WO2018091386A1 - Verfahren zum erfassen und zur klassifizierung eines objekts mittels zumindest einer sensorvorrichtung auf basis einer belegungskarte, fahrerassistenzsystem sowie kraftfahrzeug - Google Patents

Verfahren zum erfassen und zur klassifizierung eines objekts mittels zumindest einer sensorvorrichtung auf basis einer belegungskarte, fahrerassistenzsystem sowie kraftfahrzeug Download PDF

Info

Publication number
WO2018091386A1
WO2018091386A1 PCT/EP2017/078981 EP2017078981W WO2018091386A1 WO 2018091386 A1 WO2018091386 A1 WO 2018091386A1 EP 2017078981 W EP2017078981 W EP 2017078981W WO 2018091386 A1 WO2018091386 A1 WO 2018091386A1
Authority
WO
WIPO (PCT)
Prior art keywords
occupancy
probability
cell
cells
detected
Prior art date
Application number
PCT/EP2017/078981
Other languages
English (en)
French (fr)
Inventor
Philipp BLOB
Original Assignee
Valeo Schalter Und Sensoren Gmbh
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Valeo Schalter Und Sensoren Gmbh filed Critical Valeo Schalter Und Sensoren Gmbh
Publication of WO2018091386A1 publication Critical patent/WO2018091386A1/de

Links

Classifications

    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4808—Evaluating distance, position or velocity 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/42—Simultaneous measurement of distance and other co-ordinates
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles

Definitions

  • the present invention relates to a method for detecting and classifying an object by means of at least one sensor device based on an occupancy map, wherein in the method the occupancy map is provided, which has a plurality of grid-like arranged cells, and wherein each cell is a fixed one
  • Location of an environment is associated with the at least one sensor device. Furthermore, at least a part of the. Is repeated at predetermined time steps
  • the present invention also relates to a driver assistance system and a motor vehicle with a
  • Threshold the scan points within the cell are classified as static. With a low occupancy probability, the scan points are classified as dynamic.
  • Occupancy probability as static and the remainder as dynamic. For example, if an object is moving very slowly, the
  • This object is achieved by a method, a driver assistance system and a motor vehicle having the features according to the respective independent claims.
  • Advantageous embodiments of the invention are subject of the dependent claims, the description and the figures.
  • the occupancy map which has a plurality of cells arranged in lattice-like manner, each cell being assigned a defined location area of an environment of the at least one sensor device. Furthermore, at least a part of the environment is scanned repeatedly by the at least one sensor device at predetermined time steps. Furthermore, a respective cell becomes one
  • Occupancy probability associated with the occupancy probability of a respective cell is increased when detected by the at least one sensor device, a scan point in an associated with each cell location area of the environment. In addition, to determine a
  • Occupancy probabilities of a respective cell after each time step are multiplied by a decay function and the result is provided as the total occupancy probability for a respective one of the cells.
  • the total occupancy probability for at least a first of the cells is different from zero, an object is detected in the location area associated with the first cell.
  • the multiplication with a decay function can advantageously cause the occupancy probabilities for cells that correspond to location areas to which an object has been located, which now, however, to another
  • the decay function thus effectively causes a temporal probability decay in cells from the time at which no more scan points are detected in a cell or the associated location area. For moving, that is dynamic, objects, this advantageously results in a characteristic in the occupancy map
  • Probability gradient can thus be used advantageously for a particularly reliable classification of dynamic objects.
  • the occupancy card can also be commonly referred to as occupancy grid or occupancy grid map.
  • Grid maps represent the environment as a grid
  • Every cell can have solid properties
  • the occupancy card preferably runs in a plane which is arranged horizontally, for example, in relation to the environment. If the sensor device is designed, for example, as a laser scanner, it can be arranged, for example, on the front side of a motor vehicle and also scan the surroundings in a horizontal plane or at least in a scan plane that is inclined by a predetermined angle relative to the horizontal. Of the
  • Laser scanner can also scan the environment in several scan slots
  • the occupancy card extends in this example parallel to the longitudinal and transverse axis of the motor vehicle.
  • the occupancy probability of the associated cell is increased in each time step.
  • the occupancy probability is preferably increased only up to a predetermined maximum value of the occupancy probability, such as 1, for example.
  • the decay function is dimensioned so that the reduction of
  • Occupancy probability is less than the increase in
  • Total occupancy probability for this particular cell which, despite multiplication by the decay function, is higher than the total occupancy probability in previous time step.
  • static objects in particular guardrails, can also be reliably detected or classified as static objects.
  • Sensor devices are used. Advantages can be achieved precisely with regard to a reliable classification of objects whose correct classification on the basis of detection by a laser scanner is usually problematic, such as crash barriers.
  • trained sensor device This can, for example, apart from the preferred embodiment as a laser scanner as a radar sensor and / or
  • Sensor device and the detection of a scan point is generally as a detection of at least the part of the environment based on by the
  • the procedure may also be related to a
  • Sensor arrangement comprising a plurality of differently configured sensor devices are executed.
  • the method described can be applied in the same way even when using a plurality of sensor devices, such as a plurality of laser scanners, quite analogously.
  • a plurality of sensor devices such as a plurality of laser scanners
  • the associated scan location is increased, in particular wherein the increase is proportional to the number of detected scan points.
  • the scan points acquired in a respective location area and for a respective time step, independently whether they have been detected by one or more sensor devices, are thus also proportional to the occupancy probability, and thus also proportional to the total occupancy probability. This is particularly beneficial since the
  • the probability that an object is actually located in a location area if scan points are detected simultaneously by a plurality of sensor devices in this location area is higher than if a scan point were only detected by a sensor device for this location area.
  • the real conditions taking into account measurement inaccuracies can be better taken into account by this type of generation of the occupancy map. In other words, the fact that redundant measurement results are more reliable can be taken into account by the corresponding increase in occupancy probabilities proportional to the number of detected scan points.
  • Decay function that the occupancy probability of a respective cell is reduced after a time step, if no scan point was detected in the location area assigned to the respective cell for the time step. This advantageously ensures that cells that were once occupied but are no longer occupied are not considered to be permanently occupied. In addition, it is advantageously made possible that a moving object in a simple manner by its characteristic
  • Probability course in particular probability gradient course, can be identified in the occupancy map.
  • the decay function represents a decay factor, in particular between zero and one.
  • the occupancy probability of each cell in each time step can be multiplied by a factor, for example 0.99.
  • the total occupancy probability time step by step is also reduced correspondingly and is again approximately 0 after a certain time.
  • Total occupancy probability is not already minimal, and for example different from zero.
  • the decay function can generally take any course and does not necessarily have to be provided as a factor.
  • the decay function is chosen differently depending on the situation. This will be explained in more detail for the following exemplary embodiment.
  • Discrimination function for a hidden surrounding area and a non-concealed environment area differently determined wherein the hidden surrounding area represents an area of the environment located in a detection area of the sensor device, which of a between this area and the
  • the total occupancy probability for the corresponding cell is only reduced if no scan point in the assigned location area was detected for a time step.
  • the decay function in particular the decay factor, may be greater, or for example equal to 1, chosen.
  • a movement of the sensor device is detected relative to the environment and the detected movement in the assignment of the detected by the at least one sensor device scan points to the cells of the occupancy map taken into account.
  • Coordinate system recorded The occupancy card or its cells, however, are stationary and thus also described by a stationary coordinate system.
  • This embodiment of the invention advantageously allows the scan points detected relative to the sensor device-fixed coordinate system to be assigned to the correct location areas of the respective cells even when the sensor device moves with respect to the surroundings.
  • the sensor device-fixed coordinate system is thus connected via a simple transformation with the fixed coordinate system of the occupancy map, this transformation being determined by the movement of the sensor device relative to the environment.
  • the movement of the sensor device relative to the environment is determined in particular by a speed of the sensor device and a direction of movement. Is the
  • Speed sensors various position sensing devices or steering angle sensors.
  • the local area assigned to the first cell is determined as a current location of the detected object in the event that the total occupancy probabilities of the remaining cells in the
  • predetermined range is less than or equal to at most
  • the current location of an object is found by such a procedure, it can be classified in a simple manner as described below whether this object is a static object or a dynamic object.
  • the predetermined range extends from the first cell, in which a probability maximum has been determined, in at least one specific direction up to a predetermined one
  • the predetermined area is thus quasi defined as contiguous occupied area of the occupancy map comprise the first cell, which occupies here in the sense of a predetermined minimum total occupancy probability has to be understood.
  • One such area shows a different one for static objects
  • the object is classified as a dynamic object.
  • An object moving, as it were, through the fixed grid of the occupancy map leaves behind a decreasing "likelihood trace,” i.e., due to the decay function
  • Probability course can occur, which may be caused by measurement inaccuracies on the one hand, on the other hand, by high speeds of dynamic objects. For example, it may be that an object that spreads over a has not been detected as a scan point in this location area because the duration for the movement through the location area is less than the time interval of the predetermined time steps in which the environment is scanned. Such gaps can therefore lead to local fluctuations in the
  • an average probability curve could also be calculated for the respective overall probability values in the predetermined range, for example in the form of a regression curve, or the like. This also makes it possible advantageously to compensate for the gaps described above.
  • gaps may cause the probability course for a moving object, which only encompasses cells above a certain minimum total probability, not to constitute a completely coherent cell area. This too can advantageously be taken into account by the fact that the predetermined range is defined such that it ends only if a predetermined minimum number of cells in at least one direction starting from the first cell has a probability below the limit, so that smaller gaps still exist in these
  • an estimated value for a dynamic object in the case that the object is classified as a dynamic object, an estimated value for a
  • Movement speed of the object determined based on the occupancy map.
  • the estimated value is determined as a function of the size of the total occupancy probability of the first cell, in particular which is assigned to the location area at which the object is currently located. If, for example, an object moves very slowly, this is also located in a location area assigned to a cell for a very long time, so that this object is detected very often by the sensor device and correspondingly acquired scan points and, correspondingly, the total occupancy probability of the cell assigned to this location area is very high. In the opposite case, for example, an object moves very fast, so is the corresponding
  • the size of the total occupancy probability at the current location of the object is a measure of the speed of movement of the object
  • Total occupancy probability at a current location of an object advantageously also an estimate of the current speed of the object can be specified.
  • the estimated value is dependent on a length of the probability profile of
  • Total occupancy probabilities which are on average greater than a predetermined threshold, determined in the predetermined range from the first cell.
  • a dynamic object in the occupancy map shows, at least on average, a probability course that drops from the current position. The longer this course is, and at least on average different from zero, the faster the object has moved through the corresponding location areas which correspond to the respective cells in the occupancy map. The shorter it is
  • the probability course is, the slower an object moves.
  • the length of the probability course can therefore advantageously also with the
  • Movement speed of an object are scaled so that the length of this probability course advantageously also the speed of the object can be estimated.
  • An inventive driver assistance system for a motor vehicle is designed to carry out a method according to the invention or one of its refinements.
  • An inventive motor vehicle has an inventive
  • the motor vehicle is designed in particular as a passenger car.
  • Embodiments and their advantages apply correspondingly to the driver assistance system according to the invention and to the motor vehicle according to the invention.
  • Fig. 1 is a schematic representation of a motor vehicle with a
  • Fig. 2 is a schematic representation of the motor vehicle with the laser scanner and an occupancy card in a plan view according to a
  • Fig. 3 is a schematic representation of detection areas of two
  • FIG. 4 shows a schematic representation of the arrangement from FIG. 3
  • Fig. 5 is a schematic representation of the based on the scan points the
  • FIG. 6 shows a schematic representation of an occupancy map created according to an embodiment of the method according to the invention.
  • FIG. 1 shows a schematic representation of a motor vehicle 1 with a sensor device embodied here by way of example as a laser scanner 2 in one embodiment
  • the sensor device can also be embodied as a radar sensor or ultrasound sensor or any environment sensor of any other design.
  • the examples described below and also in connection with the other figures can be implemented quite analogously also with a sensor device different from a laser scanner.
  • the laser scanner 2 is hereby arranged by way of example on a vehicle front of the motor vehicle 1. Furthermore, the laser scanner 2 is designed to at least part of the Recapture environment 3 at predetermined time intervals repeatedly. This scan can be done in one or more scans. In FIG. 1, three scan lines are further exemplified, wherein a first scan plane 4 parallel to
  • a second scanning plane 5 is inclined relative to the first scanning plane 4 by an angle a, for example 3 °, with respect to the laser scanner 2 as the origin.
  • a third scanning plane 6 is inclined relative to the first scanning plane 4 by an angle ⁇ , for example 6 ° with respect to the laser scanner 2 as origin.
  • the laser scanner 2 can first move the scanning beam, for example, in the first scanning plane 4, then over the second scanning plane 5, then over the third scanning plane 6, and then again over the first scanning plane 4, etc. Is located an object in the detection range of the laser scanner 2, this is detected by the laser scanner 2 as a corresponding scan point P.
  • Such a scan point P is shown here by way of example in FIG.
  • an occupancy card 7 which has a plurality of grid-shaped cells 8 (see FIG. 2).
  • This occupancy map 8 represents a two-dimensional occupancy map, is stationary with respect to the environment 3 and runs in the horizontal direction, that is in this example also parallel to the vehicle longitudinal axis and parallel to the vehicle transverse axis.
  • Each cell 8 of the occupancy card 7 is correspondingly assigned a location area 9 of the environment 3. This location area 9 extends, for example, starting from its associated cell 8 in the vertical direction, that is, in the illustrated y-direction, perpendicular to the plane in which the occupancy card 7 extends. If, for example, in FIG.
  • an occupancy card such as the occupancy card 7 shown here, as will be described in more detail later, an object in the environment 3 of the detected and also be classified as to whether this object is a static or dynamic object.
  • an occupancy card such as the occupancy card 7 shown here, as will be described in more detail later.
  • Motor vehicle 1 furthermore have an evaluation device 1 1, which is designed to determine on the basis of the generated occupancy card 7, whether objects are in the environment 3 of the motor vehicle 1, and whether such objects are static objects or dynamic objects.
  • the evaluation device 1 1 can also be part of a driver assistance system 12 of the motor vehicle 1, which further utilizes the ascertained information.
  • the evaluation device 1 1 can use detected dynamic objects for tracking these objects, which can be used by a driver assistance system for automatic distance control. Detected and classified as dynamic or static objects may also be used for automatic parking systems, lane departure warning systems, adaptive high beam assistants, emergency braking assistants, etc.
  • Fig. 2 shows a schematic representation of the motor vehicle 1 and the occupancy card 7 in a plan view.
  • the motor vehicle 1 which in turn has the laser scanner 2, which has a detection range 13, which is shown in the horizontal plane, that is, in the x-z plane, here by way of example by two lines 13a, 13b limited.
  • the detection range 13 which is shown in the horizontal plane, that is, in the x-z plane, here by way of example by two lines 13a, 13b limited.
  • only one cell 8 of the occupancy card is provided with a reference numeral. While the motor vehicle 1 can move freely relative to the environment, however, the movement card 7 or its cells 8 always remains stationary, that is to say one fixed
  • FIG. 3 shows a
  • objects or parts of an object are located in the areas denoted O. Some of these objects O are located simultaneously in both detection areas 14a, 14b of both laser scanners 2a, 2b, but some of these objects O are only substantially in only one of the two
  • O detection areas 14a, 14b generated more scan points P than for those who are located only in one of the two detection areas 14a, 14b.
  • Occupancy card 7 again shown schematically in Fig. 4.
  • FIG. 5 shows a schematic representation of the occupancy card 7 with the total occupancy probabilities assigned on the basis of the scan points P to the respective cells, which are now designated for a better distinction with 8a, 8b and 8c, which in FIG
  • the cells 8a have the highest value in accordance with the number of scan points P detected in the location areas assigned to them
  • Occupancy Map 7 shows the result of a scan for a time step accordingly.
  • the scanning points of the B are now entered into the occupancy card 7 every time, that is to say in each time step, when new sensor data are received, that is, detected by the laser scanner 2 or 2a, 2b. More specifically, for the cells 8 associated with scan points, the probability of occupancy is increased. In addition, the occupancy probability at each time step is also multiplied by a decay factor, or generally a decay function, resulting in a total occupancy probability for each cell 8.
  • FIG. 6 shows a schematic representation of an occupancy card 7, which was created according to an embodiment of the method according to the invention.
  • this occupancy card 7 is based on measurement results, for example of the laser scanner 2 from FIG. 1 and FIG. 2, over a plurality of time steps.
  • the current position of the laser scanner 2 is illustrated by the point 15.
  • 7 different probability profiles can be seen in the occupancy card, in particular a first Probability course 16 and a second probability course 17, which respectively correspond to a guard rail, and a third, fourth and fifth
  • guardrails appear in the occupancy card 17 with a high in particular substantially constant
  • the corresponding to the motor vehicles probability curves 16, 17, 18 show a different course.
  • the respective probability profiles 18, 19, 20 have been divided into five regions 18a, 18b, 18c, 18d, 18e and 19a, 19b, 19c, 19d, 19e and 20a, 20b, 20c, 20d, 20e, respectively.
  • the total occupancy probabilities of the cells 8 assigned to the area 18a are greater than the total occupancy probabilities of the respective cells 8 in the area 18b, which in turn are greater than those
  • the probability course 18 correspondingly increases starting from this first area 18a
  • Total occupancy probabilities at the current location of the objects in question other known or given variables are taken into account, such as the scan speed or sampling rate of the laser scanner 2, the size of the cells 8, the value of the decay factor as well as the probability steps by which the occupancy probabilities of each cell 8 for a respective scan point P can be increased. From these values, the speed of a dynamic object can then be estimated very precisely.
  • clutter that is to say clutter data 21.
  • clutter data 21 can either be classified as unknown or filtered out directly.
  • the invention and its embodiments advantageously make it possible to classify objects more reliably by additionally using gradients, in particular spatial gradients of the probability clusters are considered. If there is a clear occupancy probability course, ie a total occupancy probability course to be identified unambiguously as a non-constant course, then this is a dynamic object. This characteristic course results from the movement of the object in combination with the decay factor and can be determined on the basis of the gradient.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Electromagnetism (AREA)
  • Traffic Control Systems (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zum Erfassen und zur Klassifizierung eines Objekts (O) mittels einer Sensorvorrichtung (2, 2a, 2b) auf Basis einer Belegungskarte (7), die eine mehrere gitterförmig angeordnete Zellen (8, 8a, 8b, 8c) aufweist, denen jeweils ein festgelegter Ortsbereich (9) zugeordnet ist, wobei in vorbestimmten Zeitschritten ein Teil der Umgebung (3) abgetastet wird und eine einer jeweiligen Zelle (8, 8a, 8b, 8c) zugeordnete Belegungswahrscheinlichkeit erhöht wird, wenn ein Scanpunkt (P) in einem zu einer jeweiligen Zelle (8, 8a, 8b, 8c) zugeordneten Ortsbereich (9) erfasst wird. Weiterhin werden zur Ermittlung einer Gesamtbelegungswahrscheinlichkeit für eine jeweilige Zelle (8, 8a, 8b, 8c) die Belegungswahrscheinlichkeiten jeweils nach jedem Zeitschritt mit einer Zerfallsfunktion multipliziert. Unter der Voraussetzung, dass die Gesamtbelegungswahrscheinlichkeit für zumindest eine erste der Zellen (8, 8a, 8b, 8c) von Null verschieden ist, wird ein Objekt (O) erfasst, welches als statisch oder dynamisch in Abhängigkeit von einem auf Basis der Gesamtbelegungswahrscheinlichkeiten in einem vorbestimmten die erste Zelle (8, 8a, 8b, 8c) umfassenden Bereich bestimmten Wahrscheinlichkeitsverlauf (16, 17, 18, 19, 20) klassifiziert.

