DE10260855A1

DE10260855A1 - Verfahren zur Erkennung von Objektkonstellationen anhand von Abstandssignalen

Info

Publication number: DE10260855A1
Application number: DE10260855A
Authority: DE
Inventors: Uwe Zimmermann; Achim Pruksch; Werner Uhler
Original assignee: Robert Bosch GmbH
Current assignee: Robert Bosch GmbH
Priority date: 2002-12-23
Filing date: 2002-12-23
Publication date: 2004-07-08
Also published as: WO2004061474A1; US20050177336A1; EP1588189A1

Abstract

Verfahren zur Erkennung von Objektkonstellationen anhand von Abstandssignalen mindestens zweier Sensoren (S1, S2, S3), dadurch gekennzeichnet, daß die Abstandssignale mehrerer der Sensoren einer Mustererkennung durch Vergleich mit Referenzmustern unterzogen werden, die vorgegebenen Modellkonstellationen entsprechen.

Description

Stand der Technik
Die Erfindung betrifft ein Verfahren zur Erkennung von Objektkonstellationen nach Gattung des Anspruchs 1 sowie eine zur Durchführung dieses Verfahrens dienende Vorrichtung nach Gattung des ersten Vorrichtungsanspruchs.

Kraftfahrzeuge werden zunehmend mit abstandsauflösenden Sensoren ausgestattet, die beispielsweise im Bereich der vorderen Stoßstange des Fahrzeugs angeordnet sind und dazu dienen, vor dem Fahrzeug befindliche Hindernisse, beispielsweise vorausfahrende Fahrzeuge, zu orten und ihre Abstände und ggf. Geschwindigkeiten relativ zum eigenen Fahrzeug zu bestimmen. Zumindest im Nahbereich sollte dabei auch die Lage des Objektes bzw. der Objekte in einem zweidimensionalen Koordinatensystem erfaßt werden. Anwendungsbeispiele für eine Sensorik dieser Art sind etwa die Kollisionswarnung oder die sogenannte Pre-Crash-Sensierung, bei der es darum geht, im Fall einer bevorstehenden Kollision die genaue Zeit und möglichst auch den genauen Ort des Aufpralls vorab zu bestimmen, so daß Sicherheitsvorrichtungen im Fahrzeug wie Airbags, Gurtstraffer und dergleichen schon vorbereitend für den bevorstehenden Aufprall konfiguriert werden können. Ein weiteres Anwendungsbeispiel ist die Abstands- und Geschwindigkeitsregelung (ACC; Adaptive Cruise Control). Die Nahbereichssensorik findet dabei insbesondere in Betriebsarten Anwendung, die durch relativ niedrige Geschwindigkeiten und eine hohe Verkehrsdichte sowie generell durch eine hohe Dynamik gekennzeich net sind, beispielsweise im Stop & Go Betrieb.

Als Abstandssensoren werden häufig gepulste 24 GHz Radar-Sensoren eingesetzt, die eine hohe Abstandsauflösung ermöglichen, im allgemeinen jedoch nicht winkelauflösend sind. Die zweidimensionale Position der Objekte läßt sich dann bei Verwendung von mindestens zwei Sensoren durch Triangulation bestimmen. In Anwesenheit von zwei oder mehr Objekten oder in Anwesenheit von mehreren Reflexionszentren desselben Objekts kommt es dabei jedoch zu Mehrdeutigkeiten hinsichtlich der Zuordnung der von den verschiedenen Sensoren gemessenen Abstände zueinander und zu den Objekten. Wenn beispielsweise zwei Reflexionszentren von zwei Sensoren erfaßt werden, so erhält man insgesamt vier Abstandspaare, die mögliche Abstände der Objekte zu jedem der Sensoren kennzeichnen. Von diesen vier Abstandspaaren entsprechen jedoch nur zwei realen Objekten, während es sich bei den beiden übrigen Paaren um Scheinobjekte handelt, die nachträglich durch eine Plausibilitätsauswertung eliminiert werden müssen.

In DE 199 49 409 A1 wird ein Verfahren zum Eliminieren von Scheinobjekten mit Hilfe einer Tracking-Prozedur beschrieben. Unter "Tracking" versteht man die Verfolgung von Objekten (oder Scheinobjekten) über einen längeren Zeitraum hinweg. Da die Abstandsmessungen periodisch, üblicherweise mit einer Zykluszeit in der Größenordnung von einigen Millisekunden wiederholt werden, kann man davon ausgehen, daß sich die Abstände, Relativgeschwindigkeiten und Beschleunigungen der Objekte von Messung zu Messung nur wenig voneinander unterscheiden und daß zum Beispiel die gemessenen Abstandsänderungen mit den gemessenen Relativgeschwindigkeiten konsistent sind. Unter dieser Prämisse ist es möglich, die bei einer Messung erfaßten Objekte bei den nachfolgenden Messungen wiederzuerkennen, so daß sich gleichsam die Spur jedes Objektes verfolgen läßt.

