WO2019141607A1 - Zuordnung von objekten in vektor-basierter darstellung in eine gitter-basierte repräsentation - Google Patents

Zuordnung von objekten in vektor-basierter darstellung in eine gitter-basierte repräsentation Download PDF

Info

Publication number
WO2019141607A1
WO2019141607A1 PCT/EP2019/050737 EP2019050737W WO2019141607A1 WO 2019141607 A1 WO2019141607 A1 WO 2019141607A1 EP 2019050737 W EP2019050737 W EP 2019050737W WO 2019141607 A1 WO2019141607 A1 WO 2019141607A1
Authority
WO
WIPO (PCT)
Prior art keywords
distribution function
grid cells
grid
vector
vehicle
Prior art date
Application number
PCT/EP2019/050737
Other languages
English (en)
French (fr)
Inventor
Charles Thin
Jean Francois Bariant
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 WO2019141607A1 publication Critical patent/WO2019141607A1/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
    • 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
    • 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
    • G01S13/87—Combinations of radar systems, e.g. primary radar and secondary radar
    • 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
    • G01S13/89—Radar or analogous 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
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/87—Combinations of sonar systems
    • 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
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/89—Sonar 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
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
    • G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • 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
    • G01S17/87—Combinations of systems 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
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/862—Combination of radar systems with sonar systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/865—Combination of radar systems with lidar systems
    • 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
    • G01S2013/9323—Alternative operation using light 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
    • G01S2013/9324—Alternative operation using ultrasonic 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
    • G01S2013/9327—Sensor installation details
    • G01S2013/93271—Sensor installation details in the front of the vehicles
    • 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
    • G01S2013/9327—Sensor installation details
    • G01S2013/93272—Sensor installation details in the back of the vehicles
    • 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
    • G01S2013/9327—Sensor installation details
    • G01S2013/93273—Sensor installation details on the top of the vehicles
    • 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
    • G01S7/003—Transmission of data between radar, sonar or lidar systems and remote stations

