WO2006094585A1 - Verfahren zum schätzen des verlaufs einer fahrspur - Google Patents
Verfahren zum schätzen des verlaufs einer fahrspur Download PDFInfo
- Publication number
- WO2006094585A1 WO2006094585A1 PCT/EP2006/000895 EP2006000895W WO2006094585A1 WO 2006094585 A1 WO2006094585 A1 WO 2006094585A1 EP 2006000895 W EP2006000895 W EP 2006000895W WO 2006094585 A1 WO2006094585 A1 WO 2006094585A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- lane
- course
- hypotheses
- sensors
- hypothesis
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 13
- 238000005259 measurement Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 6
- 238000009499 grossing Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
- B60W40/076—Slope angle of the road
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
- B60W40/072—Curvature of the road
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
-
- 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
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/12—Systems for determining distance or velocity not using reflection or reradiation using electromagnetic waves other than radio waves
-
- 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
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
- B60W2050/0052—Filtering, filters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/05—Type of road, e.g. motorways, local streets, paved or unpaved roads
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/20—Road profile, i.e. the change in elevation or curvature of a plurality of continuous road segments
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/30—Road curve radius
-
- 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
- G01S2013/9321—Velocity regulation, e.g. cruise control
Definitions
- the invention relates to a method for estimating the course of a lane according to the preamble of patent claim 1.
- driver assistance systems are known, inter alia, as so-called ACC systems (automatic cruise control).
- ACC systems automatic cruise control
- ACC systems automatic cruise control
- ACC systems automatic cruise control
- This smoothing of the results has an effect on the control of the steering. Signal noise immediately results in a troubled steering wheel and, as a result, ineffective steering feel in lane assist systems such as systems referred to as Comfortable Lane Keeping. Furthermore, by smoothing the results measurement errors can be excluded.
- multi-sensor systems are known with which the described approach can be meaningfully extended.
- the signals of all sensors are thereby introduced in a common Kalman filter.
- the reliability and robustness are improved.
- the individual sensors it is examined whether their signals pass the 3 Sigma test. Any measurement within the 3Sig ⁇ na range is assumed to match the current track.
- the individual sensors are checked by means of the sensor associated reliability tests (reliability investigations) to determine whether the measurements can be trusted. For example, in the case of map systems, the distance of the current position measurement to the map (also with regard to the height data) and the correlation coefficient in the investigation of road-parallel structures can be used as a useful measure of confidence.
- the present invention is based on the object to improve the estimation of the course of a lane.
- the linear combination may optionally be weighted, wherein the weighting may depend on the plausibility of the respective hypothesis of the estimated lane course.
- the generation of the hypotheses can be carried out in such a way that the respective subcombinations are formed from the existing sensors, a hypothesis being generated for each of these subcombinations by means of the Kalman filter and further calculated for the hypothesis of the individual subcombinations in the further measuring steps.
- hypotheses can also be generated in such a way that the further calculation is carried out for each hypothesis in the next measurement step by deriving a further hypothesis from each of these hypotheses by deriving further hypotheses for the next measurement step for each of these hypotheses, By each of these hypotheses with all sub-combinations of the sensors is further calculated.
- the hypothesis space is advantageously restricted in this procedure. This can be done, for example, by only pursuing a certain number of hypotheses, in which case the hypotheses can be evaluated for specific probabilities for their correctness.
- the reliability of the statement is further improved.
- certain theoretically resulting track courses can be eliminated. This can be done, for example, by comparing the hypotheses of estimated lanes with data from digitized maps. If a track pattern results that can not be reconciled with a road course due to the measured GPS position, this estimated track course can be completely discarded and furthermore no longer needs to be calculated.
- MHT Multiple Hypothesis Tracking
- the weighted linear combination of the individual estimated lanes, compared to a binary decision for the correctness of a particular result, combined with a corresponding erratic transition, when another model is judged correct, is achieved that no abrupt intervention in the steering of the vehicle.
- the driving behavior of the vehicle is thus smoothed overall.