Bei bekannten Verfahren zur Erkennung von Objektkonstellationen werden die Objekte und Scheinobjekte einzeln getrackt. Diese Verfahren erfordern deshalb insbesondere bei Anwesenheit mehrerer Objekte oder Reflexionszentren einen hohen Rechenaufwand und dement sprechend einen hohen Speicherplatzbedarf und eine lange Rechenzeit bzw. eine hohe Rechenkapazität. Zur Beseitigung von Mehrdeutigkeiten und zur genaueren Identifizierung der Objektkonstellation ist es auch bekannt, drei oder mehr abstandsauflösende Sensoren einzusetzen, wodurch sich. jedoch der Rechenaufwand weiter erhöht.

Das Verfahren mit den kennzeichnenden Merkmalen des Anspruchs 1 bietet demgegenüber den Vorteil, daß bei gegebener Anzahl von Sensoren und gegebener Anzahl von Reflexionszentren der für eine hinreichend präzise und detaillierte Erkennung der Objektkonstellationen erforderliche Rechenaufwand und Speicherbedarf beträchtlich reduziert werden kann und daß insbesondere die mit dem Auftreten von Scheinobjekten zusammenhängenden Probleme weitgehend vermieden werden.

Der Grundgedanke der Erfindung besteht darin, daß nicht jedes einzelne Objekt oder Relexionszentrum unabhängig von den übrigen verfolgt wird, sondern stattdessen aus der Gesamtheit der mit den verschiedenen Sensoren gemessenen Abstände der verschiedenen Reflexionszentren charakteristische Muster erkannt werden, die mit bekannten Mustern typischer Modellkonstallationen korrelieren. Durch Vergleich des erfaßten Musters mit Referenzmustern, die den verschiedenen Modellkonstellationen entsprechen, läßt sich dann entscheiden, mit welcher Modellkonstellation die aktuelle Konstellation die größte Ähnlichkeit hat, und aus der in dieser Weise charakterisierten Konstellation lassen sich dann die für den Anwendungszweck relevanten Informationen unmittelbar ableiten. Besonders vorteilhaft ist dabei, daß nun beim Tracking das Muster als Ganzes getrackt werden kann. Da sich dieses Muster im allgemeinen durch einen Satz von Parametern beschreiben läßt, der deutlich kleiner ist als die Gesamtheit der Koordinaten aller Objekte und Scheinobjekte, ergibt sich eine Ersparnis an Speicherbedarf und Rechenzeit.

In den abhängigen Ansprüchen sind vorteilhafte Ausgestaltungen und Weiterbildungen des Verfahrens nach Anspruch 1 und der Vorrichtung nach dem unabhängigen Vorrichtungsanspruch angegeben.

Bevorzugt wird wie bei den bekannten Verfahren zunächst für jeden Sensor eine Abstandsliste erstellt, in der die von diesem Sensor gemessenen Abstände von Reflexionszentren nach wachsenden Abstanden geordnet sind. Bei einer statistischen Auswertung der unter praxisnahen Bedingungen in dieser Weise erhaltenen Abstandslisten hat sich gezeigt, daß sich die mit den mehreren Sensoren erhaltenen Abstände generell zu Clustern gruppieren lassen, die sich demselben Objekt oder mehreren in gleichem Abstand vor dem eigenen Fahrzeug befindlichen Objekten zuordnen lassen. Bei Verwendung von Radarsensoren erzeugt z.B. die relativ stark zerklüftete Heckpartie eines Lkw eine Vielzahl von Reflexionszentren, die für sämtliche Sensoren ähnliche Abstände aufweisen und die sich alle demselben Objekt, nämlich dem Lkw zuordnen lassen. Für die Auswertung der Abstandsinformation sind naturgemäß die kleinsten gemessenen Abstände besonders relevant. In einer besonders zweckmäßigen Ausführungsform wird deshalb für jeden Cluster jeweils nur der kleinste Abstandswert in der Abstandsliste jedes Sensors ausgewertet, und nur diese Abstandswerte werden für die weitere Mustererkennung zugrundegelegt.

