DE102020125142B4 - Steuerung eines Fahrzeugs - Google Patents

Steuerung eines Fahrzeugs Download PDF

Info

Publication number
DE102020125142B4
DE102020125142B4 DE102020125142.4A DE102020125142A DE102020125142B4 DE 102020125142 B4 DE102020125142 B4 DE 102020125142B4 DE 102020125142 A DE102020125142 A DE 102020125142A DE 102020125142 B4 DE102020125142 B4 DE 102020125142B4
Authority
DE
Germany
Prior art keywords
vehicle
classifier
scan
certainty
class
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.)
Active
Application number
DE102020125142.4A
Other languages
English (en)
Other versions
DE102020125142A1 (de
Inventor
Pascal Minnerup
Diego Valverde
Tom Böhnel
Halil Göcer
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 DE102020125142.4A priority Critical patent/DE102020125142B4/de
Publication of DE102020125142A1 publication Critical patent/DE102020125142A1/de
Application granted granted Critical
Publication of DE102020125142B4 publication Critical patent/DE102020125142B4/de
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804Creation or updating of map data
    • G01C21/3833Creation or updating of map data characterised by the source of data
    • G01C21/3848Data obtained from both position sensors and additional sensors
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804Creation or updating of map data
    • G01C21/3833Creation or updating of map data characterised by the source of data
    • G01C21/3837Data obtained from a single source
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Traffic Control Systems (AREA)

Abstract

Vorrichtung (110) zur Bestimmung einer geografischen Position eines Fahrzeugs (105), wobei die Vorrichtung (110) folgende Elemente umfasst:- mehrere Sensoren (120), jeweils zur Bereitstellung einer Abtastung eines Umfelds des Fahrzeugs (105);- eine Bestimmungsvorrichtung (210) zur Bestimmung einer geografischen Position des Fahrzeugs (105) auf der Basis der Abtastungen;- einen Klassifizierer (205) zur Bestimmung der Zugehörigkeit einer Abtastung zu einer von wenigstens zwei verschiedenen vorbestimmten Klassen (220); wobei den Klassen (220) unterschiedliche Sicherheiten zugeordnet sind, mit denen die Abtastung ausreichend gut zur bestimmen geografischen Position passt; dadurch gekennzeichnet, dass der Klassifizierer (205) bestimmt, ob die Abtastung auf eine geografische Position hinweist, die nicht mehr als eine vorbestimmte Distanz von einer tatsächlichen Position des Fahrzeugs (105) abweicht.

