DE19749086C1 - Vorrichtung zur Ermittlung fahrspurverlaufsindikativer Daten - Google Patents
Vorrichtung zur Ermittlung fahrspurverlaufsindikativer DatenInfo
- 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
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,
- 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.
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)
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)
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)
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)
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 |
-
1997
- 1997-11-06 DE DE19749086A patent/DE19749086C1/de not_active Expired - Lifetime
-
1998
- 1998-10-17 EP EP98119664A patent/EP0915350A3/de not_active Withdrawn
- 1998-11-04 JP JP10349238A patent/JPH11265442A/ja active Pending
- 1998-11-06 US US09/187,530 patent/US6292752B1/en not_active Expired - Lifetime
Patent Citations (8)
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)
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 |