DE19749086C1 - Vorrichtung zur Ermittlung fahrspurverlaufsindikativer Daten - Google Patents

Vorrichtung zur Ermittlung fahrspurverlaufsindikativer Daten

Info

Publication number
DE19749086C1
DE19749086C1 DE19749086A DE19749086A DE19749086C1 DE 19749086 C1 DE19749086 C1 DE 19749086C1 DE 19749086 A DE19749086 A DE 19749086A DE 19749086 A DE19749086 A DE 19749086A DE 19749086 C1 DE19749086 C1 DE 19749086C1
Authority
DE
Germany
Prior art keywords
lane
vehicle
radar
sensor system
estimation
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.)
Expired - Lifetime
Application number
DE19749086A
Other languages
English (en)
Inventor
Zoltan Dipl Ing Zomotor
Uwe Dr Ing Franke
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.)
Mercedes Benz Group AG
Original Assignee
DaimlerChrysler 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
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=7847835&utm_source=***_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=DE19749086(C1) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Application filed by DaimlerChrysler AG filed Critical DaimlerChrysler AG
Priority to DE19749086A priority Critical patent/DE19749086C1/de
Priority to EP98119664A priority patent/EP0915350A3/de
Priority to JP10349238A priority patent/JPH11265442A/ja
Priority to US09/187,530 priority patent/US6292752B1/en
Application granted granted Critical
Publication of DE19749086C1 publication Critical patent/DE19749086C1/de
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • 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
    • G01S13/867—Combination of radar systems with cameras
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T2201/00—Particular use of vehicle brake systems; Special systems using also the brakes; Special software modules within the brake system controller
    • B60T2201/08—Lane monitoring; Lane Keeping Systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T2201/00—Particular use of vehicle brake systems; Special systems using also the brakes; Special software modules within the brake system controller
    • B60T2201/08—Lane monitoring; Lane Keeping Systems
    • B60T2201/089—Lane monitoring; Lane Keeping Systems using optical detection
    • 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
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
    • G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
    • 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
    • G01S2013/932—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles using own vehicle data, e.g. ground speed, steering wheel direction
    • 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
    • G01S2013/9325—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles for inter-vehicle distance regulation, e.g. navigating in platoons
    • 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
    • G01S2013/9329—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles cooperating with reflectors or transponders
    • 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
    • G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
    • G01S3/78—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using electromagnetic waves other than radio waves
    • G01S3/782—Systems for determining direction or deviation from predetermined direction
    • G01S3/785—Systems for determining direction or deviation from predetermined direction using adjustment of orientation of directivity characteristics of a detector or detector system to give a desired condition of signal derived from that detector or detector system
    • G01S3/786—Systems for determining direction or deviation from predetermined direction using adjustment of orientation of directivity characteristics of a detector or detector system to give a desired condition of signal derived from that detector or detector system the desired condition being maintained automatically
    • G01S3/7864—T.V. type tracking systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Traffic Control Systems (AREA)
  • Image Processing (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Description

