WO2023237424A1 - Verfahren und assistenzsystem zum vorhersagen eines fahrschlauches und kraftfahrzeug - Google Patents

Verfahren und assistenzsystem zum vorhersagen eines fahrschlauches und kraftfahrzeug Download PDF

Info

Publication number
WO2023237424A1
WO2023237424A1 PCT/EP2023/064778 EP2023064778W WO2023237424A1 WO 2023237424 A1 WO2023237424 A1 WO 2023237424A1 EP 2023064778 W EP2023064778 W EP 2023064778W WO 2023237424 A1 WO2023237424 A1 WO 2023237424A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
motor vehicle
environmental
trustworthiness
driving path
Prior art date
Application number
PCT/EP2023/064778
Other languages
English (en)
French (fr)
Inventor
Daniel Obermaier
Luca Trentinaglia
Jens Klappstein
Original Assignee
Bayerische Motoren Werke Aktiengesellschaft
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 Bayerische Motoren Werke Aktiengesellschaft filed Critical Bayerische Motoren Werke Aktiengesellschaft
Publication of WO2023237424A1 publication Critical patent/WO2023237424A1/de

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/20—Data confidence level
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/35—Data fusion
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/65—Data transmitted between vehicles

Definitions

  • the present invention relates to a method and an assistance system for predicting a driving path of a motor vehicle and to a correspondingly equipped motor vehicle.
  • an estimate i.e. a prediction for a probable movement or a probable movement path or range of motion of the motor vehicle.
  • Such a prediction or estimate can be made, for example, based on driving dynamics data of the motor vehicle.
  • this can lead to errors in various situations, which in turn can lead to further errors in functions or systems based on it.
  • improvements compared to conventional approaches are desirable.
  • EP 1 844 373 B1 describes a method for course prediction in driver assistance systems for motor vehicles, in which a dynamic course hypothesis is created based on vehicle dynamic data.
  • An infrastructure price hypothesis is first created using data describing a transport infrastructure from an information source. Based on the characteristics of the information source, a weighting factor is calculated that determines the reliability of the information source Infrastructure course hypothesis describes. Furthermore, there is provision for merging the infrastructure price hypothesis with the dynamic price hypothesis with weighting according to the calculated weight factor to form a final price hypothesis.
  • a control unit for a vehicle which includes a control means that enables a driver of the vehicle to make a control input for the longitudinal and/or lateral guidance of the vehicle.
  • This control unit is set up there to determine a permissible driving route for the vehicle based on a current state of the vehicle.
  • the driving tube has a variety of dimensions and shows a permissible range for each dimension, which can be implemented by the vehicle technically and/or without accidents.
  • the multitude of dimensions includes a spatial dimension and a driving dynamics dimension.
  • the control unit is set up to implement the driver's control inputs in such a way that the vehicle remains within the driving range when driving. This enables automated longitudinal and/or lateral guidance of a vehicle that can be controlled by a driver in an efficient manner, in particular in order to increase the comfort and driving pleasure for the driver.
  • the object of the present invention is to enable a particularly accurate and robust prediction of a motor vehicle's driving path.
  • the method according to the invention can be used when predicting a driving path of a motor vehicle.
  • a driving tube or driving corridor extends away from the motor vehicle in its direction of travel and indicates an area that the motor vehicle is expected to drive through or drive on at the current point in time.
  • an environmental scenario currently lying ahead in the direction of travel of the motor vehicle is determined.
  • a type or type of Environmental scenario or a concrete or unique environmental scenario that only exists exactly at the respective location can be determined.
  • the current position of the motor vehicle can be determined and taken into account, for example in relation to a predetermined, in particular world-fixed, coordinate system and/or in relation to a specific feature in the respective environment, which defines or co-determines the respective environmental scenario, such as a roundabout, a junction or the like.
  • An environmental scenario in the present sense can be, for example, an intersection, an upcoming turn, a roundabout, a play street, a junction or the like.
  • An environmental scenario here can therefore be a spatially limited area, defined by its type and/or properties, which can be driven on or through by the motor vehicle.
  • a corresponding maneuver of the motor vehicle such as approaching a specific feature, driving through a specific area, leaving a specific area or feature and/or the like, can define the respective environmental scenario. For example, approaching a roundabout, entering the roundabout, driving within the roundabout and/or leaving the roundabout can be different environmental scenarios.