Description

Verfahren zum Erfassen und zur Klassifizierung eines Objekts mittels zumindest einer Sensorvorrichtung auf Basis einer Belegungskarte, Fahrerassistenzsystem sowie
Kraftfahrzeug
Die vorliegende Erfindung betrifft ein Verfahren zum Erfassen und zur Klassifizierung eines Objekts mittels zumindest einer Sensorvorrichtung auf Basis einer Belegungskarte, wobei bei dem Verfahren die Belegungskarte bereitgestellt wird, welche eine Mehrzahl an gitterförmig angeordneten Zellen aufweist, und wobei jeder Zelle ein festgelegter
Ortsbereich einer Umgebung der zumindest einen Sensorvorrichtung zugeordnet ist. Weiterhin wird in vorbestimmten Zeitschritten wiederholt zumindest ein Teil der
Umgebung durch den zumindest einen Sensorvorrichtung abgetastet und zu einer jeweiligen Zelle eine Belegungswahrscheinlichkeit zugeordnet, wobei die
Belegungswahrscheinlichkeit einer jeweiligen Zelle erhöht wird, wenn durch den zumindest einen Sensorvorrichtung ein Scanpunkt in einem zu einer jeweiligen Zelle zugeordneten Ortsbereich der Umgebung erfasst wird. Ferner betrifft die vorliegende Erfindung auch ein Fahrerassistenzsystem sowie ein Kraftfahrzeug mit einem
Fahrerassistenzsystem.
Aus dem Stand der Technik sind vielfältige Arten von Umfeldsensoren bekannt, die zum Erfassen eines Kraftfahrzeugumfelds dienen. Auf einer derartigen Umfelderfassung können dann entsprechende Fahrerassistenzsysteme aufbauen, die die Umfelderfassung nutzen, um beispielsweise Objekte in der Umgebung eines Kraftfahrzeugs zu detektieren und auch zu klassifizieren. Auch können beispielsweise erfasste Objekte getrackt werden, das heißt ihre Position und ihr Bewegungsverlauf kann verfolgt werden. Gerade beim Tracking von Objekten ist es wichtig, sinnvoll zwischen statischen und dynamischen Objekten zu unterscheiden. Mit einem Scala-Sensor, das heißt einem Laserscanner, ist dies nicht ohne weiteres möglich. Probleme ergeben sich dabei beispielsweise bei der korrekten Klassifikation von Leitplanken als statische Objekte. Leitplanken können beispielsweise nicht in Gänze von einem Laserscanner erfasst werden und es wird immer nur ein Teil der Leitplanke vom Laserscanner gesehen. Aus Sicht des Laserscanner sieht es, wenn sich ein Kraftfahrzeug entlang einer Leitplanke bewegt, also so aus, als ob sich ein und dasselbe Objekt neben dem Kraftfahrzeug mit bewegt. Somit bekommen parallel zum Fahrzeug verlaufende Leitplanken beim Tracking eine
Geschwindigkeitskomponente, die der Geschwindigkeit und Richtung des messenden Fahrzeugs entspricht. Eine Möglichkeit zur Klassifizierung von statischen und dynamischen Objekten ist in der Dissertation„Belegungskartenbasierte Umfeldwahrnehmung in Kombination mit objektbasierten Ansätzen für Fahrerassistenzsysteme" (Mohamed Essayed Bouzouraa - 201 1 ) beschrieben. Dort ist eine Methode zur Unterscheidung von statischen und sich bewegenden Objekten auf Basis von Scanpunkten offenbart. Hierbei werden Scanpunkte in jedem Erfassungszeitschritt in die Zellen einer Belegungskarte, einer sogenannten Grid Map, eingetragen. Jeder Zelle wird auf Basis der Scanpunkte innerhalb der Zelle eine Belegungswahrscheinlichkeit zugeordnet. Für statische Objekte, die sich also immer am selben Ort befinden und damit immer den gleichen Zellen zugeordnet sind, sind die Belegungswahrscheinlichkeiten in diesen Zellen sehr hoch, während diese für bewegte Objekte sehr niedrig sind, da diese nur kurz und damit in Form weniger Scanpunkte am selben Ort erfasst werden. Überschreitet die Belegungswahrscheinlichkeit einen
Grenzwert, so werden die Scanpunkte innerhalb der Zelle als statisch klassifiziert. Bei einer niedrigen Belegungswahrscheinlichkeit werden die Scanpunkte als dynamisch klassifiziert.
Hierdurch lassen sich zwar Leitplanken erfolgreich als statische Objekte klassifizieren, allerdings ist es für viele andere Fälle nicht ausreichend, Objekte mit einer hohen
Belegungswahrscheinlichkeit als statisch und den Rest als dynamisch zu klassifizieren. Bewegt sich beispielsweise ein Objekt nur sehr langsam, so würden die
Belegwahrscheinlichkeiten der korrespondierenden Zellen der Belegungskarte sehr hoch sein, und das Objekt würde fälschlicherweise als statisches Objekt klassifiziert werden. Würde man den Grenzwert für die Belegungswahrscheinlichkeit entsprechend höher wählen, so würde es auch für statische Objekte sehr viele Zeitschritte und damit lange dauern, bis ein solch hoher Grenzwert erreicht ist. Wenn nun eine solche
Vorgehensweise in einem Kraftfahrzeug, das sich mit sehr hohe Geschwindigkeit bewegt, Anwendung findet, dann wären solche langen Zeitdauern nur wenig praktikabel, da die Latenzzeiten, die dann auftreten würden, bis statische Objekte den
Wahrscheinlichkeitsgrenzwert erreichen bemessen an der Zeit, in welcher sich die Objekte überhaupt im Erfassungsbereich des Laserscanners befinden, zu groß wären.
Daher ist es Aufgabe der vorliegenden Erfindung, ein Verfahren zum Erfassen und zur Klassifizierung eines Objekts mittels zumindest einer Sensorvorrichtung auf Basis einer Belegungskarte, ein Fahrerassistenzsystem sowie ein Kraftfahrzeug bereitzustellen, welche eine zuverlässigere Klassifikation von statischen und dynamischen Objekten erlauben. Diese Aufgabe wird gelöst durch ein Verfahren, ein Fahrerassistenzsystem und ein Kraftfahrzeug mit den Merkmalen gemäß den jeweiligen unabhängigen Ansprüchen. Vorteilhafte Ausgestaltungen der Erfindung sind Gegenstand der abhängigen Ansprüche, der Beschreibung und den Figuren.
Bei einem erfindungsgemäßen Verfahren zum Erfassen und zur Klassifizierung eines Objekts mittels zumindest einer Sensorvorrichtung auf Basis einer Belegungskarte wird die Belegungskarte bereitgestellt, welche eine Mehrzahl an gitterförmig angeordneten Zellen aufweist, wobei jeder Zelle ein festgelegter Ortsbereich einer Umgebung der zumindest einen Sensorvorrichtung zugeordnet ist. Weiterhin wird in vorbestimmten Zeitschritten wiederholt zumindest ein Teil der Umgebung durch die zumindest eine Sensorvorrichtung abgetastet. Des Weiteren wird einer jeweiligen Zelle eine
Belegungswahrscheinlichkeit zugeordnet, wobei die Belegungswahrscheinlichkeit einer jeweiligen Zelle erhöht wird, wenn durch die zumindest einen Sensorvorrichtung ein Scanpunkt in einem zu einer jeweiligen Zelle zugeordneten Ortsbereich der Umgebung erfasst wird. Darüber hinaus werden zur Ermittlung einer
Gesamtbelegungswahrscheinlichkeit für eine jeweilige der Zellen die
Belegungswahrscheinlichkeiten einer jeweiligen Zelle nach jedem Zeitschritt mit einer Zerfallsfunktion multipliziert und das Ergebnis als die Gesamtbelegungswahrscheinlichkeit für eine jeweilige der Zellen bereitgestellt. Zudem wird unter der Voraussetzung, dass die Gesamtbelegungswahrscheinlichkeit für zumindest eine erste der Zellen von Null verschieden ist, ein Objekt in dem der ersten Zelle zugeordneten Ortsbereich erfasst. Weiterhin wird ein Wahrscheinlichkeitsverlauf auf Basis der
Gesamtbelegungswahrscheinlichkeiten in einem vorbestimmten die erste Zelle
umfassenden Bereich der Belegungskarte ermittelt und das Objekt als statisch oder dynamisch in Abhängigkeit von dem Wahrscheinlichkeitsverlauf klassifiziert.
Die Multiplikation mit einer Zerfallsfunktion kann dabei vorteilhafterweise bewirken, dass die Belegungswahrscheinlichkeiten für Zellen, die zu Ortsbereichen korrespondieren, an welchem sich ein Objekt befunden hat, welches sich nun jedoch zu einer anderen
Position weiter bewegt hat, im zeitlichen Verlauf reduziert werden. Die Zerfallsfunktion bewirkt also gewissermaßen einen zeitlichen Wahrscheinlichkeitszerfall in Zellen ab dem Zeitpunkt, ab dem in einer Zelle beziehungsweise dem zugeordneten Ortsbereich keine Scanpunkte mehr erfasst werden. Für bewegte, das heißt dynamische, Objekte ergibt sich damit vorteilhafterweise in der Belegungskarte ein charakteristischer
Wahrscheinlichkeitsverlauf, anhand welchen Objekte deutlich zuverlässiger und robuster als statisch oder dynamisch klassifiziert werden können. Entsprechend lassen sich beispielsweise auch Objekte, welche sich nur sehr langsam bewegen, eindeutig als dynamische Objekte richtig klassifizieren. Die Betrachtung des
Wahrscheinlichkeitsgradienten kann damit vorteilhafterweise für eine besonders zuverlässige Klassifizierung von dynamischen Objekten genutzt werden.
Die Belegungskarte kann im Allgemeinen auch als Belegungsgitter oder Occupancy Grid Map bezeichnet werden. Grid Maps repräsentieren die Umgebung als Gitter,
insbesondere als zweidimensionales Gitter, das aus einzelnen Zellen besteht, die vorzugsweise eine fixe Größe haben. Jeder Zelle können feste Eigenschaften
zugewiesen werden. In diesem Fall wird jeder Zelle die Wahrscheinlichkeit, dass sie belegt ist, zugewiesen, die entsprechend die Gesamtbelegungswahrscheinlichkeit für eine jeweilige Zelle bereitstellt. Weiterhin verläuft die Belegungskarte vorzugsweise in einer Ebene, welche beispielsweise in Bezug zur Umgebung horizontal angeordnet ist. Ist die Sensorvorrichtung beispielsweise als Laserscanner ausgebildet, so kann dieser beispielsweise frontseitig an ein Kraftfahrzeug angeordnet sein und die Umgebung ebenfalls in einer horizontalen Ebene oder zumindest in einer Scanebene scannen, die um einen vorbestimmten Winkel gegenüber der Horizontalen geneigt ist. Der
Laserscanner kann die Umgebung auch in mehreren Scanebenen scannen,
beispielsweise in einer ersten Scanebene, in einer zweiten Scanebene, welche gegenüber der ersten um 3° in vertikaler Richtung g eneigt ist, und in einer dritten