Die Erfindung bezieht sich auf eine Vorrichtung zur Ermittlung von für den Verlauf einer Fahrspur, beispielsweise einer Straße, indikativen Daten nachdem Oberbegriff des Anspruchs 1. (DE 41 33 882 A1)
Diese Vorrichtung beinhaltet zum einen eine den Fahrspurbereich vor dem Fahrzeug erfassende Fahrspurerkennungssensorik, welche Fahrspurerkennungsmeßdaten z. B. in Form von Fahrspurmarkierungs­ koordinaten liefert. Derartige Sensoriken sind beispielsweise als optische Spurerkennungseinrichtungen bekannt, die ein Bild­ aufnahmesystem und ein nachgeschaltetes Bildverarbeitungssystem beinhalten, wie in den Patentschriften DE 43 32 836 C1 und EP 0 446 903 B1 sowie der Offenlegungsschrift DE 42 21 015 A1 offen­ bart. Sie werden insbesondere zur selbsttätigen Steuerung der Längs- und/oder der Querbewegung von Fahrzeugen im Rahmen einer Abstandsregeleinrichtung und/oder eines automatischen Fahrzeug­ lenksystems verwendet. Die maximale Entfernung, in der Fahrspur­ markierungen von einer solchen Sensorik noch zuverlässig detek­ tiert werden können, d. h. deren Sichtweite, ist aufgrund mehre­ rer Faktoren beschränkt, wie der Einbauhöhe einer zugehörigen Videokamera im Fahrzeug, den Witterungsbedingungen, der Tages­ zeit, dem Verschmutzungsgrad der Fahrspur usw. Bei zu geringer Sichtweite ist eine autonome Fahrzeugführung allein mit diesen Mitteln nicht mehr zuverlässig möglich. Auch reine Abstandsre­ geleinrichtungen benötigen den Fahrspurverlauf in größerer Ent­ fernung, z. B. bis mindestens etwa 150 m, mit ausreichend hoher Genauigkeit. Eine Extrapolation des Fahrspurverlaufs in dieser Entfernung aus dem durch rein optische Spurerkennung im Nahbe­ reich erkannten Verlauf erweist sich zumindest bei geringer Sichtweite als nicht zufriedenstellend.
Zum anderen beinhaltet die Vorrichtung außerdem eine Objektposi­ tionssensorik, welche wenigstens den Abstand eines vor dem Fahr­ zeug befindlichen Objektes, z. B. ein vorausfahrendes Fahrzeug oder ein stationär am Fahrspurrand befindliches Objekt, sowie den Winkel erfaßt, in welchem dieses Objekt bezüglich der eige­ nen Fahrzeugbewegungsrichtung erscheint. Solche Sensoriken wer­ den insbesondere in Abstandsregeleinrichtungen eingesetzt, um einen konstanten Abstand zu einem vorausfahrenden Fahrzeug ein­ zuhalten. Die hier verwendeten Techniken, wie Abstandserfassung mittels Laser- oder Radarstrahl, haben den Vorteil, daß sie auch bei geringerer optischer Sichtweite noch für größere Entfernun­ gen zuverlässige Meßresultate liefern, jedoch erlauben diese Meßdaten allein keine Bestimmung des Fahrbahnverlaufs.
Es wurden bereits Vorrichtungen der eingangs genannten Art vor­ geschlagen, bei denen eine auf Radar basierende Objektpositions­ sensorik zur Erkennung vorausfahrender Fahrzeuge und als Unter­ stützung dieses Fahrzeugverfolgungsradars ein optisches Bildauf­ nahme- und Bildverarbeitungssystem vorgesehen ist, um die Posi­ tion von Objekten vor dem eigenen Fahrzeug als Hilfestellung zum Radarsystem zu schätzen. Wenn jedoch beispielsweise wegen schlech­ ter Sicht das optische System keine zuverlässigen Positionsdaten liefert, reduziert sich die Leistungsfähigkeit des Gesamtsystems wiederum auf diejenige des Radarsystems.
Es ist an sich bekannt, in Fahrzeuganwendungen zur Berechnung bestimmter fahrzeugbezogener Größen, z. B. des Schwimmwinkels und anderer Fahrdynamikgrößen, Schätzeinrichtungen in Form sogenann­ ter Beobachter oder Kalman-Filter einzusetzen. Bezüglich dieses Einsatzes von Schätz- bzw. Beobachterkonzepten in Fahrzeugsyste­ men sei z. B. auf die Offenlegungsschrift DE 196 07 429 A1 und die dort zitierte Literatur verwiesen.
In der nachveröffentlichten Offenlegungsschrift DE 197 20 764 A1 ist ein Verfahren zur Erkennung des vorausliegenden Fahrbahnver­ laufs für ein Kraftfahrzeug beschrieben, bei dem die Eigenge­ schwindigkeit erfaßt sowie durch Radarsensorik die Position und Geschwindigkeit vorausbefindlicher Objekte ermittelt werden. Aus von der Radarsensorik erkannten Festzielen entlang des Fahrbahn­ randes werden durch Schwellwertvergleich von Zielamplituden die fahrbahnrandspezifischen Ziele in diskreten Winkelbereichen se­ pariert, worauf in jedem Winkelbereich durch Ordnungsfilterung der Zielentfernungen die aktuellen Fahrbahnranddistanzen zum Fahrzeug bestimmt werden, die dann als Merkmale zur adaptiven Prädiktion des Kurventyps mit einem Klassifikator und als Stütz­ stellen für eine Kurvenregression verwendet werden. Zur Glättung der Fahrbahnranddistanzen kann ein modellbasiertes Kalmanfilter eingesetzt werden, dessen Modell auf Vorabwissen über die Dyna­ mik von Straßenverläufen beruht. Der prädizierende Kurvenklassi­ fikator kann durch ein neuronales Netz gebildet sein.
In der nachveröffentlichten Offenlegungsschrift DE 197 49 545 A1 ist eine Objekterfassungseinrichtung für ein Kraftfahrzeug mit wenigstens einer Abstandssensoreinrichtung für die Ausstrahlung von Meßstrahlen in unterschiedliche Richtungen bezogen auf einen Systemmittenstrahl und für den Empfang von objektreflektierten Meßstrahlen und mit einer Auswerteeinheit, in der die empfange­ nen Meßstrahlen hinsichtlich einer Objektrichtung und eines Ob­ jektabstandes einem detektierten Objekt zugeordnet werden, be­ schrieben, wobei der Abstandssensoreinrichtung eine Bewertungs­ einrichtung nachgeschaltet ist, an die eine Gebereinheit für Informationen über die aktuelle Straßengeometrie der befahrenen Straße angeschlossen ist und die in Abhängigkeit der Straßengeo­ metrie die empfangenen Meßsignale bewertet. Die Objekterfas­ sungseinrichtung dient insbesondere zur Erkennung von vor dem Fahrzeug befindlichen Objekten im Rahmen einer Abstandsregelung oder einer Abstandswarneinrichtung.
In der nachveröffentlichten Offenlegungsschrift DE 197 43 726 A1 ist ein Fahrzeugsteuergerät mit einer Positionsdatenerfassungs­ einrichtung zum Erfassen der Positionsdaten eines vorausfahren­ den Fahrzeugs, einer Bildaufnahmeeinrichtung zum Aufnehmen eines nach vorn in einer Fahrtrichtung des Fahrzeugs gerichteten Bilds, einer Fahrbetriebsdatenerfassungseinrichtung zum Erfassen von Fahrbetriebsdaten des vorausfahrenden Fahrzeugs anhand des Bilds und mit einer Steuereinrichtung zum Durchführen einer vor­ bestimmten Steuerung aufgrund Lage der Positionsdaten und der Fahrbetriebsdaten des vorausfahrenden Fahrzeugs beschrieben. Außerdem wird die Fahrzeugeigenbewegung mittels eines Lenkwin­ kelsensors und eines Fahrzeuggeschwindigkeitssensors erfaßt.
In der Offenlegungsschrift DE 41 33 882 A1 ist ein Verfahren zum selbsttätigen Nachführen eines Fahrzeugs auf der Spur eines vor­ ausfahrenden Führungsfahrzeugs offenbart, bei dem mittels einer elektronischen Kamera laufend Bildsignale für signifikante Heck­ bereiche des Führungsfahrzeugs erzeugt und daraus durch elektro­ nische Bildauswertung der in Fahrzeuglängsrichtung gemessene Abstand zwischen dem eigenen und dem Führungsfahrzeug sowie der Seitenversatz des Führungsfahrzeugs gegenüber der Längsachse des eigenen Fahrzeugs ermittelt und nach einer vorgegebenen mathema­ tischen Beziehung erforderliche Lenkwinkelwerte für die Nachfüh­ rung errechnet werden.
Der Erfindung liegt als technisches Problem die Bereitstellung einer Vorrichtung der eingangs genannten Art zugrunde, mit der vergleichsweise zuverlässig fahrspurverlaufsindikative Daten in Echtzeit auch bei ungünstigen Umgebungsbedingungen erhalten wer­ den können und die insbesondere eine zuverlässige Erfassung der Fahrspurkrümmung und/oder der Querposition von Objekten vor dem Fahrzeug bezogen auf die Fahrspur ermöglicht.
Die Erfindung löst dieses Problem durch die Bereitstellung einer Vorrichtung mit den Merkmalen des Anspruchs 1. Diese Vorrichtung beinhaltet eine Schätzeinrichtung, der die Fahrspurerkennungs­ meßdaten von der optischen Fahrspurerkennungssensorik und die Objektpositionsmeßdaten der Objektpositionssensorik zugeführt werden und die in Abhängigkeit von diesen Meßdaten die Fahrspur­ krümmung und/oder die Position des jeweils erkannten Objektes vor dem Fahrzeug relativ zur Fahrspur durch Schätzung unter Ver­ wendung eines vorgebbaren, ein dynamisches Fahrzeugbewegungsmo­ dell beinhaltenden Schätzalgorithmus ermittelt. Die Schätzein­ richtung kann insbesondere ein sogenannter Beobachter oder ein Kalman-Filter sein. Da in die Schätzeinrichtung die Ausgangs­ signale sowohl der Fahrspurerkennungssensorik als auch der Ob­ jektpositionssensorik eingehen, wird dort eine nichttriviale Fu­ sion beider Sensorfunktionalitäten durch den Schätzalgorithmus erreicht, die zur Folge hat, daß selbst bei zeitweiligem Ausfall der einen oder der anderen Sensorik noch eine zuverlässige Schätzung des Fahrspurverlaufs bzw. der Querlage von Objekten vor dem eigenen Fahrzeug bezogen auf die Fahrspur möglich ist, wobei die Genauigkeit im allgemeinen merklich höher ist als bei einer bloßen Anordnung beider Sensoriken ohne sensorfusionieren­ de Schätzeinrichtung.
Bei einer nach Anspruch 2 weitergebildeten Vorrichtung gehen die geometrischen Beziehungen zwischen den von der Fahrspurerken­ nungssensorik und der Objektpositionssensorik erfaßten Meßgrößen als Meßgleichungen und deren dynamische Beziehungen als Zu­ standsgrößen-Differentialgleichungen in den Schätzalgorithmus ein. Dabei geht die Querposition eines jeweils vor dem Fahrzeug erkannten Objektes bezüglich der Fahrspur als zeitlich konstante Zustandsgröße in das Differentialgleichungssystem ein. Dieses Modell eignet sich besonders in Realisierungen, in denen die Ob­ jektpositionssensorik unmittelbar den Richtungswinkel und den Abstand der Objekte und nicht nur diesbezügliche Rohdaten lie­ fert, so daß die Zuordnung der Objekte zu den Objektzuständen und deren korrespondierenden Meßgleichungen direkt gegeben ist. Wenn dies nicht der Fall ist, ist eine Weiterbildung der Erfin­ dung nach Anspruch 3 vorteilhaft, bei der zusätzlich der Ob­ jektabstand und dessen Änderungsgeschwindigkeit als Zustandsgrö­ ßen in das Differentialgleichungssystem eingehen, wobei darin die Abstandsänderungsgeschwindigkeit als zeitlich konstante Grö­ ße behandelt wird.
In weiterer Ausgestaltung der Erfindung nach Anspruch 4 besteht die Schätzeinrichtung aus einem Kalman-Filter.
Vorteilhafte Ausführungsformen der Erfindung sind in den Zeich­ nungen dargestellt und werden nachfolgend beschrieben. Hierbei zeigen:
Fig. 1 eine schematische Darstellung einer Straßenverkehrssitua­ tion mit einem erfindungsgemäß ausgerüsteten Personen­ kraftwagen und einem vorausfahrenden Personenkraftwagen,
Fig. 2 ein schematisches Blockdiagramm der im hinteren Personen­ kraftwagen von Fig. 1 implementierten Vorrichtung zur Er­ mittlung fahrspurverlaufsindikativer Daten,
Fig. 3 ein Diagramm zur Veranschaulichung von durch die Vorrich­ tung nach Fig. 2 ermittelten Fahrspurkrümmungen und
Fig. 4 ein Diagramm zur Veranschaulichung der durch die Vorrich­ tung nach Fig. 2 ermittelten Querposition des vorausfah­ renden Fahrzeugs.
Fig. 1 zeigt eine Verkehrssituation, bei der sich ein Personen­ kraftwagen 1 mit einer Längsgeschwindigkeit v, einer Querge­ schwindigkeit vQ und einer Giergeschwindigkeit auf einer Fahr­ spur 2 einer Straße bewegt. Das Fahrzeug 1 ist mit einer Vor­ richtung 3 zur Ermittlung fahrspurverlaufsindikativer Daten, insbesondere der Krümmung der Fahrspur 2 im Bereich vor dem Fahrzeug 1 sowie der bezüglich der Fahrspurmitte gemessenen Querposition xR eines jeweiligen, vor dem Fahrzeug 1 befindlichen Objektes, wie des vorausfahrenden Personenkraftwagens 4, ausge­ rüstet. Diese Vorrichtung 3 beinhaltet zum einen eine herkömmli­ che Objektpositionssensorik auf Radarbasis, mit welcher der Richtungswinkel ϕ zwischen der Richtung, unter der das vor dem Fahrzeug 1 befindliche Objekt 4 bezüglich der Längsrichtung des eigenen Fahrzeugs 1 erscheint, sowie der Abstand d und die Rela­ tivgeschwindigkeit vrel des Objektes 4, nachfolgend als Radarob­ jekt bezeichnet, erfaßt werden. Mit Δψ ist der relative Gierwin­ kel, d. h. der Winkel der Fahrzeuglängsrichtung zur Fahrspur­ tangente bezeichnet. Die Fahrspurbreite ist mit b angegeben. Die Fahrspurkrümmung ist mit c0 und die Krümmungsänderung mit c1 be­ zeichnet. Gut ausgebaute Straßen sind so ausgelegt, daß sich die Fahrspurkrümmung c0 annäherungsweise proportional mit der kon­ stanten Rate c1 ändert, d. h. die Krümmung c0(L) im Abstand L ist gegeben durch c0(L) = c0(0) + c1L. Die Querposition des eigenen Fahr­ zeugs 1 bezüglich der Fahrspurmitte S ist mit x und diejenige des Radarobjektes mit xR bezeichnet.
Die Vorrichtung 3 zur Ermittlung fahrspurverlaufsindikativer Da­ ten beinhaltet des weiteren eine herkömmliche Fahrzeugeigenbewe­ gungssensorik, mit der die Meßgrößen des eigenen Fahrzeugs 1 er­ faßt werden, wie Längsgeschwindigkeit v, Quergeschwindigkeit vQ und Giergeschwindigkeit , sowie eine herkömmliche Fahrspur­ erkennungssensorik in Form eines optischen Bildaufnahme- und Bildverarbeitssystems. Dieses System beinhaltet als bildaufneh­ mendes Element eine Videokamera mit den Brennweitenparametern fx und fy in Längs- bzw. Querrichtung, wobei die Kamera auf einer Höhe H über der Fahrbahn unter einem Nickwinkel α angeordnet ist. Wird zusätzlich ein Parameter a mit einem Wert von -0,5 für die Markierung des linken Fahrspurrandes und einem Wert von +0,5 für die Markierung des rechten Fahrspurrandes eingeführt, so gelten zwischen den Kamerabildkoordinaten xB, yB der Fahrspur­ randmarkierung in einer Entfernung L die Beziehungen