Definitions

  • the present invention relates to a method for mapping objects in a vector-based representation into objects in a grid-based representation having a plurality of grid cells for use in a driving support system of a vehicle, wherein at least one object in the vector-based representation is based on a vector position and an associated distribution function is provided and the vector position of the at least one object on the
  • the present invention relates to a driving support system for a vehicle, wherein the driving support system is adapted to detect objects in an environment of a vehicle in a vector-based representation, and
  • Driving support system is further designed to carry out the above method.
  • the present invention relates to a vehicle having an above
  • Driver assistance systems that assist a driver in driving the vehicle.
  • driver assistance systems include, for example
  • Parking assistance systems or distance warning systems which are typically active at low speeds, and increasingly assistance systems that typically assist driving at higher speeds, for example
  • Driving assistance systems can also provide corresponding functions in autonomous vehicles in order to support an autonomous guidance of the vehicle.
  • the driving support systems can be different
  • Driving assistance systems for example, in autonomous or semi-autonomous
  • Vehicles carry out various tasks that are a basis for autonomous or semi-autonomous driving.
  • the environment map to the common
  • Environmental sensors can be designed as an ultrasonic sensor, as a radar sensor or as a LiDAR sensor. Alternatively or additionally, the environmental sensors may include cameras. The environmental sensors are configured to provide sensor information with environmental information about an environment of the vehicle. In this case, sensor information of a plurality of similar or different
  • Environmental sensors are combined.
  • the environment sensors can be assigned to different driver assistance systems together, or only a single.
  • the environmental sensors typically provide sensor information that specifies objects in a vector notation, that is, a direction and a distance. It can be assumed that each sensor information is loaded with an error.
  • the error can be very different and depend, for example, on a type of environmental sensor, a position of the environmental sensor on the vehicle, a position of an object with respect to the environmental sensor, environmental conditions such as temperature, humidity, rain or air density or other factors.
  • each vector is typically assigned information regarding an accuracy of the position of the object.
  • the information regarding an accuracy of the position of the object may be as
  • Distribution function which indicates a spatial uncertainty for this position based on the position of the object.
  • the distribution function is typically not rotationally symmetrical about the determined position, but may in principle be designed differently in different plane directions. On this basis, it is necessary to use the vector-based representation of objects based on the sensor information of the environmental sensors in the
  • the environment map allows for easy consideration of movement of the vehicle, without having to recreate an existing environment map.
  • a grid-based representation is usually used.
  • an environment of the vehicle is typically divided into uniform, regularly arranged grid cells.
  • the grid cells have a square shape and are arranged in a regular grid.
  • a change between the vector-based representation and the grid-based representation is typically associated with a high computational effort.
  • the system includes a
  • a data unit comprising scan data read by the laser scanner, an earlier measurement map and data related to a movement of the sensor, an imaging unit for stochastically combining a current one
  • mapping algorithm of the mapping unit whether an object in the mapping unit
  • Occupancy grid mapping is a static or dynamic object.
  • Map of a surrounding area of a motor vehicle known.
  • an object in the surrounding area is detected by means of a sensor device of the motor vehicle, a position value which describes a position of the object is determined on the basis of sensor data of the sensor device by means of a control device of the motor vehicle, and the determined position value is determined
  • Environmental maps is transmitted, wherein a vector between the object and a predetermined reference point of the motor vehicle, which is an origin of a
  • Vehicle coordinate system is determined, the detected vector of the Vehicle coordinate system is transformed into a global coordinate system of the area map and the position value in the map of the environment using the
  • an occupancy map for a vehicle comprising a plurality of lattice-like arranged cells, wherein the cells of the occupancy map are adapted in dependence on a driving situation of the vehicle to the driving situation.
  • DE 10 2009 007 395 B4 discloses a method for providing a map-based environment representation of a vehicle, in particular one in which the sensor data are fused according to the Dempster-Schäfer theory.
  • the object of the invention is therefore a method for assigning objects in a vector-based representation to objects in a grid-based representation having a plurality of grid cells for use in a driving support system of a vehicle, a driving assistance system for a vehicle and a vehicle of the type mentioned above, which allow a simple and efficient assignment of objects in a vector-based representation in a grid-based representation.
  • a method for mapping objects in a vector-based representation into objects in a grid-based representation having a plurality of grid cells for use in a vehicle driving assistance system comprising the steps of providing at least one object in the vector-based representation based on a vector position and an associated distribution function, transferring the vector position of the at least one object to the grid cells, transferring the distribution function of the at least one object to the grid cells, summing function values of the
  • Distribution function of the at least one object for each grid cell from a Plurality of grid cells and associating the at least one object with the grid cells based on the summed function values of the distribution function.
  • a driving support system for a vehicle wherein the driving support system is configured to detect objects in an environment of the vehicle in a vector-based representation, and the driving support system is further embodied, the above method
  • a vehicle is provided with an above driving assistance system.
  • the basic idea of the present invention is therefore to achieve a reliable assignment of objects to the grid cells by using the distribution function together with the vector position of the at least one object in order to determine the occupancy of grid cells with objects.
  • an expansion of the grid cells is considered in order to determine a detailed occupancy of the grid cells by the distribution function of the at least one object.
  • the distribution function is not circular, but has, for example, an elliptical shape, so that grid cells are detected at the same distance from the determined vector position of a respective object to a different extent from the distribution of the expected position of this object.
  • the distribution function can be considered in detail by adding up its function values for a plurality of grid cells. Based on this, the at least one object is assigned to the grid cells.
  • an environment of the vehicle is typically divided into uniform, regularly arranged grid cells.
  • the grid cells have a square shape and are arranged in a regular grid.
  • the plurality of grid cells thus together form a grid.
  • objects are typically assigned to individual grid cells of the grid.
  • the grid-based representation serves as an environment map or is used to create the neighborhood map.
  • the environment map represents a representation of a Environment of the vehicle in which objects are displayed or marked in a two-dimensional map. Based on this map of the area, the
  • Driving support systems perform their principally different support tasks.
  • the environment map can be provided centrally for common use for several driving support systems.
  • Environmental sensors can be designed as an ultrasonic sensor, as a radar sensor or as a LiDAR sensor. Alternatively or additionally, the environmental sensors may include cameras. The environmental sensors are configured to provide sensor information with environmental information about an environment of the vehicle. The processing of sensor signals for the identification of objects can take place in a central processing unit of the vehicle or the driving support system.
  • sensor information from a plurality of similar or different environmental sensors may be combined to detect objects in the vicinity of the vehicle and to determine their position.
  • the environment sensors can be assigned to different driver assistance systems together, or only a single.
  • the environmental sensors typically provide sensor information that specifies objects in a vector notation, such as direction and distance.
  • the objects are thus detected with the environmental sensors in a vector-based representation.
  • the objects may be indicated as a direction vector in two-dimensional or three-dimensional representation depending on a corresponding environmental sensor, i. a distance from the vehicle with a direction indication and possibly an additional angle indicating, for example, a height.
  • each sensor information is loaded with an error.
  • the error can be of very different nature and, for example, of a type of environmental sensor, a position of the environmental sensor on the vehicle, a position of an object with respect to the environmental sensor, Environmental conditions such as a temperature, humidity, rain or air density or other factors depend.
  • each vector is typically assigned information regarding an accuracy of the position of the object.
  • the information regarding an accuracy of the position of the object is described as a distribution function which, based on a determined position of the object, indicates a spatial uncertainty for this object at the determined position.
  • the distribution function is typically not rotationally symmetrical about the determined position, but may be performed differently in principle in different plane or spatial directions. Elliptical or ellipsoidal
  • Distribution function is preferably based on a Gaussian bell function.
  • Freespace is a means to reliably detect objects around the vehicle and to filter out less relevant detections. This can be done, for example, in areas between an object and the ego vehicle based on
  • Freespace be defined to clean up and delete objects positioned there. If an object is positioned in such a free space area, the object is no longer considered and deleted. The free space is determined cyclically and deleted again, wherein a cycle may include a principle variable time duration in which several signals of an environmental sensor can be considered. Freespace can be easily processed and used in vector-based representation, i. the objects in the free space areas can be removed before mapping to the grid-based representation.
  • the provision of at least one object in the vector-based representation based on a vector position and a distribution function thus takes place based on the detection of the object with the at least one environment sensor.
  • Transferring the vector position of the at least one object to the grid cells involves transferring the vector position of the object to the grid without error. There is a mapping in the coordinates of the grid. During the subsequent transfer of the distribution function of the at least one object to the grid cells, a mapping of the distribution function takes place in the coordinates of the grid.
  • the summing of function values of the distribution function of the at least one object for a plurality of grid cells serves to detect the distribution function in the grid network.
  • the function values of the distribution function in the individual grid cells indicate a measure of the probability that the object is located in the corresponding grid cell.
  • the assignment of the at least one object to the grid cells based on the summed function values of the distribution function can take place in different ways.
  • the object can be assigned to the grid cell, which has the highest function value.
  • other forms of association may be chosen.
  • no one object of a plurality of grid cells are assigned together, or multiple grid cells have the object together.
  • Driver assistance systems that assist a driver in driving the vehicle.
  • driver assistance systems include, for example
  • Parking assistance systems or distance warning systems which are typically active at low speeds, and increasingly assistance systems that typically assist driving at higher speeds, for example
  • Driving assistance systems can also provide corresponding functions in autonomous vehicles in order to support autonomous driving of the vehicle.
  • the method comprises an additional step for scaling the distribution function based on an existence ground.
  • the existential mass is a degree of conviction and is given as a persuasive function.
  • the existence mass acts here as a scaling factor for the distribution.
  • Distribution function affected grid cells reproduce this existence mass at least approximately.
  • the existence mass of the respective object at least approximately.
  • the existence mass is a linear factor, so that the scaling can be performed at any time. This is possible because the summation as well as a possible integration include linear functions.
  • the method comprises an additional step of merging summed function values of the distribution functions of a plurality of objects for each grid cell of the plurality of grid cells.
  • the function values of distribution functions of different objects are considered together in order to determine an occupancy of a grid cell, wherein the occupancy may not necessarily be attributable to a single object due to the merger. Rather, such occupancy may also result from multiple objects detected by the environmental sensors.
  • the step of merging summed function values of the distribution functions of a plurality of objects comprises merging based on a Dempster-Schäfer modeling.
  • the Dempster-Schäfer theory sometimes referred to as belief theory, uses instead of probabilities statements about a belief mass, also referred to as existence mass, in English degrees of belief. Uncertain knowledge is transmitted through one
  • the step of transmitting the distribution function of the at least one object to the grid cells comprises projecting the distribution function onto the plurality of grid cells.
  • the distribution function can be two- or three-dimensional. A projection of a distribution function for two-dimensional function values is easy to implement. By projecting the distribution function onto the grid with the grid cells, function values can be formed that are easy to process. The function values result in the grid in a simple way depending on the network coordinates.
  • a scaling of the distribution function is performed based on the existence mass, as stated above.
  • the step of summing functional values comprises the distribution function of the at least one object for each
  • Grid cell of a plurality of grid cells integrating the distribution function of the at least one object for each of the grid cells.
  • the formation of the integral of the distribution function allows a mathematically simple and exact summation of the function values.
  • the step of integrating the distribution function of the at least one object for each of the grid cells comprises a 2-D Riemann integration.
  • the basic concept of the 2-D Riemann integration is based on forming the integral of the distribution function as a sum of small elements, also called samples or calculation surfaces, in the grid cell. The number of samples can be actively modified to meet different computational time and accuracy requirements.
  • the distribution function has a constant function value or a constant height. The height for the sample is the height in the middle of the sample. A volume or integral thus results from a base area of the sample multiplied by its height in the middle thereof.
  • the 2-D Riemann integration comprises dividing each of the grid cells into a plurality of calculation surfaces, in particular two to twenty calculation surfaces, preferably five to ten calculation surfaces.
  • the number of calculation areas can be selected depending on a desired accuracy and / or available computing power.
  • an adaptation of the number of calculation surfaces can be done in principle individually for each grid cell or for groups of grid cells together.
  • the method comprises an additional step for identifying relevant grid cells, and the step of summing functional values of the distribution function of the at least one object for each
  • Grid cell of the plurality of grid cells comprises summing function values of the distribution function of the at least one object for each of the relevant grid cells.
  • the summing of the function values of the distribution function can be accelerated by taking into account only a selected part of the grid cells for summing the function values.
  • the identification of the relevant grid cells therefore relates to an identification of those grid cells which are relevant to a relevant degree of the distribution function. Otherwise, the function values of the distribution function in the grid cells, ie the non-relevant grid cells, are close to zero, so that they can be neglected.
  • the step of identifying relevant grid cells comprises detecting grid cells in contact with a maximum spatial extent of the distribution function.
  • the distribution function is usually a continuous function, i. without cracks in the function values that expire asymptotically from a mid-range. Accordingly, a threshold for the function value of the distribution function may be specified, and only grid cells in which the function value is above the threshold are considered to be in contact with the distribution function. It can depend on the shape of the
  • Distribution function different grid cells are taken into account. For example, in a circular function, all grid cells would be considered within a predetermined distance from a center of the circle. For example, with an elliptical shape of the distribution function, all of the grid cells within a circle having a maximum distance from a midpoint may be considered relevant. Thus, a circle is formed around the ellipse, which contains the relevant grid cells. This is especially true for an ellipse of greatly varying extents in both plane directions, i. for features with a large spatial uncertainty in one of the plane directions and a low spatial uncertainty in the other plane direction, a rough approximation that requires too large a number of relevant grid cells. This is true even if the
  • Plane directions of the grid do not coincide with major axes of the ellipse.
  • a different type of processing is selected for the relevant grid cells.
  • grid cells with a particularly high relevance for example in a center of
  • Distribution function the function values of the distribution function are calculated and summed with high accuracy, while grid cells with a low relevance are detected very quickly. This is usually at the expense of accuracy. Based on the relevance, for example, a number of calculation areas can be adapted for the respective grid cell.
  • Fig. 1 is a schematic representation of a vehicle with a
  • Fig. 2 is a flowchart of a method according to a second
  • Fig. 3 is a schematic representation of a grid with a therein
  • Fig. 4 is a schematic representation of a grid with a therein
  • Fig. 5 is a schematic representation of a grid with a therein
  • Fig. 6 is a schematic representation of a grid with a therein
  • FIG. 1 shows a vehicle 10 according to a first preferred embodiment of the present invention.
  • the vehicle 10 includes a driving support system 12
  • Driving assistance system 12 is in this embodiment as
  • Park assist system designed to park the vehicle 10 autonomously in a parking space.
  • the driving assistance system 12 comprises a control device 14 which, for example, comprises an electronic control unit (ECU).
  • the driver assistance system 12 includes various components
  • the control device 14 is connected via a data bus 22 with the environmental sensors 16, 18, 20.
  • the environmental sensors 16, 18, 20 in this embodiment comprise eight ultrasonic sensors 16, a laser scanner 18, and a radar sensor 20. Of the eight ultrasonic sensors 16, four are ultrasonic sensors 16 on a front region 24 of the vehicle 10 and four ultrasonic sensors 16 on a rear region 26 of the vehicle 10 arranged.
  • the laser scanner 18 is also arranged in the front region 24 of the vehicle 10, while the radar sensor 20 is mounted centrally on a roof of the vehicle 10.
  • the environmental sensors 16 are configured to detect objects 28 in an environment 30 of the vehicle 10 and to provide sensor information with surroundings information of the vehicle 10. The sensor information of all
  • the environmental sensors 16, 18, 20 serve, in particular, to determine a relative position between objects 24 and the vehicle 10.
  • FIG. 2 a method of mapping objects 28 into a vector-based representation into objects 28 in a grid-based manner
  • the objects 28 are thus arranged in a grid 32 having a plurality of uniform, regular ones
  • Grid cells 34 transmit, as detailed below.
  • the subdivision of the grid cells 34 is effected by evenly spaced horizontal and vertical grid lines 36, 38, so that the grid cells 34 have a square shape.
  • objects 28 typically become unique
  • the grid-based representation serves as an environment map or is used to create the neighborhood map.
  • the environment map represents a representation of an environment 30 of the vehicle 10 in which the objects 28 are displayed in a two-dimensional map. Based on this environment map, the driving support system 12 can perform its support task.
  • the method begins in step S100 with providing at least one object 28 in the vector-based representation based on a vector position 40 and an associated distribution function 42.
  • Providing the objects 28 in the vector-based representation is based on the detection of the object 28
  • Environmental sensors 16, 18, 20 The environmental sensors 16, 18, 20 provide
  • the sensor information is subject to an error depending, for example, on one type of environmental sensor 16, 18, 20, a position of the environmental sensor 16, 18, 20 on the vehicle 10, a position of an object 28 with respect to the environmental sensor 16, 18, 20,
  • Environmental conditions such as a temperature, humidity, rain or air density or other factors.
  • the error is taken into account by the distribution function 42, which provides information regarding an accuracy of the vector position 40 of the object 28.
  • Distribution function 42 is embodied here as elliptical distribution functions 42, as can be seen in FIGS. 3 to 5.
  • the elliptical distribution functions 42 may be different, so that, for example, in the
  • Embodiment of Figure 3 results in an almost circular distribution function 42. Also, the distribution functions can have different sized areas around the
  • the distribution functions 42 of the exemplary embodiments in FIGS. 3 to 5 show exemplary distribution functions 42 with correspondingly different areas.
  • the distribution function 42 here is a Gaussian bell function.
  • step S1 10 the vector position 40 of the object 28 or of the objects 28 is transmitted to the grid cells 34 of the grid 32. Initially, only the vector position 40 of the object 28 is transmitted to the grid 32 without errors.
  • step S120 the distribution function 42 of the respective object 28 is transmitted to the grid cells 34 of the grid 32. It takes place
  • Distribution function 42 is projected onto the plurality of grid cells 34 of the grid 32, so that function values in the grid 32 result in a simple manner depending on network coordinates of the grid 32 ,
  • step S130 the distribution function 42 is scaled based on an existence ground.
  • the existence mass is a degree of conviction and is considered
  • step S130 can also take place sooner or later, for example as a first step or as a last step of the described method.
  • relevant grid cells 34 in the grid 32 are identified.
  • the identification of the relevant grid cells 34 relates to an identification of those grid cells 34 that are detected to a relevant extent by the distribution function 42. For all other grid cells 34, the functional values of the
  • Distribution function 42 close to zero and are neglected.
  • such grid cells 34 are identified as relevant grid cells 34, which are in contact with a maximum spatial extent 44 of the distribution function 42.
  • the maximum spatial extent 44 is defined in this embodiment with a box which completely contains the projection of the distribution function 42 onto the grid 32, as shown in FIG. It should be noted that the function values of the distribution function 42 approach asymptotically to zero as the distance from the vector position 40 increases, which is why the projection of the distribution function 42 in FIGS. 3 to 5 is shown for a limit value for the function values of the distribution function 42.
  • step S150 function values of the distribution function 42 of the respective object 28 for each grid cell 34 are summed from a plurality of grid cells 34. This concerns the grid cells 34 identified as relevant in step S140.
  • the distribution function 42 of the respective object 28 is integrated for each of the relevant grid cells 34. Thereby, the distribution function 42 in the grid 32 is detected for each of the relevant grid cells 34.
  • each of the relevant grid cells 34 is subdivided into a plurality of calculation areas 48, here for example twenty
  • Calculation surfaces 48 which have a square or rectangular shape.
  • the distribution function 42 has a constant function value or a constant height.
  • the height in the middle of the calculation area 48 is used as the height for the respective calculation area 48.
  • the 2-D Riemann integration 46 thus results from the base area of the calculation area 48 multiplied by the height in the middle thereof.
  • the 2-D Riemann integration 46 is shown hatched in FIG. 6 in a left part for a grid cell 34, which is correspondingly edged in the right part.
  • step S160 which is optional, summed function values of
  • Such an occupancy results from a plurality of objects 28 detected by the environmental sensors 16, 18, 20 whose distribution functions at least partially overlap.
  • the merging of the summed function values of the distribution functions 42 of the plurality of objects 28 is based on a Dempster-Schäfer modeling. It is a statement about a belief mass, also referred to as existence mass.
  • Step S160 is performed integrally with step S150 or before step S150 in an alternative embodiment.
  • step S170 each of the objects 28 is summed based on the
  • an object 28 is assigned to the grid cell 34, which has the highest summed function value.
  • an object 28 may be associated with a plurality of grid cells 34 when the summed function values of the distribution function meet certain criteria.
  • the distribution function 42 extends over four grid cells 34, two of the grid cells 34 having a sum of the scaled function values of 42.5, and two of the grid cells 34 having a sum of the scaled function values of 5.4 ,
  • the object 28 is in this
  • the distribution function 42 extends over four grid cells 34, one of the grid cells 34 having a sum of the scaled function values of 50.3, and the remaining three grid cells 34 having summed values of the scaled function values of 36.3, FIG. 6.6 and 0.7, respectively.
  • the object 28 is in In this embodiment, the grid cell 34 is associated with the highest sum of the scaled function values.