  • An environmental scenario can also be influenced or defined or differentiated from other environmental scenarios by the current environmental conditions, such as the weather conditions, the lighting conditions, the local traffic density, the road condition - for example dry, wet or snow-covered - and / or the like.
  • the current environmental conditions such as the weather conditions, the lighting conditions, the local traffic density, the road condition - for example dry, wet or snow-covered - and / or the like.
  • a certain roundabout in the dark and with a snow-covered road and/or a relatively high traffic density can represent a different environmental scenario than the same roundabout in daylight, a dry road and/or minimal traffic density, in particular the absence of vehicles other than the motor vehicle.
  • the trustworthiness of several different, in particular different data sources and/or data originating therefrom, i.e. from different data sources, are determined for the respective determined environmental scenario or depending on or corresponding to the respective determined environmental scenario. It refers to Data sources or data based on which the driving path can be predicted. Different data sources or data can therefore have different or changing absolute and/or relative trustworthiness across different environmental scenarios.
  • the trustworthiness can indicate or describe a respective reliability, reliability, practical usability or the like, as is or is to be expected in the respective environmental scenario. For example, during snowfall or rain, lidar data may be less trustworthy than lidar data in a different, precipitation-free environmental scenario, or than camera or map data in the same environmental scenario.
  • radar data from a road boundary can depend, for example, on the type of road boundary. For example, radar data that characterize a location or a course of a road boundary can have greater trustworthiness in a first environmental scenario in which the road boundary is formed by a curb or a guard rail than in a second environmental scenario in which the road boundary is formed by a Grass or just a road marking is formed.
  • a further method step of the method according to the invention several - i.e. a selection or all - of the data coming from the various data sources are fused together in a weighted manner according to the trustworthiness determined.
  • the route is predicted or updated.
  • the data used here can be point data or individual data or data streams.
  • the fusion of the data can already enable an improved, for example more precise or reliable prediction, i.e. estimation of the driving path, for example in comparison to the prediction of the driving path based on individual data or data sources.
  • a scenario-driven approach is used here suggested.
  • the recognition of the respective environmental scenario can typically be easier, more accurate and more reliable than the prediction of the driving path itself.
  • the assignment or selection of trustworthy data and data sources i.e. the determination of the trustworthiness of the various data and/or data sources for different environmental scenarios, can be obtained regardless of the situation take into account comprehensive findings that, for example, cannot be recognized live for the respective motor vehicle itself, i.e. based on current sensor or measurement data.
  • the weighting of the data depending on the respective environmental scenario - and thus the consideration of different properties and circumstances of different environmental scenarios - enables a more robust, more precise and more reliable prediction of the driving path, for example in comparison to conventional ones, for example based solely on the available data without further information approaches.
  • the data and/or data sources include, for example depending on the respective or local availability, i.e. depending on the equipment of the motor vehicle, of third-party vehicles or road users in the respective surroundings of the motor vehicle or in the respective surrounding scenario, a respective local transport infrastructure, the presence or completeness of corresponding data and/or the like, different data and/or data sources.
  • This can be predefined card data.
  • This can be an SD or HD card.
  • map data can, for example, contain, i.e. indicate, curvatures for waypoints ahead of the motor vehicle in the direction of travel. Using such waypoints and/or curvatures, a possible route ahead of a respective road can be determined. This course can in turn be used as a basis for predicting the driving path, i.e. it can be incorporated into the prediction of the driving path.
  • the data and/or data sources can include a road model for estimating a road ahead of the road currently or likely to be traveled by the motor vehicle and/or an output of such a road model, i.e. a road course or the like estimated by such a predetermined road model.
  • a road model can show the road ahead, for example based on the respective camera data, the map data, represent current navigation data, for example from a navigation system of the motor vehicle, and / or the like.
  • the data and/or data sources can be or include road edge detection or edge development detection.
  • a road edge detection can, for example, indicate or characterize a road edge or a road development with regard to a location, a course, a type and/or the like.
  • Such edge development or road edge detection can be provided by various sensors or by a fusion of various sensor or measurement data, such as camera data, lidar data, radar data and/or the like.
  • a road edge or edge development in the present sense can be provided, for example, by a protective barrier, a curb, a turf, pylons and/or the like.
  • the data and/or data sources can be or include swarm data that indicate previous vehicle movements in the respective area.