xB = fx(ab - x - ΔψL + c0L2/2 + c1L3/6)/L und
L = H(1 - yBtanα/fy)/(yB/fy + tanα).
Die unbekannten Größen in der obigen Beziehung für die Kamera­ bildkoordinate xB können mittels Parameterschätzverfahren, wie z. B. der Methode der kleinsten Quadrate, bestimmt werden, wenn eine ausreichende Anzahl von Bildkoordinaten xB, yB verschiedener Fahrbahnmarkierungen durch die Bildverarbeitung ermittelt worden sind. Bessere Ergebnisse werden jedoch durch die Anwendung einer Beobachter- bzw. Kalman-Filtertechnik erhalten, bei welcher für die Schätzung die kinematischen Kopplungen und dynamischen Be­ dingungen der relevanten Parameter berücksichtigt werden. Dabei lassen sich durch das Schätzverfahren die Sensorinformationen aus der Fahrspurerkennungssensorik und der Objektpositionssenso­ rik in verschiedenen Varianten unterschiedlich stark fusionie­ ren, wobei auf die verschiedenen Varianten unten näher eingegan­ gen wird. Die Vorgehensweise basiert jeweils darauf, daß zu­ nächst die physikalischen Zusammenhänge bestimmt und dann in sy­ stemtheoretischer Form mit einem linearen Prozeßmodell der Form
= Ax + Bu
sowie einer nichtlinearen Meßgleichung der Form
y = h(x)
dargestellt werden, wie für Beobachter bzw. Kalman-Filter geläu­ fig, wobei x den Zustandsgrößenvektor, y den Meßgrößenvektor, u und h(x) aus den für das betreffende System geltenden Beziehun­ gen zu ermittelnde Vektorfunktionen sowie A und B zugehörige Ma­ trizen bezeichnen. Ein Vergleich mit den obigen Beziehungen er­ gibt als Zustandsgrößenvektor x = (x, Δψ, c0, c1, a, b)T, als Meßgrößen­ vektor den einzeiligen Vektor y = (xB) und für h die Beziehung h(x) = fx(ab - x - ΔψL + c0L2/2 + c1L3/6)L. Dabei sind von der 6 × 6-Matrix A nur die Matrixelemente A12 = -A23 = A34 = v und von der 2 × 2-Matrix B nur die Elemente B11 = B22 = 1 ungleich null, während die übrigen Matrix­ elemente null sind. Der Vektor u ergibt sich zu u = (vQ, ).
Es versteht sich hierbei, daß jedes Paar von gemessenen Bildko­ ordinaten (xB, yB) der Fahrspurmarkierungen eine Meßgleichungs­ zeile der Form y = h(x) ergibt.
Im Rahmen einer einfachen Fusion der Sensordaten läßt sich die Querposition xR eines Radarobjektes in der Entfernung d und unter dem Winkel ϕ durch die Beziehung
xR = ϕd + x + Δψd - c0d2/2 - c1d3/6 (G1)
annähern, wobei in diese Beziehung die Fahrspurdaten der Querpo­ sition x und des Richtungswinkels Δψ des eigenen Fahrzeugs 1 re­ lativ zur Fahrspur sowie die Fahrspurkrümmungsparameter c0 und c1 eingehen. Vorzugsweise findet eine komplexere Fusion der Sensor­ ausgangsdaten statt, wie nachfolgend näher erläutert. Fig. 2 zeigt eine auch für eine solche komplexere Sensorfusionstechnik geeignete Vorrichtung.
Die Vorrichtung von Fig. 2 beinhaltet die erforderliche Fahr­ spurerkennungs- und Objektpositions-Sensorikeinheit 10, welche die Meßwerte der Meßgrößen y liefert. Die Fahrspurerkennungssen­ sorik ist, wie gesagt, von einem Bildaufnahme- und Bildverarbei­ tungssystem gebildet, kann jedoch alternativ auch durch andere Einrichtungen mit fahrspurerkennender Funktion realisiert sein, z. B. ein auf Induktionsschleifen oder magnetischen Nägeln ent­ lang der Fahrspur basierendes System oder ein auf dem sogenann­ ten GPS (Global Positioning System) basierenden System zur ge­ nauen Erfassung der Fahrzeugposition. Die Objektpositionssenso­ rik ist im gezeigten Beispiel durch den Radarteil eines Ab­ standsregeltempomaten (ART) realisiert, es kann jedoch zu diesem Zweck der Erkennung der Position von Objekten vor dem Fahrzeug und insbesondere von vorausfahrenden Fahrzeugen auch ein anderes herkömmliches System zum Einsatz kommen, welches den Abstand solcher Objekte und den Winkel erfaßt, unter dem die Objekte je­ weils erscheinen. Des weiteren weist die Vorrichtung eine Fahr­ zeugeigenbewegungssensorik 11 auf, die unter anderem die Längs- und Quergeschwindigkeit v, vQ des eigenen Fahrzeugs und dessen Giergeschwindigkeit erfaßt.
Als zentralen Bestandteil beinhaltet die Vorrichtung von Fig. 2 ein Kalman-Filter 12 üblichen Aufbaus mit einer Verstärkungsstu­ fe 13, einer Modellrechenstufe 14 und einer Meßgleichungsstufe 15. Am Ausgang der Meßgleichungsstufe 15 wird der Schätz-Meß­ größenvektor als Ausgangssignal abgegeben, der in einem Sub­ trahierer 16 von den Meßwerten des Meßgrößenvektors y subtra­ hiert wird. Die daraus resultierende Differenz y - wird einem Eingang der Verstärkungsstufe 13 zugeführt, der an einem zweiten Eingang das Ausgangssignal der Fahrzeugeigenbewegungssensorik 11 zugeführt wird. Das Ausgangssignal der Fahrzeugeigenbewegungs­ sensorik 11 wird parallel dazu einem Eingang der Modellrechen­ stufe 14 zugeführt, welcher an einem zweiten Eingang das Aus­ gangssignal der Verstärkungsstufe 13 zugeführt wird. Das Aus­ gangssignal der Modellrechenstufe 14 wird der Meßgleichungsstufe 15 zugeführt, die daraus den Schätz-Meßgrößenvektor generiert. Durch die Verknüpfung, d. h. Fusion, der Ausgangssignale der Ob­ jektpositionssensorik und der Fahrspurerkennungssensorik mittels dieser Kalman-Filtertechnik macht es möglich, gleichzeitig so­ wohl die Fahrspurerkennung als auch die Spurzuordnung der Radar­ objekte zu verbessern.
In einer ersten weiterentwickelten Variante der oben erläuterten einfachen Sensorfusion werden die Daten der Objektpositionssen­ sorik, d. h. des Radars, zwecks Verbesserung der Spurschätzung dahingehend verwendet, daß die nicht direkt meßbare Querposition xR eines jeweiligen Radarobjektes als eine Zustandsgröße in den Schätzalgorithmus eingeführt wird. Als Modell für diese Querpo­ sition xR wird angenommen, daß Radarobjekte, auch vorausfahrende Fahrzeuge, im zeitlichen Mittel ihre Lage bezüglich der Fahrspur beibehalten, so daß die Zustandsdifferentialgleichungen für je­ des Radarobjekt um die Gleichung R = 0 erweitert werden. Außerdem wird die sich aus der obigen Beziehung für die Querposition xR eines jeweiligen Radarobjektes ergebende Beziehung