Landscapes

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

Abstract

Die Erfindung betrifft ein Verfahren zum Zuordnen von Objekten in einer Vektor-basierten Repräsentation in Objekte in einer Gitterbasierten Repräsentation mit einer Mehrzahl Gitterzellen (34) zur Verwendung in einem Fahrunterstützungssystem eines Fahrzeugs, umfassend die Schritte: Bereitstellen wenigstens eines Objekts in der Vektor-basierten Repräsentation basierend auf einer Vektorposition (40) und einer dazugehörigen Verteilungsfunktion (42), Übertragen der Vektorposition (40) des wenigstens einen Objekts auf die Gitterzellen (34), Übertragen der Verteilungsfunktion (42) des wenigstens einen Objekts auf die Gitterzellen (34), Summieren von Funktionswerten der Verteilungsfunktion (42) des wenigstens einen Objekts für jede Gitterzelle (34) aus einer Mehrzahl Gitterzellen (34), und Zuordnen des wenigstens einen Objekts zu den Gitterzellen (34) basierend auf den summierten Funktionswerten der Verteilungsfunktion (42). Die Objekte werden somit in ein Gitternetz (32) mit einer Mehrzahl gleichförmiger, regelmäßig angeordneter Gitterzellen (34) übertragen. Die Unterteilung der Gitterzellen (34) erfolgt durch gleichmäßig beabstandete waagerechte und senkrechte Gitterlinien (36, 38), so dass die Gitterzellen (34) eine quadratische Form aufweisen. In der Gitter-basierten Repräsentation werden Objekte typischerweise einzelnen Gitterzellen (34) des Gitternetzes (32) zugeordnet. Die Verteilungsfunktion (42) erstreckt sich beispielsweise über vier Gitterzellen (34), wobei eine der Gitterzellen (34) eine Summe der skalierten Funktionswerte von 50,3 aufweist, und die übrigen drei Gitterzellen (34) Summenwerte der skalierten Funktionswerte von 36,3, 6,6 bzw. 0,7 aufweisen. Das Objekt wird in diesem Ausführungsbeispiel der Gitterzelle (34) mit der höchsten Summe der skalierten Funktionswerte zugeordnet. Die Erfindung betrifft außerdem ein Fahrunterstützungssystem für ein Fahrzeug, wobei das Fahrunterstützungssystem ausgeführt ist, Objekte in einer Umgebung des Fahrzeugs in einer Vektor-basierten Repräsentation zu erfassen, und das Fahrunterstützungssystem weiter ausgeführt ist, das obige Verfahren durchzuführen. Die Erfindung betrifft weiterhin ein Fahrzeug mit einem obigen Fahrunterstützungssystem.