Description

  • Die Erfindung betrifft die Steuerung eines Fahrzeugs. Insbesondere betrifft die Erfindung die sichere Bestimmung einer Position des Fahrzeugs.
  • Ein Fahrzeug umfasst einen oder mehrere Sensoren, die dazu eingerichtet sind, ein Umfeld des Fahrzeugs abzutasten. Eine Verarbeitungseinrichtung kann dann auf der Basis der Abtastungen eine geografische Position des Fahrzeugs bestimmen. Eine digitale Karte kann Informationen bezüglich der Position bereitstellen und das Fahrzeug kann in Abhängigkeit der Abtastungen, der Position und/oder der Informationen gesteuert werden. In einer Ausführungsform können eine Längs- und/oder Querbewegung des Fahrzeugs ohne Eingriff eines menschlichen Fahrers gesteuert werden.
  • Derzeitige Systeme erlauben beispielsweise eine automatisierte Steuerung des Fahrzeugs entlang einer Fahrspur auf einer Autobahn. Dazu muss jedoch mit hoher Sicherheit bestimmt werden, auf welcher Fahrspur sich das Fahrzeug befindet. Eine falsch bestimmte Fahrspur kann, insbesondere im Bereich einer Abfahrt oder Auffahrt auf die Autobahn, zu einer erhöhten Unfallgefahr führen. Sollte die Fahrspur nicht mit ausreichender Sicherheit bestimmt werden können, so kann eine automatische Steuerung des Fahrzeugs abgeschaltet und die Verantwortung an einen Fahrer übergeben werden.
  • Zur Bestimmung, wie sicher die Position ausreichend genau der tatsächlichen Position des Fahrzeugs entspricht, können die Abtastungen auf relative Konsistenz geprüft werden. Insbesondere kann geprüft werden, ob eine Abtastung ausreichend gut zu einer bestimmten Position passt oder nicht. Ist dies nicht der Fall, so kann die Abtastung von einer weiteren Verarbeitung ausgeschlossen werden.
  • DE 10 2016 202 317 A1 zeigt eine Vorrichtung zur Umfelderfassung, um mit einem Fahrzeug ein Hindernis zu umfahren. Dabei wird unter anderem die Zugehörigkeit eines Fahrzeugsensors zu einer von mehreren Klassen von Sensortypen bestimmt.
  • US 2019 / 0 291 726 A1 zeigt eine Vorrichtung zur Fahrzeugnavigation, die ein Fahrerassistenzsystem mit einer Umfeldbeobachtung umfasst.
  • DE 10 2020 118 619 A1 und DE 10 2019 133 316 A1 zeigen weitere Vorrichtungen zur Positionsbestimmung eines Fahrzeugs, wobei der Aspekt der Zuverlässigkeit der Positionsbestimmung zumindest angesprochen wird.
  • DE 10 2019 211 006 A1 zeigt eine Vorrichtung nach dem Oberbegriff des Anspruchs 1.
  • Eine der Erfindung zugrunde liegende Aufgabe besteht darin, eine verbesserte Technik zur Bestimmung einer Sicherheit bereitzustellen, mit der eine bestimmte Position eines Fahrzeugs ausreichend genau einer tatsächlichen Position entspricht. Die Erfindung löst die Aufgabe mittels der Gegenstände der unabhängigen Ansprüche. Unteransprüche geben bevorzugte Ausführungsformen wieder.
  • Nach einem ersten Aspekt der vorliegenden Erfindung umfasst eine Vorrichtung zur Bestimmung einer geografischen Position eines Fahrzeugs mehrere Sensoren, jeweils zur Bereitstellung einer Abtastung eines Umfelds des Fahrzeugs; eine Bestimmungsvorrichtung zur Bestimmung einer Position des Fahrzeugs auf der Basis der Abtastungen; und einen Klassifizierer zur Bestimmung der Zugehörigkeit einer Abtastung zu einer von wenigstens zwei verschiedenen vorbestimmten Klassen. Dabei sind den Klassen unterschiedliche Sicherheiten zugeordnet, mit denen die Abtastung ausreichend gut zur bestimmen Position passt.
  • Erfindungsgemäß bestimmt der Klassifizierer, ob die Abtastung auf eine geografische Position hinweist, die nicht mehr als eine vorbestimmte Distanz von einer tatsächlichen Position des Fahrzeugs abweicht.
  • Es wurde erkannt, dass unter Verwendung von mehr als einer positiven Klasse eine Abtastung auch dann noch zur Bestimmung der Position beitragen kann, wenn sie nicht mit sehr hoher Sicherheit gut genug zur Position passt. Beispielsweise können Klassen gebildet werden, die mit „passt sicher“, „passt wahrscheinlich“, „passt eher“, „passt eher nicht“, „passt wahrscheinlich nicht“ und „passt nicht“ bezeichnet werden können. Jeder Klasse ist eine numerische Sicherheit zugeordnet, beispielsweise 99,7 %, 95 %, 92 %, 88 % usw. Es ist zu beachten, dass die Sicherheit nicht angibt, mit welcher Sicherheit eine Abtastung der Klasse zugeordnet werden kann, also wie gut sie zu der Klasse passt, sondern wie sicher die Abtastung ausreichend gut zu der Position passt. Kann eine Abtastung keiner der vorbestimmten Klassen zugeordnet werden, so kann sie als „unsicher“ oder „unbekannt“ gelten.
  • Eine Abtastung, die nicht mit ausreichender Sicherheit ausreichend gut zur Position passt, kann von einer weiteren Verarbeitung ausgeschlossen werden. Insbesondere kann die Position auch unter Verzicht auf diese Abtastung erneut bestimmt werden.
  • Der Klassifizierer kann insbesondere bestimmen, ob die Abtastung zu Informationen passt, die auf der Basis einer Umgebungskarte an der bestimmten geografischen Position erwartet werden. Beispielsweise kann die Umgebungskarte eine Landmarke im Bereich der Position verzeichnen, und die Abtastung kann eine optische Abtastung des Umfelds umfassen. Dann kann bestimmt werden, um welches Maß die optisch erfasste Landmarke von der in der Umgebungskarte verzeichneten Landmarke unterschiedlich ist, etwa bezüglich ihrer Lage, ihres Betrachtungswinkels, ihrer Entfernung oder ihrer Größe.
  • Der Klassifizierer kann weiter bevorzugt bestimmen, ob die Abtastung auf eine Position hinweist, die nicht mehr als eine vorbestimmte Distanz von einer tatsächlichen Position des Fahrzeugs abweicht. Die vorbestimmte Distanz kann so gewählt sein, dass sie eine falsche Bestimmung einer durch das Fahrzeug befahrenen Fahrspur ausschließt. Beispielsweise kann in einem Verkehrssystem, in welchem eine Fahrspur allgemein ca. 4 m breit ist, die Position des Fahrzeugs mit einem maximalen Fehler von ca. 2 m bestimmt werden.