Scanebene, welche gegenüber der ersten Scanebene um 6° in vertikaler Richtung geneigt ist, wobei die vertikale Richtung in Richtung der Hochachse eines Kraftfahrzeugs definiert wird, welches den Laserscanner aufweist. Die Belegungskarte erstreckt sich in diesem Beispiel parallel zur Längs- und Querachse des Kraftfahrzeugs.
Befindet sich beispielsweise ein statisches Objekt in einem bestimmten Ortsbereich, so werden in diesem Ortsbereich in jedem Zeitschritt Scanpunkte erfasst. Dies führt dazu, dass die Belegungswahrscheinlichkeit der zugeordneten Zelle in jedem Zeitschritt erhöht wird. Dabei wird die Belegungswahrscheinlichkeit vorzugsweise nur bis zu einem vorbestimmten Maximalwert der Belegungswahrscheinlichkeit, wie beispielsweise 1 , erhöht. Zudem ist die Zerfallsfunktion so bemessen, dass die Reduktion der
Belegungswahrscheinlichkeit geringer ist, als die Erhöhung der
Belegungswahrscheinlichkeit bei erfasstem Scanpunkt. Wird also ein einer bestimmten Zelle zugeordneter Scanpunkt erfasst, so resultiert daraus eine
Gesamtbelegungswahrscheinlichkeit für diese bestimmte Zelle, die trotz Multiplikation mit der Zerfallsfunktion höher ist als die Gesamtbelegungswahrscheinlichkeit im vorhergehenden Zeitschritt. Hierdurch lassen sich auch statische Objekte, insbesondere auch Leitplanken, zuverlässig detektieren bzw. als statische Objekte klassifizieren.
Bei einer vorteilhaften Ausgestaltung der Erfindung stellt die zumindest eine
Sensorvorrichtung einen Laserscanner dar. Damit können vorteilhafterweise die Vorteile der Erfindung in Bezug auf eine einfache und zuverlässige Klassifikation von statischen und bewegten Objekten für die als Laserscanner ausgebildete zumindest eine
Sensorvorrichtungen genutzt werden. Vorteile lassen sich dabei gerade im Hinblick auf eine zuverlässige Klassifikation von Objekten erzielen, deren korrekte Klassifikation auf Basis der Erfassung durch einen Laserscanner üblicherweise problematisch ist, wie beispielsweise Leitplanken.
Das erfindungsgemäße Verfahren und dessen nachfolgend beschriebenen
Ausführungsformen lassen sich dabei aber im Allgemeinen mit jeder beliebig
ausgebildeten Sensorvorrichtung umsetzen. Diese kann beispielweise abgesehen von der bevorzugten Ausbildung als Laserscanner auch als Radarsensor und/oder
Ultraschallsensor ausgebildet sein. Auch eine Ausbildung als Kamera, Stereokamera oder Time-of-Flight-Kamera ist denkbar. Das Abtasten der Umgebung durch die
Sensorvorrichtung sowie das Erfassen eines Scanpunkts ist dabei im Allgemeinen als eine Erfassung zumindest des Teils der Umgebung basierend auf dem durch die
Sensorvorrichtung entsprechend ihrer Ausbildung bereitgestellten Messprinzip zu verstehen. Einzelne Scanpunkte müssen dabei nicht notwendigerweise zeitlich
aufeinanderfolgen erfasst werden sondern können beispielsweise auch gleichzeitig erfasst werden. Zudem kann das Verfahren auch im Zusammenhang mit einer
Sensoranordnung aufweisend mehrere verschieden ausgebildete Sensorvorrichtungen ausgeführt werden.
Das beschriebene Verfahren kann in gleicher Weise auch bei der Verwendung mehrerer Sensorvorrichtungen, wie zum Beispiel mehrerer Laserscanner, ganz analog angewandt werden. Dabei stellt es eine vorteilhafte Ausgestaltung der Erfindung dar, dass bei der Zuordnung der Belegungswahrscheinlichkeiten zu einer jeweiligen Zelle, die in dem gleichen einer Zelle zugeordneten Ortsbereich durch mehrere Sensorvorrichtungen erfassten Scanpunkte addiert werden und die Belegungswahrscheinlichkeit für die diesem Ortsbereich zugeordnete Zellen in Abhängigkeit von der Anzahl an in dem ihr
zugeordneten Ortsbereich erfassten Scanpunkte erhöht wird, insbesondere wobei die Erhöhung proportional zur Anzahl der erfassten Scanpunkten ist. Die in einem jeweiligen Ortsbereich und für einen jeweiligen Zeitschritt erfassten Scanpunkten, unabhängig davon, ob diese nun durch einen oder mehrere Sensorvorrichtungen erfasst wurden, sind damit auch proportional zur Belegungswahrscheinlichkeit, und damit auch proportional zur Gesamtbelegungswahrscheinlichkeit. Dies ist besonders vorteilhaft, da die
Wahrscheinlichkeit dafür, dass sich in einem Ortsbereich tatsächlich ein Objekt befindet, wenn in diesem Ortsbereich von mehreren Sensorvorrichtungen gleichzeitig Scanpunkte erfasst werden, höher ist, als wenn für diesen Ortsbereich lediglich nur durch eine Sensorvorrichtung ein Scanpunkt erfasst werden würde. Den realen Gegebenheiten unter Berücksichtigung von Messungenauigkeiten kann durch diese Art der Generierung der Belegungskarte deutlich besser Rechnung getragen werden. Mit anderen Worten, der Tatsache, dass redundante Messergebnisse zuverlässiger sind, kann durch die entsprechende Erhöhung der Belegungswahrscheinlichkeiten proportional zur Anzahl erfasster Scanpunkte berücksichtigt werden.
Gemäß einer weiteren vorteilhaften Ausgestaltung der Erfindung bewirkt die
Zerfallsfunktion, dass die Belegungswahrscheinlichkeit einer jeweiligen Zelle nach einem Zeitschritt reduziert wird, wenn in dem der jeweiligen Zelle zugeordneten Ortsbereich für den Zeitschritt kein Scanpunkt erfasst wurde. Dadurch wird es vorteilhafterweise gewährleistet, dass Zellen, die einmal belegt waren, nun jedoch nicht mehr belegt sind, nicht dauerhaft als belegt gelten. Zudem wird es darüber vorteilhafterweise ermöglicht, dass ein bewegtes Objekt auf einfache Weise anhand seines charakteristischen
Wahrscheinlichkeitsverlaufs, insbesondere Wahrscheinlichkeitsgradientenverlaufs, in der Belegungskarte identifiziert werden kann.
Bei einer weiteren vorteilhaften Ausgestaltung der Erfindung stellt die Zerfallsfunktion einen Zerfallsfaktor dar, insbesondere zwischen Null und Eins. Die stellt eine besonders einfache und effektive Ausgestaltung einer Zerfallsfunktion dar. Beispielsweise kann die Belegungswahrscheinlichkeit einer jeden Zelle in jedem Zeitschritt mit einem Faktor, zum Beispiel 0,99 multipliziert werden. Für den Fall, dass in einem einer Zelle zugeordneten Ortsbereich für lange Zeit kein Scanpunkt erfasst wird, wird auch entsprechend die Gesamtbelegungswahrscheinlichkeit Zeitschritt für Zeitschritt reduziert und ist nach bestimmter Zeit wieder annähernd 0. Auch hierbei ist es vorteilhaft, wenn eine Reduktion der Belegungswahrscheinlichkeit durch den Zerfallsfaktor oder im Allgemeinen durch die Zerfallsfunktion nur dann stattfindet, wenn die aktuelle
Gesamtbelegungswahrscheinlichkeit nicht bereits minimal ist, und zum Bespiel von Null verschieden ist. Die Zerfallsfunktion kann jedoch im Allgemeinen einen beliebigen Verlauf annehmen und muss nicht zwingend als Faktor bereitgestellt sein. Beispielsweise ist es auch vorteilhaft, wenn die Zerfallsfunktion situationsabhängig unterschiedlich gewählt wird. Dies wird zu dem nachfolgenden Ausführungsbeispiel näher erläutert.
Gemäß dieser weiteren vorteilhaften Ausgestaltung der Erfindung wird die
Zerfallsfunktion für einen verdeckten Umgebungsbereich und einen nicht verdeckten Umgebungsbereich unterschiedlich bestimmt, wobei der verdeckte Umgebungsbereich einen in einem Erfassungsbereich der Sensorvorrichtung befindlichen Bereich der Umgebung darstellt, der von einem sich zwischen diesem Bereich und der
Sensorvorrichtung befindlichen Objekt verdeckt wird.
Im Allgemeinen sollten die Erhöhung der Belegungswahrscheinlichkeit für den Fall, dass in einem Ortsbereich ein Scanpunkt erfasst wurde, und die Zerfallsfunktion so
aufeinander abgestimmt sein, dass für den Fall, dass in dem Ortsbereich ein Scanpunkt erfasst wurde auch die Gesamtbelegungswahrscheinlichkeit für die zugeordnete Zelle trotz Multiplikation der Belegungswahrscheinlichkeiten mit der Zerfallsfunktion insgesamt erhöht wird. Damit wird die Gesamtbelegungswahrscheinlichkeit für die entsprechende Zelle nur dann reduziert, wenn für einen Zeitschritt kein Scanpunkt in dem zugeordneten Ortsbereich erfasst wurde. Um zu verhindern, dass aus Sicht er Sensorvorrichtung, zum Beispiel aus Sicht des Laserscanners, verdeckte Bereiche fehlinterpretiert werden, ist es nun besonders vorteilhaft, die Auswirkungen der Zerfallsfunktion auf diese den verdeckten Bereichen zugeordneten Zellen möglichst gering zu halten. Dadurch können vorteilhafterweise die Fälle unterschieden werden, dass zum einen kein Objekt erfasst wurde, weil in einem vom Laserscanner abgetasteten Bereich kein Scanpunkt erfasst wurde, und dass zum anderen kein Objekt erfasst wurde, weil aufgrund der Verdeckung dieses Bereichs, in welchem sich das Objekt befindet, dieses Objekt gar nicht abgetastet werden konnte. In solchen verdeckten Bereichen kann die Zerfallsfunktion, insbesondere der Zerfallsfaktor, größer, oder beispielsweise gleich 1 , gewählt werden.
Gemäß einer weiteren vorteilhaften Ausgestaltung der Erfindung wird eine Bewegung der Sensorvorrichtung relativ zur Umgebung erfasst und die erfasste Bewegung bei der Zuordnung von den durch die zumindest eine Sensorvorrichtung erfassten Scanpunkten zu den Zellen der Belegungskarte berücksichtigt.
Dies erlaubt vorteilhafterweise eine Eigenbewegungskompensation. Punkte werden durch eine Sensorvorrichtung üblicherweise in einem Sensorvorrichtungs-festen