Da die einzelnen Sensoren in der Richtung quer zur Längsachse des Fahrzeugs um einen bestimmten Abstand, die sogenannte Basisbreite, gegeneinander versetzt angeordnet sind, bilden die kleinsten Abstandswerte innerhalb jedes Clusters ein charakteristisches Muster, das es gestattet, auf die Objektkonstellation, d.h., die räumliche Lage des oder der zu diesem Cluster gehörenden Objekte relativ zueinander und zum eigenen Fahrzeug zurückzuschließen. Wenn sich beispielsweise ein lokalisiertes Objekt in geringem Abstand vor der Mitte des eigenen Fahrzeugs befindet, so werden die näher zur Längsmittelachse des Fahrzeugs gelegenen Sensoren für dieses Objekt einen kleineren Abstand messen als die weiter am Fahrzeugrand gelegenen Sensoren. Wenn dagegen zwei lokalisierte Objekte in gleicher Entfernung links und rechts neben der Mittelachse des eigenen Fahrzeugs angeordnet sind, wie es beispielsweise beim Einfahren in eine Parklücke der Fall ist, so werden die näher an den Fahrzeugrändern gelegenen Sensoren kleinere Abstandswerte messen als die mehr zur Mitte gelegenen Sensoren. Wenn in einer besonders vorteilhaften Ausführungsform des Verfahrens mindestens drei abstandsauflösende Sensoren benutzt werden, läßt sich deshalb aufgrund dieser Charakteristika entscheiden, welche Objektkonstellation gerade vorliegt.

Es ist vorteilhaft, wenn das durch die kleinsten Abstände von n (≥ = 3) Sensoren gebildete Muster durch die n Koeffizienten eines Polynoms (n – 1)-ten Grades gekennzeichnet wird. Wenn einem kartesischen Koordinatensystem mit x die Koordinate in der Richtung parallel zur Fahrzeuglängsachse und mit y die Koordinate quer zur Fahrzeuglängsachse bezeichnet wird, so hat das Polynom die Form x = f(y). Der Graph dieses Polynoms beschreibt dann näherungsweise den Verlauf der rückwärtigen Begrenzung eines oder mehrerer Objekte, die zu demselben Cluster gehören. Im Fall von drei Sensoren ist der Graph dieses Polynoms eine Parabel. Das Minimum der Parabel gibt in guter Näherung den kleinsten Objektabstand an, und die y-Koordinate dieses Minimums gibt in guter Näherung den Querversatz dieses Objektes bzw. desjenigen Punktes des Objektes an, der den geringsten Abstand zum eigenen Fahrzeug aufweist. Für eine Abschätzung des Ortes und Zeitpunkts eines voraussichtlichen Aufpralls sind diese Größen naturgemäß besonders geeignet.

Darüber hinaus lassen sich bei einem Polynom der Form x = ay² + by + c aus den Koeffizienten a, b und c weitere wichtige Informationen über die Objektkonstellation unmittelbar ableiten. Beispielsweise weist aufgrund der oben erläuterten Zusammenhänge ein positives Vorzeichen des Koeffizienten a darauf hin, daß der betreffende Cluster ein lokalisiertes Objekt mit geringem Querversatz beschreibt. Je kleiner bei festem Koeffizienten c der Koeffizient a ist, desto ausgedehnter ist das Objekt. Die Bedingung a = 0 kennzeichnet ein sehr breites Objekt, beispielsweise die Heckpartie eines Lkw, die zu sämtlichen Sensoren des Fahrzeugs etwa den gleichen Abstand aufweist. Ein negativer Koeffizient a bei annähernd verschwindendem Koeffizienten b läßt erkennen, daß der Cluster zwei Objekte repräsentiert, die symmetrisch zur Fahrzeuglängsachse liegen. Generell erlaubt der Koeffizient b (allgemeiner: die Koeffizienten zu ungeraden Exponenten von y) eine Aussage über die Symmetrie der Objekt konstellation; b = 0 bedeutet vollkommene Symmetrie, und im Fall b ≠ 0 gibt das Vorzeichen von b an, zu welcher Seite der Schwerpunkt der Objektkonstellation gegenüber der Fahrzeuglängsachse versetzt ist.

Es liegt auf der Hand, daß für physikalisch mögliche Situationen die Koeffizienten des Polynoms jeweils innerhalb bestimmter Wertebereiche liegen müssen, wobei der mögliche Wertebereich des einen Koeffizienten von dem aktuellen Wert eines anderes Koeffizienten abhängig sein kann. Wenn beispielsweise der Koeffizient c einen relativ großen Wert hat, so weist das Objekt einen entsprechend großen Abstand zum eigenen Fahrzeug auf, und die durch den Querversatz der Sensoren um die Basisbreite B bedingten Unterschiede in den gemessenen Objektabständen sind entsprechend klein, so daß für den Koeffizienten a nur ein kleiner Wertebereich in Frage kommt. Die zulässigen Wertebereiche bzw. Kombinationen von Werten und Wertebereichen lassen sich durch Untersuchung typischer Modellkonstellationen ermitteln. Auf diese Weise wird eine Plausibilitätsprüfung der für jeden Cluster erhaltenen Ergebnisse und zugleich eine Klassifizierung der Objektkonstellation nach typischen Konstellationen ermöglicht. Auf die Weise können auch etwaige Fehler bei der Zuordnung der in den Abstandslisten gefundenen Werte zu den einzelnen Clustern schnell erkannt und ggf. korrigiert werden.

