in einer Umgebung eines Fahrzeugs mit Unterscheidung von statischen und dynamischen Objekten, Recheneinrichtung, Computerprogramm sowie computerlesbares Speicher(medium)
DE102023001762A1 (de) 2022-05-24 2023-11-30 Sew-Eurodrive Gmbh & Co Kg Mobiles System
DE102022128787A1 (de) 2022-10-28 2024-05-08 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Assistenzsystem zum Detektieren von statischen Hindernissen und entsprechend eingerichtetes Kraftfahrzeug

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102016203086A1 (de) 2016-02-26 2017-08-31 Robert Bosch Gmbh Verfahren und Vorrichtung zur Fahrerassistenz
DE102018105293A1 (de) 2017-03-08 2018-09-20 GM Global Technology Operations LLC Verfahren und vorrichtung zur vernetzten szenendarstellung und -erweiterung in fahrzeugumgebungen in autonomen fahrsystemen
EP3627386A1 (de) 2018-09-21 2020-03-25 Volkswagen AG Verfahren und vorrichtung zum bereitstellen eines umfeldabbildes eines umfeldes einer mobilen einrichtung und kraftfahrzeug mit einer solchen vorrichtung

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102016203086A1 (de) 2016-02-26 2017-08-31 Robert Bosch Gmbh Verfahren und Vorrichtung zur Fahrerassistenz
DE102018105293A1 (de) 2017-03-08 2018-09-20 GM Global Technology Operations LLC Verfahren und vorrichtung zur vernetzten szenendarstellung und -erweiterung in fahrzeugumgebungen in autonomen fahrsystemen
EP3627386A1 (de) 2018-09-21 2020-03-25 Volkswagen AG Verfahren und vorrichtung zum bereitstellen eines umfeldabbildes eines umfeldes einer mobilen einrichtung und kraftfahrzeug mit einer solchen vorrichtung

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102022102000A1 (de) 2022-01-28 2023-08-03 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum Erfassen von Objekten in einer Umgebung eines Fahrzeugs mit Unterscheidung von statischen und dynamischen Objekten, Recheneinrichtung, Computerprogramm sowie computerlesbares Speicher(medium)
DE102023001762A1 (de) 2022-05-24 2023-11-30 Sew-Eurodrive Gmbh & Co Kg Mobiles System
DE102022128787A1 (de) 2022-10-28 2024-05-08 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Assistenzsystem zum Detektieren von statischen Hindernissen und entsprechend eingerichtetes Kraftfahrzeug

Similar Documents

Publication Publication Date Title
EP2888604B1 (de) Verfahren zur bestimmung eines fahrspurverlaufs für ein fahrzeug
DE102015209467A1 (de) Verfahren zur Schätzung von Fahrstreifen
DE102020112825A1 (de) Verfahren zum Erfassen von relevanten statischen Objekten innerhalb einer Fahrspur sowie Recheneinrichtung für ein Fahrerassistenzsystem eines Fahrzeugs
DE102018133441A1 (de) Verfahren und System zum Bestimmen von Landmarken in einer Umgebung eines Fahrzeugs
DE102018221054A1 (de) Verfahren zum Bereitstellen von Kartendaten in einem Kraftfahrzeug, Kraftfahrzeug und zentrale Datenverarbeitungseinrichtung
WO2020078727A1 (de) Verfahren und system zum bestimmen eines umfeldmodells für ein fahrzeug
DE102018123393A1 (de) Erkennung von Parkflächen
DE102019123483B4 (de) Verfahren sowie Kraftfahrzeug-Steuereinheit zum Erfassen einer Umgebung eines Kraftfahrzeugs durch Fusionieren von Sensordaten auf Punktwolkenebene
WO2020048669A1 (de) Verfahren zum bestimmen einer spurwechselangabe eines fahrzeugs, ein computerlesbares speichermedium und ein fahrzeug
DE102019216206A1 (de) Vorrichtung und Verfahren zum Bestimmen einer Kehrtwendestrategie eines autonomen Fahrzeugs
EP4088224A1 (de) Verfahren zur zusammenführung mehrerer datensätze für die erzeugung eines aktuellen spurmodells einer fahrbahn und vorrichtung zur datenverarbeitung
DE102021003567A1 (de) Verfahren zur Erkennung von Objektbeziehungen und Attributierungen aus Sensordaten
DE102016120066A1 (de) Computer-implementiertes Verfahren zum Kontrollieren bzw. Testen eines Objekterkennungssystems
DE102021204687A1 (de) Verfahren zur Szeneninterpretation eines Umfelds eines Fahrzeugs
DE102020129802A1 (de) Fahrzeugbetriebskennzeichnung
DE102020118589A1 (de) Verbesserter fahrzeugbetrieb
DE102021119871B4 (de) Verfahren und Prozessorschaltung zum Betreiben einer automatisierten Fahrfunktion mit Objektklassifikator in einem Kraftfahrzeug, sowie Kraftfahrzeug
DE102019208507A1 (de) Verfahren zur Bestimmung eines Überlappungsgrades eines Objektes mit einem Fahrstreifen
DE102021127028A1 (de) Systeme und verfahren für anpassbare heckkollisionswarnmeldungen
DE102017105721A1 (de) Verfahren zur Identifikation wenigstens eines Parkplatzes für ein Fahrzeug und Parkplatzassistenzsystem eines Fahrzeugs
EP2696310B1 (de) Verfahren zum Identifizieren eines Straßenrands
DE102016119592A1 (de) Verfahren zum Erkennen von Objekten in einem Umgebungsbereich eines Kraftfahrzeugs unter Berücksichtigung von Sensordaten im infraroten Wellenlängenbereich, Objekterkennungsvorrichtung, Fahrerassistenzsystem sowie Kraftfahrzeug
DE102019132151A1 (de) Verfahren zum Kalibrieren eines Umfeldsensors eines Fahrzeugs anhand von Daten eines Referenz-Umfeldsensors unter Berücksichtigung von Belegungskarten, Recheneinrichtung sowie Sensorsystem
WO2020001690A1 (de) Verfahren und system zur erkennung von hindernissen
DE102017216802A1 (de) Verfahren und vorrichtung zum erkennen von fahrspuren, fahrerassistenzsystem und fahrzeug

Legal Events

Date Code Title Description
R163 Identified publications notified