ϕ = -x/d - Δψ + c0d/2 + c1d2/6 + xR/d
für den Radarobjekt-Richtungswinkel ϕ als eine zusätzliche Meß­ gleichung genutzt. Tatsächlich gemessen werden vom Abstandsradar der Abstand d, die Relativgeschwindigkeit vrel und der Richtungs­ winkel ϕ. Für jedes Radarobjekt erweitern sich somit der Zu­ standsgrößenvektor x um die jeweilige Querposition xR des betref­ fenden Radarobjektes, während der Vektor u unverändert bleibt und die Matrizen A und B nur um weitere Matrixelemente mit dem Wert null erweitert werden. Zudem erweitert sich die systemtheo­ retische Meßgleichung pro Radarobjekt um je eine weitere Zeile der Form y = ϕ mit h(x) = -x/d - Δψ + c0d/2 + c1d2/6 + xR/d.
Dabei wurde der Übersichtlichkeit halber von der Einführung wei­ terer Indizes für das jeweilige Radarobjekt abgesehen. Die damit realisierte Vorrichtung ist zur Ermittlung des Fahrspurverlaufs vor dem eigenen Fahrzeug und der Querposition von dort detek­ tierten Objekten unter Nutzung des Schätzalgorithmus mittels Kalman-Filter besonders für diejenigen Anwendungsfälle geeignet, in denen vom Abstandsradar der Abstand d und der Richtungswinkel ϕ zu jedem Radarobjekt geliefert werden, so daß die Zuordnung zu den Radarobjekt-Zuständen, d. h. insbesondere zu deren Querposi­ tion xR relativ zur Fahrspur, und zu deren korrespondierenden Meßgleichungen direkt gegeben ist. In realen Systemen liefert das Abstandsradar jedoch zunächst nur Radarrohziele, d. h. Sätze zusammengehöriger Messungen des Abstands d, der Relativgeschwin­ digkeit vrel und des Richtungswinkels ϕ, aus denen dann erst die Radarobjekte als gespeicherte Objekte durch Zielverfolgung von Radarrohzielen, d. h. durch Zuordnung aktueller Messungen zu ge­ speicherten Objekten, die ihrerseits früheren, gefilterten Mes­ sungen entsprechen, erzeugt werden.
In diesem Fall kann die Vorrichtung von Fig. 2 in einer noch weiter entwickelten Variante so ausgelegt sein, daß die Radarob­ jekte im Sensorfusionssystem selbst erzeugt werden. Dazu wird dann der Schätzalgorithmus im Kalman-Filter 12 wie folgt erwei­ tert. Pro Radarobjekt werden zusätzlich der Abstand dR und die Relativgeschwindigkeit vrelR als Zustandsgrößen eingeführt, für welche die kinematischen Zustandsdifferentialgleichungen
R = vrelR und relR = 0
angesetzt werden. Die Zustände dR und vrelR werden direkt gemes­ sen, so daß der geometrische Zusammenhang zwischen diesen Zu­ standsgrößen dR, vrelR und den Meßgrößen d, vrel durch d = dR bzw. vrel = vrelR gegeben ist. Pro Radarobjekt erweitert sich somit der Zustandsgrößenvektor x um den dreizeiligen Vektor (xR, dR, vrelR)T, wobei wiederum der Übersichtlichkeit halber ein weiterer Index zur Unterscheidung der verschiedenen Radarobjekte weggelassen ist. Außerdem erweitert sich dementsprechend die Matrix A in der Hauptdiagonalen um eine 3 × 3-Matrix, bei der nur das Element der zweiten Zeile und dritten Spalte den Wert eins hat, während die übrigen Matrixelemente null sind. Der Vektor u bleibt unverän­ dert. Die systemtheoretische Meßgleichung erweitert sich hinge­ gen pro Radarobjekt um den Zusatz-Meßgrößenvektor yz = (ϕ, d, vrel)T und um drei entsprechende zusätzliche Zeilen
hz(x) = (-x/dR - Δψ + c0dR/2 + c1dR 2/6 + xR/dR, dR, vrelR)T
zu der Funktion h(x). Die Zielverfolgung kann z. B. dadurch rea­ lisiert werden, daß die Radarrohziele mit Hilfe eines 3σ-Tests für die drei Meßgrößen ϕ, d und vrel des Abstandsradars den Radar­ objekten zugeordnet werden. Ein solcher 3σ-Test ist beispiels­ weise in der Dissertation von B. Mysliwetz, Parallelrechner­ basierte Bildfolgen-Interpretation zur autonomen Fahrzeugsteue­ rung, Universität der Bundeswehr München, 1990 beschrieben. Bei Bedarf kann für den Filterentwurf ein erweitertes Kalman-Filter Verwendung finden, bei dem additiv zum Zustandsdifferentialglei­ chungssystem stochastisches Prozeßrauschen und zum Meßglei­ chungssystem stochastisches Meßrauschen hinzuaddiert werden. Zur weiteren Behandlung, einschließlich Diskretisierung und Faktori­ sierung, eines solchen erweiterten kontinuierlichen Kalman- Filters kann auf die Literatur verwiesen werden, siehe z. B. V. Krebs, Nichtlineare Filterung, R. Oldenburg Verlag, München, 1980 und Bieruran, Factorization Methods for Discrete Sequential Estimation, Academic Press, New York, 1977.
Im Diagramm von Fig. 3 sind Resultate bezüglich der Schätzung des Fahrspurverlaufs, speziell über den Wert der geschätzt er­ mittelten Spurkrümmung c0 in Abhängigkeit von der Zeit t während eines beispielhaften Fahrabschnitts dargestellt. Dabei werden die Resultate gemäß der oben erwähnten einfachen Sensorfusion mit den Resultaten der zuletzt beschriebenen Systemauslegung mit einer Sensorfusion mit drei Zuständen pro Radarobjekt im Kalman- Filter verglichen. In Fällen guter Sichtweite von beispielsweise mehr als etwa 60 m sind die Ergebnisse für beide Systemauslegun­ gen näherungsweise gleich und durch die gemeinsame, durchgezogen gezeichnete Kennlinie K1 veranschaulicht, die folglich als Refe­ renz für den Fall schlechter Sichtweite dienen kann. Zum Ver­ gleich wurde derselbe Fahrspurabschnitt nochmals für den Fall einer schlechten Sichtweite von nur etwa 20 m durchfahren. Die gestrichelte Kennlinie K2 zeigt dann das Ergebnis der einfachen Sensorfunktion ohne Verwendung der Abstandsradardaten zur Ver­ besserung der Spurschätzung, während die gepunktet dargestellte Kennlinie K3 das Resultat des komplexen Sensorfusionssystems mit drei Zuständen pro Radarobjekt für die Zustandsschätzung wieder­ gibt. An den Werten für c0 ist ablesbar, daß der befahrene Fahr­ spurabschnitt zunächst in den ersten 20 Sekunden eine Linkskurve war, die dann in eine Rechtskurve überging.
Aus Fig. 3 ist des weiteren ersichtlich, daß bei schlechter Sichtweite die Schätzung der Fahrspurkrümmung c0 durch das System mit komplexerer Sensorfusion dem Referenzverlauf gemäß der Kenn­ linie K1 deutlich näher kommt als das Ergebnis der rein opti­ schen Spurerkennung mit nur einfacher Sensorfusion gemäß der Kennlinie K2. Außerdem ist ein Voreilen der vom System mit kom­ plexerer Sensorfusion bei schlechter Sichtweite geschätzten Spurkrümmung gegenüber der von den beiden betrachteten Systemen bei guter Sichtweite geschätzten Spurkrümmung beim Übergang von der Links- in die Rechtskurve zu beobachten. Dies kann als Ver­ größerung der Sichtweite mit Hilfe des oder der detektierten Ra­ darobjekte interpretiert werden. Bei guter Sichtweite tritt die­ ser Voreil-Effekt deshalb nicht so stark in Erscheinung, weil es dann mehr Meßpunkte aus der optischen Fahrspurerkennungssensorik gibt und die Messung des Radarobjekts somit nicht so stark ins Gewicht fällt.
Im Diagramm von Fig. 4 sind Ergebnisse der beiden zu Fig. 3 be­ trachteten Systemauslegungen bezüglich der Ermittlung der Quer­ position xR eines vorausfahrenden, detektierten Radarobjektes, d. h. speziell eines vorausfahrenden Fahrzeuges, mittels Schät­ zung veranschaulicht. Dabei variierte der Abstand dieses Objek­ tes zum eigenen Fahrzeug zwischen etwa 85 m und 115 m. Die punk­ tiert gezeichnete, stärker verrauschte Kennlinie K4 stellt das Resultat für die geschätzte Querposition xR in Abhängigkeit von der Zeit t für den beispielhaften Fahrabschnitt bei schlechter Sichtweite dar, wie es von dem System mit einfacher Sensorfusion erhalten wird, indem die Radarobjekt-Querposition xR unter Ver­ wendung ungefilterter Abstandsradarmessungen anhand der obigen Näherungsgleichung G1 für xR berechnet wird. Die durchgezogene, glattere Kennlinie K5 zeigt hingegen für dieselbe Fahrsituation das Ergebnis der Schätzung der Radarobjekt-Querposition xR durch das System mit komplexerer Sensorfusion, bei welchem diese Quer­ position xR neben dem Radarobjektabstand dR und der Objektrela­ tivgeschwindigkeit vrelR als Zustandsgröße in das Kalman-Filter eingeht.
Während für den nicht dargestellten Fall guter Sichtweite durch eine Tiefpaßfilterung der verrauschteren Kennlinie des Systems mit einfacher Sensorfusion ähnliche Ergebnisse erhalten werden wie durch das System mit komplexerer Sensorfusion, ergibt sich bei schlechter Sichtweite, daß in dieser Situation nur das Sy­ stem mit komplexerer Sensorfusion noch ein Resultat für die ge­ schätzt ermittelte Radarobjekt-Querposition xR ähnlich demjenigen bei guter Sichtweite liefert. Das System mit einfacher Sensor­ funktion liefert hingegen bei dieser schlechten Sichtweite ein davon signifikant unterschiedliches Ergebnis. Denn selbst eine Tiefpaßfilterung der Kennlinie K4 ergibt einen noch immer deut­ lich von demjenigen der Kennlinie K5 verschiedenen Verlauf.
Daraus folgt, daß die komplexere Sensorfusion mit Kalman-Filter vor allem bei schlechter Sichtweite deutlich bessere Schätz­ ergebnisse auch für die Querposition xR von vor dem Fahrzeug be­ findlichen Objekten liefert als eine einfache Verknüpfung von Spurerkennung und Abstandsradar. Im Gegensatz zur einfachen Ver­ knüpfung von optischer Spurerkennung und Abstandsradar erlaubt es somit die Sensorfusion mit Kalman-Filter, die Spurablage, d. h. die Querposition, vorausfahrender Fahrzeuge und anderer Ob­ jekte vor dem Fahrzeug auch bei schlechter Sichtweite sehr zu­ verlässig zu berechnen. Je nach Systemauslegung kann dabei für die Sensorfusion eine Vorverarbeitung bzw. Zielverfolgung anhand der Radardaten vorausgesetzt werden oder es können rohe Radarda­ ten im Kalman-Filter verarbeitet werden. In letzterem Fall lie­ fert die erfindungsgemäße Vorrichtung neben den Fahrspurdaten auch im Sinne minimaler Varianz optimal gefilterte Radarobjekte.
Die erfindungsgemäße Vorrichtung ermöglicht die Ermittlung fahr­ spurverlaufsindikativer Daten in Form der geschätzten Fahrbahn­ krümmung c0 und/oder der Querposition xR eines jeweiligen Objek­ tes vor dem eigenen Fahrzeug in Echtzeit auch mit den in Fahr­ zeugen naturgemäß begrenzten Rechenkapazitäten. Es versteht sich, daß neben den beschriebenen weitere Realisierungen der er­ findungsgemäßen Vorrichtung möglich sind. So kann eine noch kom­ plexere Systemauslegung zur weiteren Verbesserung der Spurschät­ zung vorgesehen werden, bei welcher zur genaueren Messung des Richtungswinkels ϕ eines jeweiligen Radarobjektes mit Hilfe des Abstandsradars die ungefähre Objektposition bestimmt und diese dann mittels eines Bildaufnahme- und Bildverarbeitungssystems mit höherer Genauigkeit ermittelt wird. Für die Bildverarbeitung kann ein einfaches Objekterkennungsverfahren eingesetzt werden, das z. B. auch die Symmetrie von Objekten, wie Fahrzeugen, aus­ nutzt, siehe z. B. hierzu A. Kühnle, Symmetry-based recognition of vehicle rears, Pattern Recognition Letters 12, April 1991, Seite 249. Des weiteren kann anstelle des Abstandsradarsystems eine andere Objektpositionssensorik verwendet werden, z. B. bei Vorhandensein einer ausreichenden Rechenleistung ein Stereobild­ aufnahme- und Stereobildverarbeitungssystem. Die in diesem Fall nicht mehr direkt meßbare Relativgeschwindigkeit kann dann als Zustand im Kalman-Filter beobachtet werden.
Eine weitere Möglichkeit der Fahrspurerkennung besteht in der Verwendung eines GPS und einer geeigneten digitalen Wegenetzkar­ te. Damit können die eigene Position sowie Koordinaten der aktu­ ellen Fahrspur in einer Entfernung LGPS ermittelt werden, und das Meßgleichungssystem läßt sich um die Zeile
xGPS = -x + ΔψLGPS + c0L2 GPS/2 + c1L3 GPS/6
erweitern.
Die erfindungsgemäße Vorrichtung kann aufgrund ihrer Eigen­ schaft, eine zuverlässige Schätzung des Fahrspurverlaufs durch Berücksichtigung stehender und/oder fahrender Objekte in einem geschlossenen Schätzalgorithmus zu liefern, unterstützend in Sy­ stemen zur automatischen Quer- und/oder Längsführung von Kraft­ fahrzeugen und in Warnsystemen, z. B. in einem Auffahrwarnsystem, eingesetzt werden.