Description

Zuordnung von Objekten in Vektor-basierter Darstellung in eine Gitter-basierte
Repräsentation
Die vorliegende Erfindung betrifft ein Verfahren zum Zuordnen von Objekten in einer Vektor-basierten Repräsentation in Objekte in einer Gitter-basierten Repräsentation mit einer Mehrzahl Gitterzellen zur Verwendung in einem Fahrunterstützungssystem eines Fahrzeugs, wobei wenigstens eines Objekts in der Vektor-basierten Repräsentation basierend auf einer Vektorposition und einer dazugehörigen Verteilungsfunktion bereitgestellt wird und die Vektorposition des wenigstens einen Objekts auf die
Gitterzellen übertragen wird.
Auch betrifft die vorliegende Erfindung ein Fahrunterstützungssystem für ein Fahrzeug, wobei das Fahrunterstützungssystem ausgeführt ist, Objekte in einer Umgebung eines Fahrzeugs in einer Vektor-basierten Repräsentation zu erfassen, und das
Fahrunterstützungssystem weiter ausgeführt ist, das obige Verfahren durchzuführen.
Des Weiteren betrifft die vorliegende Erfindung ein Fahrzeug mit einem obigen
Fah ru nterstützu ng ssystem .
Fahrunterstützungssysteme umfassen bereits heute weit verbreitete
Fahrerassistenzsysteme, die einen Fahrzeugführer beim Führen des Fahrzeugs unterstützen. Solche Fahrerassistenzsysteme umfassen beispielsweise
Parkassistenzsysteme oder Abstandswarnsysteme, die typischerweise bei niedrigen Geschwindigkeiten aktiv sind, sowie zunehmend Assistenzsysteme, die typischerweise das Fahren bei höheren Geschwindigkeiten unterstützen, beispielsweise
Spurwechselassistenzsysteme und Totwinkel-Assistenzsysteme. Die
Fahrunterstützungssysteme können auch in autonomen Fahrzeugen entsprechende Funktionen bereitstellen, um eine autonome Führung des Fahrzeugs zu unterstützen.
Bei den im Stand der Technik bekannten Fahrunterstützungssystemen ist es häufig erforderlich, eine Umgebungskarte eines jeweiligen Fahrzeugs, das oft als Ego- Fahrzeug bezeichnet wird, zu erzeugen. Die Umgebungskarte stellt dabei eine
Repräsentation einer Umgebung des Fahrzeugs dar, in der Objekte in einer zweidimensionalen Karte dargestellt bzw. markiert sind. Auf Basis dieser Umgebungskarte können die Fahrunterstützungssysteme unterschiedliche
Unterstützungsaufgaben durchführen. So können entsprechende
Fahrunterstützungssysteme beispielsweise in autonomen oder teilautonomen
Fahrzeugen verschiedene Aufgaben durchführen, die eine Basis für das autonome oder teilautonome Fahren sind. Dabei kann die Umgebungskarte zur gemeinsamen
Verwendung für mehrere Fahrunterstützungssysteme zentral bereitgestellt werden.
Als Basis für eine Erstellung der Umgebungskarte dienen typischerweise
Sensorinformationen von wenigstens einem Umgebungssensor des Fahrzeugs bzw. des in dem Fahrzeug verwendeten Fahrunterstützungssystems. Solche
Umgebungssensoren können als Ultraschallsensor, als Radarsensor oder als LiDAR- Sensor ausgeführt sein. Alternativ oder zusätzlich können die Umgebungssensoren Kameras umfassen. Die Umgebungssensoren sind ausgeführt, Sensorinformationen mit Umgebungsinformationen einer Umgebung des Fahrzeugs zu liefern. Dabei können Sensorinformationen einer Mehrzahl gleichartiger oder unterschiedlicher
Umgebungssensoren kombiniert werden. Die Umgebungssensoren können dabei verschiedenen Fahrerassistenzsystemen gemeinsam zugeordnet sein, oder nur einem einzigen.
Die Umgebungssensoren liefern typischerweise Sensorinformationen, die Objekte in einer Vektorschreibweise angeben, also einer Richtung und einer Entfernung. Dabei ist davon auszugehen, dass jede Sensorinformation mit einem Fehler belastet ist. Der Fehler kann dabei sehr unterschiedlich sein und beispielsweise von einer Art des Umgebungssensors, einer Position des Umgebungssensors an dem Fahrzeug, einer Position eines Objekts in Bezug auf den Umgebungssensor, Umgebungsbedingungen wie beispielsweise einer Temperatur, Luftfeuchte, Regen oder Luftdichte oder auch weiteren Faktoren abhängen. Entsprechend wird jedem Vektor typischerweise eine Information in Bezug auf eine Genauigkeit der Position des Objekts zugeordnet. Die Information in Bezug auf eine Genauigkeit der Position des Objekts kann als
Verteilungsfunktion ausgeführt sein, die ausgehend von der Position des Objekts eine räumliche Unsicherheit für diese Position angibt. Die Verteilungsfunktion ist dabei typischerweise nicht rotationssymmetrisch um die ermittelte Position, sondern kann in verschiedenen Ebenenrichtungen prinzipiell unterschiedlich ausgeführt sein. Davon ausgehend ist es also erforderlich, die Vektor-basierte Darstellung von Objekten ausgehend von den Sensorinformationen der Umgebungssensoren in die
Umgebungskarte zu übertragen. Die Umgebungskarte ermöglicht beispielsweise eine einfache Berücksichtigung einer Bewegung des Fahrzeugs, wobei eine existierende Umgebungskarte nicht neu erstellt werden muss. Dazu wird üblicherweise eine Gitter basierte Darstellung verwendet. In der Gitter-basierten Darstellung wird eine Umgebung des Fahrzeugs typischerweise in gleichförmige, regelmäßige angeordnete Gitterzellen unterteilt. Üblicherweise haben die Gitterzellen eine quadratische Form und sind in einem regelmäßigen Gitter angeordnet.
Ein Wechsel zwischen der Vektor-basierten Darstellung und der Gitter-basierten Darstellung ist dabei typischerweise mit einem hohen Rechenaufwand verbunden.
In diesem Zusammenhang ist aus der DE 10 2015 224 197 A1 ein System zum
Schreiben einer Belegungsgitterabbildung eines sensorzentrierten Koordinatensystems unter Verwendung eines Laserscanners bekannt. Das System umfasst eine
Dateneinheit, die Scan-Daten, die durch den Laserscanner gelesen werden, eine frühere Messabbildung und Daten in Bezug auf eine Bewegung des Sensors umfasst, eine Abbildungseinheit zum stochastischen Kombinieren einer gegenwärtigen
Messabbildung, die aus den Scan-Daten geschrieben wird, mit einer prognostizierten Abbildung, die unter Verwendung der früheren Messabbildung und den Daten in Bezug auf eine Bewegung des Sensors geschrieben wird, und eine Erfassungseinheit für statische und dynamische Objekte zum Bestimmen unter Verwendung eines
Abbildungsalgorithmus der Abbildungseinheit, ob ein Objekt in der
Belegungsgitterabbildung ein statisches oder dynamisches Objekt ist.
Weiter ist aus der DE 10 2014 1 1 1 126 A1 ein Verfahren zum Erzeugen einer
Umgebungskarte eines Umgebungsbereichs eines Kraftfahrzeugs bekannt. Bei dem Verfahren wird ein Objekt in dem Umgebungsbereich mittels einer Sensoreinrichtung des Kraftfahrzeugs erfasst, anhand von Sensordaten der Sensoreinrichtung mittels einer Steuereinrichtung des Kraftfahrzeugs ein Positionswert, welcher eine Position des Objekts beschreibt, ermittelt wird und der ermittelte Positionswert in die
Umgebungskarten übertragen wird, wobei ein Vektor zwischen dem Objekt und einem vorbestimmten Bezugspunkt des Kraftfahrzeugs, welcher einen Ursprung eines
Fahrzeugkoordinatensystems bildet, ermittelt wird, der ermittelte Vektor von dem Fahrzeugkoordinatensystem in ein globales Koordinatensystem der Umgebungskarte transformiert wird und der Positionswert in der Umgebungskarte anhand des
transformierten Vektors bestimmt wird.
Aus der DE 10 2013 210 263 A1 ist eine Belegungskarte für ein Fahrzeug bekannt, aufweisend mehrere gitterartig angeordnete Zellen, wobei die Zellen der Belegungskarte in Abhängigkeit von einer Fahrsituation des Fahrzeugs an die Fahrsituation angepasst sind.
Außerdem ist aus der DE 10 2009 007 395 B4 ein Verfahren zur Bereitstellung einer karten basierten Umfelddarstellung eines Fahrzeugs bekannt, insbesondere einer solchen, bei der die Sensordaten gemäß der Dempster-Schäfer-Theorie fusioniert werden.
Ausgehend von dem oben genannten Stand der Technik liegt der Erfindung somit die Aufgabe zugrunde, ein Verfahren zum Zuordnen von Objekten in einer Vektor-basierten Repräsentation in Objekte in einer Gitter-basierten Repräsentation mit einer Mehrzahl Gitterzellen zur Verwendung in einem Fahrunterstützungssystem eines Fahrzeugs, ein Fahrunterstützungssystem für ein Fahrzeug sowie ein Fahrzeug der oben genannten Art anzugeben, die eine einfache und effiziente Zuordnung von Objekten in einer Vektor basierten Repräsentation in eine Gitter-basierten Repräsentation ermöglichen.
Die Lösung der Aufgabe erfolgt erfindungsgemäß durch die Merkmale der
unabhängigen Ansprüche. Vorteilhafte Ausgestaltungen der Erfindung sind in den Unteransprüchen angegeben.
Erfindungsgemäß ist somit ein Verfahren zum Zuordnen von Objekten in einer Vektor basierten Repräsentation in Objekte in einer Gitter-basierten Repräsentation mit einer Mehrzahl Gitterzellen zur Verwendung in einem Fahrunterstützungssystem eines Fahrzeugs angegeben, umfassend die Schritte Bereitstellen wenigstens eines Objekts in der Vektor-basierten Repräsentation basierend auf einer Vektorposition und einer dazugehörigen Verteilungsfunktion, Übertragen der Vektorposition des wenigstens einen Objekts auf die Gitterzellen, Übertragen der Verteilungsfunktion des wenigstens einen Objekts auf die Gitterzellen, Summieren von Funktionswerten der
Verteilungsfunktion des wenigstens einen Objekts für jede Gitterzelle aus einer Mehrzahl Gitterzellen, und Zuordnen des wenigstens einen Objekts zu den Gitterzellen basierend auf den summierten Funktionswerten der Verteilungsfunktion.
Erfindungsgemäß ist außerdem ein Fahrunterstützungssystem für ein Fahrzeug angegeben, wobei das Fahrunterstützungssystem ausgeführt ist, Objekte in einer Umgebung des Fahrzeugs in einer Vektor-basierten Repräsentation zu erfassen, und das Fahrunterstützungssystem weiter ausgeführt ist, das obige Verfahren
durchzuführen.
Weiter ist erfindungsgemäß ein Fahrzeug mit einem obigen Fahrunterstützungssystem angegeben.