- a "hard" switching can be provided in the sense that from one to the other moment the weighting to a sensor signal, the was detected as faulty, set to zero. Smoothing the transition is then not required.
- the plausibility of the track course can be determined, for example, via the mean residual (the mean prediction error) or the so-called likelihood.
- not only a weighting of the individual results for the resulting lane course from the individual systems can be allowed, but optionally also a hard switchover.
- Each of these hypotheses can be tracked with its own Kalman filter.
- the method can use a combination of different sensors.
- These sensors can be, for example:
- driving maneuvers are taken into account in the generation of the hypotheses.
- These driving maneuvers can be, for example:
- Road geometry change speed such as the difference between a winding country road and a typically relatively straight highway.
- a hypothesis is generated for each sensor combination for different models, each of which takes into account other driving maneuvers.
- a multi-filter Systems can be estimated a resulting hypothesis.
- Such a multi-filter system may for example be an IMM (Interacting Multiple Model). It is also possible to evaluate all resulting hypotheses using the HMT method.
- the weighted linear combination is used to assess the plausibility of the individual hypotheses.
- the deviation of the individual hypotheses is evaluated in order to assess their plausibility as a function of their deviation from the linear combined estimate.
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
Die vorliegende Erfindung betrifft ein Verfahren zum Schätzen des Verlaufs einer Fahrspur, wobei zur Schätzung des Spurverlaufs die Ausgangssignale mehrerer Sensoren ausgewertet werden, wobei die aus mehreren Sensoren ermittelten Merkmale einem gemeinsamen Kaiman- Filter zugeführt werden, um daraus eine Hypothese für den Verlauf der Fahrspur zu generieren, wobei die Merkmale von Unterkombinationen der Sensoren einem Kaiman-Filter zugeführt werden, um zu den einzelnen Unterkombinationen jeweils eine Hypothese für den Verlauf der Fahrspur zu generieren, wobei ein sich ergebender Verlauf der Fahrspur bestimmt wird, indem die einzelnen Hypothesen linear kombiniert werden.
Description
DaimlerChrysler AG Herr Böpple
Verfahren zum Schätzen des Verlaufs einer Fahrspur
Die Erfindung betrifft ein Verfahren zum Schätzen des Verlaufs einer Fahrspur nach dem Oberbegriff des Patentanspruchs 1.
Die Erkennung des Verlaufes einer Fahrspur spielt eine vergleichsweise bedeutende Rolle für Fahrerassistenzsysteme. Bei derartigen Systemen ist das Bestreben, eine automatische Steuerung des Fahrzeugs zu erreichen, zumindest jedoch den Fahrzeugführer durch entsprechende Informationsausgabe bei der Führung des Kraftfahrzeugs zu unterstützen. Derartige Fahrerassistenzsysteme sind u. a. als sogenannte ACC-Systeme bekannt (automatic cruise control) . Im Rahmen der Spurerkennung ist es beispielsweise bekannt, den Verlauf von Spurmarkierungen zu verfolgen. Diese werden durch Auswertung kleiner Messfenster erkannt und mittels Kaiman Filtern verfolgt. Jede aktuelle Messung wird dabei bewertet, indem der Messwert mit dem Erwartungswert verglichen wird. Der Erwartungswert ist der Wert, der sich aus der Schätzung des Spurverlaufs auf Grund vorher gehender Messungen ergibt . Messpunkte, die außerhalb des sogenannten 3Sigma-Bereichs liegen, können dann von der weiteren Auswertung ausgeschlossen werden. Entsprechend der Filtereinstellung ergibt sich dabei ein Kompromiss zwischen der Erfassung schneller Änderungen des Spurverlaufs wie beispielsweise auch der Erkennung von Manövern und einer Glättung der
Ergebnisse. Diese Glättung der Ergebnisse hat Auswirkungen auf die Ansteuerung der Lenkung. Ein Signalrauschen führt unmittelbar zu einem unruhigen Lenkrad und in der Folge zu einem nicht optimalen Lenkgefühl bei Spur-unterstützenden Systemen wie beispielsweise Systemen, die als Comfortable Lane Keeping bezeichnet werden. Weiterhin können durch die Glättung der Ergebnisse Messfehler ausgeschlossen werden.