  • swarm data can be specified or summarized, for example, in a so-called learned map, i.e. learned map data, in which trajectories of swarm vehicles as they travel through the respective area are specified or processed at earlier times.
  • learned map data i.e. learned map data, in which trajectories of swarm vehicles as they travel through the respective area are specified or processed at earlier times.
  • Such swarm data can be retrieved, for example, from a corresponding server device external to the vehicle, such as a data center, a cloud server, a backend or the like.
  • the data and/or data sources can be or include live trajectories of other road users moving at the respective time, for example simultaneously with the motor vehicle or immediately preceding it in the respective environmental scenario.
  • live trajectories can be detected, for example, using an environmental sensor system of the motor vehicle and/or obtained via Car2Car communication sent by the other road users.
  • the data and/or data sources can be or include at least one maneuver hypothesis of an assistance system of the motor vehicle.
  • an assistance system can, for example, create a prediction for the movement or maneuver of the motor vehicle. This can be done, for example, based on the road model, map data, navigation data, a current driving record or Operating state of the motor vehicle and / or the like.
  • Such maneuver hypotheses can, for example, indicate or predict whether the motor vehicle will continue to drive in a lane currently being used or will carry out a lane change or a turning maneuver or the like. This can directly indicate or influence the driving path and can therefore be particularly usefully included in the prediction of the driving path.
  • the data and/or data sources can be or include steering data of the motor vehicle. These can, for example, include or indicate a current or immediately past steering angle, a current or immediately past rate of change of the steering angle and/or the like. Such steering data can directly indicate or influence the direction of travel or movement of the motor vehicle and can therefore be particularly usefully included in the prediction of the driving path.
  • the data and/or data sources can be or include a - current or immediately past - yaw rate of the motor vehicle.
  • the data and/or data sources can be or include operating status or vehicle dynamics data of the motor vehicle.
  • a signal can be prepared from the steering data or a steering movement or steering wheel actuation of a driver of the motor vehicle and the yaw rate of the motor vehicle, which indicates, represents or predicts a path immediately ahead of the motor vehicle in the close range immediately following the current position of the motor vehicle can.
  • Such a signal can therefore be particularly usefully included in the prediction of the driving path.
  • the close range in the present sense can extend from the motor vehicle in the direction of travel up to a distance of, for example, 10 m or 20 m or 30 m or the like.
  • the data and/or data sources can be or include a current driving path prediction of a machine learning device.
  • a device can be or include, for example, an artificial neural network trained to predict the driving path.
  • This can in particular be a device of the motor vehicle.
  • the driving path prediction based on machine learning can be done, for example, by appropriate Evaluation or processing of sensor-based object detections takes place.
  • the corresponding device can generate a dedicated course of a possible path of the motor vehicle.
  • This driving path prediction can be based on data and/or data sources other than those mentioned here or only on a part of them, but processed according to a different principle. Such a driving path prediction can therefore represent a useful factor in the ultimate optimal prediction of the driving path.
  • the data and/or data sources proposed here as input for the prediction of the driving path can have different advantages and disadvantages in different environmental scenarios and thus enable a particularly robust, accurate and reliable prediction of the driving path in a large number of different environmental scenarios.
  • the trustworthiness is at least partially taken from a predetermined map in which a location-specific trustworthiness is specified for at least one data source and/or data type.
  • a location-specific trustworthiness is specified for at least one data source and/or data type.
  • This makes it particularly easy and quick to determine trustworthiness. This can support real-time application of the method according to the invention.
  • the map used here can contain particularly robust and reliable details of the reliability data in a particularly simple manner, since it can be generated separately and is therefore not limited, for example, by the respective limitations of an environmental sensor system of the motor vehicle in the respective situation or the then prevailing environmental conditions.
  • a variety of different information can be incorporated into such a map, which can also be obtained in different situations, under different conditions and at different times.
  • the use of the map proposed here makes it particularly easy to take location-specific features into account. This can be useful because traffic management or infrastructure features of the same type, for example roundabouts, can also have individual properties and special features General, fixed rules or specifications for reliability in the area of such characteristics cannot be taken into account or can only be taken into account less precisely and in detail.
  • environmental data is recorded by means of an environmental sensor system of the motor vehicle, which characterizes the respective environmental scenario.