Grundidee der vorliegenden Erfindung ist es also, eine zuverlässige Zuordnung von Objekten zu den Gitterzellen dadurch zu erreichen, dass die Verteilungsfunktion zusammen mit der Vektorposition des wenigstens einen Objekts verwendet wird, um die Belegung von Gitterzellen mit Objekten zu ermitteln. Dabei wird eine Ausdehnung der Gitterzellen berücksichtigt, um eine detaillierte Belegung der Gitterzellen durch die Verteilungsfunktion des wenigstens einen Objekts zu ermitteln. Dies ist insbesondere relevant, wenn die Verteilungsfunktion nicht kreisförmig ist, sondern beispielsweise eine elliptische Form aufweist, so dass Gitterzellen in einem gleichen Abstand von der ermittelten Vektorposition eines jeweiligen Objekts unterschiedlich stark von der Verteilung der erwarteten Position dieses Objekts erfasst werden. Dabei kann die Verteilungsfunktion detailliert berücksichtigt werden, indem ihre Funktionswerte für eine Mehrzahl Gitterzellen aufsummiert werden. Darauf basierend wird das wenigstens eine Objekt den Gitterzellen zugeordnet.
In der Gitter-basierten Darstellung wird eine Umgebung des Fahrzeugs typischerweise in gleichförmige, regelmäßige angeordnete Gitterzellen unterteilt. Üblicherweise haben die Gitterzellen eine quadratische Form und sind in einem regelmäßigen Gitter angeordnet. Die Mehrzahl Gitterzellen bildet somit gemeinsam ein Gitternetz. In der Gitter-basierten Repräsentation werden Objekte typischerweise einzelnen Gitterzellen des Gitternetzes zugeordnet.
Die Gitter-basierte Repräsentation dient als Umgebungskarte oder wird zur Erstellung der Umgebungskarte verwendet. Die Umgebungskarte stellt eine Repräsentation einer Umgebung des Fahrzeugs dar, in der Objekte in einer zweidimensionalen Karte dargestellt bzw. markiert sind. Auf Basis dieser Umgebungskarte können die
Fahrunterstützungssysteme ihre prinzipiell unterschiedlichen Unterstützungsaufgaben durchführen. Dabei kann die Umgebungskarte zur gemeinsamen Verwendung für mehrere Fahrunterstützungssysteme zentral bereitgestellt werden.
Als Basis für eine Erstellung der Umgebungskarte dienen typischerweise
Sensorinformationen von wenigstens einem Umgebungssensor des Fahrzeugs bzw. des in dem Fahrzeug verwendeten Fahrunterstützungssystems. Solche
Umgebungssensoren können als Ultraschallsensor, als Radarsensor oder als LiDAR- Sensor ausgeführt sein. Alternativ oder zusätzlich können die Umgebungssensoren Kameras umfassen. Die Umgebungssensoren sind ausgeführt, Sensorinformationen mit Umgebungsinformationen einer Umgebung des Fahrzeugs zu liefern. Die Verarbeitung von Sensorsignalen zur Identifikation von Objekten kann dabei in einer zentralen Verarbeitungseinheit des Fahrzeugs bzw. des Fahrunterstützungssystems erfolgen.
Auch können Sensorinformationen einer Mehrzahl gleichartiger oder unterschiedlicher Umgebungssensoren kombiniert werden, um Objekte in der Umgebung des Fahrzeugs zu erkennen und ihre Position zu ermitteln. Die Umgebungssensoren können dabei verschiedenen Fahrerassistenzsystemen gemeinsam zugeordnet sein, oder nur einem einzigen.
Die Umgebungssensoren liefern typischerweise Sensorinformationen, die Objekte in einer Vektorschreibweise angeben, beispielsweise einer Richtung und einer Entfernung. Die Objekte werden mit den Umgebungssensoren also in einer Vektor-basierten Repräsentation erfasst. Die Objekte können abhängig von einem entsprechenden Umgebungssensor als Richtungsvektor in zwei-dimensionaler oder drei-dimensionaler Darstellung angegeben, d.h. ein Abstand von dem Fahrzeug mit einer Richtungsangabe und ggf. einem zusätzlichen Winkel, der beispielsweise eine Höhe angibt.
Entsprechende Vektordarstellungen sind als solche bekannt.
Dabei ist davon auszugehen, dass jede Sensorinformation mit einem Fehler belastet ist. Der Fehler kann dabei sehr unterschiedlicher Natur sein und beispielsweise von einer Art des Umgebungssensors, einer Position des Umgebungssensors an dem Fahrzeug, einer Position eines Objekts in Bezug auf den Umgebungssensor, Umgebungsbedingungen wie beispielsweise einer Temperatur, Luftfeuchte, Regen oder Luftdichte oder auch weiteren Faktoren abhängen. Entsprechend wird jedem Vektor typischerweise eine Information in Bezug auf eine Genauigkeit der Position des Objekts zugeordnet. Die Information in Bezug auf eine Genauigkeit der Position des Objekts ist als Verteilungsfunktion beschrieben, die ausgehend von einer ermittelten Position des Objekts eine räumliche Unsicherheit für dieses Objekt an der ermittelten Position angibt. Die Verteilungsfunktion ist dabei typischerweise nicht rotationssymmetrisch um die ermittelte Position, sondern kann in verschiedenen Ebenen- oder Raumrichtungen prinzipiell unterschiedlich ausgeführt sein. Elliptische oder ellipsoide
Verteilungsfunktionen sind bei üblichen Umgebungssensoren verbreitet. Die
Verteilungsfunktion basiert vorzugsweise auf einer gauß'schen Glockenfunktion.
Eine wichtige Anwendung bei der Erstellung von Umgebungskarten um ein Ego- Fahrzeug besteht in einer Bestimmung von Bereichen mit sogenanntem„Freespace“. Freespace ist ein Mittel, um Objekte in der Umgebung des Fahrzeugs zuverlässig zu erkennen und weniger relevante Erkennungen herauszufiltern. Dazu kann beispielweise in Bereichen zwischen einem Objekt und dem Ego-Fahrzeug basierend auf
verschiedenen Kriterien, die hier nicht im Detail diskutiert werden sollen, Freespace definiert werden, um dort positionierte Objekte aufzuräumen und zu löschen. Wenn ein Objekt in einem solchen Freespace-Bereich positioniert ist, wird das Objekt nicht weiter berücksichtigt und gelöscht. Der Freespace wird dabei zyklisch ermittelt und wieder gelöscht, wobei ein Zyklus eine prinzipiell variable Zeitdauer umfassen kann, in der auch mehrere Signale eines Umgebungssensors berücksichtigt werden können. Freespace kann einfach in der Vektor-basierten Repräsentation verarbeitet und verwendet werden, d.h. die Objekte in den Freespace-Bereichen können entfernt werden, bevor eine Zuordnung zu der Gitter-basierten Repräsentation erfolgt.
Das Bereitstellen wenigstens eines Objekts in der Vektor-basierten Repräsentation basierend auf einer Vektorposition und einer Verteilungsfunktion erfolgt also basierend auf der Erfassung des Objekts mit dem wenigstens einen Umgebungssensor.
Das Übertragen der Vektorposition des wenigstens einen Objekts auf die Gitterzellen betrifft ein Übertragen der Vektorposition des Objekts ohne Fehler auf das Gitternetz. Es erfolgt ein Mapping in den Koordinaten des Gitternetzes. Beim anschließenden Übertragen der Verteilungsfunktion des wenigstens einen Objekts zu den Gitterzellen erfolgt ein Mapping der Verteilungsfunktion in den Koordinaten des Gitternetzes.
Das Summieren von Funktionswerten der Verteilungsfunktion des wenigstens einen Objekts für eine Mehrzahl Gitterzellen dient einer Erfassung der Verteilungsfunktion in dem Gitternetz. Die Funktionswerte der Verteilungsfunktion in den einzelnen Gitterzellen geben dabei ein Maß für die Wahrscheinlichkeit an, dass sich das Objekt in der entsprechenden Gitterzelle befindet.
Das Zuordnen des wenigstens einen Objekts zu den Gitterzellen basierend auf den summierten Funktionswerten der Verteilungsfunktion kann dabei auf unterschiedliche Weise erfolgen. So kann das Objekt der Gitterzelle zugeordnet werden, welche den höchsten Funktionswert aufweist. Alternativ können andere Formen der Zuordnung gewählt werden. Auch kein ein Objekt einer Mehrzahl Gitterzellen gemeinsam zugeordnet werden, bzw. mehrere Gitterzellen weisen gemeinsam das Objekt auf.
Fahrunterstützungssysteme umfassen bereits heute weit verbreitete
Fahrerassistenzsysteme, die einen Fahrzeugführer beim Führen des Fahrzeugs unterstützen. Solche Fahrerassistenzsysteme umfassen beispielsweise
Parkassistenzsysteme oder Abstandswarnsysteme, die typischerweise bei niedrigen Geschwindigkeiten aktiv sind, sowie zunehmend Assistenzsysteme, die typischerweise das Fahren bei höheren Geschwindigkeiten unterstützen, beispielsweise
Spurwechselassistenzsysteme und Totwinkel-Assistenzsysteme. Die
Fahrunterstützungssysteme können auch in autonomen Fahrzeugen entsprechende Funktionen bereitstellen, um ein autonomes Führen des Fahrzeugs zu unterstützen.
In vorteilhafter Ausgestaltung der Erfindung umfasst das Verfahren einen zusätzlichen Schritt zum Skalieren der Verteilungsfunktion basierend auf einer Existenz-Masse. Die Existenz-Masse ist ein Grad einer Überzeugung und wird als Überzeugungsfunktion angegeben. Die Existenz-Masse wirkt hier als Skalierungsfaktor für die Verteilung.
Dabei muss die Summe aller Funktionswerte aller von einem Objekt mit seiner
Verteilungsfunktion betroffenen Gitterzellen diese Existenz-Masse zumindest näherungsweise wiedergeben. Beim Summieren bzw. Integrieren der Funktionswerte der Verteilungsfunktion für relevante Zellen ergibt sich die Existenz-Masse des jeweiligen Objekts zumindest näherungsweise. Die Existenz-Masse ist dabei ein linearer Faktor, so dass die Skalierung zu einer beliebigen Zeit durchgeführt werden kann. Dies ist möglich, da die Summierung wie auch eine mögliche Integration lineare Funktionen beinhalten.
In vorteilhafter Ausgestaltung der Erfindung umfasst das Verfahren einen zusätzlichen Schritt zum Verschmelzen von summierten Funktionswerten der Verteilungsfunktionen von einer Mehrzahl Objekten für jede Gitterzelle aus der Mehrzahl Gitterzellen. Es werden somit die Funktionswerte von Verteilungsfunktionen verschiedener Objekte gemeinsam betrachtet, um eine Belegung einer Gitterzelle zu ermitteln, wobei die Belegung sich aufgrund der Verschmelzung nicht notwendigerweise einem einzelnen Objekt zuordnen lassen muss. Vielmehr kann sich eine solche Belegung auch durch mehrere von den Umgebungssensoren erfasste Objekte ergeben.
In vorteilhafter Ausgestaltung der Erfindung umfasst der Schritt des Verschmelzens von summierten Funktionswerten der Verteilungsfunktionen von einer Mehrzahl Objekten ein Verschmelzen basierend auf einer Dempster-Schäfer Modellierung. Die Dempster- Schäfer-Theorie, teilweise auch als Belief-Theorie bezeichnet, verwendet anstelle von Wahrscheinlichkeiten Aussagen über eine Glaubensmasse, auch als Existenz-Masse bezeichnet, im englischen degrees of belief. Unsicheres Wissen wird durch eine