Durch Tracking der für jeden Cluster erkannten Muster, d.h., des Satzes der Koeffizienten a, b und c, wird die Genauigkeit und Zuverlässigkeit der Erkennung weiter gesteigert, und es ist auch möglich, fehlende Meßwerte, die durch vorübergehende Störungen des Meßprozesses verursacht wurden, sinnvoll zu ergänzen.

Da es mit dem erfindungsgemäßen Verfahren möglich ist, auch relativ umfangreiche Abstandslisten, entsprechend einer sehr großen Anzahl von Reflexionszentren, mit vertretbarem Rechenaufwand effizient auszuwerten, kann der Empfindlichkeitsbereich der Sensoren und insbesondere der Ortungswinkelbereich der Sensoren problemlos erweitert werden, so daß auch Objekte auf Nebenfahrbahnen in stärkerem Umfang in die Erfassung einbezogen werden können. Dies ermöglicht z.B. eine Früherkennung von Situationen, in denen ein Fahrzeug von der Nebenspur plötzlich vor dem eigenen Fahrzeug einschert. Je nach Anwendungszweck ist es auch möglich, die gesamte Sensoranordnung oder zusätzliche Sensoranordnungen an der Rückfront des Fahrzeugs oder seitlich am Fahrzeug anzubringen und nach hinten bzw. zur Seite hin auszurichten.

Die Verwendung von mindestens drei Sensoren hat den Vorteil, daß die Unterscheidung zwischen einem einzelnen Objekt und zwei symmetrisch angeordneten Objekten auch schon in statischen Situationen, d.h. aufgrund der Ergebnisse eines einzigen Meßzyklus möglich ist, ohne daß im Rahmen der Tracking-Prozedur die Bewegung der Objekte ausgewertet werden muß.