Weiterhin sind Multisensorsysteme bekannt, mit denen der beschriebene Ansatz sinnvoll erweitert werden kann. Die Signale aller Sensoren werden dabei in einem gemeinsamen Kaiman- Filter eingebracht. Indem mehrere Informationen ausgewertet werden, ergibt sich eine Verbesserung der Zuverlässigkeit und Robustheit. Bezüglich der einzelnen Sensoren wird untersucht, ob deren Signale den 3Sigma-Test bestehen. Zu jeder Messung, die innerhalb des 3Sigτna-Bereiches liegt, wird angenommen, dass diese zum aktuellen Spurverlauf passt. Zusätzlich werden die einzelnen Sensoren mittels dem Sensor zugehörigen Konfi- denzuntersuchungen (Zuverlässigkeitsuntersuchungen) dahin gehend überprüft, ob den Messungen vertraut werden kann. Als brauchbares Konfidenzmaß ist beispielsweise bei Kartensystemen der Abstand der aktuellen Positionsmessung zur Karte (auch hinsichtlich der Höhendaten) und der Korrelations- koeffizient bei der Untersuchung fahrbahnparalleler Strukturen verwendbar .
Der vorliegenden Erfindung liegt die Aufgabe zu Grunde, die Schätzung des Verlaufes einer Fahrspur zu verbessern.
Diese Aufgabe wird nach der vorliegenden Erfindung gemäß Anspruch 1 gelöst, indem die Merkmale von Unterkombinationen der Sensoren einem Kaiman-Filter zugeführt werden, um zu den einzelnen Unterkombinationen jeweils eine Hypothese für den Verlauf der Fahrspur zu generieren, wobei ein sich ergebender
Verlauf der Fahrspur bestimmt wird, indem die einzelnen Hypothesen linear kombiniert werden.
Es ist dabei möglich, nur bestimmte Unterkombinationen der vorhandenen Sensoren zu betrachten. Es können aber auch alle Unterkombinationen der vorhandenen Sensoren betrachtet werden. In diesem Falle werden also auch die aus den einzelnen Sensoren für sich abgeleiteten Hypothesen bei der Linearkombination berücksichtigt.
Die Linearkombination kann gegebenenfalls gewichtet erfolgen, wobei die Gewichtung abhängen kann von der Plausibilität der jeweiligen Hypothese des geschätzten Spurverlaufs.
Die Generierung der Hypothesen kann derart erfolgen, dass aus den vorhandenen Sensoren die jeweiligen Unterkombinationen gebildet werden, wobei für jede dieser Unterkombinationen mittels des Kaiman-Filters eine Hypothese generiert und jeweils für die Hypothese der einzelnen Unterkombinationen bei den weiteren Messschritten weitergerechnet wird.
Die Generierung der Hypothesen kann- aber auch derart erfolgen, dass zu jeder Hypothese im nächsten Messschritt die weitere Berechnung erfolgt, indem aus jeder dieser Hypothesen eine weitere Hypothese abgeleitet wird, indem die zu jeder dieser Hypothesen wiederum weitere Hypothesen für den nächsten Messschritt abgeleitet werden, indem jede dieser Hypothesen mit allen Unterkombinationen der Sensoren weiter gerechnet wird. Um den Verarbeitungsaufwand zu beschränken, wird bei dieser Vorgehensweise vorteilhaft der Hypothesenraum eingeschränkt. Dies kann beispielsweise erfolgen, indem nur eine bestimmte Zahl von Hypothesen weiter verfolgt, wobei dazu die Hypothesen nach bestimmten Wahrscheinlichkeiten für deren Richtigkeit bewertet werden können.
Vorteilhaft wird dabei die Zuverlässigkeit der Aussage weiter verbessert .