Glaubensfunktion, engl belief function, repräsentiert. Annahmen können dabei über ganze Mengen von Aussagen getroffen werden und nicht nur über eine einzelne Aussage. Dies ist beispielsweise der Fall, wenn neue Informationen auf unterschiedliche Aussagen hindeuten können. Die Summe muss dabei nicht zwingend eins betragen. Dem liegt zugrunde, dass einer Hypothese ein Teil des Beliefs zukommt, ohne dass dies automatisch der Negation der Hypothese der übrige Belief zugeordnet werden muss. Die Existenz-Masse ist also losgelöst, d.h. nicht unmittelbar abhängig, von einer Nicht-Existenz-Masse. Eine Differenz zwischen der Summe der beiden Massen und einem Maximalwert, der bei eins liegt, gibt ein Maß für Unwissen an.
In vorteilhafter Ausgestaltung der Erfindung umfasst der Schritt des Übertragens der Verteilungsfunktion des wenigstens einen Objekts zu den Gitterzellen ein Projizieren der Verteilungsfunktion auf die Mehrzahl Gitterzellen. Ausgehend von der Vektor-basierten Repräsentation in Objekte kann die Verteilungsfunktion zwei- oder drei-dimensional sein. Eine Projektion einer Verteilungsfunktion für zweidimensionale Funktionswerte ist dabei einfach zu realisieren. Durch die Projektion der Verteilungsfunktion auf das Gitternetz mit den Gitterzellen können Funktionswerte gebildet werden, die sich einfach verarbeiten lassen. Die Funktionswerte ergeben sich in dem Gitternetz in einer einfachen Weise abhängig von den Netzkoordinaten. Vorzugsweise erfolgt dabei eine Skalierung der Verteilungsfunktion basierend auf der Existenz-Masse, wie oben ausgeführt wurde.
In vorteilhafter Ausgestaltung der Erfindung umfasst der Schritt des Summierens von Funktionswerten der Verteilungsfunktion des wenigstens einen Objekts für jede
Gitterzelle aus einer Mehrzahl Gitterzellen ein Integrieren der Verteilungsfunktion des wenigstens einen Objekts für jede der Gitterzellen. Die Bildung des Integrals der Verteilungsfunktion ermöglicht eine mathematisch einfache und exakte Summierung der Funktionswerte.
In vorteilhafter Ausgestaltung der Erfindung umfasst der Schritt des Integrierens der Verteilungsfunktion des wenigstens einen Objekts für jede der Gitterzellen eine 2-D Riemann Integration. Das grundlegende Konzept der 2-D Riemann Integration basiert darauf, das Integral der Verteilungsfunktion als eine Summe kleiner Elemente, auch Samples oder Berechnungsflächen genannt, in der Gitterzelle zu bilden. Die Anzahl der Samples kann aktiv modifiziert werden, um unterschiedlichen Anforderungen in Bezug auf Rechenzeit und Genauigkeit erfüllen zu können. Für jedes Sample der Gitterzelle wird dabei angenommen, dass die Verteilungsfunktion einen konstanten Funktionswert bzw. eine konstante Höhe aufweist. Dabei wird als Höhe für den Sample die Höhe in der Mitte des Samples. Ein Volumen oder Integral ergibt sich somit aus einer Grundfläche des Samples multipliziert mit dessen Höhe in der Mitte davon.
In vorteilhafter Ausgestaltung der Erfindung umfasst die 2-D Riemann Integration ein Aufteilen jeder der Gitterzellen in eine Mehrzahl Berechnungsflächen, insbesondere zwei bis zwanzig Berechnungsflächen, vorzugsweise fünf bis zehn Berechnungsflächen. Die Anzahl der Berechnungsflächen kann abhängig von einer gewünschten Genauigkeit und/oder verfügbarer Rechenleistung gewählt werden. Auch kann eine Anpassung der Anzahl der Berechnungsflächen prinzipiell individuell für jede Gitterzelle oder für Gruppen von Gitterzellen gemeinsam erfolgen. In vorteilhafter Ausgestaltung der Erfindung umfasst das Verfahren einen zusätzlichen Schritt zum Identifizieren relevanter Gitterzellen, und der Schritt des Summierens von Funktionswerten der Verteilungsfunktion des wenigstens einen Objekts für jede
Gitterzelle aus der Mehrzahl Gitterzellen ein Summieren von Funktionswerten der Verteilungsfunktion des wenigstens einen Objekts für jede der relevanten Gitterzellen umfasst. Das Summieren der Funktionswerte der Verteilungsfunktion kann dadurch beschleunigt werden, dass nur ein ausgewählter Teil der Gitterzellen für das Summieren der Funktionswerte berücksichtigt wird. Das Identifizieren der relevanten Gitterzellen betrifft also eine Identifizierung derjenigen Gitterzellen als relevant, die in einem relevanten Maß von der Verteilungsfunktion erfasst werden. Andernfalls sind die Funktionswerte der Verteilungsfunktion in den Gitterzellen, also den nicht relevanten Gitterzellen, nahe Null, so dass sie vernachlässigt werden können.
In vorteilhafter Ausgestaltung der Erfindung umfasst der Schritt des Identifizierens relevanter Gitterzellen ein Erfassen von Gitterzellen in Kontakt mit einer maximalen räumlichen Ausdehnung der Verteilungsfunktion. Die Verteilungsfunktion ist dabei üblicherweise eine kontinuierliche Funktion, d.h. ohne Sprünge in den Funktionswerten, die von einem Mittelbereich asymptotisch ausläuft. Entsprechend kann ein Grenzwert für den Funktionswert der Verteilungsfunktion angegeben werden, und nur Gitterzellen, in denen der Funktionswert über dem Grenzwert liegt, werden als in Kontakt mit der Verteilungsfunktion betrachtet. Dabei können abhängig von der Form der
Verteilungsfunktion unterschiedliche Gitterzellen berücksichtigt werden. Bei einer kreisförmigen Funktion würden beispielsweise alle Gitterzellen innerhalb eines vorgegebenen Abstands von einem Mittelpunkt des Kreises berücksichtigt. Bei einer elliptischen Form der Verteilungsfunktion können beispielsweise alle Gitterzellen innerhalb eines Kreises mit einem maximalen Abstand von einem Mittelpunkt als relevant berücksichtigt werden. Es wird also ein Kreis um die Ellipse gebildet, der die relevanten Gitterzellen enthält. Dies ist insbesondere bei einer Ellipse mit stark unterschiedlicher Ausdehnung in beiden Ebenenrichtungen, d.h. bei Merkmalen mit einer großen räumlichen Unsicherheit in einer der Ebenenrichtungen und einer geringen räumlichen Unsicherheit in der anderen Ebenenrichtung, eine grobe Näherung, die eine zu große Anzahl von relevanten Gitterzellen bedingt. Dies gilt auch, wenn die
Ebenrichtungen des Gitternetzes nicht mit Hauptachsen der Ellipse übereinstimmen. Gemäß einer weiteren vorteilhaften Ausgestaltung der Erfindung wird für die relevanten Gitterzellen eine unterschiedliche Art der Verarbeitung gewählt. Bei Gitterzellen mit einer besonders hohen Relevanz, beispielsweise in einem Zentrum der
Verteilungsfunktion, werden die Funktionswerte der Verteilungsfunktion mit einer hohen Genauigkeit berechnet und summiert, während Gitterzellen mit einer geringen Relevanz besonders schnell erfasst werden. Dies geht üblicherweise zu Lasten der Genauigkeit. Basierend auf der Relevanz kann beispielsweise eine Anzahl von Berechnungsflächen für die jeweilige Gitterzelle angepasst werden.
Nachfolgend wird die Erfindung unter Bezugnahme auf die anliegende Zeichnung anhand bevorzugter Ausführungsformen näher erläutert. Die dargestellten Merkmale können sowohl jeweils einzeln als auch in Kombination einen Aspekt der Erfindung darstellen. Merkmale verschiedener Ausführungsbeispiele sind übertragbar von einem Ausführungsbeispiel auf ein anderes.
Es zeigt
Fig. 1 eine schematische Darstellung eines Fahrzeugs mit einem
Fahrunterstützungssystem gemäß einer ersten, bevorzugten Ausführungsform der Erfindung,
Fig. 2 ein Ablaufdiagramm eines Verfahrens gemäß einer zweiten
Ausführungsform zum Zuordnen von Objekten in einer Vektor-basierten Repräsentation in Objekte in einer Gitter-basierten Repräsentation mit einer Mehrzahl Gitterzellen zur Verwendung in dem
Fahrunterstützungssystem des Fahrzeugs der ersten Ausführungsform,
Fig. 3 eine schematische Darstellung eines Gitternetzes mit einem darin
dargestellten Objekt in einer Vektor-basierten Repräsentation mit einer Vektorposition und einer Verteilungsfunktion in Übereinstimmung mit einem dritten Ausführungsbeispiel,
Fig. 4 eine schematische Darstellung eines Gitternetzes mit einem darin
dargestellten Objekt in einer Vektor-basierten Repräsentation mit einer Vektorposition und einer Verteilungsfunktion in Übereinstimmung mit einem vierten Ausführungsbeispiel,
Fig. 5 eine schematische Darstellung eines Gitternetzes mit einem darin
dargestellten Objekt in einer Vektor-basierten Repräsentation mit einer Vektorposition und einer Verteilungsfunktion in Übereinstimmung mit einem fünften Ausführungsbeispiel, und
Fig. 6 eine schematische Darstellung eines Gitternetzes mit einer darin
dargestellten Verteilungsfunktion und einer Integration der Funktionswerte der Verteilungsfunktion in Gitterzellen mit einer Riemann- Integration in Übereinstimmung mit einem sechsten Ausführungsbeispiel.
Die Figur 1 zeigt ein Fahrzeug 10 gemäß einer ersten, bevorzugten Ausführungsform der vorliegenden Erfindung.
Das Fahrzeug 10 umfasst ein Fahrunterstützungssystem 12. Das
Fahrunterstützungssystem 12 ist in diesem Ausführungsbeispiel als
Parkassistenzsystem ausgeführt, um das Fahrzeug 10 autonom in einer Parklücke zu parken.
Das Fahrunterstützungssystem 12 umfasst eine Steuerungseinrichtung 14, welche beispielsweise ein elektronisches Steuergerät (ECU - Electronic Control Unit) umfasst. Darüber hinaus umfasst das Fahrerassistenzsystem 12 verschiedene
Umgebungssensoren 16, 18, 20. Die Steuerungseinrichtung 14 ist über einen Datenbus 22 mit den Umgebungssensoren 16, 18, 20 verbunden.
Die Umgebungssensoren 16, 18, 20 umfassen in diesem Ausführungsbeispiel acht Ultraschallsensoren 16, einen Laserscanner 18, und einen Radarsensor 20. Von den acht Ultraschallsensoren 16 sind vier Ultraschallsensoren 16 an einem Frontbereich 24 des Fahrzeugs 10 und vier Ultraschallsensoren 16 an einem Heckbereich 26 des Fahrzeugs 10 angeordnet. Der Laserscanner 18 ist ebenfalls in dem Frontbereich 24 des Fahrzeugs 10 angeordnet, während der Radarsensor 20 zentral an einem Dach des Fahrzeugs 10 angebracht ist. Die Umgebungssensoren 16 sind dazu ausgebildet, Objekte 28 in einer Umgebung 30 des Fahrzeugs 10 zu erfassen und Sensorinformationen mit Umgebungsinformationen des Fahrzeugs 10 zu liefern. Dabei werden die Sensorinformationen aller