Claims (4)

1. Vorrichtung zur Ermittlung von für den Verlauf einer Fahrspur indikativen Daten, mit
  • 1. einer Fahrspurerkennungssensorik (10) welche Fahrspurerken­ nungsmeßdaten liefert,
  • 2. einer Objektpositionssensorik (10), welche wenigstens den Ab­ stand (d) eines vor dem Fahrzeug befindlichen Objektes (4) und dessen Richtungswinkel (ϕ) bezüglich der Fahrzeugbewegungsrich­ tung erfaßt, und
  • 3. einer Fahrzeugeigenbewegungssensorik (11) zur Erfassung der Fahrzeugeigenbewegung,
gekennzeichnet durch
  • 1. eine Schätzeinrichtung (12), der die Fahrspurerkennungsmeßda­ ten von der Fahrspurerkennungssensorik (10) und die Objektposi­ tionsmeßdaten von der Objektpositionssensorik (10) sowie die Fahrzeugeigenbewegungsmeßdaten von der Fahrzeugeigenbewegungs­ sensorik (11) zugeführt werden und die in Abhängigkeit von die­ sen Meßdaten die Fahrspurkrümmung (c0) und/oder die Querposition (xR) eines jeweiligen, von der Objektpositionssensorik detektier­ ten Objektes relativ zur Fahrspur (2) durch Schätzung mittels eines vorgebbaren, ein dynamisches Fahrzeugbewegungsmodell bein­ haltenden Schätzalgorithmus ermittelt.
2. Vorrichtung nach Anspruch 1, weiter dadurch gekennzeichnet, daß die geometrischen Beziehungen zwischen den von der Fahrspur­ erkennungssensorik und der Objektpositionssensorik erfaßten Meß­ größen als Meßgleichungen und deren dynamische Beziehungen als Zustandsgrößendifferentialgleichungen in den Schätzalgorithmus eingehen, wobei die Querposition (xR) eines jeweiligen Objektes als zeitlich konstante Zustandsgröße in den Differentialglei­ chungen behandelt wird.
3. Vorrichtung nach Anspruch 2, weiter dadurch gekennzeichnet, daß der Abstand (dR) und die Abstandsänderungsgeschwindigkeit (vrelR) als weitere Zustandsgrößen in den Schätzalgorithmus eingehen, wobei die Abstandsänderungsgeschwindigkeit als zeitlich konstan­ te Zustandsgröße behandelt wird.
4. Vorrichtung nach einem der Ansprüche 1 bis 3, weiter dadurch gekennzeichnet, daß die Schätzeinrichtung ein Kalman-Filter (12) ist.
DE19749086A 1997-11-06 1997-11-06 Vorrichtung zur Ermittlung fahrspurverlaufsindikativer Daten Expired - Lifetime DE19749086C1 (de)

Priority Applications (4)

Application Number Priority Date Filing Date Title
DE19749086A DE19749086C1 (de) 1997-11-06 1997-11-06 Vorrichtung zur Ermittlung fahrspurverlaufsindikativer Daten
EP98119664A EP0915350A3 (de) 1997-11-06 1998-10-17 Vorrichtung zur Ermittlung fahrspurverlaufsindikativer Daten
JP10349238A JPH11265442A (ja) 1997-11-06 1998-11-04 車線の推移を示すデータを求める装置
US09/187,530 US6292752B1 (en) 1997-11-06 1998-11-06 Device for acquiring lane path indicative data