Um nicht zu viele Möglichkeiten berechnen zu müssen, können bestimmte sich theoretisch ergebende Spurverläufe ausgeschieden werden. Dies kann beispielsweise erfolgen, indem die Hypothesen geschätzter Spurverläufe mit Daten digitalisierter Karten verglichen werden. Wenn sich ein Spurverlauf ergibt, der auf Grund der gemessenen GPS-Position nicht mit einem Straßenverlauf in Einklang zu bringen ist, kann dieser geschätzte Spurverlauf vollständig verworfen werden und braucht weiterhin nicht mehr berechnet zu werden.
In Kenntnis der Erfindung sei auf die "Multiple Hypothesis Tracking" (MHT) verwiesen, die eine aus der Objektverfolgung bekannte Assoziationstechnik darstellt.
Durch die gewichtete Linearkombination der einzelnen geschätzten Spurverläufe wird gegenüber einer binären Entscheidung für die Richtigkeit eines bestimmten Ergebnisses, verbunden mit einem entsprechend sprunghaften Übergang, wenn ein anderes Modell als richtig bewertet wird, erreicht, dass keine abrupten Eingriffe in die Lenkung des Fahrzeugs erfolgen. Das Fahrverhalten des Fahrzeugs wird also insgesamt geglättet.
Sofern kein Eingriff in eine Lenkung abgeleitet werden soll, sondern beispielsweise lediglich eine Spurzuordnung in einem ACC-System vorgenommen werden soll, kann eine "harte" Umschaltung vorgesehen werden in dem Sinne, dass von einem auf den anderen Moment die Gewichtung zu einem Sensorsignal, das als fehlerhaft erkannt wurde, auf Null gesetzt wird. Eine Glättung des Übergangs ist dann nicht erforderlich.
Die Plausibilität des Spurverlaufs kann beispielsweise über das mittlere Residuum (den mittleren Prädiktionsfehler) oder die sogenannte Likelihood bestimmt werden. Darüber kann dann wie gerade beschrieben nicht nur eine Gewichtung der Einzel- ergebnisse zum resultierenden Spurverlauf aus den Einzel- Systemen erlaubt werden sondern gegebenenfalls auch eine harte Umschaltung.
Es kann also jede Spurverlaufshypothese hinsichtlich der Plausibilität bewertet werden. Wie ausgeführt kann dabei unter bestimmten Bedingungen eine Schranke definiert werden, bei deren Überschreiten (fehlender Plausibilität) der geschätzte Spurverlauf gar nicht weiter in die Auswertung eingeht und auch nicht mehr weiter berechnet wird. Um den erwähnten glatten Übergang zu erreichen, kann die Gewichtung dieses geschätzten Spurverlaufes dann entsprechend zügig bis auf 0 reduziert werden.
Jede dieser Hypothesen kann mit einem eigenen Kaiman-Filter verfolgt werden.
Es kann bei dem Verfahren eine Kombination verschiedener Sensoren Verwendung finden. Diese Sensoren können beispielsweise sein:
• ein optisches Spurerkennungssystem auf Basis der lokalen Spurverfolgung,
• ein DGPS-basiertes Trajektorien bzw. Kartensystem,
• eine optische Spurerkennung mit Bildern einer zweiten Kamera nach vorne mit anderem Blickwinkel und/oder anderem Fokus ,
• eine optische Spurerkennung mit Bildern einer Rückraumkamera,
• eine Spurerkennung mit Totwinkelkameras, die in die Außenspiegel integriert sein können,
• die durch ein Objekterkennungssystem erkannten Verkehrsteilnehmer,
• eine globale Bildanalyse zur Spurerkennung,
• weitere Merkmale im Kamerabild wie fahrbahnparallele Strukturen .
Dabei ist es möglich, diese Sensoren in unterschiedlichen denkbaren Varianten miteinander zu kombinieren. Es kann auch die Zahl der verwendeten Sensoren verändert werden.
Bei der Ausgestaltung nach Anspruch 2 werden bei der Generierung der Hypothesen Fahrmanöver berücksichtigt.