Umgebungssensoren 16, 18, 20 gemeinsam ausgewertet zur Erzeugung einer
Umgebungskarte. Die Umgebungssensoren 16, 18, 20 dienen insbesondere dazu, eine relative Lage zwischen Objekten 24 und dem Fahrzeug 10 zu bestimmen.
Nachfolgend wird unter Bezug auf Figur 2 ein Verfahren zum Zuordnen von Objekten 28 in einer Vektor-basierten Repräsentation in Objekte 28 in einer Gitter-basierten
Repräsentation zur Verwendung in dem Fahrunterstützungssystem 12 des Fahrzeugs 10 gemäß einer zweiten Ausführungsform beschrieben. Die Objekte 28 werden somit in ein Gitternetz 32 mit einer Mehrzahl gleichförmiger, regelmäßige angeordneter
Gitterzellen 34 übertragen, wie nachfolgend im Detail ausgeführt ist. Die Unterteilung der Gitterzellen 34 erfolgt durch gleichmäßig beabstandete waagerechte und senkrechte Gitterlinien 36, 38, so dass die Gitterzellen 34 eine quadratische Form aufweisen. In der Gitter-basierten Repräsentation werden Objekte 28 typischerweise einzelnen
Gitterzellen 34 des Gitternetzes 32 zugeordnet.
Die Gitter-basierte Repräsentation dient als Umgebungskarte oder wird zur Erstellung der Umgebungskarte verwendet. Die Umgebungskarte stellt eine Repräsentation einer Umgebung 30 des Fahrzeugs 10 dar, in der die Objekte 28 in einer zweidimensionalen Karte dargestellt bzw. markiert sind. Auf Basis dieser Umgebungskarte kann das Fahrunterstützungssystem 12 seine Unterstützungsaufgabe durchführen.
Das Verfahren beginnt in Schritt S100 mit einem Bereitstellen wenigstens eines Objekts 28 in der Vektor-basierten Repräsentation basierend auf einer Vektorposition 40 und einer dazugehörigen Verteilungsfunktion 42. Das Bereitstellen der Objekte 28 in der Vektor-basierten Repräsentation basiert auf der Erfassung des Objekts 28 mit den Umgebungssensoren 16, 18, 20. Die Umgebungssensoren 16, 18, 20 liefern
Sensorinformationen, welche die Objekte 28 angeben, in einer Vektorschreibweise, beispielsweise mit einer Richtung und einer Entfernung, woraus sich eine Vektorposition 40 des Objekts 28 ergibt. Die Sensorinformation sind mit einem Fehler behaftet abhängig beispielsweise von einer Art des Umgebungssensors 16, 18, 20, einer Position des Umgebungssensors 16, 18, 20 an dem Fahrzeug 10, einer Position eines Objekts 28 in Bezug auf den Umgebungssensor 16, 18, 20, Umgebungsbedingungen wie beispielsweise einer Temperatur, Luftfeuchte, Regen oder Luftdichte oder auch weiteren Faktoren.
Der Fehler wird durch die Verteilungsfunktion 42 berücksichtigt, die eine Information in Bezug auf eine Genauigkeit der Vektorposition 40 des Objekts 28 darstellt. Die
Verteilungsfunktion 42 ist hier als elliptische Verteilungsfunktionen 42 ausgeführt, wie in den Figuren 3 bis 5 erkennbar ist. Dabei kann die elliptische Verteilungsfunktionen 42 unterschiedlich ausgeprägt sein, so dass sich beispielsweise in dem
Ausführungsbeispiel der Figur 3 eine fast kreisförmige Verteilungsfunktion 42 ergibt. Auch können die Verteilungsfunktionen unterschiedlich große Bereiche um die
Vektorposition 40 des Objekts 28 herum erfassen. Die Verteilungsfunktionen 42 der Ausführungsbeispiele in den Figuren 3 bis 5 zeigen beispielhafte Verteilungsfunktionen 42 mit entsprechend unterschiedlich großen Bereichen. Die Verteilungsfunktion 42 ist hier eine gaußsche Glockenfunktion.
In nachfolgendem Schritt S1 10 wird die Vektorposition 40 des Objekts 28 bzw. der Objekte 28 auf die Gitterzellen 34 des Gitternetzes 32 übertragen. Dabei wird zunächst lediglich die Vektorposition 40 des Objekts 28 ohne Fehler auf das Gitternetz 32 übertragen.
Anschließend wird in Schritt S120 auch die Verteilungsfunktion 42 des jeweiligen Objekts 28 auf die Gitterzellen 34 des Gitternetzes 32 übertragen. Es erfolgt ein
Mapping der Verteilungsfunktion 42 in den Koordinaten des Gitternetzes 32 ausgehend von der jeweiligen Vektorposition 40. Dabei wird Verteilungsfunktion 42 auf die Mehrzahl Gitterzellen 34 des Gitternetzes 32 projiziert, so dass sich Funktionswerte in dem Gitternetz 32 in einer einfachen Weise abhängig von Netzkoordinaten des Gitternetzes 32 ergeben.
In Schritt S130 wird die Verteilungsfunktion 42 basierend auf einer Existenz-Masse skaliert. Die Existenz-Masse ist ein Grad einer Überzeugung und wird als
Überzeugungsfunktion angegeben. Die Existenz-Masse ist ein linearer Faktor, so dass die Skalierung zu einer beliebigen Zeit durchgeführt werden kann. Schritt S130 kann also auch früher oder später erfolgen, beispielsweise als erster Schritt oder als letzter Schritt des beschriebenen Verfahrens. In Schritt S140 werden relevante Gitterzellen 34 in dem Gitternetz 32 identifiziert. Das Identifizieren der relevanten Gitterzellen 34 betrifft eine Identifizierung derjenigen Gitterzellen 34 als relevant, die in einem relevanten Maß von der Verteilungsfunktion 42 erfasst werden. Für alle anderen Gitterzellen 34 sind die Funktionswerte der
Verteilungsfunktion 42 nahe Null und werden vernachlässigt.
Vorliegend werden solche Gitterzellen 34 als relevante Gitterzellen 34 identifiziert, die in Kontakt mit einer maximalen räumlichen Ausdehnung 44 der Verteilungsfunktion 42 sind. Die maximale räumliche Ausdehnung 44 ist in diesem Ausführungsbeispiel mit einer Box definiert, welche die Projektion der Verteilungsfunktion 42 auf das Gitternetz 32 vollständig enthält, wie in Figur 5 dargestellt ist. Dabei ist zu berücksichtigen, dass sich die Funktionswerte der Verteilungsfunktion 42 mit zunehmendem Abstand von der Vektorposition 40 asymptotisch gegen Null annähern, weshalb die Projektion der Verteilungsfunktion 42 in den Figuren 3 bis 5 für einen Grenzwert für die Funktionswerte der Verteilungsfunktion 42 dargestellt ist.
In Schritt S150 werden Funktionswerte der Verteilungsfunktion 42 des jeweiligen Objekts 28 für jede Gitterzelle 34 aus einer Mehrzahl Gitterzellen 34 summiert. Dies betrifft die in Schritt S140 als relevant identifizierten Gitterzellen 34.
Dazu wird die Verteilungsfunktion 42 des jeweiligen Objekts 28 für jede der relevanten Gitterzellen 34 integriert. Dadurch wird die Verteilungsfunktion 42 in dem Gitternetz 32 für jede der relevanten Gitterzellen 34 erfasst.
Beim Integrieren der Verteilungsfunktion 42 wird für jede der Gitterzellen 34 eine 2-D Riemann Integration 46 durchgeführt. Dazu wird jede der relevanten Gitterzellen 34 in eine Mehrzahl Berechnungsflächen 48 unterteilt, hier beispielsweise zwanzig
Berechnungsflächen 48, die eine quadratische oder rechteckige Form aufweisen. Für jede der Berechnungsflächen 48 der jeweiligen Gitterzelle 34 wird angenommen, dass die Verteilungsfunktion 42 einen konstanten Funktionswert bzw. eine konstante Höhe aufweist. Dabei wird als Höhe für die jeweilige Berechnungsfläche 48 die Höhe in der Mitte der Berechnungsfläche 48 angesetzt. Die 2-D Riemann Integration 46 ergibt sich somit aus der Grundfläche der Berechnungsfläche 48 multipliziert mit der Höhe in der Mitte davon. Es werden somit Volumina von Quadern 50 mit der Berechnungsfläche 48 als Grundfläche und der Höhe entsprechend dem Funktionswert der Verteilungsfunktion 42 in der Mitte der Berechnungsfläche 48 summiert, um die Funktionswerte in jeder Gitterzelle 34 zu integrieren. Die 2-D Riemann Integration 46 ist in der Figur 6 in einem linken Teil für eine Gitterzelle 34, die in dem rechten Teil entsprechend umrandet ist, schraffiert dargestellt.
In Schritt S160, der optional ist, werden summierte Funktionswerte der
Verteilungsfunktionen 42 von einer Mehrzahl Objekte 28 für jede der Gitterzellen 34 verschmolzen, um eine Belegung einer Gitterzelle 34 zu ermitteln. Eine solche Belegung ergibt sich durch mehrere von den Umgebungssensoren 16, 18, 20 erfasste Objekte 28, deren Verteilungsfunktionen zumindest teilweise überlappen. Das Verschmelzen der summierten Funktionswerte der Verteilungsfunktionen 42 der Mehrzahl Objekte 28 erfolgt basierend auf einer Dempster-Schäfer Modellierung. Es wird eine Aussage über eine Glaubensmasse, auch als Existenz-Masse bezeichnet, getroffen. Schritt S160 wird in einem alternativen Ausführungsbeispiel integral mit Schritt S150 oder vor Schritt S150 durchgeführt.
In Schritt S170 wird jedes der Objekte 28 basierend auf den summierten
Funktionswerten der Verteilungsfunktion 42 zu den Gitterzellen 34 zugeordnet.
Beispielsweise wird hier das Objekt 28 der Gitterzelle 34 zugeordnet, welche den höchsten summierten Funktionswert aufweist. Auch kann ein Objekt 28 einer Mehrzahl Gitterzellen 34 gemeinsam zugeordnet werden, wenn die summierten Funktionswerte der Verteilungsfunktion bestimmte Kriterien erfüllen.
Beispielhaft ist hier in Figur 3 dargestellt, dass sich die Verteilungsfunktion 42 über vier Gitterzellen 34 erstreckt, wobei zwei der Gitterzellen 34 eine Summe der skalierten Funktionswerte von 42,5 aufweisen, und zwei der Gitterzellen 34 eine Summe der skalierten Funktionswerte von 5,4 aufweisen. Das Objekt 28 wird in diesem
Ausführungsbeispiel den beiden Gitterzellen 34 mit der höchsten Summe der skalierten Funktionswerte zugeordnet.
Weiter ist beispielhaft in Figur 4 dargestellt, dass sich die Verteilungsfunktion 42 über vier Gitterzellen 34 erstreckt, wobei eine der Gitterzellen 34 eine Summe der skalierten Funktionswerte von 50,3 aufweist, und die übrigen drei Gitterzellen 34 Summenwerte der skalierten Funktionswerte von 36,3, 6,6 bzw. 0,7 aufweisen. Das Objekt 28 wird in diesem Ausführungsbeispiel der Gitterzelle 34 mit der höchsten Summe der skalierten Funktionswerte zugeordnet.
Bezugszeichenliste
Fahrzeug
Fahrunterstützungssystem
Steuerungseinrichtung
Umgebungssensor, Ultraschallsensor Umgebungssensor, Laserscanner
Umgebungssensor, Radarsensor
Datenbus
Frontbereich
Heckbereich
Objekt
Umgebung
Gitternetz
Gitterzelle
waagerechte Gitterlinie
senkrechte Gitterlinie
Vektorposition
Verteilungsfunktion
maximale räumliche Ausdehnung
2-D Riemann Integration
Berechnungsfläche
Quader