Ein Ausführungsbeispiel der Erfindung ist in den Zeichnungen dargestellt und in der nachfolgenden Beschreibung näher erläutert.
Es zeigen:
1 einen schematischen Grundriß eines mit drei abstandsauflösenden Sensoren ausgerüsteten Fahrzeugs und zweier vorausfahrender Fahrzeuge, deren Konstellation durch Auswertung der Abstandsmessungen erkannt werden soll;
2 eine graphische Darstellung der Einträge in Abstandslisten für die drei Sensoren bei der in 1 gezeigten Situation;
3 eine graphische Darstellung der aus dem Diagramm nach 2 für die weitere Auswertung ausgewählten Ab standswerte und der Charakterisierung von Objektkonstellationen durch Parabeln;
4 und 5 Beispiele für zwei unterschiedliche Modellkonstellationen;
6 und 7 graphische Darstellungen zur Charakterisierung der Modellkonstellationen durch Parabeln;
8(a), (b) und (c) Beispiele für zulässige Wertebereiche der Koeffizienten der Parabelfunktion für unterschiedliche Modellkonstellationen eines Einzelobjektes;
9(a), (b) und (c) Beispiele für zulässige Wertebereiche der Koeffizienten der Parabelfunktion für Modellkonstellationen mit zwei symmetrisch angeordneten Objekten; und
10 ein Flußdiagramm zur Illustration des Verfahrensablaufs.
In 1 ist am unteren Zeichnungsrand die Frontpartie eines Kraftfahrzeugs 10 gezeigt, bei dem im Bereich der vorderen Stoßstange drei abstandsauflösende Sensoren S1, S2 und S3 auf gleicher Höhe angeordnet sind. Im gezeigten Beispiel sind die Sensoren symmetrisch zur Fahrzeuglängsachse angeordnet. Mit B ist die Basisbreite bezeichnet, das ist der seitliche Abstand von Sensor zu Sensor. Bei den Sensoren S1, S2 und S3 handelt es sich zum Beispiel um gepulste 24 GHz-Radarsensoren, die jeweils einen Ortungs-Winkelbereich von 140° haben. Als Beispiel kann angenommen werden, daß die Ortungs-Winkelbereiche jeweils symmetrisch zu einer durch die Mitte des betreffenden Sensors gehenden und zur Fahrzeuglängsachse paral lelen Geraden liegen. wahlweise können jedoch beispielsweise die Ortungs-Winkelbereiche der äußeren Sensoren S1 und S2 auch schräg nach außen gerichtet sein. Die Ortungstiefe der Sensoren S1, S2 und S3 beträgt beispielsweise 7 m.
Vor dem Fahrzeug 10 sind als zu erkennende Objekte ein Pkw 12 und ein Lkw 14 gezeigt. Insbesondere der Lkw 14 hat eine relativ stark zerklüftete Heckpartie und bildet deshalb mehrere Reflexionszentren für jeden der Sensoren S2 und S3. Die Radarstrahlen vom Sensor S1 zu den Reflexionszentren des Pkw 12 und des Lkw 14 und zurück zum Sensor S1 sind durch Geraden angegeben, und die zugehörigen Abstände, die von dem Sensor S1 gemessen werden, sind mit d₁₁ und d₁₂ angegeben. Entsprechend sind mit d₂₁, d₂₂ und d₂₃ die Abstände zwischen dem Sensor S2 und den zugehörigen Reflexionszentren angegeben, und mit d₃₁, d₃₂ und d₃₃ sind die Abstände zwischen dem Sensor S3 und den zugehörigen Reflexionszentren bezeichnet. Im gezeigten Beispiel empfängt der Sensor S1 lediglich zwei Reflexionssignale, eins vom Pkw 12 und eins vom Lkw 14, da ein Teil des Lkw 14 durch den Pkw 12 abgeschattet wird. Zahlenbeispiele für die Abstandswerte sind in 1 in m angegben.
Die von den Sensoren S1, S2 und S3 gemessenen Abstandswerte werden in einer Auswerteeinheit 16 an Bord des Fahrzeugs 10 ausgewertet, und die Ergebnisse werden weiteren Systemkomponenten dieses Kraftfahrzeugs zur Verfügung gestellt, beispielsweise einem Pre-Crash-System, einem Abstands- und Geschwindigkeitsregelsystem (ACC) und dergleichen.
Die Auswerteeinheit 16 erstellt zunächst für jeden der Sensoren S1, S2 und S3 eine Abstandsliste, in der die gemessenen Abstände nach zunehmenden Werten geordnet sind. Dies ist in 2 graphisch dargestellt. Man erkennt, daß die Abstandswerte d₁₁, d₂₁, d₃₁ sich nur wenig voneinander unterscheiden (jedenfalls um weniger als die zweifache Basisbreite B), und zu einem "Cluster 1" zusammengefaßt werden können, der ein erstes Objekt, nämlich den Pkw 12 repräsentiert. Entsprechend lassen sich die übrigen fünf Abstandswerte d₁₂, d₂₂₁, d₃₂ und d₃₃ zu einem "Cluster 2" zusammenfassen, der den Lkw 14 repräsentiert.
Für die weitere Auswertung wird nun aus jedem der beiden Cluster für jeden der Sensoren S1, S2 und 53 jeweils nur der kleinste Abstandswert ausgewählt. Für den Cluster 1 sind dies die Abstandswerte d₁₁, d₂₁ und d₃₁ und für den Cluster 2 sind es die Werte d₁₂, d₂₂ und d₃₂. Die Abstandswerte d₂₃ und d₃₃ werden ignoriert.
In 3 sind die für die Auswertung herangezogenen Abstandswerte in einem zweidimensionalen Koordinatensystem aufgetragen, dessen x-Achse der Längsachse des Fahrzeugs entspricht und dessen y-Achse in Querrichtung des Fahrzeugs weist (in Bezug auf die Fahrtrichtung nach links). Die y-Koordinate wird hier in Einheiten des Basisabstands B gemessen, so daß der Sensor S1 die Koordinate y = -1 und der Sensor S3 die Koordinate y = +1 hat.
Aus den drei Abstandswerten jedes Clusters werden nun die Koeffizienten a, b und c einer Polynomfunktion der Form x = ay² + by + c berechnet: a = (d1 + d3 – 2d2)/2 b = (d3 – d1) / 2 c = d2