  • In einer weiter bevorzugten Ausführungsform ist eine Bewertungseinrichtung vorgesehen, die dazu eingerichtet ist, eine Gesamtsicherheit zu bestimmen, mit der die auf der Basis der Abtastungen bestimmte geografische Position um mehr als die vorbestimmte Distanz von der tatsächlichen Position abweicht. Sollte die Gesamtsicherheit einen vorbestimmten Schwellenwert unterschreiten, so kann die Position des Fahrzeugs nicht ausreichend sicher mit der geforderten Genauigkeit bzw. mit einem geringeren als dem vorbestimmten maximalen Fehler bestimmt werden. Eine Steuervorrichtung zur Steuerung des Fahrzeugs, insbesondere in Längs- und/oder Querrichtung, kann dann abgeschaltet werden. Optional kann auch ein Hinweis an einen Fahrer zur Übernahme der Steuerung bereitgestellt werden.
  • Die Gesamtsicherheit kann auf der Basis des Produkts der Unsicherheiten gebildet werden, die den Klassen zugeordnet sind, denen die für die Positionsbestimmung verwendeten Abtastungen zugeordnet sind. Dabei ergänzt eine Unsicherheit eine Sicherheit zu eins, entspricht also der Gegenwahrscheinlichkeit. Betragen Sicherheiten für drei beispielhafte Sensoren 99 %, 89 % und 95 %, so kann die Gesamtunsicherheit als Produkt der Unsicherheiten zu 1% * 11 % * 5 % = 5.5 * 10-5 bestimmt werden. Die Gesamtsicherheit ergänzt die Gesamtunsicherheit zu eins und beträgt in diesem Beispiel 1 - 5.5 * 10-5. So kann sichergestellt sein, dass eine Abtastung, die auf eine falsch oder nicht ausreichend genau bestimmte Position hinweist, berücksichtigt wird.
  • Ein Klassifizierer kann auf der Basis maschinellen Lernens bereitgestellt sein. Dazu kann insbesondere ein überwachtes Lernen verwendet werden. Der Klassifizierer kann auf der Basis einer hierin beschriebenen Technik bereitgestellt werden.
  • Der Klassifizierer kann zur Zuordnung zu einer vorbestimmten Anzahl Klassen eingerichtet sein, wobei die Anzahl eine diskrete Zahl ist. Die Anzahl beträgt bevorzugt zwei oder mehr und kann in einem realistischen Beispiel ca. acht betragen. Wird der Klassifizierer mittels maschinellen Lernens bereitgestellt, so kann mit einer Anzahl von Testfällen, die für das Lernen verwendet werden können, eine Anzahl von möglichen Klassen, die gebildet werden können, ansteigen. Ein Maß für die Menge der Testdaten kann bezüglich einer Fahrstrecke angegeben werden, die mittels eines oder mehreren Referenzfahrzeugen zurückgelegt werden, wobei entsprechende Abtastungen aufgezeichnet werden. Für die Steuerung eines Fahrzeugs können Lerndaten von einer Fahrstrecke von beispielsweise ca. 2 Millionen km gefordert sein.
  • Der Klassifizierer kann die Abtastung derjenigen Klasse zuordnen, zu der die Abtastung am besten passt, falls die Abtastung besser als ein vorbestimmtes Maß zu dieser Klasse passt. Sollte die Abtastung gleich gut zu zwei verschiedenen Klassen passen, so kann die mit der geringeren Sicherheit bestimmt werden. Kann die Abtastung keiner der Klassen eindeutig zugeordnet werden, so kann die Abtastung als „unsicher“ bestimmt werden.
  • Nach einem weiteren Aspekt der vorliegenden Erfindung umfasst ein Fahrzeug eine hierin beschriebene Vorrichtung. Das Fahrzeug kann insbesondere ein Kraftfahrzeug umfassen, beispielsweise einen Personenkraftwagen, einen Lastkraftwagen, ein Kraftrad oder einen Bus.
  • Nach noch einem weiteren Aspekt der vorliegenden Erfindung umfasst ein erstes Verfahren zur Bestimmung der geografischen Position eines Fahrzeugs Schritte des Bereitstellens von Abtastungen eines Umfelds des Fahrzeugs mittels mehrerer Sensoren; des Bestimmens einer Position des Fahrzeugs auf der Basis der Abtastungen; und des Bestimmen der Zugehörigkeit einer Abtastung zu einer von wenigstens zwei verschiedenen vorbestimmten Klassen. Dabei sind den Klassen unterschiedliche Sicherheiten zugeordnet, mit denen die Abtastung zur bestimmen Position passt.
  • Erfindungsgemäß wird dabei bestimmt, ob die Abtastung auf eine geografische Position hinweist, die nicht mehr als eine vorbestimmte Distanz von einer tatsächlichen Position des Fahrzeugs abweicht.
  • Nach wieder einem weiteren Aspekt der vorliegenden Erfindung umfasst ein zweites Verfahren zum Bereitstellen eines Klassifizierers zur Bestimmung einer Sicherheit, mit der eine Abtastung eines Umfelds eines Fahrzeugs ausreichend gut zu einer vorbestimmten geografischen Position des Fahrzeugs passt, Schritte des Bereitstellens von Abtastungen eines Umfelds des Fahrzeugs; des Bestimmens, wie sicher die Abtastungen ausreichend gut zu der vorbestimmten Position passen; des Trainierens des Klassifizierers, die Abtastungen vorbestimmten Klassen zuzuordnen, denen jeweils eine Sicherheit zugeordnet ist, mit der die Zuordnung erfolgt; und des Anwendens eines statistischen Tests zur Bestimmung, dass eine falsche Zuordnung einer Abtastung zu einer Klasse mit einem geringeren als einem vorbestimmten Risiko erfolgt.
  • Der statistische Test kann aus einem reichhaltigen Repertoire bekannter statistischer Werkzeuge für diskrete Ereignisse gewählt werden. Das Risiko kann hierbei eine korrespondierende Sicherheit zu eins ergänzen. Kann beispielsweise eine Zuordnung mit einer Sicherheit von 99 % erfolgen, so kann ein Risiko einer falschen Zuordnung von 1 % bestehen.
  • Der statistische Test kann derart angelegt sein, dass ein Risiko, dass eine Abtastung, die der Klassifizierer einer Klasse zuordnet, die eine geringere als die der Klasse zugeordnete Sicherheit aufweist, geringer als ein vorbestimmtes Maß ist. Dieses Maß kann kleiner als das Risiko sein, insbesondere um wenigstens eine Größenordnung. Beträgt das Risiko beispielsweise ca. 1 %, so kann das vorbestimmte Maß ca. 0,1 % betragen.
  • Das Trainieren kann derart erfolgen, dass eine Belohnung für die korrekte Zuordnung einer Abtastung zu einer Klasse mit einer hohen Sicherheit größer als für die Zuordnung der Abtastung zu einer Klasse mit einer geringeren Sicherheit ist. Beispielsweise kann die Belohnung für eine Zuordnung für die Klasse mit der höheren Sicherheit ca. zweimal so hoch sein wie für die Klasse mit der geringeren Sicherheit.