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE19749086A DE19749086C1 (de) 1997-11-06 1997-11-06 Vorrichtung zur Ermittlung fahrspurverlaufsindikativer Daten

Publications (1)

Publication Number Publication Date
DE19749086C1 true DE19749086C1 (de) 1999-08-12

Family

ID=7847835

Family Applications (1)

Application Number Title Priority Date Filing Date
DE19749086A Expired - Lifetime DE19749086C1 (de) 1997-11-06 1997-11-06 Vorrichtung zur Ermittlung fahrspurverlaufsindikativer Daten

Country Status (4)

Country Link
US (1) US6292752B1 (de)
EP (1) EP0915350A3 (de)
JP (1) JPH11265442A (de)
DE (1) DE19749086C1 (de)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10127034A1 (de) * 2001-06-02 2002-12-05 Opel Adam Ag Verfahren und Vorrichtung zur Ermittlung eines Spurverlaufs einer Fahrbahn
US6597984B2 (en) 2000-07-25 2003-07-22 Daimlerchrysler Ag Multisensory correlation of traffic lanes
WO2005037592A1 (de) * 2003-09-23 2005-04-28 Daimlerchrysler Ag Verfahren und vorrichtung zur erkennung von spurwechselvorgängen für ein fahrzeug
DE10341905A1 (de) * 2003-09-11 2005-05-12 Daimler Chrysler Ag Verfahren und Vorrichtung zur Ermittlung einer Position eines Kraftfahrzeugs auf einer Strasse
DE102004001909A1 (de) * 2004-01-14 2005-08-04 Daimlerchrysler Ag Verfahren und Vorrichtung zur Verarbeitung von Sensordaten
WO2005090124A1 (de) 2004-02-20 2005-09-29 Daimlerchrysler Ag Bildverarbeitungssystem für kraftfahrzeuge
DE102004028404A1 (de) * 2004-06-14 2006-01-19 Daimlerchrysler Ag Verfahren zur Schätzung des Verlaufs einer Fahrspur eines Kraftfahrzeuges
DE102007034196A1 (de) 2007-07-23 2009-01-29 Robert Bosch Gmbh Verfahren und Vorrichtung für die Spurerfassung mit einem Fahrerassistenzsystem
DE19962997B4 (de) * 1999-12-24 2010-06-02 Robert Bosch Gmbh Verfahren zur Kalibrierung eines Sensorsystems
DE102009033219A1 (de) 2009-01-23 2010-07-29 Daimler Ag Verfahren zur Ermittlung eines Fahrzeug vorausliegenden Straßenprofils einer Fahrspur
DE102004008867B4 (de) * 2003-02-22 2011-04-07 Daimler Ag Bildverarbeitungssystem für Kraftfahrzeuge
DE102010032064A1 (de) 2010-07-23 2011-05-12 Daimler Ag Verfahren zur Unterstützung eines Fahrers eines Fahrzeugs bei der Querführung des Fahrzeugs
EP2826687A1 (de) 2013-07-16 2015-01-21 Honda Research Institute Europe GmbH Technik für Fahrspurzuweisung in einem Fahrzeug
DE102019004913A1 (de) 2019-07-12 2020-01-16 Daimler Ag Verfahren zur Überwachung eines Spurhalteassistenzsystems für ein Fahrzeug
DE102011120497B4 (de) * 2010-12-13 2020-03-05 GM Global Technology Operations, LLC (n.d. Ges. d. Staates Delaware) Systeme und Verfahren zur präzisen Fahrzeugpositionsbestimmung innerhalb einer Fahrspur
DE102012214206B4 (de) 2012-08-09 2022-12-22 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur Krümmungserkennung eines Fahrspurverlaufs während einer vollautomatischen Fahrzeugführung