Koordinatensystem erfasst. Die Belegungskarte beziehungsweise deren Zellen sind dagegen ortsfest und somit auch durch ein ortsfestes Koordinatensystem beschrieben. Durch diese Ausführungsform der Erfindung wird es vorteilhafterweise ermöglicht, dass die in Bezug zum Sensorvorrichtungs-festen Koordinatensystem erfassten Scanpunkte auch bei Bewegung der Sensorvorrichtung in Bezug auf die Umgebung den richtigen Ortsbereichen der jeweiligen Zellen zugeordnet werden. Das Sensorvorrichtungs-feste Koordinatensystem hängt damit über eine einfache Transformation mit dem ortsfesten Koordinatensystem der Belegungskarte zusammen, wobei diese Transformation durch die Bewegung der Sensorvorrichtung relativ zur Umgebung bestimmt ist. Die Bewegung der Sensorvorrichtung relativ zur Umgebung ist insbesondere durch eine Geschwindigkeit der Sensorvorrichtung sowie eine Richtung der Bewegung bestimmt. Ist die
Sensorvorrichtung Teil eines Kraftfahrzeugs, so können diese Größen auf einfache Weise mittels Kraftfahrzeugsensoren ermittelt werden, zum Beispiel
Geschwindigkeitssensoren, diverse Positionserfassungsmittel oder Lenkwinkelsensoren.
Gemäß einer weiteren vorteilhaften Ausgestaltung der Erfindung wird der der ersten Zelle zugeordnete Ortsbereich als ein aktueller Ort des erfassten Objekts bestimmt für den Fall, dass die Gesamtbelegungswahrscheinlichkeiten der übrigen Zellen im
vorbestimmten Bereich kleiner oder höchstens gleich der
Gesamtbelegungswahrscheinlichkeit der ersten Zelle sind. Der aktuelle Ort eines Objekts spiegelt sich in der beschriebenen Belegungskarte als ein lokales
Wahrscheinlichkeitsmaximum wieder. Erstrecken sich Objekte in ihrer Ausdehnung bzw. Größe dabei über mehrere Zellen hinweg, d.h. zumindest im abtastbaren Sichtfeld des Laserscanners oder im Allgemeinen der Sensorvorrichtung, so ist die
Belegungswahrscheinlichkeit dieser entsprechenden Zellen etwa gleich hoch. Die aktuellen Orte von Objekten in der Umgebung können damit auf einfache Weise dadurch ausfindig gemacht werden, indem in der Belegungskarte nach Maxima der
Gesamtbelegungswahrscheinlichkeit gesucht wird.
Ist beispielsweise der aktuelle Ort eines Objekts durch eine derartige Vorgehensweise ausfindig gemacht, so kann wie im Folgenden beschrieben auf einfache Weise klassifiziert werden, ob es sich bei diesem Objekt um ein statisches oder um ein dynamisches Objekt handelt.
Gemäß einer vorteilhaften Ausgestaltung der Erfindung erstreckt sich der vorbestimmte Bereich von der ersten Zelle, in welcher also ein Wahrscheinlichkeitsmaximum bestimmt worden ist, in zumindest eine bestimmte Richtung bis zu einer vorbestimmten
aufeinanderfolgenden Anzahl an Zellen, denen jeweils eine
Gesamtbelegungswahrscheinlichkeit kleiner als ein vorbestimmter Grenzwert zugeordnet ist. Der vorbestimmte Bereich ist damit quasi als zusammenhängend belegter Bereich der Belegungskarte umfassen die erste Zelle definiert, wobei belegt hierbei im Sinne einer vorbestimmte Mindestgesamtbelegungswahrscheinlichkeit aufweisend zu verstehen ist. Ein solcher Bereich zeigt dabei für statische Objekte einen anderen
Wahrscheinlichkeitsverlauf als für dynamische Objekte, was erfindungsgemäß
vorteilhafterweise zur Klassifizierung genutzt wird.
Dabei ist es besonders vorteilhaft, dass für den Fall, dass der Wahrscheinlichkeitsverlauf der Gesamtbelegungswahrscheinlichkeit ausgehend von der ersten Zelle in zumindest eine Richtung im Mittel abnimmt und im Mittel größer ist als ein vorbestimmter Grenzwert, das Objekt als dynamisches Objekt klassifiziert wird. Ein Objekt, das sich sozusagen durch das ortsfeste Gitter der Belegungskarte bewegt, hinterlässt bedingt durch die Zerfallsfunktion eine abnehmende„Wahrscheinlichkeitsspur", d.h. ein
Wahrscheinlichkeitsverlauf, der mit zunehmendem Abstand zur aktuellen Position des Objekts abnimmt. Eine solche Wahrscheinlichkeitsspur ist dagegen bei statischen Objekten nicht zu verzeichnen. Diese können auf einfache Weise in der Belegungskarte dadurch erkannt werden, dass die Zellen, welche zu den Ortsbereichen, an welchem sich das Objekt befindet, eine sehr hohe Gesamtbelegungswahrscheinlichkeit aufweisen, die Zellen, die zu angrenzenden Ortsbereichen korrespondieren, jedoch eine sehr niedrige oder gar keine Gesamtbelegungswahrscheinlichkeit aufweisen. Daher zeichnen sich statische Objekte durch einen Bereich in der Belegungskarte mit annähernd konstanter Belegungswahrscheinlichkeit und einen relativ steilen Wahrscheinlichkeitsabfall, d.h. einen hohen Wahrscheinlichkeitsgradienten, im Randbereich aus. Bei dynamischen Objekten dagegen ist ausgehend von der aktuellen Position des Objekts vielmehr ein kontinuierlich abfallender Gesamtwahrscheinlichkeitsverlauf zu verzeichnen. Um
Messunsicherheiten, oder sonstige nicht relevante Schwankungen bei der Betrachtung des Wahrscheinlichkeitsverlaufs unberücksichtigt zu lassen, kann der
Wahrscheinlichkeitsverlauf vorteilhafterweise im Mittel betrachtet werden.
Dabei ist es besonders vorteilhaft, wenn zur Bestimmung des Wahrscheinlichkeitsverlaufs im Mittel die Gesamtbelegungswahrscheinlichkeiten einer vorbestimmten Anzahl aneinandergrenzender Zellen gemittelt werden, insbesondere für eine jeweilige Zelle im vorbestimmten Bereich. Dies hat den Hintergrund, dass in einer Belegungskarte oftmals Wahrscheinlichkeitslücken an bestimmten Stellen oder auch in einem solchen
Wahrscheinlichkeitsverlauf auftreten können, die einerseits durch Messungenauigkeiten bedingt sein können, zum anderen auch durch hohe Geschwindigkeiten dynamischer Objekte. Beispielsweise kann es sein, dass ein Objekt, welches sich über einen bestimmten Ortsbereich hinweg bewegt hat, in diesem Ortsbereich nicht als Scanpunkt erfasst wurde, da die Dauer für die Bewegung durch den Ortsbereich geringer ist als der zeitliche Abstand der vorbestimmten Zeitschritte, in welchem die Umgebung abgetastet wird. Derartige Lücken können also zu lokalen Schwankungen im
Wahrscheinlichkeitsverlauf führen, die durch oben beschriebene Mittelung
vorteilhafterweise kompensiert werden können. Beispielsweise kann sich der
Wahrscheinlichkeitswert des Wahrscheinlichkeitsverlaufs an einer bestimmten Position aus einer Mitteilung der Gesamtwahrscheinlichkeiten der an diese Position angrenzenden Zellen zusammensetzen. Darüber hinaus gibt es alternativ noch vielfältige weitere Möglichkeiten. Beispielsweise könnte für die jeweiligen Gesamtwahrscheinlichkeitswerte im vorbestimmten Bereich auch eine mittlere Wahrscheinlichkeitsverlaufskurve berechnet werden, beispielsweise in Form einer Regressionskurve, oder ähnliches. Auch hierdurch lassen sich vorteilhafterweise die oben beschriebenen Lücken kompensieren. Zudem kann es durch solche Lücken vorkommen, dass der nur Zellen oberhalb einer bestimmten Mindestgesamtwahrscheinlichkeit umfassende Wahrscheinlichkeitsverlauf für ein bewegtes Objekt kein vollständig zusammenhängendes Zellengebiet darstellt. Auch dies lässt sich vorteilhafterweise dadurch berücksichtigen, dass der vorbestimmte Bereich so definiert ist, dass dieser erst endet, wenn eine vorbestimmte Mindestanzahl an Zellen in zumindest eine Richtung ausgehend von der ersten Zelle eine Wahrscheinlichkeit unterhalb des Grenzwerts aufweisen, so dass kleinere Lücken noch in diesen
vorbestimmten Bereich fallen.
Hierdurch lassen sich im Allgemeinen auf besonders zuverlässige und robuste Weise Objekte als statische und dynamische Objekte klassifizieren. Die Betrachtung des Wahrscheinlichkeitsverlaufs beziehungsweise des Wahrscheinlichkeitsgradienten ermöglicht darüber hinaus noch die Ermittlung weiterer Zusatzinformationen in Bezug auf das Objekt.
Gemäß einer vorteilhaften Ausgestaltung der Erfindung wird für den Fall, dass das Objekt als dynamisches Objekt klassifiziert wird, ein Schätzwert für eine
Bewegungsgeschwindigkeit des Objekts auf Basis der Belegungskarte bestimmt.
Hierdurch lässt sich vorteilhafterweise nicht nur bestimmen, ob es sich bei einem Objekt um ein dynamisches oder ein statisches Objekt handelt sondern es kann auf Basis der Belegungskarte auch abgeschätzt werden, mit welcher Geschwindigkeit sich ein Objekt bewegt. Hierbei kann es beispielsweise vorgesehen sein, dass der Schätzwert in Abhängigkeit von der Größe der Gesamtbelegungswahrscheinlichkeit der ersten Zelle bestimmt wird, insbesondere welche dem Ortbereich zugeordnet ist, an welchem sich das Objekt aktuell befindet. Bewegt sich beispielsweise ein Objekt sehr langsam, so befindet sich das auch sehr lange in einem einer Zelle zugeordneten Ortsbereich, sodass dieses Objekt sehr oft durch die Sensorvorrichtung und entsprechend erfasste Scanpunkte erfasst wird und auch entsprechend die Gesamtbelegungswahrscheinlichkeit der diesem Ortsbereich zugeordneten Zelle sehr hoch ist. Im umgekehrten Fall, bewegt sich ein Objekt beispielsweise sehr schnell, so ist auch entsprechend die
Gesamtbelegungswahrscheinlichkeit der Zelle, die dem Ortsbereich, an welchem sich das Objekt gerade befindet, entspricht, sehr niedrig. Damit stellt für ein dynamisches Objekt die Größe der Gesamtbelegungswahrscheinlichkeit am aktuellen Ort des Objekts ein Maß für die Bewegungsgeschwindigkeit des Objekts dar. Hierdurch lassen sich
vorteilhafterweise die Gesamtbelegungswahrscheinlichkeiten mit der
Objektgeschwindigkeit skalieren, wodurch durch die Bestimmung der Größe der
Gesamtbelegungswahrscheinlichkeit an einem aktuellen Aufenthaltsort eines Objekts vorteilhafterweise auch ein Schätzwert für die aktuelle Geschwindigkeit des Objekts angegeben werden kann.
Bei einer weiteren vorteilhaften Ausgestaltung der Erfindung wird der Schätzwert in Abhängigkeit von einer Länge des Wahrscheinlichkeitsverlaufs von
Gesamtbelegungswahrscheinlichkeiten, welche im Mittel größer als ein vorbestimmter Grenzwert sind, im vorbestimmten Bereich ausgehend von der ersten Zelle bestimmt.