  • Das Trainieren kann derart erfolgen, dass Kosten für die fehlerhafte Zuordnung einer Abtastung zu einer Klasse mit einer hohen Sicherheit größer als für die Zuordnung der Abtastung zu einer Klasse mit einer geringeren Sicherheit sind. Beispielsweise können die Kosten für eine Zuordnung für die Klasse mit der höheren Sicherheit ca. 100 mal so hoch sein wie für die Klasse mit der geringeren Sicherheit.
  • Die Belohnung und die Kosten können in einem vorbestimmten Verhältnis zueinanderstehen. Beispielsweise kann die Kostenfunktion stärker ansteigen als die Belohnungsfunktion. Zwischen zwei benachbarten Klassen können die Funktionen beispielsweise einen Faktor von ca. 50 aufweisen, wie in den obigen Beispielen der zweifachen Belohnung bei gleichzeitig 100-fachen Kosten. So kann sichergestellt sein, dass nur Abtastungen mit sehr hoher Qualität der Klasse mit der hohen Sicherheit zugeordnet werden.
  • Hierin beschriebene Verfahren können jeweils mittels einer hierin beschriebenen Vorrichtung ganz oder teilweise ausgeführt werden. Dazu kann die Vorrichtung einen programmierbaren Mikrocomputer oder Mikrocontroller umfassen. Die Verfahren können jeweils in Form eines Computerprogrammprodukts mit Programmcodemitteln vorliegen. Das Computerprogrammprodukt kann auf einem computerlesbaren Datenträger abgespeichert sein. Merkmale oder Vorteile der Verfahren können untereinander oder auf die Vorrichtung übertragen werden oder umgekehrt.
  • Die Erfindung wird nun mit Bezug auf die beigefügten Zeichnungen genauer beschrieben, in denen:
    • 1 ein System mit einem Fahrzeug;
    • 2 eine Vorrichtung an Bord eines Fahrzeugs;
    • 3 ein Ablaufdiagramm eines ersten Verfahrens; und
    • 4 ein Ablaufdiagramm eines zweiten Verfahrens; und
    illustriert.
  • 1 zeigt ein System 100 mit einem Fahrzeug 105, insbesondere einem Kraftfahrzeug, in einem Umfeld 110. An Bord des Fahrzeugs 105 ist eine Vorrichtung 115 zur Positionierung des Fahrzeugs 105 vorgesehen. Die Vorrichtung 115 umfasst einen oder mehrere Sensoren 120, eine Verarbeitungseinrichtung 125 und einen optionalen Kartenspeicher 130. Zur Bereitstellung von Ergebnissen sind eine erste Schnittstelle 135 und eine zweite Schnittstelle 140 vorgesehen, die in einer anderen Ausführungsform auch miteinander integriert ausgeführt sein können.
  • Beispielhaft sind in 1 als Sensoren 120 eine linke Kamera, eine rechte Kamera und ein Empfänger für Signale eines satellitengestützten Navigationssystems dargestellt. Andere oder zusätzliche Sensoren 120, beispielsweise ein Radarsensor, ein LiDAR Sensor, ein Ultraschallsensor oder ein Drehzahlsensor für ein Rad des Fahrzeugs 105, können ebenfalls eingesetzt werden. Jeder Sensor 120 ist dazu eingerichtet, eine Abtastung des Umfelds 110 bereitzustellen, die Informationen enthält, die auf eine Position des Fahrzeugs 105 hinweisen.
  • Die Verarbeitungseinrichtung 125 umfasst bevorzugt einen Mikrocomputer und ist dazu eingerichtet, auf der Basis von Abtastungen mittels der Sensoren 120 eine geografische Position des Fahrzeugs 105 zu bestimmen und an der ersten Schnittstelle 135 bereitzustellen. Ferner ist die Verarbeitungseinrichtung 125 dazu eingerichtet, zu bestimmen, mit welcher Sicherheit die bestimmte Position um weniger als eine vorbestimmte Distanz von einer tatsächlichen Position des Fahrzeugs 105 abweicht. Diese Distanz kann ungefähr die Hälfte der Breite einer Fahrspur 145 betragen, auf der sich das Fahrzeug 105 befindet. Die bestimmte Sicherheit kann mittels der zweiten Schnittstelle 140 bereitgestellt werden.
  • Eine nicht dargestellte Steuereinrichtung zur Steuerung des Fahrzeugs 105, insbesondere in Längs- und/oder Querrichtung, kann mit einer oder beiden Schnittstellen 135, 140 verbunden werden, um eine Bewegung des Fahrzeugs 105 in Abhängigkeit der bestimmten Position zu steuern. Sollte die Position in einer vorbestimmten Genauigkeit nicht mit einer vorbestimmten Sicherheit bestimmbar sein, so kann die automatische Steuerung des Fahrzeugs 105 beendet werden.
  • 2 zeigt eine schematische Darstellung der Vorrichtung 115 in einer Ausführungsform. Einer oder mehrere der dargestellten Funktionsblöcke können durch die Verarbeitungseinrichtung 125 gebildet sein. Es wird von einer Ausführungsform mit N Sensoren 120 ausgegangen, wobei in 2 nur der erste und der N-te Sensor 120 dargestellt und weitere mögliche Sensoren 120 durch eine unterbrochene Linie angedeutet sind.
  • Jedem Sensor 120 ist ein Klassifizierer 205 zugeordnet. Außerdem ist ein Positionierer 210 vorgesehen, der dazu eingerichtet ist, eine Position des Fahrzeugs 105 auf der Basis der von den Sensoren 120 bereitgestellten Abtastungen zu bestimmen. Ein Ergebnis des Positionierers 210 kann über die erste Schnittstelle 135 bereitgestellt werden.
  • Ein Klassifizierer 205 arbeitet auf der Basis der Abtastung eines zugeordneten Sensors sowie bevorzugt der bestimmten Position und Karteninformationen, die aus dem Kartenspeicher 130 entnommen sein können. Der Klassifizierer 205 bestimmt eine Sicherheit, mit der eine Abtastung ausreichend gut zu einer Position, insbesondere der bestimmten Position, oder zu Abtastungen der anderen Sensoren 120 passt. Bestimmte Sicherheiten mehrerer Klassifizierer 205 können mittels einer Bewertungseinrichtung 215 zusammengefasst werden, um eine Gesamtsicherheit zu bestimmen, mit der die bestimmte Position um nicht mehr als eine vorbestimmte Distanz von der tatsächlichen Position des Fahrzeugs 105 abweicht.
  • Der Klassifizierer 205 ist dazu eingerichtet, eine Abtastung einer von mehreren vorbestimmten Klassen 220 zuzuordnen. Dargestellte Klassen 220.1 bis 220.6 tragen beispielhaft die Bezeichnungen „passt sicher“, „passt wahrscheinlich“, „passt vielleicht“, „passt vielleicht nicht“, „passt wahrscheinlich nicht“ und „passt sicher nicht“. Zur Zuordnung bewertet der Klassifizierer 205, mit welcher Sicherheit die Abtastung darauf hinweist, dass die Position korrekt ist, also von der tatsächlichen Position um nicht mehr als ein vorbestimmtes Maß abweicht. Dazu kann bewertet werden, ob die Abtastung besser als ein vorbestimmtes Maß zur Position passt. Diese Bewertung kann einen Vergleich von Informationen umfassen, die aus der Abtastung und aus Karteninformationen im Bereich der bestimmten Position gewonnen sind.