Families Citing this family (79)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6822563B2 (en) 1997-09-22 2004-11-23 Donnelly Corporation Vehicle imaging system with accessory control
US5877897A (en) 1993-02-26 1999-03-02 Donnelly Corporation Automatic rearview mirror, vehicle lighting control and vehicle interior monitoring system using a photosensor array
US6891563B2 (en) 1996-05-22 2005-05-10 Donnelly Corporation Vehicular vision system
US7655894B2 (en) 1996-03-25 2010-02-02 Donnelly Corporation Vehicular image sensing system
DE10007217A1 (de) 2000-02-17 2001-08-30 Bosch Gmbh Robert Verfahren zur Korrektur des Sichtbereiches eines Abstandssensors bei einem von der Mittelachse eines Kraftfahrzeugs versetzten Einbau
DE10011263A1 (de) 2000-03-08 2001-09-13 Bosch Gmbh Robert Objektdetektionssystem
DE10018556A1 (de) * 2000-04-14 2001-10-18 Bosch Gmbh Robert Verfahren zur Regelung der Geschwindigkeit eines Fahrzeugs
DE10025678B4 (de) * 2000-05-24 2006-10-19 Daimlerchrysler Ag Kamerabasiertes Precrash-Erkennungssystem
KR100776860B1 (ko) * 2000-09-08 2007-11-16 레이던 컴퍼니 경로 예측 시스템 및 방법
JP3521860B2 (ja) * 2000-10-02 2004-04-26 日産自動車株式会社 車両の走行路認識装置
JP3750512B2 (ja) * 2000-10-12 2006-03-01 日産自動車株式会社 車両用周辺障害物検出装置
US7805442B1 (en) 2000-12-05 2010-09-28 Navteq North America, Llc Method and system for representation of geographical features in a computer-based system
DE10100413A1 (de) * 2001-01-08 2002-07-11 Bosch Gmbh Robert Verfahren und Vorrichtung zur Schätzung von Bewegungsparametern von Zielen
US6795765B2 (en) * 2001-03-22 2004-09-21 Visteon Global Technologies, Inc. Tracking of a target vehicle using adaptive cruise control
US6651012B1 (en) * 2001-05-24 2003-11-18 Simmonds Precision Products, Inc. Method and apparatus for trending and predicting the health of a component
US6882287B2 (en) 2001-07-31 2005-04-19 Donnelly Corporation Automotive lane change aid
US6643588B1 (en) * 2002-04-11 2003-11-04 Visteon Global Technologies, Inc. Geometric based path prediction method using moving and stop objects
WO2003093857A2 (en) 2002-05-03 2003-11-13 Donnelly Corporation Object detection system for vehicle
US7522091B2 (en) 2002-07-15 2009-04-21 Automotive Systems Laboratory, Inc. Road curvature estimation system
WO2004008648A2 (en) 2002-07-15 2004-01-22 Automotive Systems Laboratory, Inc. Road curvature estimation and automotive target state estimation system
DE10251558A1 (de) 2002-11-06 2004-05-19 Bayerische Motoren Werke Ag Verfahren zur Ermittlung von Geometriedaten für Einparkvorgänge von Fahrzeugen
US7510038B2 (en) * 2003-06-11 2009-03-31 Delphi Technologies, Inc. Steering system with lane keeping integration
US9341485B1 (en) * 2003-06-19 2016-05-17 Here Global B.V. Method and apparatus for representing road intersections
US8892356B1 (en) 2003-06-19 2014-11-18 Here Global B.V. Method and system for representing traffic signals in a road network database
DE10333962A1 (de) * 2003-07-25 2005-02-10 Robert Bosch Gmbh Verfahren zum Betreiben eines Fahrzeugs
US6834232B1 (en) 2003-07-30 2004-12-21 Ford Global Technologies, Llc Dual disimilar sensing object detection and targeting system
DE10351066A1 (de) * 2003-10-31 2005-06-02 Conti Temic Microelectronic Gmbh Verfahren und Vorrichtung zur Abstands- und/oder Geschwindigkeitsmessung
WO2005062984A2 (en) * 2003-12-24 2005-07-14 Automotive Systems Laboratory, Inc. Road curvature estimation system
DE102004013818A1 (de) * 2004-03-20 2005-10-06 Robert Bosch Gmbh Objektortungssystem für Kraftfahrzeuge
US7526103B2 (en) 2004-04-15 2009-04-28 Donnelly Corporation Imaging system for vehicle
US7702425B2 (en) * 2004-06-07 2010-04-20 Ford Global Technologies Object classification system for a vehicle
FR2871426B1 (fr) * 2004-06-14 2007-09-14 Renault V I Sa Procede d'estimation de l'ecart evalue entre la position d'un vehicule et une trajectoire theorique
US7881496B2 (en) 2004-09-30 2011-02-01 Donnelly Corporation Vision system for vehicle
DE102004048011A1 (de) * 2004-10-01 2006-04-06 Robert Bosch Gmbh Verfahren und Vorrichtung zur Fahrerunterstützung
DE102004058676A1 (de) * 2004-12-06 2006-06-14 Robert Bosch Gmbh Spurhaltesystem für Kraftfahrzeuge mit Trajektorienbestimmung
US7720580B2 (en) 2004-12-23 2010-05-18 Donnelly Corporation Object detection system for vehicle
US7050908B1 (en) * 2005-03-22 2006-05-23 Delphi Technologies, Inc. Lane marker projection method for a motor vehicle vision system
DE102005039895A1 (de) * 2005-08-23 2007-03-01 Siemens Ag System für Spurverlassenswarnung und/oder Spurhaltefunktion
DE102005049368B4 (de) * 2005-10-11 2017-06-08 Volkswagen Ag Verfahren und Vorrichtung zum Abbremsen eines zweispurigen Kraftfahrzeugs bei unterschiedlichen Reibungsverhältnissen der Fahrzeugspuren
WO2008024639A2 (en) 2006-08-11 2008-02-28 Donnelly Corporation Automatic headlamp control system
JP4869858B2 (ja) * 2006-10-05 2012-02-08 クラリオン株式会社 車両の走行制御システム
KR100941271B1 (ko) * 2007-03-30 2010-02-11 현대자동차주식회사 자동차용 차선이탈 방지 방법
US20100055132A1 (en) 2007-04-04 2010-03-04 Thomas Dag Horn Non-specific delayed-type hypersensitivity response to treat herpes simplex virus infection
KR101071732B1 (ko) * 2007-12-17 2011-10-11 현대자동차주식회사 차량 주행속도 제어 장치 및 그 방법
EP3193101A1 (de) 2008-07-09 2017-07-19 Skyfuel, Inc. Sonnenkollektoren mit verschiebbar entfernbaren reflektierenden tafeln zur verwendung in solarthermischen anwendungen
CN102089486A (zh) 2008-07-09 2011-06-08 天空燃料有限公司 空间框架连接件
US8904774B2 (en) 2008-08-22 2014-12-09 Skyfuel, Inc. Hydraulic-based rotational system for solar concentrators that resists high wind loads without a mechanical lock
US8055445B2 (en) 2008-09-24 2011-11-08 Delphi Technologies, Inc. Probabilistic lane assignment method
DE102009050368A1 (de) 2008-10-24 2010-05-27 Magna Electronics Europe Gmbh & Co.Kg Verfahren zum automatischen Kalibrieren einer virtuellen Kamera
US8964032B2 (en) 2009-01-30 2015-02-24 Magna Electronics Inc. Rear illumination system
GB0901906D0 (en) * 2009-02-05 2009-03-11 Trw Ltd Collision warning apparatus
US9150155B2 (en) 2010-01-13 2015-10-06 Magna Electronics Inc. Vehicular camera and method for periodic calibration of vehicular camera
EP2525303A1 (de) * 2011-05-17 2012-11-21 Harman Becker Automotive Systems GmbH Spurverfolgung
US10457209B2 (en) 2012-02-22 2019-10-29 Magna Electronics Inc. Vehicle vision system with multi-paned view
US9319637B2 (en) 2012-03-27 2016-04-19 Magna Electronics Inc. Vehicle vision system with lens pollution detection
US8504233B1 (en) * 2012-04-27 2013-08-06 Google Inc. Safely navigating on roads through maintaining safe distance from other vehicles
US8521352B1 (en) * 2012-05-07 2013-08-27 Google Inc. Controlling a vehicle having inadequate map data
US9707896B2 (en) 2012-10-15 2017-07-18 Magna Electronics Inc. Vehicle camera lens dirt protection via air flow
US9445057B2 (en) 2013-02-20 2016-09-13 Magna Electronics Inc. Vehicle vision system with dirt detection
US9224053B1 (en) 2013-07-31 2015-12-29 Google Inc. Combining multiple estimates of an environment into a consolidated estimate for an autonomous vehicle
US9460624B2 (en) 2014-05-06 2016-10-04 Toyota Motor Engineering & Manufacturing North America, Inc. Method and apparatus for determining lane identification in a roadway
FR3025898B1 (fr) * 2014-09-17 2020-02-07 Valeo Schalter Und Sensoren Gmbh Procede et systeme de localisation et de cartographie
US9618611B2 (en) * 2014-09-24 2017-04-11 Nxp B.V. Personal radar assistance
EP3007150A1 (de) * 2014-10-07 2016-04-13 Autoliv Development AB Spurwechselerkennung
JP6363519B2 (ja) * 2015-01-21 2018-07-25 株式会社デンソー 車両制御装置
US9815462B2 (en) * 2015-08-27 2017-11-14 Toyota Motor Engineering & Manufacturing North America, Inc. Path determination for automated vehicles
JP6432468B2 (ja) * 2015-08-28 2018-12-05 株式会社デンソー 車両制御装置及び走路推定方法
US9909894B2 (en) 2016-01-07 2018-03-06 Here Global B.V. Componentized junction models
US10030978B2 (en) 2016-01-17 2018-07-24 Toyota Motor Engineering & Manufacturing North America, Inc. System and method for detection of surrounding vehicle lane departure
US10234294B2 (en) 2016-04-01 2019-03-19 Here Global B.V. Road geometry matching with componentized junction models
DE102016110409A1 (de) * 2016-06-06 2017-12-07 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Verfahren zur Steuerung der Lichtverteilung einer Scheinwerferanordnung sowie eine Scheinwerferanordnung
KR20180090610A (ko) 2017-02-03 2018-08-13 삼성전자주식회사 차선 정보를 출력하는 방법 및 장치.
US10421452B2 (en) * 2017-03-06 2019-09-24 GM Global Technology Operations LLC Soft track maintenance
US10668922B2 (en) 2017-10-04 2020-06-02 Toyota Motor Engineering & Manufacturing North America, Inc. Travel lane identification without road curvature data
US10657811B2 (en) 2017-10-04 2020-05-19 Toyota Motor Engineering & Manufacturing North America, Inc. Travel lane identification without road curvature data
US10852746B2 (en) * 2018-12-12 2020-12-01 Waymo Llc Detecting general road weather conditions
US10719076B1 (en) * 2019-02-25 2020-07-21 Rockwell Collins, Inc. Lead and follower aircraft navigation system
CN110595490B (zh) * 2019-09-24 2021-12-14 百度在线网络技术（北京）有限公司 车道线感知数据的预处理方法、装置、设备和介质
US11210941B2 (en) 2019-11-22 2021-12-28 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for mitigating anomalies in lane change detection

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4133882A1 (de) * 1990-10-24 1992-04-30 Volkswagen Ag Verfahren zum selbsttaetigen nachfuehren eines fahrzeugs auf der spur eines vorausfahrenden fahrzeugs
DE4221015A1 (de) * 1991-06-28 1993-01-14 Zexel Corp System und verfahren zur automatischen fahrzeugsteuerung
DE4332836C1 (de) * 1993-09-27 1994-09-15 Daimler Benz Ag Vorrichtung zur spurhaltungsgeregelten Lenkung eines Fahrzeugs
EP0446903B1 (de) * 1990-03-15 1996-06-26 Honda Giken Kogyo Kabushiki Kaisha Gerät zum automatischen Fahren
DE19607429A1 (de) * 1996-02-28 1997-09-04 Daimler Benz Ag Fehlertolerante Regel- und/oder Steuerungseinrichtung für ein physikalisches System, insbesondere Fahrdynamikregeleinrichtung für ein Kraftfahrzeug
DE19720764A1 (de) * 1996-05-08 1997-11-13 Daimler Benz Ag Verfahren zur Erkennung des vorausliegenden Fahrbahnverlaufs für Kraftfahrzeuge
DE19743726A1 (de) * 1996-10-03 1998-04-23 Toyota Motor Co Ltd Steuergerät für ein Fahrzeug
DE19749545A1 (de) * 1996-11-20 1998-05-28 Volkswagen Ag Vorrichtung und Verfahren zur Objekterfassung für ein Kraftfahrzeug