In diesen Gleichungen ist bei den Abstandswerten jeweils der zweite Index (die Ordnungszahl in der Abstandsliste) fortgelassen.
Für die Polygonomfunktion zu dem Cluster 1 erhält man so eine Parabel 18 und für den Cluster 2 eine Parabel 20. Diese Parabeln bzw. die zugehörigen Koeffizienten bilden nun ein Muster, das es gestattet, die durch die Cluster repräsentierten Objektkonstellationen zu klassifizieren.
4 zeigt eine Modellkonstellation in der Form eines lokalisierten einzelnen Objekts 22, das mittig in einem bestimmten Abstand vor dem Fahrzeug 10 liegt (y = 0). Die zugehörigen Objektabstände d₁, d₂ und d₃ und die daraus resultierende Parabel 46 sind in 6 auf analoge Weise wie in 3 dargestellt. Da bei dieser Konstellation die Abstände d₁ und d₃ größer sind als d2 hat der Koeffizient a für die Parabel 24 einen positiven Wert. Wenn das Objekt 22 weiter von den Sensoren entfernt wäre, so wären die Abstandsunterschiede kleiner, und die Parabel wäre flacher, d.h., der Koeffizient a wäre dem Betrage nach kleiner. Der gleiche Effekt würde auch eintreten, wenn das Objekt 22 in y-Richtung ausgedehnt wäre.
5 zeigt eine andere Modellkonstellation in der Form zweier lokalisierter Objekte 26, 28, die symmetrisch zu der durch die Mitte des Fahrzeugs 10 gehenden Längsachse liegen. In diesem Fall sind die von den Sensoren S1 und S3 gemessenen kleinsten Abstände d₁₁, d₃₁ kleiner als die vom mittleren Sensor S2 gemessenen Abstände d₂₁ = d₂₂, und folglich hat die zugehörige Parabel 30 in 7 einen negativen Koeffizienten a. In der Praxis entspricht die in 5 und 7 gezeigte Modellkonfiguration etwa dem Fall, daß die Objekte 26 und 28 eine Parklücke begrenzen, in die das Fahrzeug 10 einfährt.
In 8(a) sind in einer aus drei Zeilen und drei Spalten bestehenden Tabelle die möglichen Wertebereiche für den Koeffizienten a für Modellkonstellationen eingetragen, bei denen ähnlich wie in 5 nur ein einzelnes lokalisiertes Objekt vorhanden ist, das jedoch hier nicht notwendigerweise auf der Längsmittelachse des Fahrzeugs 10 liegt, sondern einen Querversatz von y = -3,5 m bis y = 3,5 m gegenüber der Längsmittelachse des Fahrzeugs aufweisen kann. Der Abstand dieses Objekts kann zwischen 0 und 7 m betragen. Der Bereich für den Querversatz y sowie der Abstandsbereich von 0 bis 7 m sind jeweils in drei gleiche Intervalle aufgeteilt, die durch die drei Zeilen bzw. die drei Spalten der Tabelle in 8(a) repräsentiert werden.
8(b) und 8(c) geben in entsprechender Weise die Wertebereiche der Koeffizienten b und c für dieselben Modellkonstellationen an. Die Zahlenwerte für die Grenzen der Wertebereiche der Koeffizienten sind nur als grober Anhalt zu verstehen und müssen im Einzel fall für die jeweilige Basisbreite B zwischen den Sensoren berechnet werden. Die Grenzen des Wertebereichs beispielsweise im linken oberen Feld in 8(a) (0,0 ≤ a ≤ 0,1) beruhen auf der Annahme, daß ein punktförmiges Objekt jede Position innerhalb des Rechtecks einnehmen kann, das durch das y-Intervall [1,17 ; 3,5] und das x-Intervall [4,67 : 7,0] definiert wird. Entsprechendes gilt für die Wertebereiche in den übrigen Feldern in 8(a), (b) und (c).
In 9(a), (b) und (c) sind die entsprechenden Wertebereiche der Koeffizienten a, b und c für Modellkonstellationen angegeben, bei denen ähnlich wie in 5 zwei lokalisierte Objekte symmetrisch zur Längsmittelachse des Fahrzeugs liegen. Wenn eines dieser Objekte in dem Intervall [-3,5 ; -1,17] liegt, so liegt dementsprechend das andere Objekt in dem Intervall [1,17 ; 3,5]. Aus diesem Grund sind in 9(a), (b) und (c) die Einträge in der rechten Spalte jeweils mit denen in der linken Spalte identisch. Die mittleren Spalten beziehen sich jeweils auf Konstellationen, bei denen die beiden Objekte symmetrisch zur Längsmittelachse des Fahrzeuges 10 in demselben y-Intervall [-1,17 ; +1,17] liegen.
Wenn in einem aktuellen Meßzyklus die Koeffizienten a, b und c für einen gegebenen Cluster bestimmt worden sind, so wird anhand der Tabellen gemäß 8 und 9 überprüft, ob sich eine Modellkonstellation finden läßt, für die alle drei Koeffizienten in den dafür zugelassenen Wertebereichen liegen. Wenn diese Bedingung erfüllt ist, kann angenommen werden, daß die drei Abstandswerte eine physikalisch mögliche Konstellation repräsentieren. Wenn sich keine solche Modellkonstellation finden läßt, wird der Satz von Abstandswerten und der zugehörige Satz von Koeffizienten als physikalisch unmögliche Konstellation verworfen. Eine mögliche Ursache hierfür kann neben Meßfehlern und Störeinflüssen auch darin bestehen, daß einer der Abstandswerte dem falschen Cluster zugeordnet wurde. Im allgemeinen wird sich schon bei der Einteilung der Cluster erweisen, daß die Zuordnung eines speziellen Abstandswertes zweifelhaft ist. In diesem Fall wird dann dieser Meßwert dem anderen in Frage kommenden Cluster zugeordnet, und die Auswertung wird wiederholt.