  • Jeder Klasse 220 ist eine Sicherheit zugeordnet, mit der eine zugeordnete Abtastung zur bestimmten Position korrespondiert. Die Bewertungseinrichtung 215 kann ein Produkt der Sicherheiten bestimmen, die den Klassen 220 zugeordnet sind, denen die Abtastungen der Sensoren 120 bezüglich eines gemeinsamen Zeitpunkts oder Zeitabschnitts zugeordnet wurden. So kann die Bewertungseinrichtung 215 eine Gesamtsicherheit bestimmen, mit der die bestimmte Position um nicht mehr als ein vorbestimmtes Maß von der tatsächlichen Position des Fahrzeugs 105 abweicht. Ein Ergebnis der Bewertungseinrichtung 215 kann über die zweite Schnittstelle 140 bereitgestellt werden.
  • 3 zeigt ein Ablaufdiagramm eines ersten Verfahrens zum Bestimmen einer Sicherheit, mit der eine bestimmte Position eines Fahrzeugs 105 um nicht mehr als ein vorbestimmtes Maß von seiner tatsächlichen Position abweicht.
  • In einem Schritt 305 wird das Umfeld des Fahrzeugs 105 abgetastet. Dieser Schritt 305 kann parallel für je einen der mehreren Sensoren 120 durchgeführt werden, wie durch die mehrfach dargestellte Box dieses Schritts 305 grafisch angedeutet ist. Dabei stellt jeder Sensor 120 eine Abtastung bereit, die sich auf eine Position des Fahrzeugs 105 zu einem vorbestimmten Zeitpunkt bezieht.
  • In einem Schritt 310 kann auf der Basis der Abtastungen eine Position des Fahrzeugs 105 bestimmt werden. Die Position kann auch anderweitig bestimmt werden, beispielsweise auf der Basis anderer Informationen oder unter Verwendung nur einiger oder gar keiner der Abtastungen. Bezüglich der bestimmten Position können in einem Schritt 315 Karteninformationen bestimmt werden. Diese betreffen bevorzugt Informationen im Umfeld 110 des Fahrzeugs 105, die aus Abtastungen eines Sensors 120 an der bestimmten Position entnommen werden können. Eine beispielhafte Karteninformation betrifft eine Landmarke wie ein Gebäude, ein Geländemerkmal oder ein Element einer Infrastruktur. Aus der bestimmten Position müsste die Landmarke unter einem bestimmten Betrachtungswinkel erscheinen. Der Betrachtungswinkel der Landmarke kann auf der Basis der Abtastung bestimmt und mit dem erwarteten Betrachtungswinkel verglichen werden. Eine Abweichung der Betrachtungswinkel sollte nicht mehr als ein vorbestimmtes Maß betragen, um sicherzustellen, dass die bestimmte Position ausreichend genau bestimmt ist.
  • In einem Schritt 320 kann die Abtastung klassifiziert werden, indem bestimmt wird, welcher der vorbestimmten Klassen 220 sie zugeordnet werden kann. Jede Klasse 220 steht für eine vorbestimmte Sicherheit, mit der eine Abtastung ausreichend gut zu der bestimmten Position passt. Auch dieser Schritt kann je einmal für jede der Abtastungen der Sensoren 120 durchgeführt werden.
  • In einem Schritt 325 können Sicherheiten miteinander multipliziert werden, die den Klassen 220 zugeordnet sind, denen jeweils eine der Abtastungen zugeordnet wurden. Das Ergebnis kann als Gesamtsicherheit bereitgestellt werden.
  • Der Klassifizierer 205 kann bevorzugt mittels maschinellen Lernens bereitgestellt werden. Ein zweites beispielhaftes Verfahren zum Bereitstellen eines Klassifizierers 205 ist in 4 in Form eines Ablaufdiagramms dargestellt.
  • In einem Schritt 405 wird eine Abtastung eines Sensors 120 bereitgestellt. In einem Schritt 410 wird bestimmt, mit welcher Sicherheit die Abtastung ausreichend gut zu einer Position passt, an der sich das Fahrzeug 105 zu diesem Zeitpunkt befindet, beziehungsweise zu einer Position, die auf der Basis der Abtastung bestimmt wurde. Die Position kann insbesondere auf der Basis von Abtastungen weiterer Sensoren 120 bestimmt sein.
  • In einem Schritt 415 kann der Klassifizierer 205 mittels überwachten Lernens trainiert werden, die Abtastung korrekt einer der Klassen 220 zuzuordnen. Das Trainieren kann unter Verwendung einer Belohnungsfunktion und/oder einer Kostenfunktion erfolgen. Eine oder beide können so gestaltet sein, dass eine Zuordnung einer Abtastung zu einer Klasse mit einer höheren zugeordneten Sicherheit eine größere Belohnung, aber auch größere Kosten als die Zuordnung zu einer Klasse mit einer niedrigeren zugeordneten Sicherheit bedeutet. Die Schritte 405 bis 415 werden bevorzugt sehr oft ausgeführt, um den Klassifizierer 205 ausreichend gut anzulernen.
  • In einem Schritt 420 kann ein statistischer Test angesetzt werden, um zu bestimmen, dass der Klassifizierer 205 eine falsche Zuordnung einer Abtastung zu einer vorbestimmten Klasse 220 mit einem Risiko durchführt, das nicht größer als ein vorbestimmtes Maß ist, beispielsweise ca. 1 %. Dabei ist der statistische Test bevorzugt derart angelegt, dass eine Wahrscheinlichkeit, mit welcher irrtümlich nicht bestimmt wird, dass der Klassifizierer 220 schlechter als vorbestimmt arbeitet, geringer als ein vorbestimmtes Maß ist, beispielsweise ca. 0,1 %.
  • Bezugszeichen
  • 100
    System
    105
    Fahrzeug
    110
    Umfeld
    115
    Vorrichtung
    120
    Sensor
    125
    Verarbeitungseinrichtung
    130
    Kartenspeicher
    135
    erste Schnittstelle (Position)
    140
    zweite Schnittstelle (Sicherheit)
    145
    Fahrspur
    205
    Klassifizierer
    210
    Positionierer
    215
    Bewertungseinrichtung
    220
    Klasse
    220.1
    erste Klasse („passt sicher“)
    220.2
    zweite Klasse („passt wahrscheinlich“)
    220.3
    dritte Klasse („passt vielleicht“)
    220.4
    vierte Klasse („passt vielleicht nicht“)
    220.5
    fünfte Klasse („passt wahrscheinlich nicht“)
    220.6
    sechste Klasse („passt sicher nicht“)
    300
    erstes Verfahren
    305
    Umfeld abtasten
    310
    Position bestimmen
    315
    Karteninformationen bestimmen
    320
    Abtastung klassifizieren
    325
    Gesamtsicherheit bestimmen
    400
    zweites Verfahren
    405
    Abtastung bereitstellen
    410
    Bestimmungssicherheit bestimmen
    415
    Klassifizierer trainieren