Diese Fahrmanöver können beispielsweise sein:
• ein Nicken des Fahrzeugs auf Grund von Bodenwellen,
• dynamische Spurwechsel bzw. Ausweichmanöver des eigenen Fahrzeugs, die unter anderem eine Wankbewegung des Fahrzeugs mit sich bringen,
• ein Spurwechsel von voraus fahrenden Fahrzeugen,
• sich schnell ändernde Spurbreiten, die beispielsweise an Spurgabelungen, Zusammenführungen und Ausfahrten auftreten können,
• Geschwindigkeit der Straßengeometrieänderung wie beispielsweise der Unterschied zwischen einer kurvigen Landstraße und einer typischerweise vergleichsweise gerade verlaufenden Autobahn.
Es wird also nochmals zu jeder Sensorkombination zu unterschiedlichen Modellen, die jeweils andere Fahrmanöver berücksichtigen, eine Hypothese generiert. Aus diesen Hypothesen zu den Fahrmanövern kann mittels eines Mehrfilter-
Systems eine resultierende Hypothese geschätzt werden. Ein solches Mehrfiltersystem kann beispielsweise ein IMM (Interacting Multiple Model) sein. Ebenso ist es möglich, alle sich so ergebenden Hypothesen mittels des HMT-Verfahrens zu bewerten.
Es wird beispielsweise möglich, durch die Interpretation der Änderungsgeschwindigkeit weiterhin eine Klassifikation der Straße vorzunehmen dahin gehend, ob es sich um eine Autobahn, eine Bundesstraße oder eine Landstraße handelt. Diese Unterscheidung kann durch eine Erkennung der unterschiedlichen und für die jeweiligen Straßenarten typischen Dynamik von Fahrmanövern vorgenommen werden .
Bei der Ausgestaltung des Verfahrens nach Anspruch 3 wird die gewichtete Linearkombination heran gezogen, um die Plausibi- lität der einzelnen Hypothesen zu bewerten.
Anhand des Ergebnisses der bisherigen linear kombinierten Schätzung wird die Abweichung der einzelnen Hypothesen bewertet, um deren Plausibilität abhängig von deren Abweichung zur linear kombinierten Schätzung zu bewerten.
Claims
1. Verfahren zum Schätzen des Verlaufs einer Fahrspur, wobei zur Schätzung des Spurverlaufs die Ausgangssignale mehrerer Sensoren ausgewertet werden, wobei die aus mehreren Sensoren ermittelten Merkmale einem gemeinsamen Kaiman- Filter zugeführt werden, um daraus eine Hypothese für den Verlauf der Fahrspur zu generieren, dadurch gekennzeichnet, dass die Merkmale von Unterkombinationen der Sensoren einem Kaiman-Filter zugeführt werden, um zu den einzelnen Unterkombinationen jeweils eine Hypothese für den Verlauf der Fahrspur zu generieren, wobei ein sich ergebender Verlauf der Fahrspur bestimmt wird, indem die einzelnen Hypothesen linear kombiniert werden.
2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass bei der Generierung der Hypothesen Fahrmanöver berücksichtigt werden.
3. Verfahren nach Anspruch 1 oder 2 , dadurch gekennzeichnet, dass die gewichtete Linearkombination heran gezogen wird, um die Plausibilität der einzelnen Hypothesen zu bewerten. Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass die Geschwindigkeit mit der sich der Spurverlauf ändert herangezogen wird, um damit den Typ der befahrenen Straße zu klassifizieren.