Für Konstellationen, bei denen die Koeffizienten in den Wertebereiche in der mittleren Spalte in 8 und 9 liegen, ist die Unterscheidung zwischen einem Einzelobjekt (8) und zwei symmetrisch angeordneten Objekten (9) zunächst weniger relevant, weil der Abstand zwischen diesen Objekten dann kleiner als 2,34 m ist und somit in derselben Größenordnung wie die Breite des Fahrzeugs 10 liegt. Dennoch kann sich diese Unterscheidung als sinnvoll erweisen, z.B. wenn sich beim anschließenden Tracking zeigt, daß sich die beiden symmetrisch angeordneten Objekte in positiver und negativer y-Richtung auseinander bewegen oder wenn sich bei größerer Annäherung an die Objekte und entsprechend höherer Meßgenauigkeit zeigt, daß die Lücke zwischen den beiden Objekten doch so groß ist, daß das eigene Fahrzeug hinein paßt.
Da bei dem hier beschriebenen Verfahren von vornherein nur mit den kleinsten Abstandswerten innerhalb jedes Clusters gearbeitet wird und zudem alle Konstellationen als unplausibel verworfen werden, bei denen die berechneten Koeffizienten a, b und c nicht alle innerhalb der zulässigen wertebereiche liegen, werden Komplikationen, die sich durch das mögliche Auftreten von Scheinobjekten ergeben könnten, von vornherein vermieden.
In 10 ist der Verfahrensablauf noch einmal in Form eines Flußdiagramms dargestellt.
In Schritt 101 werden die Abstandslisten der Sensoren S1, S2 und S3 in die Auswerteeinheit 16 eingelesen, wie in 2 gezeigt ist. Anschließend werden in Schritt 102, die Abstandswerte in den Abstandslisten sämtlicher Sensoren zu Clustern zusammengefaßt, wie ebenfalls in 2 illustriert ist. Danach werden in Schritt 103 aus den kleinsten Abstandswerten für jeden Cluster und jeden Sensor die Koeffizienten a, b und c der Parabelfunktion berechnet. Dieser Satz von Koeffizienten bildet dann das Muster, das die betreffende Objektkonstellation kennzeichnet. In Schritt 104 wird das Tracking-Verfahren für die Parabelkoeffizienten ausgeführt. Das heißt, die Koeffizientensätze a, b, c werden Cluster für Cluster mit entsprechenden Sätzen aus dem vorangegangenen Meßzyklus oder den vorange gangenen Meßzyklen verglichen, und anhand der Ähnlichkeit oder Unterschiedlichkeit der Koeffizienten und ihrer zeitlichen Ableitungen und anhand der Konsistenz zwischen den zeitlichen Ableitungen und den Koeffizienten wird entschieden, ob die Objektkonstellation aus dem aktuellen Zyklus sich mit einer der Objektkonstellationen aus dem vorherigen Zyklus identifizieren läßt. Auf die Weise kann also die zeitliche Veränderung der Objektkonstellation verfolgt werden.
In Schritt 105 wird dann anhand der in 8 und 9 illustrierten Tabellen überprüft, ob die Koeffizienten innerhalb zulässiger Grenzen liegen, und Objektkonstellationen mit unzulässigen Koeffizienten werden verworfen. wahlweise kann bei dieser Plausibilitätsprüfung oder Filterung auch auf Erkenntnisse aus dem vorausgegangenen Tracking-Schritt 104 zurückgegriffen werden. Ebenso ist es möglich, fehlende Meßergebnisse zu ergänzen, indem die Ergebnisse der vorangegangenen Tracking-Schritte extrapoliert werden. Um die Robustheit des Verfahrens zu erhöhen, ist es wahlweise auch möglich, zusätzlich zu den Wertebereichstabellen gemäß 8 und 9, in denen jeweils davon ausgegangen wird, daß innerhalb jedes Clusters für jeden Sensor mindestens ein Meßwert vorhanden ist, entsprechende Tabellen für Situationen aufzustellen und auszuwerten, in denen innerhalb eines Clusters nur Meßwerte für zwei der drei Sensoren vorhanden sind.
In Schritt 106 werden schließlich für die Cluster bzw. Objektkonstellationen, die nach den Überprüfungen in Schritt 105 übrig geblieben sind, die Positionen und Relativgeschwindigkeiten der betreffenden Objekte berechnet. Im Fall von Einzelobjekten werden für die Positionsberechnung die x- und y-Koordinaten des Minimums der Parabel berechnet. Auf diese Weise erhält man eine relativ genaue Information über den minimalen Abstand des Objektes und über die y-Koordinate des Ortes, an dem bei weiterer Abstandsverringerung voraussichtlich der Aufprall stattfinden würde. Durch zeitliche Ableitung dieser Größen lassen sich auch die Relativgeschwindigkeiten in x- und y-Richtung bestimmen. Im Fall von zwei symmetrisch angeordneten Objekten, zwischen denen eine Lücke mit einer Breite besteht, die kleiner als die Fahrzeugbreite ist, läßt sich der minimale Objektabstand berechnen, indem die Parabelfunktion für die y-Werte ausgewertet wird, die den linken und rechten Fahrzeugrändern entsprechen. Anhand des Betrages des negativen Koeffizienten a läßt sich in Verbindung mit dem Koeffizienten c auch entscheiden, ob die Lücke zwischen den beiden Objekten groß genug für das eigene Fahrzeug ist. Dies wird beispielsweise dann der Fall sein, wenn die aktuelle Objektkonstellation mit einer der Modellkonstellationen in der linken Spalte oder der rechten Spalte in 9(a) identifiziert werden kann.