Claims

Patentansprüche
1. Verfahren zum Zuordnen von Objekten (28) in einer Vektor-basierten
Repräsentation in Objekte (28) in einer Gitter-basierten Repräsentation mit einer Mehrzahl Gitterzellen (34) zur Verwendung in einem Fahrunterstützungssystem (12) eines Fahrzeugs (10), umfassend die Schritte
Bereitstellen wenigstens eines Objekts (28) in der Vektor-basierten Repräsentation basierend auf einer Vektorposition (40) und einer dazugehörigen Verteilungsfunktion (42),
Übertragen der Vektorposition (40) des wenigstens einen Objekts (28) auf die Gitterzellen (34),
Übertragen der Verteilungsfunktion (42) des wenigstens einen Objekts (28) auf die Gitterzellen (34),
Summieren von Funktionswerten der Verteilungsfunktion (42) des wenigstens einen Objekts (28) für jede Gitterzelle (34) aus einer Mehrzahl Gitterzellen (34), und
Zuordnen des wenigstens einen Objekts (28) zu den Gitterzellen (34) basierend auf den summierten Funktionswerten der Verteilungsfunktion (42).
2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass
das Verfahren einen zusätzlichen Schritt zum Skalieren der
Verteilungsfunktion (42) basierend auf einer Existenz-Masse umfasst.
3. Verfahren nach einem der vorhergehenden Ansprüche 1 oder 2, dadurch
gekennzeichnet, dass
das Verfahren eine zusätzlichen Schritt zum Verschmelzen von summierten Funktionswerten der Verteilungsfunktionen (42) von einer Mehrzahl Objekten (28) für jede Gitterzelle (34) aus der Mehrzahl Gitterzellen (34) umfasst.
4. Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass
der Schritt des Verschmelzens von summierten Funktionswerten der Verteilungsfunktionen (42) von einer Mehrzahl Objekten (28) ein Verschmelzen basierend auf einer Dempster-Schäfer Modellierung umfasst.
5. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass
der Schritt des Übertragens der Verteilungsfunktion (42) des wenigstens einen Objekts (28) auf die Gitterzellen (34) ein Projizieren der Verteilungsfunktion (42) auf die Mehrzahl Gitterzellen (34) umfasst.
6. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass
der Schritt des Summierens von Funktionswerten der Verteilungsfunktion (42) des wenigstens einen Objekts (28) für jede Gitterzelle (34) aus einer
Mehrzahl Gitterzellen (34) ein Integrieren der Verteilungsfunktion (42) des wenigstens einen Objekts (28) für jede der Gitterzellen (34) umfasst.
7. Verfahren nach Anspruch 6, dadurch gekennzeichnet, dass
der Schritt des Integrierens der Verteilungsfunktion (42) des wenigstens einen Objekts (28) für jede der Gitterzellen (34) eine 2-D Riemann Integration (46) umfasst.
8. Verfahren nach Anspruch 7, dadurch gekennzeichnet, dass
die 2-D Riemann Integration (46) ein Aufteilen jeder der Gitterzellen (34) in eine Mehrzahl Berechnungsflächen (48), insbesondere 2 bis 20
Berechnungsflächen (48), vorzugsweise 5 bis 10 Berechnungsflächen (48), umfasst.
9. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass
das Verfahren einen zusätzlichen Schritt zum Identifizieren relevanter Gitterzellen (34) umfasst, und
der Schritt des Summierens von Funktionswerten der Verteilungsfunktion (42) des wenigstens einen Objekts (28) für jede Gitterzelle (34) aus der Mehrzahl Gitterzellen (34) ein Summieren von Funktionswerten der Verteilungsfunktion (42) des wenigstens einen Objekts (28) für jede der relevanten Gitterzellen (34) umfasst.
10. Verfahren nach Anspruch 9, dadurch gekennzeichnet, dass
der Schritt des Identifizierens relevanter Gitterzellen (34) ein Erfassen von Gitterzellen (34) in Kontakt mit einer maximalen räumlichen Ausdehnung der Verteilungsfunktion (42) umfasst.
1 1. Fahrunterstützungssystem (12) für ein Fahrzeug (10), wobei das
Fahrunterstützungssystem (12) ausgeführt ist, Objekte (28) in einer Umgebung (30) des Fahrzeugs (10) in einer Vektor-basierten Repräsentation zu erfassen, und das Fahrunterstützungssystem (12) weiter ausgeführt ist, das Verfahren nach einem der vorhergehenden Ansprüche 1 bis 10 durchzuführen.
12. Fahrzeug (10) mit einem Fahrunterstützungssystem (12) nach dem
vorhergehenden Anspruch 1 1.
PCT/EP2019/050737 2018-01-17 2019-01-14 Zuordnung von objekten in vektor-basierter darstellung in eine gitter-basierte repräsentation WO2019141607A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102018100907.0 2018-01-17
DE102018100907.0A DE102018100907A1 (de) 2018-01-17 2018-01-17 Zuordnung von Objekten in Vektor-basierter Darstellung in eine Gitter-basierte Repräsentation

Publications (1)

Publication Number Publication Date
WO2019141607A1 true WO2019141607A1 (de) 2019-07-25

Family

ID=65243507

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2019/050737 WO2019141607A1 (de) 2018-01-17 2019-01-14 Zuordnung von objekten in vektor-basierter darstellung in eine gitter-basierte repräsentation

Country Status (2)

Country Link
DE (1) DE102018100907A1 (de)
WO (1) WO2019141607A1 (de)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11994582B2 (en) * 2021-09-13 2024-05-28 Texas Instruments Incorporated Inverse radar sensor model and evidential grid mapping processors
DE102023100606A1 (de) 2023-01-12 2024-07-18 Connaught Electronics Ltd. Objektmodellierung basierend auf einer Punktwolke

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013210263A1 (de) 2013-06-03 2014-12-04 Robert Bosch Gmbh Belegungskarte für ein Fahrzeug
DE102009007395B4 (de) 2008-03-25 2015-11-26 Volkswagen Ag Verfahren zur kartenbasierten Umfelddarstellung eines Fahrzeugs
DE102014111126A1 (de) 2014-08-05 2016-02-11 Valeo Schalter Und Sensoren Gmbh Verfahren zum Erzeugen einer Umgebungskarte eines Umgebungsbereichs eines Kraftfahrzeugs, Fahrerassistenzsystem sowie Kraftfahrzeug
DE102015224197A1 (de) 2015-06-25 2016-12-29 Hyundai Motor Company System und verfahren zum schreiben einer belegungsgitterabbildung eines sensorzentrierten koordinatensystems unter verwendung eines laserscanners
US20170269201A1 (en) * 2016-03-16 2017-09-21 Denso It Laboratory, Inc. Surrounding Environment Estimation Device and Surrounding Environment Estimating Method

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102008062273A1 (de) * 2008-12-15 2010-06-17 Volkswagen Ag Verfahren zum Bereitstellen von Informationen über Objekte in einer Umgebung eines Kraftfahrzeugs, Verfahren zum Steuern sicherheitsrelevanter Fahrzeugssysteme und Steuerungsvorrichtung

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009007395B4 (de) 2008-03-25 2015-11-26 Volkswagen Ag Verfahren zur kartenbasierten Umfelddarstellung eines Fahrzeugs
DE102013210263A1 (de) 2013-06-03 2014-12-04 Robert Bosch Gmbh Belegungskarte für ein Fahrzeug
DE102014111126A1 (de) 2014-08-05 2016-02-11 Valeo Schalter Und Sensoren Gmbh Verfahren zum Erzeugen einer Umgebungskarte eines Umgebungsbereichs eines Kraftfahrzeugs, Fahrerassistenzsystem sowie Kraftfahrzeug
DE102015224197A1 (de) 2015-06-25 2016-12-29 Hyundai Motor Company System und verfahren zum schreiben einer belegungsgitterabbildung eines sensorzentrierten koordinatensystems unter verwendung eines laserscanners
US20170269201A1 (en) * 2016-03-16 2017-09-21 Denso It Laboratory, Inc. Surrounding Environment Estimation Device and Surrounding Environment Estimating Method

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
MOHAMED ESSAYED BOUZOURAA ET AL: "Fusion of occupancy grid mapping and model based object tracking for driver assistance systems using laser and radar sensors", 2013 IEEE INTELLIGENT VEHICLES SYMPOSIUM (IV), 1 June 2010 (2010-06-01), pages 294 - 300, XP055554922, ISSN: 1931-0587, DOI: 10.1109/IVS.2010.5548106 *

Also Published As

Publication number Publication date
DE102018100907A1 (de) 2019-07-18

Similar Documents

Publication Publication Date Title
EP2943910B1 (de) Erstellung einer hinderniskarte
EP3177498B1 (de) Verfahren zum erzeugen einer umgebungskarte eines umgebungsbereichs eines kraftfahrzeugs, fahrerassistenzsystem sowie kraftfahrzeug
EP3695244B1 (de) Verfahren und vorrichtung zum erzeugen eines inversen sensormodells und verfahren zum erkennen von hindernissen
EP3008534B1 (de) Verfahren zum modellieren eines umfelds eines fahrzeugs
DE102013210263A1 (de) Belegungskarte für ein Fahrzeug
EP3142913B1 (de) Umfeldkarte für fahrflächen mit beliebigem höhenverlauf
DE102018100487A1 (de) Objektverfolgung durch unüberwachtes lernen
DE102014111125A1 (de) Verfahren zum Erkennen eines Objekts in einem Umgebungsbereich eines Kraftfahrzeugs mittels eines Ultraschallsensors, Fahrerassistenzsystem sowie Kraftfahrzeug
DE102016003261A1 (de) Verfahren zur Selbstlokalisierung eines Fahrzeugs in einer Fahrzeugumgebung
DE102014200279A1 (de) Verfahren und Vorrichtung zum Detektieren von Objekten in einem Umfeld eines Fahrzeugs
DE102020124331A1 (de) Fahrzeugspurkartierung
DE102017108130A1 (de) Verfahren zur Datenfusion eines Datensatzes, entsprechende Recheneinheit und Fahrzeug welches mit einer entsprechenden Recheneinheit ausgestattet ist sowie Computerprogramm
DE102016220581A1 (de) Verfahren und vorrichtung zur bestimmung eines umfeldmodells
WO2019141607A1 (de) Zuordnung von objekten in vektor-basierter darstellung in eine gitter-basierte repräsentation
EP3454084A1 (de) Verfahren zum betreiben eines fahrerassistenzsystems für ein kraftfahrzeug unter verwendung einer vektorbasierten und einer gitterbasierten umgebungskarte sowie fahrerassistenzsystem
DE102019132150A1 (de) Verfahren zum automatischen Kalibrieren eines Umfeldsensors, insbesondere eines Lidar-Sensors, eines Fahrzeugs auf Grundlage von Belegungskarten sowie Recheneinrichtung
DE102013220170A1 (de) Verfahren zum Bestimmen einer kinematischen Zustandsgröße eines Objekts
DE102019208507A1 (de) Verfahren zur Bestimmung eines Überlappungsgrades eines Objektes mit einem Fahrstreifen
DE102021214763A1 (de) Verfahren und Steuervorrichtung zum Steuern eines automatisierten Fahrzeugs
DE112021000967T5 (de) Parkassistenzvorrichtung und Parkassistenzverfahren
WO2022012826A1 (de) Verfahren und vorrichtung zum ermitteln einer kollisionswahrscheinlichkeit eines fahrzeugs mit einem objekt im dreidimensionalen raum
DE102020119498A1 (de) Verfahren zum Schätzen einer Eigenbewegung eines Fahrzeugs anhand von Messungen eines Lidar-Sensors sowie Recheneinrichtung
DE102019132151A1 (de) Verfahren zum Kalibrieren eines Umfeldsensors eines Fahrzeugs anhand von Daten eines Referenz-Umfeldsensors unter Berücksichtigung von Belegungskarten, Recheneinrichtung sowie Sensorsystem
WO2020001690A1 (de) Verfahren und system zur erkennung von hindernissen
DE102019119002A1 (de) Bestimmen einer Fahrspurbegrenzung

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: 19702337

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: 19702337

Country of ref document: EP

Kind code of ref document: A1