Claims (15)

  1. Vorrichtung (110) zur Bestimmung einer geografischen Position eines Fahrzeugs (105), wobei die Vorrichtung (110) folgende Elemente umfasst: - mehrere Sensoren (120), jeweils zur Bereitstellung einer Abtastung eines Umfelds des Fahrzeugs (105); - eine Bestimmungsvorrichtung (210) zur Bestimmung einer geografischen Position des Fahrzeugs (105) auf der Basis der Abtastungen; - einen Klassifizierer (205) zur Bestimmung der Zugehörigkeit einer Abtastung zu einer von wenigstens zwei verschiedenen vorbestimmten Klassen (220); wobei den Klassen (220) unterschiedliche Sicherheiten zugeordnet sind, mit denen die Abtastung ausreichend gut zur bestimmen geografischen Position passt; dadurch gekennzeichnet, dass der Klassifizierer (205) bestimmt, ob die Abtastung auf eine geografische Position hinweist, die nicht mehr als eine vorbestimmte Distanz von einer tatsächlichen Position des Fahrzeugs (105) abweicht.
  2. Vorrichtung (110) nach Anspruch 1, wobei der Klassifizierer (205) bestimmt, ob die Abtastung zu Informationen passt, die auf der Basis einer Umgebungskarte an der bestimmten geografischen Position erwartet werden.
  3. Vorrichtung (110) nach Anspruch 2, wobei der Klassifizierer (205) bestimmt, um welches Maß eine optisch abgetastete Landmarke von einer in der Umgebungskarte im Bereich der geografischen Position verzeichneten Landmarke unterschiedlich ist bezüglich ihrer Lage, ihres Betrachtungwinkels, ihrer Entfernung oder ihrer Größe.
  4. Vorrichtung (110) nach Anspruch 3, ferner umfassend eine Bewertungseinrichtung (215) zur Bestimmung einer Gesamtsicherheit, mit der die auf der Basis der Abtastungen bestimmte geografische Position um mehr als die vorbestimmte Distanz von der tatsächlichen Position abweicht.
  5. Vorrichtung (110) nach Anspruch 4, wobei die Gesamtsicherheit auf der Basis eines Produkts der Unsicherheiten gebildet wird, die den Klassen (220) zugeordnet sind, denen die für die Positionsbestimmung verwendeten Abtastungen zugeordnet sind.
  6. Vorrichtung (110) nach einem der vorangehenden Ansprüche, wobei der Klassifizierer (205) auf der Basis maschinellen Lernens bereitgestellt ist.
  7. Vorrichtung (110) nach einem der vorangehenden Ansprüche, wobei der Klassifizierer (205) zur Zuordnung zu einer Anzahl Klassen (220) eingerichtet ist, wobei die Anzahl eine diskrete Zahl ist.
  8. Vorrichtung (110) nach einem der vorangehenden Ansprüche, wobei der Klassifizierer (205) die Abtastung derjenigen Klasse (220) zuordnet, zu der die Abtastung am besten passt, falls die Abtastung besser als ein vorbestimmtes Maß zu dieser Klasse (220) passt.
  9. Fahrzeug (105), umfassend eine Vorrichtung (110) nach einem der vorangehenden Ansprüche.
  10. Verfahren (300) zur Bestimmung einer geografischen Position eines Fahrzeugs (105), wobei das Verfahren (300) folgende Schritte umfasst: - Bereitstellen (305) von Abtastungen eines Umfelds des Fahrzeugs (105) mittels mehrerer Sensoren (120); - Bestimmen (310) einer Position des Fahrzeugs (105) auf der Basis der Abtastungen; - Bestimmen (315) der Zugehörigkeit einer Abtastung zu einer von wenigstens zwei verschiedenen vorbestimmten Klassen (220); wobei den Klassen (220) unterschiedliche Sicherheiten zugeordnet sind, mit denen die Abtastung zur bestimmen Position passt; dadurch gekennzeichnet, dass bestimmt wird, ob die Abtastung auf eine geografische Position hinweist, die nicht mehr als eine vorbestimmte Distanz von einer tatsächlichen Position des Fahrzeugs (105) abweicht.
  11. Verfahren (400) zum Bereitstellen eines Klassifizierers (205) zur Bestimmung einer Sicherheit, mit der eine Abtastung eines Umfelds eines Fahrzeugs (105) ausreichend gut zu einer vorbestimmten geografischen Position des Fahrzeugs (105) passt, wobei das Verfahren (400) folgende Schritte umfasst: - Bereitstellen (405) von Abtastungen eines Umfelds des Fahrzeugs (105); - Bestimmen (410), wie sicher die Abtastungen ausreichend gut zu der vorbestimmten geografischen Position passen; - Trainieren (415) des Klassifizierers (205), die Abtastungen vorbestimmten Klassen (220) zuzuordnen, denen jeweils eine Sicherheit zugeordnet ist, mit der die Zuordnung erfolgt; - Anwenden (420) eines statistischen Tests zur Bestimmung, dass eine falsche Zuordnung einer Abtastung zu einer Klasse (220) mit einem geringeren als einem vorbestimmten Risiko erfolgt.
  12. Verfahren (400) nach Anspruch 11, wobei der statistische Test derart angelegt ist, dass ein Risiko, dass eine Abtastung, die der Klassifizierer (205) einer Klasse (220) zuordnet, die eine geringere Sicherheit als die der Klasse (220) zugeordnete Sicherheit aufweist, geringer als ein vorbestimmtes Maß ist.
  13. Verfahren (400) nach Anspruch 11 oder 12, wobei das Trainieren derart erfolgt, dass eine Belohnung für die korrekte Zuordnung einer Abtastung zu einer Klasse (220) mit einer hohen Sicherheit größer als eine Belohnung für die Zuordnung der Abtastung zu einer Klasse (220) mit einer geringeren Sicherheit ist.
  14. Verfahren (400) nach einem der Ansprüche 11 bis 13, wobei das Trainieren (415) derart erfolgt, dass Kosten für die fehlerhafte Zuordnung einer Abtastung zu einer Klasse (220) mit einer hohen Sicherheit größer als Kosten für die Zuordnung der Abtastung zu einer Klasse (220) mit einer geringeren Sicherheit sind.
  15. Verfahren (400) nach Ansprüchen 13 und 14, wobei die Kostenfunktion stärker ansteigt als die Belohnungsfunktion.
DE102020125142.4A 2020-09-25 2020-09-25 Steuerung eines Fahrzeugs Active DE102020125142B4 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102020125142.4A DE102020125142B4 (de) 2020-09-25 2020-09-25 Steuerung eines Fahrzeugs