  • Such environmental data can be recorded, for example, when approaching the respective environmental scenario and/or within the respective environmental scenario, i.e. when driving through it.
  • the trustworthiness is then at least partially determined live or in real time, i.e. dynamically during operation of the motor vehicle. In other words, these trustworthiness values are then re-determined each time you approach the respective environmental scenario or each time you drive through the respective environmental scenario. This means that these trustworthiness can then take into account individual individual actual circumstances as well as given characteristics of the motor vehicle and corresponding changes.
  • dynamic influences or influences that change over time such as weather conditions, vegetation changes, contamination, wear or gradual adjustment errors or the like of the environmental sensors of the respective motor vehicle can be automatically taken into account.
  • a prediction of the driving path that is better adapted to the respective actual situation can be made possible compared to fixed, i.e. static trustworthiness.
  • predetermined parameters of the environmental data or various individual sensors used to record the environmental data can be determined and taken into account, such as achievable sharpness, a respective variance or spread of measured values or data points, a signal jitter, an error rate, an occurrence or also a frequency or strength of artifacts, a signal-to-noise ratio and/or the like.
  • a distance is also determined, up to which, based on the current position of the motor vehicle, at least one of the data sources and / or at least part of the data for predicting the driving path is to use.
  • This data source or this data are then only used, for example, to predict the driving path up to the respective specific distance.
  • Individual distances can be determined for different data sources and/or for different data. A course of the travel route that goes beyond the distance can then take place based on other or remaining data sources and/or data.
  • the embodiment of the present invention proposed here can enable a particularly reliable and accurate prediction of the driving path.
  • first sensor data and second sensor data supplied by a first sensor and by a second sensor can be merged for predicting the driving path up to a certain distance from the motor vehicle. For the prediction of the driving path in an area beyond or beyond this distance, for example, the first sensor data supplied by the first sensor can then be ignored.
  • only those data sources and/or data are included in the fusion and the prediction of the route whose trustworthiness determined for this purpose corresponds to at least a predetermined minimum trustworthiness, i.e. is at least as large as a predetermined threshold value.
  • a predetermined minimum trustworthiness i.e. is at least as large as a predetermined threshold value.
  • data sources and/or data whose trustworthiness is less than the specified minimum trustworthiness, i.e. lies below the specified threshold value can be rejected - if necessary in areas.
  • an unpredictable and possibly unjustified distortion of the prediction of the driving path due to particularly untrustworthy data sources and/or data can be avoided or reduced.
  • the embodiment of the present invention proposed here can be applied at least if at least a predetermined number or quantity of data sources and/or data remains, the trustworthiness of which at least corresponds to the predetermined minimum trustworthiness. Otherwise, one, several or all of the data sources and/or data whose trustworthiness is lower than the specified minimum trustworthiness can also be included in the fusion or the prediction of the route. This means that a data-based prediction of the route can be ensured even under unfavorable conditions or in marginal cases.
  • the uncertainty or quality of at least some of the data is additionally determined. This data is then weighted according to these uncertainties or qualities, so that a greater uncertainty, i.e. a lower quality, leads to a lower weighting.
  • the trustworthiness can therefore be based on fundamental circumstances, such as geometric restrictions or structural conditions.
  • the uncertainties additionally taken into account here can be individual properties of the data actually recorded or measured, such as a respective sharpness, a respective signal-to-noise ratio, a respective error or artifact rate and/or the like.
  • the uncertainties can therefore - possibly differently than the trustworthiness - be different, for example fluctuate randomly, even in the case of several confrontations of the same environmental scenario.
  • the uncertainties can therefore be measurement uncertainties that arise individually.
  • the embodiment of the present invention proposed here ultimately enables a particularly robust, accurate and reliable prediction of the driving path that is adapted to the situation or individualized to the situation.
  • objects relevant to the guidance of the motor vehicle are determined or selected in the respective surroundings of the motor vehicle based on the respectively predicted driving path.
  • the driving path it can be determined, for example, which objects recognized in the respective surroundings of the motor vehicle, such as other road users, are more relevant for an assisted or automated longitudinal or distance control of the motor vehicle and/or the like.
  • an object can, for example, be classified as relevant if it is within the predicted driving path, at least if it is at most a predetermined distance from the motor vehicle, is not moving away from the motor vehicle and/or the like.
  • Such a selection of relevant objects can enable particularly robust, reliable and safe as well as particularly comfortable vehicle guidance.