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102005011030 | 2005-03-08 | ||
DE102005011030.4 | 2005-03-08 | ||
DE102005038314.9 | 2005-08-11 | ||
DE102005038314A DE102005038314A1 (de) | 2005-03-08 | 2005-08-11 | Verfahren zum Schätzen des Verlaufs einer Fahrspur |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2006094585A1 true WO2006094585A1 (de) | 2006-09-14 |
Family
ID=36294272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/EP2006/000895 WO2006094585A1 (de) | 2005-03-08 | 2006-02-02 | Verfahren zum schätzen des verlaufs einer fahrspur |
Country Status (2)
Country | Link |
---|---|
DE (1) | DE102005038314A1 (de) |
WO (1) | WO2006094585A1 (de) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110245995A1 (en) * | 2009-01-23 | 2011-10-06 | Daimler Ag | Method for determining a road profile of a lane located in front of a vehicle |
CN109313032A (zh) * | 2016-06-24 | 2019-02-05 | 高通股份有限公司 | 动态车道界定 |
CN111194459A (zh) * | 2017-10-10 | 2020-05-22 | 大众汽车有限公司 | 自动驾驶功能部件的评估和在不同处理阶段中的道路识别 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006057276B4 (de) | 2006-12-05 | 2023-09-28 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Objekt-Tracking in einem Fahrerassistenzsystem eines Kraftfahrzeugs |
JP5411284B2 (ja) * | 2008-11-06 | 2014-02-12 | ボルボ テクノロジー コーポレイション | 実際の軌道を進行している車両の横方向のずれを、推定された仮想道路に基づいて決定し、横方向のずれに基づき運転者の横方向制御能力を決定するための方法、システム及びコンピュータプログラム製品 |
DE102016214045A1 (de) * | 2016-07-29 | 2018-02-01 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und Vorrichtung zum Ermitteln eines Fahrbahnmodells für ein Fahrzeugumfeld |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4970653A (en) * | 1989-04-06 | 1990-11-13 | General Motors Corporation | Vision method of detecting lane boundaries and obstacles |
WO2004008648A2 (en) * | 2002-07-15 | 2004-01-22 | Automotive Systems Laboratory, Inc. | Road curvature estimation and automotive target state estimation system |
US6718259B1 (en) * | 2002-10-02 | 2004-04-06 | Hrl Laboratories, Llc | Adaptive Kalman filter method for accurate estimation of forward path geometry of an automobile |
-
2005
- 2005-08-11 DE DE102005038314A patent/DE102005038314A1/de not_active Withdrawn
-
2006
- 2006-02-02 WO PCT/EP2006/000895 patent/WO2006094585A1/de active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4970653A (en) * | 1989-04-06 | 1990-11-13 | General Motors Corporation | Vision method of detecting lane boundaries and obstacles |
WO2004008648A2 (en) * | 2002-07-15 | 2004-01-22 | Automotive Systems Laboratory, Inc. | Road curvature estimation and automotive target state estimation system |
US6718259B1 (en) * | 2002-10-02 | 2004-04-06 | Hrl Laboratories, Llc | Adaptive Kalman filter method for accurate estimation of forward path geometry of an automobile |
Non-Patent Citations (1)
Title |
---|
DICKMANNS E D ET AL: "RELATIVE 3D-STATE ESTIMATION FOR AUTONOMOUS VISUAL GUIDANCE OF ROAD VEHICLES*", ROBOTICS AND AUTONOMOUS SYSTEMS, ELSEVIER SCIENCE PUBLISHERS, AMSTERDAM, NL, vol. 7, no. 2 / 3, 1 August 1991 (1991-08-01), pages 113 - 123, XP000219094, ISSN: 0921-8890 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110245995A1 (en) * | 2009-01-23 | 2011-10-06 | Daimler Ag | Method for determining a road profile of a lane located in front of a vehicle |
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 |
CN102292249B (zh) * | 2009-01-23 | 2014-10-08 | 戴姆勒股份公司 | 用于获得处于车辆前方的行车道的道路轮廓的方法 |
CN109313032A (zh) * | 2016-06-24 | 2019-02-05 | 高通股份有限公司 | 动态车道界定 |