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102020125142.4A DE102020125142B4 (de) 2020-09-25 2020-09-25 Steuerung eines Fahrzeugs

Publications (2)

Publication Number Publication Date
DE102020125142A1 DE102020125142A1 (de) 2022-03-31
DE102020125142B4 true DE102020125142B4 (de) 2024-04-18

Family

ID=80624408

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102020125142.4A Active DE102020125142B4 (de) 2020-09-25 2020-09-25 Steuerung eines Fahrzeugs

Country Status (1)

Country Link
DE (1) DE102020125142B4 (de)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102016202317A1 (de) 2016-02-16 2017-08-17 Continental Teves Ag & Co. Ohg Verfahren zum steuern von fahrzeugfunktionen durch ein fahrerassistenzsystem, fahrerassistenzsystem und fahrzeug
DE102016009763A1 (de) 2016-08-11 2018-02-15 Trw Automotive Gmbh Steuerungssystem und Steuerungsverfahren zum Bestimmen einer Trajektorie und zum Erzeugen von zugehörigen Signalen oder Steuerbefehlen
DE102018006218A1 (de) 2018-08-07 2019-01-24 Daimler Ag Passiver Marker zur Klassifikation von Obiekten
US20190212749A1 (en) 2018-01-07 2019-07-11 Nvidia Corporation Guiding vehicles through vehicle maneuvers using machine learning models
US20190291726A1 (en) 2018-03-20 2019-09-26 Mobileye Vision Technologies Ltd. Systems and methods for navigating a vehicle
DE102019211006A1 (de) 2019-07-25 2021-01-28 Zf Friedrichshafen Ag Auswerten von Sensordaten eines Fahrzeugs
DE102019133316A1 (de) 2019-12-06 2021-06-10 Bayerische Motoren Werke Aktiengesellschaft Bestimmen einer Position eines Fahrzeugs
DE102020118619A1 (de) 2020-07-15 2022-01-20 Bayerische Motoren Werke Aktiengesellschaft Steuern eines Kraftfahrzeugs