Claims

Verfahren zur Erkennung von Objektkonstellationen anhand von Abstandssignalen mindestens zweier Sensoren (S1, S2, S3), dadurch gekennzeichnet, daß die Abstandssignale mehrerer der Sensoren einer Mustererkennung durch Vergleich mit Referenzmustern unterzogen werden, die vorgegebenen Modellkonstellationen entsprechen.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die von den mehreren Sensoren gemessenen Abstandswerte zu Clustern (d₁₁, d₂₁, d₃₁ ; d₁₂, d₂₂, d₂₃, d₂₃, d₃₂, d₃₃) zusammengefaßt werden, innerhalb derer sich die Abstandswerte nur wenig unterscheiden, und das innerhalb jedes Clusters für jeden Sensor nur der kleinste Abstandswert (d₁₁, d₂₁, d₃₁ ; d₁₂, d₂₂, d₃₂) ausgewertet wird.
Verfahren nach Anspruch 2, dadurch gekennzeichnet, daß für jeden Cluster aus den ausgewerteten Abstandswerten die Koeffizienten (a, b, c) einer Polynomfunktion berechnet werden, die den Verlauf der Begrenzung des Objektes oder der Objekte auf der den Sensoren (S1, S2, S3) zugewandten Seite approximiert.
Verfahren nach Anspruch 3, dadurch gekennzeichnet, daß die Polynomfunktion eine Parabelfunktion ist und daß die Koordinaten des Minimums der Parabel berechnet werden.
Verfahren nach Anspruch 3 oder 4, dadurch gekennzeichnet, daß für jeden Satz von Koeffizienten überprüft wird, ob die Koeffizienten innerhalb von vorgegebenen, anhand der Modellkon stellationen berechneten wertebereichen liegen.
Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, daß jeweils die von mindestens drei Sensoren (S1, S2, 53) gemessenen Abstandswerte ausgewertet werden.
Verfahren nach den Ansprüchen 3 und 6, dadurch gekennzeichnet, daß anhand der berechneten Koeffizienten (a, b, c) entschieden wird, ob die Objektkonstellation einem Einzelobjekt (24) oder zwei Objekten (26, 28) entspricht, die symmetrisch zu einer Achse liegen, die rechtwinklig auf einer die Sensoren verbindenden Geraden liegt und durch die Mitte der Sensoranordnung geht.
Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, daß in einer Tracking-Prozedur die durch ihre Muster repräsentierten Objektkonstellationen getrackt werden.
Vorrichtung zur Erkennung von Objektkonstellationen anhand von Abstandssignalen mindestens zweier Sensoren (S1, S2, S3), gekennzeichnet durch eine Auswerteeinheit (16), die die Abstandssignale mehrerer der Sensoren (S1, S2, S3) einer Mustererkennung durch Vergleich mit gespeicherten Referenzmustern unterzieht, die vorgegebenen Modellkonstellationen entsprechen.
Vorrichtung nach Anspruch 9, dadurch gekennzeichnet, daß mindestens drei Sensoren (S1, S2, S3) vorhanden sind.
Vorrichtung nach Anspruch 9 oder 10, dadurch gekennzeichnet, daß die Sensoren (S1, S2, S3) im Frontbereich eines Kraftfahrzeugs (10) angeordnet sind.