  • the assistance system according to the invention has an interface to Acquiring various data that can be used to predict a driving path of the motor vehicle, a process device, such as a microchip, microprocessor or microcontroller or the like, and a computer-readable data memory coupled thereto.
  • the assistance system according to the invention is set up to carry out the method according to the invention, in particular automatically.
  • an operating or computer program can be stored in the data memory, which encodes or implements the method steps, measures or processes or corresponding control instructions described in connection with the method according to the invention. This operating or computer program can then be executable by means of the process device in order to carry out the corresponding method or to effect its execution.
  • the assistance system according to the invention can be designed, for example, as a control device or computer module or the like.
  • the assistance system according to the invention can also include the environmental sensor system, a communication device, a device or a module for generating or outputting control signals and/or the like.
  • the assistance system can be set up to store the respectively predicted driving route in the data memory and/or to output or provide it via the or interface or another interface.
  • a further aspect of the present invention is a motor vehicle that has an environmental sensor system for recording or acquiring environmental data that characterizes an upcoming environmental scenario and can be used in particular to predict a driving path, and an assistance system according to the invention.
  • the assistance system can, for example, be coupled to the environmental sensor system via an on-board electrical system of the motor vehicle.
  • the motor vehicle according to the invention can in particular be or correspond to the motor vehicle mentioned in connection with the method according to the invention and/or in connection with the assistance system according to the invention.
  • FIG. 1 shows a partial schematic overview representation of a first traffic scenario to illustrate a method for driving route estimation
  • Fig. 2 is a partial schematic overview representation of a second traffic scenario to illustrate the method.
  • a prediction of a driving path can provide a useful basis for many different assistance functions or automations.
  • One approach to this is to use and fuse different data.
  • FIG. 1 shows an exemplary partial overview representation of a first traffic or environmental scenario.
  • a first traffic or environmental scenario is a section of a curve due to road 1, on which a motor vehicle 2 is moving.
  • a third-party vehicle 3 drives in front of the motor vehicle 2.
  • the motor vehicle 2 has an environmental sensor system 4 for recording environmental data that characterizes the respective environment - and thus also the respective environmental scenario.
  • the motor vehicle 2 is equipped with an assistance system 5 for predicting or estimating a route ahead of the motor vehicle 2.
  • the Assistance system 5 here includes, for example, an interface 6, a processor 7 and a data memory 8.
  • Data recorded using the environmental sensor system 4 can be recorded via the interface 6, for example. This can be data from various individual sensors of the environmental sensor system 4, which can in particular be of different types.
  • additional data can be recorded via the interface 6, for example a position and an operating state of the motor vehicle 2, movement or trajectory data of the third-party vehicle 3, which can be received, for example, via a Car2Car data connection, swarm and/or data retrieved from a server device external to the vehicle Map data and/or the like.
  • a prediction of the driving route can in principle be based on individual data recorded. For example, however, a prediction of the driving path based on the current steering angle of the motor vehicle 2 could lead to a misestimation 9 of the driving path, which is indicated schematically here.
  • a currently given environmental scenario is first determined, for example based on at least part of the recorded data.
  • the collected data is then fused together to obtain an improved prediction or estimate of the driving path. This takes place depending on the environmental scenario determined in each case.
  • camera data can only depict the course of the road 1 to a limited extent.
  • a road course 10 of the road 1 can be taken with greater trustworthiness, for example from map data, or estimated based on trajectory data of the other vehicle 3 in front or the like.
  • the various data collected are therefore weighted according to their trustworthiness when they are merged.
  • the trustworthiness can be retrieved, for example, from a predetermined database, for example stored in the data memory 8, in which the trustworthiness of various data or data sources for different environmental scenarios are specified. Likewise, the trustworthiness can be at least partially determined dynamically, for example depending on the properties of the specific data recorded in each case. This then results in a correspondingly improved travel route estimate 11. However, the - absolute and/or relative - trustworthiness as well as the availability of various data or corresponding data sources may be different in other environmental scenarios.
  • FIG. 2 shows an example of a partial, schematic overview representation of another environmental situation. Here is another section of one or street 1 shown. In the environmental scenario shown here, the motor vehicle 2 leaves the road 1 at an exit 12.
  • a prediction or estimate of the driving path based solely on the steering angle could lead to an incorrect estimate 9.