Wie beschrieben, zeigt ein dynamisches Objekt in der Belegungskarte zumindest im Mittel einen von der aktuellen Position an abfallenden Wahrscheinlichkeitsverlauf. Je länger dieser Verlauf ist, und zumindest im Mittel von Null verschieden, desto schneller hat sich das Objekt durch die entsprechenden Ortsbereiche, die zu den jeweiligen Zellen im Belegungskarte korrespondieren, bewegt. Desto kürzer dagegen dieser
Wahrscheinlichkeitsverlauf ist, desto langsamer bewegt sich ein Objekt. Die Länge des Wahrscheinlichkeitsverlaufs kann daher vorteilhafterweise ebenfalls mit der
Bewegungsgeschwindigkeit eines Objekts skaliert werden, sodass durch die Länge dieses Wahrscheinlichkeitsverlaufs vorteilhafterweise ebenso die Geschwindigkeit des Objekts geschätzt werden kann.
Besonders vorteilhaft ist es dabei vor allem sowohl die Größe der
Gesamtbelegungswahrscheinlichkeit am aktuellen Ort des Objekts sowie auch die Länge des Wahrscheinlichkeitsverlaufs bei der Schätzung der Geschwindigkeit des Objekts zu berücksichtigen, da sich hierdurch noch genauere und zuverlässigere Ergebnisse erzielen lassen.
Ein erfindungsgemäßes Fahrerassistenzsystem für ein Kraftfahrzeug ist dazu ausgelegt, ein erfindungsgemäße Verfahren oder eines seiner Ausgestaltungen durchzuführen.
Ein erfindungsgemäßes Kraftfahrzeug weist ein erfindungsgemäßes
Fahrerassistenzsystem auf. Das Kraftfahrzeug ist insbesondere als Personenkraftwagen ausgebildet.
Die mit Bezug auf das erfindungsgemäße Verfahren vorgestellten bevorzugten
Ausführungsformen und deren Vorteile gelten entsprechend für das erfindungsgemäße Fahrerassistenzsystem und für das erfindungsgemäße Kraftfahrzeug.
Darüber hinaus ermöglichen die im Zusammenhang mit dem erfindungsgemäßen Verfahren und seinen Ausgestaltungen genannten Verfahrensschritte die Weiterbildung des erfindungsgemäßen Fahrerassistenzsystems und des erfindungsgemäßen
Kraftfahrzeugs durch weitere gegenständliche Merkmale.
Weitere Merkmale der Erfindung ergeben sich aus den Ansprüchen, den Figuren und der Figurenbeschreibung. Die vorstehende in der Beschreibung genannten Merkmale und Merkmalskombinationen, so wie die nachfolgend in der Figurenbeschreibung genannten und/oder in den Figuren alleine gezeigten Merkmale und Merkmalskombinationen sind nicht nur in der jeweils angegebenen Kombination, sondern auch in anderen
Kombinationen oder in Alleinstellung verwendbar, ohne den Rahmen der Erfindung zu verlassen. Es sind somit auch Ausführungen von der Erfindung als umfasst und offenbart anzusehen, die in den Figuren nicht explizit gezeigt und erläutert sind, jedoch durch separierte Merkmalskombinationen aus den erläuterten Ausführungen hervorgehen und erzeugbar sind. Es sind auch Ausführungen und Merkmalskombinationen als offenbart anzusehen, die somit nicht alle Merkmale eines ursprünglich formulierten unabhängigen Anspruchs aufweisen.
Die Erfindung wird nun anhand von bevorzugten Ausführungsbeispielen sowie unter Bezugnahme auf die beigefügten Zeichnungen näher erläutert.
Dabei zeigen: Fig. 1 eine schematische Darstellung eines Kraftfahrzeugs mit einem
Laserscanner in einer Seitenansicht gemäß einem Ausführungsbeispiel der Erfindung;
Fig. 2 eine schematische Darstellung des Kraftfahrzeugs mit dem Laserscanner und einer Belegungskarte in einer Draufsicht gemäß einem
Ausführungsbeispiel der Erfindung;
Fig. 3 eine schematische Darstellung von Erfassungsbereichen zweier
Laserscanner in einer Belegungskarte gemäß einem Ausführungsbeispiel der Erfindung;
Fig. 4 eine schematische Darstellung der aus der Anordnung aus Figur 3
resultierenden Scanpunkte in einer Belegungskarte gemäß einem
Ausführungsbeispiel der Erfindung;
Fig. 5 eine schematische Darstellung der auf Basis der Scanpunkte den
jeweiligen Zellen zugeordneten Belegungswahrscheinlichkeiten gemäß einem Ausführungsbeispiel der Erfindung; und
Fig. 6 eine schematische Darstellung einer gemäß einer Ausführungsform des erfindungsgemäßen Verfahrens erstellten Belegungskarte.
Fig. 1 zeigt eine schematische Darstellung eines Kraftfahrzeugs 1 mit einer hier exemplarisch als ein Laserscanner 2 ausgebildeten Sensorvorrichtung in einer
Seitenansicht gemäß einem Ausführungsbeispiel der Erfindung. Im Allgemeinen kann die Sensorvorrichtung aber auch als Radarsensor oder Ultraschallsensor oder beliebig anders ausgebildeter Umfeldsensor ausgebildet sein. Die im Folgenden und auch im Zusammenhang mit den anderen Figuren beschriebenen Beispiele lassen sich ganz analog auch mit einer von einem Laserscanner verschiedenen Sensorvorrichtung umsetzen.
Der Laserscanner 2 ist hierbei exemplarisch an einer Fahrzeugfront des Kraftfahrzeugs 1 angeordnet. Weiterhin ist der Laserscanner 2 dazu ausgelegt, zumindest einen Teil der Umgebung 3 in vorbestimmten Zeitschritten wiederholt abzutasten. Diese Abtastung kann dabei in einer oder mehreren Scanebenen erfolgen. In Fig. 1 sind weiterhin exemplarisch drei Scanebenen dargestellt, wobei eine erste Scanebene 4 parallel zur
Fahrzeuglängsachse in z-Richtung und parallel zur Fahrzeugquerachse in x-Richtung verläuft. Eine zweite Scanebene 5 ist gegenüber der ersten Scanebene 4 um einen Winkel a, zum Beispiel 3° mit Bezug auf den Laserscanner 2 als Ursprung geneigt. Eine dritte Scanebene 6 ist gegenüber der ersten Scanebene 4 um einen Winkel ß, zum Beispiel 6° mit Bezug auf den Laserscanner 2 als U rsprung geneigt. Zum Abtasten der Umgebung 3 kann der Laserscanner 2 beispielsweise den Abtaststrahl zunächst in der ersten Scanebene 4 bewegen, anschließend über die zweite Scanebene 5 hinweg, anschließend über die dritte Scanebene 6 hinweg, und anschließend wieder über die erste Scanebene 4 hinweg, usw. Befindet sich im Erfassungsbereich des Laserscanners 2 ein Objekt, so wird dies durch den Laserscanner 2 als entsprechender Scanpunkt P erfasst. Ein solcher Scanpunkt P ist hier in Fig. 1 exemplarisch dargestellt.
Weiterhin ist eine Belegungskarte 7 bereitgestellt, welche eine Mehrzahl an gitterförmig angeordneten Zellen 8 (vergleiche Fig. 2) aufweist. Diese Belegungskarte 8 stellt eine zweidimensionale Belegungskarte dar, ist ortsfest in Bezug auf die Umgebung 3 angeordnet und verläuft in horizontaler Richtung, das heißt in diesem Beispiel ebenfalls parallel zur Fahrzeuglängsachse und parallel zur Fahrzeugquerachse. Jeder Zelle 8 der Belegungskarte 7 ist entsprechend ein Ortsbereich 9 der Umgebung 3 zugeordnet. Dieser Ortsbereich 9 erstreckt sich beispielsweise ausgehend von der ihm zugeordneten Zelle 8 in vertikaler Richtung, das heißt in der dargestellten y-Richtung, senkrecht zur Ebene, in welcher die Belegungskarte 7 verläuft. Wird also beispielsweise in Fig. 1 ein Scanpunkt P im Umgebungsbereich 9 erfasst, welcher der Zelle 8 zugeordnet ist, selbst wenn sich der Scanpunkt P nicht in der Ebene der Belegungskarte 7 befindet, so wird dieser Scanpunkt P der betreffenden Zelle 8, welche dem Ortsbereich 9 zugeordnet ist, zugeordnet, was durch den Pfeil 10 veranschaulicht werden soll.
Anhand einer Belegungskarte, wie die hier dargestellte Belegungskarte 7, kann wie später noch näher beschrieben wird ein Objekt in der Umgebung 3 der detektiert werden, sowie auch klassifiziert werden, ob es sich bei diesem Objekt um ein statisches oder dynamisches Objekt handelt. Um die mittels des Laserscanners 2 erfassten Scanpunkte P auszuwerten und eine entsprechende Belegungskarte 7 zu erstellen, kann das
Kraftfahrzeug 1 weiterhin eine Auswerteeinrichtung 1 1 aufweisen, die dazu ausgelegt, auf Basis der erstellten Belegungskarte 7 zu bestimmen, ob sich Objekte in der Umgebung 3 des Kraftfahrzeugs 1 befinden, und ob es sich bei solchen Objekten um statische Objekte oder dynamisch Objekte handelt. Die Auswerteeinrichtung 1 1 kann dabei auch Teil eines Fahrerassistenzsystems 12 des Kraftfahrzeugs 1 darstellen, welches die ermittelten Informationen weiter verwertet. Beispielsweise kann die Auswerteeinrichtung 1 1 erfasste dynamische Objekte für einen Tracking dieser Objekte verwenden, was von einem Fahrerassistenzsystem zur automatischen Distanzregelung verwendet werden kann. Erfasste und als dynamische oder statisch klassifizierte Objekte können auch für automatische Einparksysteme, Spurhalteassistenten, adaptive Fernlichtassistenten, Notbremsassistenten, usw. verwendet werden.
Fig. 2 zeigt eine schematische Darstellung des Kraftfahrzeugs 1 und die Belegungskarte 7 in einer Draufsicht. Das Kraftfahrzeug 1 , das wiederum den Laserscanner 2 aufweist, der einen Erfassungsbereich 13 aufweist, der in der horizontalen Ebene, das heißt in der x-z-Ebene, hier exemplarisch durch zwei Striche 13a, 13b begrenzt dargestellt ist. In diesem Beispiel in Fig. 2 ist weiterhin aus Gründen der Übersichtlichkeit nur eine Zelle 8 der Belegungskarte mit einem Bezugszeichen versehen. Während sich das Kraftfahrzeug 1 relativ zur Umgebung frei bewegen kann, bleibt jedoch die Bewegungskarte 7 beziehungsweise deren Zellen 8 immer ortsfest, das heißt einem festgelegten
Ortsbereich zugeordnet.
Ein Ausführungsbeispiel des erfindungsgemäßen Verfahrens zum Erfassen und zur Klassifizierung eines Objekts mittels des Laserscanners 2 auf Basis der Belegungskarte 7 wird nun anhand von Fig. 3 bis Fig. 6 näher erläutert. Fig. 3 zeigt dabei eine
schematische Darstellung von zwei Laserscannern 2a, 2b, und ihrer jeweiligen
Erfassungsbereiche 14a, 14b in einer Draufsicht in Relation zur Belegungskarte 7.