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5390118A (en) * 1990-10-03 1995-02-14 Aisin Seiki Kabushiki Kaisha Automatic lateral guidance control system
US5479173A (en) * 1993-03-08 1995-12-26 Mazda Motor Corporation Obstacle sensing apparatus for vehicles
JPH07198349A (ja) 1993-12-29 1995-08-01 Nissan Motor Co Ltd 道路形状及び自車両姿勢の計測装置
JPH07239236A (ja) 1994-02-28 1995-09-12 Hitachi Ltd 移動体の状態量計測方法と装置および移動体の姿勢角演算装置
JP3218876B2 (ja) 1994-08-31 2001-10-15 株式会社デンソー 車両用現在位置検出装置
JP3400875B2 (ja) 1994-10-20 2003-04-28 本田技研工業株式会社 移動体の検出装置
JP3600314B2 (ja) 1995-05-19 2004-12-15 本田技研工業株式会社 車両の外部環境認識装置
JPH0996521A (ja) 1995-09-29 1997-04-08 Kansei Corp 車間距離測定装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0446903B1 (de) * 1990-03-15 1996-06-26 Honda Giken Kogyo Kabushiki Kaisha Gerät zum automatischen Fahren
DE4133882A1 (de) * 1990-10-24 1992-04-30 Volkswagen Ag Verfahren zum selbsttaetigen nachfuehren eines fahrzeugs auf der spur eines vorausfahrenden fahrzeugs
DE4221015A1 (de) * 1991-06-28 1993-01-14 Zexel Corp System und verfahren zur automatischen fahrzeugsteuerung
DE4332836C1 (de) * 1993-09-27 1994-09-15 Daimler Benz Ag Vorrichtung zur spurhaltungsgeregelten Lenkung eines Fahrzeugs
DE19607429A1 (de) * 1996-02-28 1997-09-04 Daimler Benz Ag Fehlertolerante Regel- und/oder Steuerungseinrichtung für ein physikalisches System, insbesondere Fahrdynamikregeleinrichtung für ein Kraftfahrzeug
DE19720764A1 (de) * 1996-05-08 1997-11-13 Daimler Benz Ag Verfahren zur Erkennung des vorausliegenden Fahrbahnverlaufs für Kraftfahrzeuge
DE19743726A1 (de) * 1996-10-03 1998-04-23 Toyota Motor Co Ltd Steuergerät für ein Fahrzeug
DE19749545A1 (de) * 1996-11-20 1998-05-28 Volkswagen Ag Vorrichtung und Verfahren zur Objekterfassung für ein Kraftfahrzeug

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19962997B4 (de) * 1999-12-24 2010-06-02 Robert Bosch Gmbh Verfahren zur Kalibrierung eines Sensorsystems
US6597984B2 (en) 2000-07-25 2003-07-22 Daimlerchrysler Ag Multisensory correlation of traffic lanes
DE10036042B4 (de) * 2000-07-25 2004-12-16 Daimlerchrysler Ag Multisensorielle Fahrspurzuordnung
DE10127034A1 (de) * 2001-06-02 2002-12-05 Opel Adam Ag Verfahren und Vorrichtung zur Ermittlung eines Spurverlaufs einer Fahrbahn
DE102004008867B8 (de) * 2003-02-22 2011-07-28 Daimler AG, 70327 Bildverarbeitungssystem für Kraftfahrzeuge
DE102004008867B4 (de) * 2003-02-22 2011-04-07 Daimler Ag Bildverarbeitungssystem für Kraftfahrzeuge
DE10341905A1 (de) * 2003-09-11 2005-05-12 Daimler Chrysler Ag Verfahren und Vorrichtung zur Ermittlung einer Position eines Kraftfahrzeugs auf einer Strasse
WO2005037592A1 (de) * 2003-09-23 2005-04-28 Daimlerchrysler Ag Verfahren und vorrichtung zur erkennung von spurwechselvorgängen für ein fahrzeug
DE102004001909A1 (de) * 2004-01-14 2005-08-04 Daimlerchrysler Ag Verfahren und Vorrichtung zur Verarbeitung von Sensordaten
WO2005090124A1 (de) 2004-02-20 2005-09-29 Daimlerchrysler Ag Bildverarbeitungssystem für kraftfahrzeuge
DE102004028404A1 (de) * 2004-06-14 2006-01-19 Daimlerchrysler Ag Verfahren zur Schätzung des Verlaufs einer Fahrspur eines Kraftfahrzeuges
DE102007034196A1 (de) 2007-07-23 2009-01-29 Robert Bosch Gmbh Verfahren und Vorrichtung für die Spurerfassung mit einem Fahrerassistenzsystem
DE102009033219A1 (de) 2009-01-23 2010-07-29 Daimler Ag Verfahren zur Ermittlung eines Fahrzeug vorausliegenden Straßenprofils einer Fahrspur
US8676508B2 (en) 2009-01-23 2014-03-18 Daimler Ag Method for determining a road profile of a lane located in front of a vehicle
DE102010032064A1 (de) 2010-07-23 2011-05-12 Daimler Ag Verfahren zur Unterstützung eines Fahrers eines Fahrzeugs bei der Querführung des Fahrzeugs
DE102011120497B4 (de) * 2010-12-13 2020-03-05 GM Global Technology Operations, LLC (n.d. Ges. d. Staates Delaware) Systeme und Verfahren zur präzisen Fahrzeugpositionsbestimmung innerhalb einer Fahrspur
DE102012214206B4 (de) 2012-08-09 2022-12-22 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur Krümmungserkennung eines Fahrspurverlaufs während einer vollautomatischen Fahrzeugführung
EP2826687A1 (de) 2013-07-16 2015-01-21 Honda Research Institute Europe GmbH Technik für Fahrspurzuweisung in einem Fahrzeug
US9127956B2 (en) 2013-07-16 2015-09-08 Honda Research Institute Europe Gmbh Technique for lane assignment in a vehicle
DE102019004913A1 (de) 2019-07-12 2020-01-16 Daimler Ag Verfahren zur Überwachung eines Spurhalteassistenzsystems für ein Fahrzeug

Also Published As

Publication number Publication date
JPH11265442A (ja) 1999-09-28
EP0915350A3 (de) 1999-11-10
EP0915350A2 (de) 1999-05-12
US6292752B1 (en) 2001-09-18

Similar Documents

Publication Publication Date Title
DE19749086C1 (de) Vorrichtung zur Ermittlung fahrspurverlaufsindikativer Daten
EP1680317B1 (de) Fahrerassistenzverfahren und -vorrichtung auf der basis von fahrspurinformationen
EP2068173B1 (de) Verfahren zur Messung von Querbewegungen in einem Fahrerassistenzsystem
DE102013105046B9 (de) Zielspurauswahlverfahren mittels Navigationseingabe in Straßenwechselszenarien
EP1825276B1 (de) Verfahren und vorrichtung zur ermittlung einer fahrzeuggeschwindigkeit
EP3094530B1 (de) Verfahren und system zum schätzen eines fahrspurverlaufs
DE102009006113B4 (de) Vorrichtung und Verfahren zur Sensorfusion mit dynamischen Objekten
EP3455785B1 (de) Verfahren zur erfassung von verkehrszeichen
DE102010020984A1 (de) Verfahren zur Bestimmung des Fahrbahnverlaufes für ein Kraftfahrzeug
EP2046619B1 (de) Fahrerassistenzsystem
DE102007037610A1 (de) Verfahren zum Bestimmen eines wahrscheinlichen Bewegungs-Aufenthaltsbereichs eines Lebewesens
DE102013217486A1 (de) Verfahren zur Repräsentation eines Umfelds eines Fahrzeugs in einem Belegungsgitter
WO2017125369A1 (de) Verfahren zum erkennen von fahrspuren auf einer fahrbahn anhand einer häufigkeitsverteilung von abstandswerten, steuereinrichtung, fahrerassistenzsystem sowie kraftfahrzeug
DE102004028404A1 (de) Verfahren zur Schätzung des Verlaufs einer Fahrspur eines Kraftfahrzeuges
EP2964503B1 (de) Schätzung der zukünftigen geschwindigkeit und/oder entfernung eines fahrzeugs von einem referenzpunkt und schätzung der zukünftigen beschleunigung
DE102019116892A1 (de) Fahrspurereignisantizipation durch LiDAR-Straßenbegrenzungserfassung
DE102010013093A1 (de) Verfahren und System zur Erstellung eines Modells eines Umfelds eines Fahrzeugs
DE102012220191A1 (de) Verfahren zur Unterstützung eines Fahrers bei der Querführung eines Fahrzeugs
EP2995971A1 (de) Verfahren und system zur positionsbestimmung
DE10333670A1 (de) Verfahren zum Ermitteln des Fahrbahnverlaufes aus Bilddaten
DE102020101375A1 (de) Verfahren zur Querverkehrswarnung für ein Fahrzeug mit Erkennung von Fahrspuren, Recheneinrichtung sowie Fahrerassistenzsystem
EP2172826B1 (de) Verfahren und Vorrichtung zum Ermitteln eines Fahrspurverlaufs
EP1679529B1 (de) Verfahren für die Objekterfassung
DE102006055145B4 (de) On-Board-Nebelbestimmungsvorrichtung
DE102019110942A1 (de) Automatische Steuerung einer Bahn eines Kraftfahrzeugs bezüglich einer Fahrspur

Legal Events

Date Code Title Description
8100 Publication of patent without earlier publication of application
D1 Grant (no unexamined application published) patent law 81
8364 No opposition during term of opposition
8327 Change in the person/name/address of the patent owner

Owner name: DAIMLERCHRYSLER AG, 70327 STUTTGART, DE

8327 Change in the person/name/address of the patent owner

Owner name: DAIMLER AG, 70327 STUTTGART, DE

R071 Expiry of right