  • corresponding predictions or estimates for example based on camera data that is limited in their effective range or possibly incomplete, not current or inaccurate map data or the like, can lead to such a false estimate 9.
  • a road edge 13 for example a guard rail can be detected with greater reliability by a front radar device of the motor vehicle 2, for example due to the given arrangement or geometry and the generally reliable detectability of guard rails in the detection range of a front radar.
  • the steering angle can be less trustworthy and therefore not used or only used for a part of the driving path estimate 11 in the close range of the motor vehicle 2 and weighted less heavily than, in comparison, more trustworthy radar data from the front radar device, which is weighted correspondingly higher and also for a further Part of the driving route estimate 11 that is remote from the motor vehicle 2 in the direction of travel can be used.

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

Die Erfindung betrifft ein Verfahren und ein Assistenzsystem (5) zum Vorhersagen eines Fahrschlauches (11) eines Kraftfahrzeugs (2). Die Erfindung betrifft weiter ein entsprechend eingerichtetes Kraftfahrzeug (2). In dem Verfahren wird ein jeweiliges in Fahrtrichtung des Kraftfahrzeugs (2) vorausliegendes Umgebungsszenario ermittelt. Für dieses werden dann die Vertrauenswürdigkeiten mehrerer verschiedener Datenquellen und/oder daraus stammender Daten, basierend auf denen der Fahrschlauch (11) vorhergesagt werden kann, ermittelt. Mehrere der aus den verschiedenen Datenquellen stammenden Daten werden dann gemäß den ermittelten Vertrauenswürdigkeiten gewichtet miteinander fusioniert und es wird damit der Fahrschlauch (11) für das Kraftfahrzeug (2) vorhergesagt.

Description

Verfahren und Assistenzsystem zum Vorhersagen eines Fahrschlauches und Kraftfahrzeug
Die vorliegende Erfindung betrifft ein Verfahren und ein Assistenzsystem zum Vorhersagen eines Fahrschlauches eines Kraftfahrzeugs sowie ein entsprechend eingerichtetes Kraftfahrzeug.
Für verschiedene Assistenzfunktionen eines Kraftfahrzeugs ebenso wie für eine automatisierte Fahrzeugführung kann eine Schätzung, also eine Vorhersage für eine voraussichtliche Bewegung bzw. einen voraussichtlichen Bewegungspfad oder Bewegungsbereich des Kraftfahrzeugs nützlich sein. Eine solche Vorhersage oder Schätzung kann beispielsweise basierend auf Fahrdynamikdaten des Kraftfahrzeugs erfolgen. Dies kann jedoch in verschiedenen Situationen zu Fehlern führen, die ihrerseits wiederum zu weiteren Fehlern darauf aufbauender Funktionen oder Systeme führen können. Für eine verbesserte Funktionalität, Performanz und Sicherheit entsprechender Assistenzfunktionen und Automatisierungen sind also Verbesserungen gegenüber herkömmlichen Ansätzen wünschenswert.
Beispielsweise beschreibt die EP 1 844 373 B1 ein Verfahren zur Kursprädiktion in Fahrerassistenzsystemen für Kraftfahrzeuge, bei dem anhand von fahrdynamischen Daten des Fahrzeugs eine dynamische Kurshypothese erstellt wird. Darin wird zunächst eine Infrastruktur-Kurshypothese anhand von eine Verkehrsinfrastruktur beschreibenden Daten aus einer Informationsquelle erstellt. Anhand von Merkmalen der Informationsquelle wird ein Gewichtungsfaktor berechnet, der die Verlässlichkeit der Infrastruktur-Kurshypothese beschreibt. Weiter ist dort ein Fusionieren der Infrastruktur- Kurshypothese mit der dynamischen Kurshypothese mit Gewichtung entsprechend dem berechneten Gewichtsfaktor zur Bildung einer endgültigen Kurshypothese vorgesehen.