Weiterhin befinden sich hierbei exemplarisch in den mit O bezeichneten Bereichen Objekte oder Teile eines Objekts. Manche dieser Objekte O befinden sich dabei gleichzeitig in beiden Erfassungsbereichen 14a, 14b beider Laserscanner 2a, 2b, manche dieser Objekte O jedoch nur im Wesentlichen in nur einem der beiden
Erfassungsbereiche 14a, 14b. Entsprechend werden auch für die in beiden
Erfassungsbereichen 14a, 14b befindlichen Objekte O mehr Scanpunkte P erzeugt als für die, die sich nur in einem der beiden Erfassungsbereiche 14a, 14b befinden.
Die für diese Anordnung korrespondierenden Scanpunkte P sind in Bezug auf die
Belegungskarte 7 noch mal in Fig. 4 schematisch dargestellt. Die Zellen 8, welche den Ortsbereichen 9 zugeordnet sind, in welchen sich die Erfassungsbereiche 14a, 14b am Ort der Objekte O überlappen, weisen entsprechend mehr Scanpunkte P auf. Auf Basis der einer Zelle 8 zugeordneten Scanpunkte P beziehungsweise in Abhängigkeit von deren Anzahl, wird einer entsprechenden Zelle 8 eine Belegungswahrscheinlichkeit zugeordnet.
Dies ist in Fig. 5 schematisch veranschaulicht. Fig. 5 zeigt dabei eine schematische Darstellung der Belegungskarte 7 mit den auf Basis der Scanpunkte P den jeweiligen Zellen, die nun zur besseren Unterscheidung mit 8a, 8b und 8c bezeichnet sind, zugeordneten Gesamtbelegungswahrscheinlichkeiten, welche in Fig. 5 durch
unterschiedliche Muster innerhalb der betreffenden Zellen 8a, 8b, 8c veranschaulicht sind. Die Zellen 8a weisen hierbei entsprechend der Anzahl der Scanpunkte P, die in den ihnen zugeordneten Ortsbereichen erfasst wurden, die höchste
Gesamtbelegungswahrscheinlichkeit auf, die Zelle 8b die zweithöchste
Gesamtbelegungswahrscheinlichkeit und die Zellen 8c die dritthöchste
Gesamtbelegungswahrscheinlichkeit, wären alle übrigen Zellen 8 keine
Gesamtbelegungswahrscheinlichkeit beziehungsweise die
Gesamtbelegungswahrscheinlichkeit 0 aufweisen. Die in Fig. 5 dargestellte
Belegungskarte 7 zeigt entsprechend das Ergebnis einer Abtastung für einen Zeitschritt. Die Scanpunkt der B werden nun jedes Mal, das heißt in jedem Zeitschritt, wenn neue Sensordaten empfangen werden, das heißt durch den oder die Laserscanner 2 oder 2a, 2b erfasst worden, in die Belegungskarte 7 eingetragen. Genauer gesagt wird für die Zellen 8, welcher Scanpunkte zugeordnet sind, die Wahrscheinlichkeit der Belegung erhöht. Zusätzlich wird die Belegungswahrscheinlichkeit zu jedem Zeitschritt auch mit einen Zerfallsfaktor, oder im Allgemeinen auch einer Zerfallsfunktion, multipliziert, woraus eine Gesamtbelegungswahrscheinlichkeit für jede Zelle 8 resultiert.
Für den Fall dass sich der Laserscanner 2, 2a, 2b beziehungsweise das Kraftfahrzeug 1 in Bezug zur Umgebung 3 bewegt, kann eine entsprechende
Eigenbewegungskompensation hinzukommen. Wird eine derartige Belegungskarte 7 auf Basis der Scanpunkte P mehrerer aufeinanderfolgender Zeitschritte erstellt, so ergibt sich für statische und dynamische Objekte jeweils ein charakteristischer Verlauf, welche nun anhand von Fig. 6 näher beschrieben wird.
Fig. 6 zeigt eine schematische Darstellung einer Belegungskarte 7, die gemäß einer Ausführungsform des erfindungsgemäßen Verfahrens erstellt wurde. Insbesondere basiert diese Belegungskarte 7 auf Messergebnissen zum Beispiel des Laserscanners 2 aus Fig. 1 und Fig. 2 über mehrere Zeitschritte. Die aktuelle Position des Laserscanners 2 ist durch den Punkt 15 veranschaulicht. Weiterhin sind in der Belegungskarte 7 verschiedene Wahrscheinlichkeitsverläufe zu erkennen, insbesondere ein erster Wahrscheinlichkeitsverlauf 16 und ein zweiter Wahrscheinlichkeitsverlaufs 17, welche jeweils zu einer Leitplanke korrespondieren, sowie ein dritter, vierter und fünfter
Wahrscheinlichkeitsverlauf 18, 19, 20, welche jeweils zu Kraftfahrzeugen
korrespondieren, dargestellt. Die Leitplanken erscheinen in der Belegungskarte 17 mit einer hohen um insbesondere im Wesentlichen konstanten
Gesamtbelegungswahrscheinlichkeit am Ort der jeweiligen Zellen 8 der Belegungskarte 7, welche zu dem Ortsbereich 9 korrespondieren, an welchem der Laserscanner 2 die betreffenden Leitplankenabschnitte als Scanpunkte P erfasst hat.
Die zu den Kraftfahrzeugen korrespondierenden Wahrscheinlichkeitsverläufe 16, 17, 18 zeigen einen anderen Verlauf. Um dies zu veranschaulichen, wurden die jeweiligen Wahrscheinlichkeitsverläufe 18, 19, 20 in fünf Bereiche 18a, 18b, 18c, 18d, 18e beziehungsweise 19a, 19b, 19c, 19d, 19e beziehungsweise 20a, 20b, 20c, 20d, 20e eingeteilt. Die Gesamtbelegungswahrscheinlichkeiten der dem Bereich 18a zugeordneten Zellen 8 ist dabei größer als die Gesamtbelegungswahrscheinlichkeiten der jeweiligen Zellen 8 im Bereich 18b, diese wiederum größer als die
Gesamtbelegungswahrscheinlichkeiten der jeweiligen Zellen 8 im Bereich 18c, diese wiederum größer als die Gesamtbelegungswahrscheinlichkeiten der jeweiligen Zellen 8 im Bereich 18d und diese sind wiederum größer als die
Gesamtbelegungswahrscheinlichkeiten der jeweiligen Zellen 8 im Bereich 18e. Gleiches gilt auch für die Wahrscheinlichkeitsverläufe 19 und 20 und deren jeweiliger Bereiche 19a, 19b, 19c, 19d, 19e beziehungsweise. 20a, 20b, 20c, 20d, 20e. Die aktuelle Position des zum Wahrscheinlichkeitsverlauf 18 korrespondierenden Kraftfahrzeugs kann sich anhand des Bereichs 18a anhand erkennbaren lokalen maximalen
Gesamtbelegungswahrscheinlichkeit bestimmen lassen. Der Wahrscheinlichkeitsverlauf 18 nimmt entsprechend ausgehend von diesem ersten Bereich 18a entgegen
Bewegungsrichtung des Objekts, also des Kraftfahrzeugs, d.h. hier entgegen z-Richtung, zumindest im Mittel ab. Hierbei können auch kleinere Schwankungen und lokale
Inhomogenitäten in Bezug auf die Gesamtbelegungswahrscheinlichkeiten auftreten, was in Fig. 6 an den Lücken in den entsprechenden Wahrscheinlichkeitsverläufen 18, 19, 20 zu erkennen ist. Diese resultieren aus Messungenauigkeiten und basieren unter anderem auf der Tatsache, dass es aufgrund des diskreten Abtastverfahrens an bestimmten Zeitschritten, insbesondere beim Abtasten bewegter Objekte, vorkommen kann, dass ein Objekt als entsprechender Scanpunkt P nicht in jedem einer Zelle 8 zugeordneten Ortsbereich 9 erfasst wird. Dennoch lässt sich hier ein quasi zusammenhängender Wahrscheinlichkeitsverlauf dadurch definieren, dass aneinandergrenzende Zellen 8 einer vorbestimmten Anzahl, beispielsweise 2, 3 oder 4, im Mittel eine Gesamtbelegungswahrscheinlichkeit größer als einen vorbestimmter Grenzwert aufweisen.
Durch Betrachtung der Wahrscheinlichkeitsverläufe 16, 17, 18, 19, 20 und insbesondere deren jeweiliger Wahrscheinlichkeitsgradienten lassen sich damit deutlich robuster und zuverlässiger Objekte als dynamische oder statische Objekte klassifizieren. Ein zusätzlicher großer Vorteil bei diesem Verfahren besteht zudem auch darin, dass sich auch die Geschwindigkeit solcher bewegten Objekte abschätzen lässt. Dies kann zum einen durch die Betrachtung der Gesamtbelegungswahrscheinlichkeit der Zellen 8 am aktuellen Aufenthaltsort des dynamischen Objekts erfolgen, wie in diesem Beispiel anhand der Gesamtbelegungswahrscheinlichkeiten in den Bereichen 18a, 19a und 20a. Je höher die Gesamtbelegungswahrscheinlichkeit ist, desto länger hat sich das entsprechende Objekt im korrespondierenden Ortsbereich 9 aufgehalten und desto langsamer bewegt sich dieses fort. Zum anderen kann auch die Länge L der
entsprechenden Wahrscheinlichkeitsverläufe 18, 19, 20 einen Schätzwert für die
Geschwindigkeit der jeweiligen Objekte liefern. Je größer die Länge L des jeweiligen Wahrscheinlichkeitsverlaufs 18, 19, 20 ist, desto schneller bewegt sich das betreffende Objekt. Entsprechend kann auf Basis der Belegungskarte 7 bestimmt werden, dass das zum Wahrscheinlichkeitsverlauf 19 gehörende Kraftfahrzeug schneller ist als
beispielsweise das zum Wahrscheinlichkeitsverlauf 18 gehörende Kraftfahrzeug. Um den Schätzwert für ein jeweiliges dynamisches Objekt zu ermitteln, können neben den aus der Belegungskarte 7 ermittelten Längen L und den maximalen
Gesamtbelegungswahrscheinlichkeiten am aktuellen Aufenthaltsort der betreffenden Objekte noch weitere bekannte beziehungsweise gegebene Größen berücksichtigt werden, wie beispielsweise die Scangeschwindigkeit beziehungsweise Abtastrate des Laserscanners 2, die Größe der Zellen 8, der Wert des Zerfallsfaktors sowie auch die Wahrscheinlichkeitsschritte, um welche die Belegungswahrscheinlichkeiten einer jeweiligen Zelle 8 für einen jeweiligen Scanpunkt P erhöht werden. Aus diesen Werten lässt die Geschwindigkeit eines dynamischen Objekts dann sehr präzise abschätzen.
Ebenfalls in Fig. 6 zu sehen sind so genannte Clutter, das heißt Stördaten 21 . Diese können entweder als unbekannte klassifiziert werden oder auch direkt ausgefiltert werden. Typischerweise sind dies singuläre Bereiche mit einer sehr niedrigen
Belegungswahrscheinlichkeit, die diese einfach zu identifizieren macht.
Insgesamt wird es durch die Erfindung und ihre Ausgestaltungen auf vorteilhafte Weise ermöglicht, Objekte deutlich zuverlässiger zu klassifizieren, indem zusätzlich Gradienten, insbesondere räumliche Gradienten der Wahrscheinlichkeitscluster betrachtet werden. Wenn es einen klaren Belegungswahrscheinlichkeitsverlauf gibt, d.h. einen eindeutig als nicht konstanter Verlauf zu identifizierender Gesamtbelegungswahrscheinlichkeitsverlauf, handelt es sich um ein dynamisches Objekt. Dieser charakteristische Verlauf entsteht durch die Bewegung des Objekts in Kombination mit dem Zerfallsfaktor und ist auf Basis des Gradienten bestimmbar.