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102016202317A1 (de) 2016-02-16 2017-08-17 Continental Teves Ag & Co. Ohg Verfahren zum steuern von fahrzeugfunktionen durch ein fahrerassistenzsystem, fahrerassistenzsystem und fahrzeug
DE102016009763A1 (de) 2016-08-11 2018-02-15 Trw Automotive Gmbh Steuerungssystem und Steuerungsverfahren zum Bestimmen einer Trajektorie und zum Erzeugen von zugehörigen Signalen oder Steuerbefehlen
US20190212749A1 (en) 2018-01-07 2019-07-11 Nvidia Corporation Guiding vehicles through vehicle maneuvers using machine learning models
US20190291726A1 (en) 2018-03-20 2019-09-26 Mobileye Vision Technologies Ltd. Systems and methods for navigating a vehicle
DE112019001421T5 (de) 2018-03-20 2021-02-18 Mobileye Vision Technologies Ltd. Systeme und verfahren zum navigieren eines fahrzeugs
DE102018006218A1 (de) 2018-08-07 2019-01-24 Daimler Ag Passiver Marker zur Klassifikation von Obiekten
DE102019211006A1 (de) 2019-07-25 2021-01-28 Zf Friedrichshafen Ag Auswerten von Sensordaten eines Fahrzeugs
DE102019133316A1 (de) 2019-12-06 2021-06-10 Bayerische Motoren Werke Aktiengesellschaft Bestimmen einer Position eines Fahrzeugs
DE102020118619A1 (de) 2020-07-15 2022-01-20 Bayerische Motoren Werke Aktiengesellschaft Steuern eines Kraftfahrzeugs

Also Published As

Publication number Publication date
DE102020125142A1 (de) 2022-03-31

Similar Documents

Publication Publication Date Title
EP3491339B1 (de) Verfahren, vorrichtung und computerlesbares speichermedium mit instruktionen zur bestimmung der lateralen position eines fahrzeuges relativ zu den fahrstreifen einer fahrbahn
EP3669142A1 (de) Verfahren zum steuern eines zur durchführung eines automatisierten fahrbetriebs eingerichteten fahrzeugsystems eines fahrzeugs und vorrichtung zur durchführung des verfahrens
EP3490862B1 (de) Verfahren und vorrichtung zum ermitteln eines fahrbahnmodells für ein fahrzeugumfeld
EP3526546B1 (de) Verfahren und system zur lokalisierung eines fahrzeugs
EP2562735A1 (de) Verfahren und Vorrichtung zur Analysierung eines von einem Fahrzeug zu befahrenden Streckenabschnitts
WO2017202522A1 (de) Verfahren zum bereitstellen einer fahrzeugtrajektorieninformation und verfahren zum orten eines schlaglochs
DE102015213517A1 (de) Verfahren und Vorrichtung zum Warnen anderer Verkehrsteilnehmer bei einem falsch fahrenden Fahrzeug
DE102020118629B4 (de) Computerimplementiertes Verfahren zum Bestimmen der Validität einer geschätzten Position eines Fahrzeugs
WO2017186385A1 (de) Verfahren und vorrichtung für ein kraftfahrzeug zum vergleich von umgebungskartendaten mit umgebungssensordaten zur ermittlung der passierbarkeit eines strassenobjekts
DE102020200169B3 (de) Verfahren zur Zusammenführung mehrerer Datensätze für die Erzeugung eines aktuellen Spurmodells einer Fahrbahn und Vorrichtung zur Datenverarbeitung
EP3609755A1 (de) Fahrerassistenzsystem für ein fahrzeug
WO2019063208A1 (de) Verfahren zum automatisierten identifizieren von parkflächen und/oder nicht-parkflächen
DE102020125142B4 (de) Steuerung eines Fahrzeugs
WO2019223833A1 (de) Steuerung eines kraftfahrzeugs
DE102017207441A1 (de) Verfahren zum Überprüfen einer digitalen Umgebungskarte für ein Fahrerassistenzsystem eines Kraftfahrzeugs, Rechenvorrichtung, Fahrerassistenzsystem sowie Kraftfahrzeug
DE102016202317A1 (de) Verfahren zum steuern von fahrzeugfunktionen durch ein fahrerassistenzsystem, fahrerassistenzsystem und fahrzeug
DE102018205146A1 (de) Testverfahren für hochauflösende Scheinwerfer mittels KI
DE102019211006B4 (de) Auswerten von Sensordaten eines Fahrzeugs
DE102019218078B4 (de) Bestimmung eines Sachverhalts im Umfeld eines Kraftfahrzeugs
DE102020118628A1 (de) Verfahren und Vorrichtung zum Bestimmen einer Position eines Fahrzeugs
DE112020007559T5 (de) Fahrassistenzregelungsvorrichtung und Fahrassistenzregelungsverfahren
DE102019210129A1 (de) Verfahren zum Überprüfen einer Kalibrierung mehrerer Sensoren und Kraftfahrzeug mit mehreren Sensoren
EP3428682A1 (de) Verfahren zum erkennen eines hindernisses in einem umgebungsbereich eines kraftfahrzeugs, auswerteeinrichtung, fahrerassistenzsystem sowie kraftfahrzeug
EP3644582B1 (de) Verfahren, vorrichtung und zentraleinrichtung zum erkennen einer verteilungsverschiebung in einer daten- und/oder merkmalsverteilung von eingangsdaten
DE102016124060A1 (de) Car-to-infrastructure Parklückenerkennungssystem für ein Kraftfahrzeug

Legal Events

Date Code Title Description
R163 Identified publications notified
R012 Request for examination validly filed
R016 Response to examination communication
R018 Grant decision by examination section/examining division