CN109313032B (zh) * | 2016-06-24 | 2020-08-14 | 高通股份有限公司 | 动态车道界定 |
CN111194459A (zh) * | 2017-10-10 | 2020-05-22 | 大众汽车有限公司 | 自动驾驶功能部件的评估和在不同处理阶段中的道路识别 |
CN111194459B (zh) * | 2017-10-10 | 2024-01-09 | 大众汽车有限公司 | 自动驾驶功能部件的评估和在不同处理阶段中的道路识别 |
Also Published As
Publication number | Publication date |
---|---|
DE102005038314A1 (de) | 2006-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3584663B1 (de) | Verfahren zur automatischen querführung eines folgefahrzeugs in einem fahrzeug-platoon | |
EP1680317B1 (de) | Fahrerassistenzverfahren und -vorrichtung auf der basis von fahrspurinformationen | |
EP2565106B1 (de) | Verfahren zur Fahrspur-Überwachung und Fahrspur-Überwachungssystem für ein Fahrzeug | |
EP2793045B1 (de) | Verfahren zur Überprüfung eines Umfelderfassungssystems eines Fahrzeugs | |
DE19749086C1 (de) | Vorrichtung zur Ermittlung fahrspurverlaufsindikativer Daten | |
EP1690730B1 (de) | Fahrerassistenzsystem mit redundanter Entscheidungseinheit | |
DE102017009435B4 (de) | Evaluation von Komponenten automatischer Fahrfunktionen und Fahrbahnerkennung auf unterschiedlichen Verarbeitungsstufen | |
WO2020229002A1 (de) | Verfahren und vorrichtung zur multi-sensor-datenfusion für automatisierte und autonome fahrzeuge | |
DE102006040334A1 (de) | Verfahren für die Spurerfassung mit einem Fahrerassistenzsystem und Fahrerassistenzsystem | |
WO2018019464A1 (de) | Verfahren, vorrichtung und computerlesbares speichermedium mit instruktionen zur bestimmung der lateralen position eines fahrzeuges relativ zu den fahrstreifen einer fahrbahn | |
EP2756264B1 (de) | Verfahren zum bestimmen von lagedaten eines fahrzeuges | |
DE102016209232B4 (de) | Verfahren, Vorrichtung und computerlesbares Speichermedium mit Instruktionen zur Bestimmung der lateralen Position eines Fahrzeuges relativ zu den Fahrstreifen einer Fahrbahn | |
DE102019118210A1 (de) | Vorrichtung und Verfahren zur Kompensation eines Richtungswinkels | |
DE102020107349A1 (de) | Verfahren und vorrichtung zur dynamischen gierratenabweichungsschätzung | |
WO2018019454A1 (de) | Verfahren und vorrichtung zum ermitteln eines fahrbahnmodells für ein fahrzeugumfeld | |
DE102015209373A1 (de) | Fahrunterstützungsgerät | |
WO2006094585A1 (de) | Verfahren zum schätzen des verlaufs einer fahrspur | |
DE102016011366A1 (de) | Verfahren zur Positionsbestimmung eines Fahrzeugs | |
WO2009013052A2 (de) | Verfahren und vorrichtung für die spurerfassung mit einem fahrerassistenzsystem | |
WO2020064576A1 (de) | Verfahren zur bewertung einer auswirkung eines objektes im umfeld eines fortbewegungsmittels auf ein fahrmanöver des fortbewegungsmittels | |
DE102004028404A1 (de) | Verfahren zur Schätzung des Verlaufs einer Fahrspur eines Kraftfahrzeuges | |
DE102010003375B4 (de) | Umfeldbewertungssystem in einem Fahrzeug mit Sensormitteln zur Erfassung von Objekten im Umfeld des Fahrzeuges | |
DE102010062322A1 (de) | Verfahren zur Kalibrierung | |
DE102009033853A1 (de) | Verfahren zum Betrieb eines Fahrerassistenzsystems und Vorrichtung zur Durchführung des Verfahrens | |
DE102020113418B4 (de) | Vorrichtung und verfahren zum autonomen fahren |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application | ||
NENP | Non-entry into the national phase |
Ref country code: DE |
|
NENP | Non-entry into the national phase |
Ref country code: RU |
|
WWW | Wipo information: withdrawn in national office |
Country of ref document: RU |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 06706567 Country of ref document: EP Kind code of ref document: A1 |