Claims

Patentansprüche
Verfahren zum Erfassen und zur Klassifizierung eines Objekts (O) mittels zumindest einer Sensorvorrichtung (2, 2a, 2b) auf Basis einer Belegungskarte (7) mit den Schritten:
a) Bereitstellen der Belegungskarte (7), welche eine Mehrzahl an gitterförmig angeordneten Zellen (8, 8a, 8b, 8c) aufweist, wobei jeder Zelle (8, 8a, 8b, 8c) ein festgelegter Ortsbereich (9) einer Umgebung (3) der Sensorvorrichtung (2, 2a, 2b) zugeordnet ist;
b) In vorbestimmten Zeitschritten wiederholtes Abtasten zumindest eines Teils der Umgebung (3) durch die zumindest eine Sensorvorrichtung (2, 2a, 2b); und
c) Zuordnen einer Belegungswahrscheinlichkeit zu einer jeweiligen Zelle (8, 8a, 8b, 8c), wobei die Belegungswahrscheinlichkeit einer jeweiligen Zelle (8, 8a, 8b, 8c) erhöht wird, wenn durch die zumindest eine Sensorvorrichtung (2, 2a, 2b) ein Scanpunkt (P) in einem zu einer jeweiligen Zelle (8, 8a, 8b, 8c) zugeordneten Ortsbereich (9) der Umgebung (3) erfasst wird;
gekennzeichnet durch die Schritte
d) Zur Ermittlung einer Gesamtbelegungswahrscheinlichkeit für eine jeweilige der Zellen (8, 8a, 8b, 8c) Multiplizieren der Belegungswahrscheinlichkeiten einer jeweiligen Zelle (8, 8a, 8b, 8c) nach jedem Zeitschritt mit einer
Zerfallsfunktion und Bereitstellen des Ergebnisses als die
Gesamtbelegungswahrscheinlichkeit für eine jeweilige der Zellen (8, 8a, 8b, 8c);
e) Zumindest unter der Voraussetzung, dass die
Gesamtbelegungswahrscheinlichkeit für zumindest eine erste der Zellen (8, 8a, 8b, 8c) von Null verschieden ist, Erfassen eines Objekts (O) in dem der ersten Zelle (8, 8a, 8b, 8c) zugeordneten Ortsbereich (9);
f) Ermitteln eines Wahrscheinlichkeitsverlaufs (16, 17, 18, 19, 20) auf Basis der Gesamtbelegungswahrscheinlichkeiten in einem vorbestimmten die erste Zelle (8, 8a, 8b, 8c) umfassenden Bereich der Belegungskarte (7); und g) Klassifizieren des Objekts (O) als statisch oder dynamisch in Abhängigkeit von dem Wahrscheinlichkeitsverlauf (16, 17, 18, 19, 20).
2. Verfahren nach Anspruch 1 ,
dadurch gekennzeichnet, dass
die zumindest eine Sensorvorrichtung (2, 2a, 2b) als ein Laserscanner (2, 2a, 2b) ausgebildet ist.
3. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, dass
bei der Zuordnung der Belegungswahrscheinlichkeiten zu einer jeweiligen Zelle (8, 8a, 8b, 8c), die in dem gleichen einer Zelle (8, 8a, 8b, 8c) zugeordneten Ortsbereich (9) durch mehrere Sensorvorrichtungen (2, 2a, 2b) erfassten Scanpunkte (P) addiert werden und die Belegungswahrscheinlichkeit für diesem Ortsbereich (9) zugeordnete Zelle (8, 8a, 8b, 8c) in Abhängigkeit von der Anzahl an in dem ihr zugeordnet Ortsbereich (9) erfassten Scanpunkte (P) erhöht wird, insbesondere wobei die Erhöhung proportional zur Anzahl der erfassten Scanpunkte (P) ist.
4. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, dass
die Zerfallsfunktion bewirkt, dass die Belegungswahrscheinlichkeit einer jeweiligen Zelle (8, 8a, 8b, 8c) nach einem Zeitschritt reduziert wird, wenn in dem der jeweiligen Zelle (8, 8a, 8b, 8c) zugeordneten Ortsbereich (9) für den Zeitschritt kein Scanpunkt (P) erfasst wurde, insbesondere wobei die Zerfallsfunktion einen Zerfallsfaktor darstellt.
5. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, dass
die Zerfallsfunktion für einen verdeckten Umgebungsbereich und einen nicht verdeckten Umgebungsbereich unterschiedlich bestimmt wird, wobei der verdeckte Umgebungsbereich einen in einem Erfassungsbereich (13, 14a, 14b) der
Sensorvorrichtung (2, 2a, 2b) befindlichen Bereich der Umgebung (3) darstellt, der von einem sich zwischen diesem Bereich und dem Sensorvorrichtung (2, 2a, 2b) befindlichen Objekt (O) verdeckt wird.
6. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, dass
eine Bewegung der Sensorvorrichtung (2, 2a, 2b) relativ zur Umgebung (3) erfasst wird, und die erfasste Bewegung bei einer Zuordnung von durch die zumindest einen Sensorvorrichtung (2, 2a, 2b) erfassten Scanpunkten (P) zu den Zellen (8, 8a, 8b, 8c) der Belegungskarte (7) berücksichtigt wird.
7. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, dass
der der ersten Zelle (8, 8a, 8b, 8c) zugeordnete Ortsbereich (9) als ein aktueller Ort des erfassten Objekts (O) bestimmt wird, für den Fall, dass die
Gesamtbelegungswahrscheinlichkeiten der übrigen Zellen (8, 8a, 8b, 8c) im vorbestimmten Bereich kleiner oder höchstens gleich der
Gesamtbelegungswahrscheinlichkeit der ersten Zelle (8, 8a, 8b, 8c) sind.
8. Verfahren nach Anspruch 1 ,
dadurch gekennzeichnet, dass
der vorbestimmte Bereich sich von der ersten Zelle (8, 8a, 8b, 8c) in zumindest eine bestimmte Richtung bis zu einer vorbestimmten aufeinanderfolgenden Anzahl an Zellen (8, 8a, 8b, 8c) erstreckt, denen jeweils eine
Gesamtbelegungswahrscheinlichkeit kleiner als ein vorbestimmter Grenzwert zugeordnet ist.
9. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, dass
für den Fall, dass der Wahrscheinlichkeitsverlauf (16, 17, 18, 19, 20) der
Gesamtbelegungswahrscheinlichkeiten ausgehend von der ersten Zelle (8, 8a, 8b, 8c) in zumindest eine Richtung im Mittel abnimmt und im Mittel größer ist als ein vorbestimmter Grenzwert, das Objekt (O) als dynamisches Objekt (O) klassifiziert wird.
10. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, dass
zur Bestimmung des Wahrscheinlichkeitsverlaufs (16, 17, 18, 19, 20) im Mittel, die Gesamtbelegungswahrscheinlichkeiten einer vorbestimmten Anzahl aneinandergrenzender Zellen (8, 8a, 8b, 8c) gemittelt wird.
1 1 . Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, dass
für den Fall, dass das Objekt (O) als dynamisches Objekt (O) klassifiziert wird, ein Schätzwert für eine Bewegungsgeschwindigkeit des Objekts (O) auf Basis der Belegungskarte (7) bestimmt wird.
12. Verfahren nach Anspruch 1 1 ,
dadurch gekennzeichnet, dass
der Schätzwert in Abhängigkeit von der Größe der
Gesamtbelegungswahrscheinlichkeit der ersten Zelle (8, 8a, 8b, 8c) bestimmt wird, insbesondere welche dem Ortsbereich (9) zugeordnet ist, an welchem sich das Objekt (O) aktuell befindet.
13. Verfahren nach einem der Ansprüche 1 1 oder 12,
dadurch gekennzeichnet, dass
der Schätzwert in Abhängigkeit von einer Länge (L) des
Wahrscheinlichkeitsverlaufs (16, 17, 18, 19, 20) von
Gesamtbelegungswahrscheinlichkeiten, welche im Mittel größer als ein
vorbestimmter Grenzwert sind, im vorbestimmten Bereich ausgehend von der ersten Zelle (8, 8a, 8b, 8c) bestimmt wird.
14. Fahrerassistenzsystem (12) für ein Kraftfahrzeug (1 ), wobei das
Fahrerassistenzsystem (12) dazu ausgelegt ist, ein Verfahren nach einem der vorhergehenden Ansprüche durchzuführen.
15. Kraftfahrzeug (1 ) mit einem Fahrerassistenzsystem nach Anspruch 14.
PCT/EP2017/078981 2016-11-21 2017-11-13 Verfahren zum erfassen und zur klassifizierung eines objekts mittels zumindest einer sensorvorrichtung auf basis einer belegungskarte, fahrerassistenzsystem sowie kraftfahrzeug WO2018091386A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102016122296.8 2016-11-21
DE102016122296.8A DE102016122296A1 (de) 2016-11-21 2016-11-21 Verfahren zum Erfassen und zur Klassifizierung eines Objekts mittels zumindest einer Sensorvorrichtung auf Basis einer Belegungskarte, Fahrerassistenzsystem sowie Kraftfahrzeug

Publications (1)

Publication Number Publication Date
WO2018091386A1 true WO2018091386A1 (de) 2018-05-24

Family

ID=60582549

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2017/078981 WO2018091386A1 (de) 2016-11-21 2017-11-13 Verfahren zum erfassen und zur klassifizierung eines objekts mittels zumindest einer sensorvorrichtung auf basis einer belegungskarte, fahrerassistenzsystem sowie kraftfahrzeug

Country Status (2)

Country Link
DE (1) DE102016122296A1 (de)
WO (1) WO2018091386A1 (de)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020118545A1 (en) * 2018-12-12 2020-06-18 Intel Corporation Time-aware occupancy grid mapping for robots in dynamic environments
CN113646771A (zh) * 2019-04-09 2021-11-12 宝马股份公司 用于确定物体的尺寸的方法和处理单元
US20220383749A1 (en) * 2019-09-25 2022-12-01 Sony Group Corporation Signal processing device, signal processing method, program, and mobile device
US11574483B2 (en) 2019-12-24 2023-02-07 Yandex Self Driving Group Llc Methods and systems for computer-based determining of presence of objects
US11753037B2 (en) 2019-11-06 2023-09-12 Yandex Self Driving Group Llc Method and processor for controlling in-lane movement of autonomous vehicle

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102018215288A1 (de) * 2018-09-07 2020-03-12 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Verarbeitungseinheit zur Verfolgung eines Objektes
DE102019203274B3 (de) 2019-03-11 2020-07-09 Zf Friedrichshafen Ag Computerimplementiertes Verfahren zum Erstellen eines Umfeldmodells für ein automatisiert betreibbares Fahrzeug, Steuergerät und Computerprogrammprodukt zur automatisierten Steuerung eines Fahrzeuges und Steuerungssystem für ein Fahrzeug
DE102020119954A1 (de) 2020-07-29 2022-02-03 Valeo Schalter Und Sensoren Gmbh Verfahren zum Erzeugen einer Belegungsgitterkarte für zumindest ein statisches Objekt, Computerprogrammprodukt, computerlesbares Speichermedium sowie Assistenzsystem
DE102020210115A1 (de) 2020-08-11 2022-02-17 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Betreiben eines Assistenzsystems eines Fahrzeugs

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8705792B2 (en) * 2008-08-06 2014-04-22 Toyota Motor Engineering & Manufacturing North America, Inc. Object tracking using linear features
US9798007B2 (en) * 2014-07-01 2017-10-24 Sikorsky Aircraft Corporation Obstacle data model construction system with range sensor shadows and use in motion planning

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
D. HAHNEL ET AL: "Map building with mobile robots in dynamic environments", PROCEEDINGS / 2003 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION : SEPTEMBER 14 - 19, 2003, THE GRAND HOTEL, TAIPEI, TAIWAN, 1 January 2003 (2003-01-01), Piscataway, NJ, pages 1557 - 1563, XP055373614, ISBN: 978-0-7803-7736-3, DOI: 10.1109/ROBOT.2003.1241816 *
MIYASAKA T ET AL: "Ego-motion estimation and moving object tracking using multi-layer LIDAR", INTELLIGENT VEHICLES SYMPOSIUM, 2009 IEEE, IEEE, PISCATAWAY, NJ, USA, 3 June 2009 (2009-06-03), pages 151 - 156, XP031489832, ISBN: 978-1-4244-3503-6 *
MOHAMED ESSAYED BOUZOURAA ET AL: "Belegungskartenbasierte umfeldwahrnehmung in kombination mit objektbasierten ansätzen für fahrerassistenzsysteme", 1 January 2012 (2012-01-01), XP055455370, Retrieved from the Internet <URL:https://mediatum.ub.tum.de/doc/1079761/1079761.pdf> *
SCHREIER MATTHIAS ET AL: "Grid mapping in dynamic road environments: Classification of dynamic cell hypothesis via tracking", 2014 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION (ICRA), IEEE, 31 May 2014 (2014-05-31), pages 3995 - 4002, XP032650175, DOI: 10.1109/ICRA.2014.6907439 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020118545A1 (en) * 2018-12-12 2020-06-18 Intel Corporation Time-aware occupancy grid mapping for robots in dynamic environments
CN113646771A (zh) * 2019-04-09 2021-11-12 宝马股份公司 用于确定物体的尺寸的方法和处理单元
CN113646771B (zh) * 2019-04-09 2024-03-05 宝马股份公司 用于确定物体的尺寸的方法和处理单元
US20220383749A1 (en) * 2019-09-25 2022-12-01 Sony Group Corporation Signal processing device, signal processing method, program, and mobile device
US11753037B2 (en) 2019-11-06 2023-09-12 Yandex Self Driving Group Llc Method and processor for controlling in-lane movement of autonomous vehicle
US11574483B2 (en) 2019-12-24 2023-02-07 Yandex Self Driving Group Llc Methods and systems for computer-based determining of presence of objects

Also Published As

Publication number Publication date
DE102016122296A1 (de) 2018-05-24

Similar Documents

Publication Publication Date Title
WO2018091386A1 (de) Verfahren zum erfassen und zur klassifizierung eines objekts mittels zumindest einer sensorvorrichtung auf basis einer belegungskarte, fahrerassistenzsystem sowie kraftfahrzeug
EP2684070B1 (de) Verfahren zum detektieren einer parklücke, parkhilfesystem und kraftfahrzeug mit einem parkhilfesystem
DE102009006113B4 (de) Vorrichtung und Verfahren zur Sensorfusion mit dynamischen Objekten
DE69937699T2 (de) Vorrichtung zum Überwachen der Umgebung eines Fahrzeuges
EP1664838B1 (de) Verfahren und computerprogramm zum erfassen der kontur eines hindernisses in der umgebung eines fahrzeugs
DE4342257B4 (de) Fahrsicherheitsvorrichtung für ein Fahrzeug
WO2004111943A1 (de) Verfahren und vorrichtung zur objektortung für kraftfahrzeuge
DE102006060893A1 (de) Vorrichtung und Verfahren zum Bestimmen eines Freiraums vor einem Fahrzeug
DE102009006214B4 (de) Verfahren zum Bereitstellen einer Umfeldrepräsentation eines Fahrzeugs
WO2016020343A1 (de) Verfahren zum erkennen zumindest eines objekts in einem umgebungsbereich eines kraftfahrzeugs mittels eines ultraschallsensors, fahrerassistenzsystem sowie kraftfahrzeug
DE102018217746A1 (de) Verfahren zum Betrieb eines Fahrerassistenzsystems eines Kraftfahrzeugs und Kraftfahrzeug
DE102020103503A1 (de) Adaptive steuerung des automatischen spurwechsels im fahrzeug
WO2015173005A1 (de) Umfeldkarte für fahrflächen mit beliebigem höhenverlauf
DE102018122374A1 (de) Verfahren zum Bestimmen eines ein Kraftfahrzeug umgebenden Freiraums, Computerprogrammprodukt, Freiraumbestimmungseinrichtung und Kraftfahrzeug
DE102018213515A1 (de) Verfahren und Vorrichtung zum Erfassen einer Grenze in einem Umfeld eines Objekts
DE102016003935B4 (de) Verfahren zur Ermittlung einer Randbebauungsinformation in einem Kraftfahrzeug und Kraftfahrzeug
DE102011103743A1 (de) Verfahren und Vorrichtung zur Umgebungserfassung eines Fahrzeugs
DE102015122413B4 (de) Verfahren zum Betreiben eines Ultraschallsensors eines Kraftfahrzeugs, Ultraschallsensorvorrichtung, Fahrerassistenzsystem sowie Kraftfahrzeug
WO2004059341A1 (de) Verfahren zum erfassen von umgebungsinformationen und zum bestimmen der lage einer parklücke
DE102018121158A1 (de) Verfahren zum Erfassen von Bodenabtastpunkten und Fahrerunterstützungssystem, das dafür konfiguriert ist, ein derartiges Verfahren auszuführen
DE10260855A1 (de) Verfahren zur Erkennung von Objektkonstellationen anhand von Abstandssignalen
DE102017126183A1 (de) Verfahren zum Erfassen und zur Klassifizierung eines Objekts mittels zumindest einer Sensorvorrichtung auf Basis einer Belegungskarte, Fahrerassistenzsystem und Kraftfahrzeug
DE102014118035B4 (de) Verfahren zum Erkennen einer Abschattung einer Sensoreinrichtung eines Kraftfahrzeugs durch ein Objekt, Recheneinrichtung, Fahrerassistenzsystem sowie Kraftfahrzeug
DE102017115457A1 (de) Erkennung einer Fehlstellung eines Abstandssensors basierend auf einem Verhältnis von Detektionsmerkmalen
DE102017205782A1 (de) Steuervorrichtung und Verfahren

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17809201

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17809201

Country of ref document: EP

Kind code of ref document: A1