Eine mögliche Verwendung eines vorhergesagten Fahrschlauches ist in der DE 10 2018 127 270 A1 beschrieben. Dort ist eine Steuereinheit für ein Fahrzeug vorgesehen, das ein Steuermittel umfasst, das es einem Fahrer des Fahrzeugs ermöglicht, eine Steuereingabe für die Längs- und/oder Querführung des Fahrzeugs zu tätigen. Diese Steuereinheit ist dort dazu eingerichtet, einen zulässigen Fahrschlauch für das Fahrzeug ausgehend von einem aktuellen Zustand des Fahrzeugs zu ermitteln. Dabei weist der Fahrschlauch eine Vielzahl von Dimensionen auf und zeigt für jede Dimension einen zulässigen Bereich an, der durch das Fahrzeug technisch und/oder unfallfrei umgesetzt werden kann. Die Vielzahl von Dimensionen umfasst dabei eine räumliche Dimension und eine fahrdynamische Dimension. Weiter ist das Steuergerät dazu eingerichtet, die Steuereingaben des Fahrers derart umzusetzen, dass das Fahrzeug bei einer Fahrt innerhalb des Fahrschlauches verbleibt. Damit kann in effizienter Weise eine durch einen Fahrer steuerbare automatisierte Längs- und/oder Querführung eines Fahrzeugs ermöglicht werden, insbesondere um den Komfort und den Fahrspaß für den Fahrer zu erhöhen.
Aufgabe der vorliegenden Erfindung ist es, eine besonders genaue und robuste Vorhersage eines Fahrschlauches eines Kraftfahrzeugs zu ermöglichen.
Diese Aufgabe wird erfindungsgemäß durch die Gegenstände der unabhängigen Patentansprüche gelöst. Mögliche Ausgestaltungen und Weiterbildungen der vorliegenden Erfindung sind in den abhängigen Patentansprüchen, in der Beschreibung und in den Figuren offenbart.
Das erfindungsgemäße Verfahren kann angewendet werden beim Vorhersagen eines Fahrschlauches eines Kraftfahrzeugs. Ein solcher Fahrschlauch oder Fahrkorridor erstreckt sich von dem Kraftfahrzeug weg in dessen Fahrtrichtung und gibt einen Bereich an, den das Kraftfahrzeug anschließend an den jeweils aktuellen Zeitpunkt voraussichtlich durchfahren bzw. befahren wird. In einem Verfahrensschritt des erfindungsgemäßen Verfahrens wird ein jeweils aktuell in Fahrtrichtung des Kraftfahrzeugs vorausliegendes Umgebungsszenario ermittelt. Dabei kann allgemein eine Art oder ein Typ von Umgebungsszenario oder ein konkretes bzw. einzigartiges Umgebungsszenario, das nur genau an der jeweiligen Stelle gegeben ist, ermittelt werden. Zum Ermitteln des jeweiligen Umgebungsszenarios kann beispielsweise die aktuelle Position des Kraftfahrzeugs ermittelt und berücksichtigt werden, etwa bezogen auf ein vorgegebenes, insbesondere weltfestes, Koordinatensystem und/oder bezogen auf ein bestimmtes Merkmal in der jeweiligen Umgebung, welches das jeweilige Umgebungsszenario definiert oder mitbestimmt, wie etwa einen Kreisverkehr, eine Anschlussstelle oder dergleichen.
Ein Umgebungsszenario im vorliegenden Sinne kann beispielsweise eine Kreuzung, ein bevorstehendes Abbiegen, ein Kreisverkehr, eine Spielstraße, eine Anschlussstelle oder dergleichen mehr sein. Ein Umgebungsszenario kann hier also ein räumlich begrenzter, durch seine Art und/oder Eigenschaften definierter Bereich sein, der von dem Kraftfahrzeug befahrenen oder durchfahren werden kann. Ebenso kann ein korrespondierendes Manöver des Kraftfahrzeugs, wie etwa ein Zufahren auf ein bestimmtes Merkmal, ein Durchfahren eines bestimmten Bereiches, ein Verlassen eines bestimmten Bereiches oder Merkmals und/oder dergleichen mehr das jeweilige Umgebungsszenario definieren. Beispielsweise können ein Zufahren auf einen Kreisverkehr, ein Einfahren in den Kreisverkehr, ein Fahren innerhalb des Kreisverkehrs und/oder ein Verlassen des Kreisverkehrs unterschiedliche Umgebungsszenarien sein.
Dabei kann ein Umgebungsszenario jeweils auch beeinflusst oder definiert bzw. von anderen Umgebungsszenarios unterschieden sein durch die aktuellen Umgebungsbedingungen, wie etwa die Wetterbedingungen, die Lichtverhältnisse, die lokale Verkehrsdichte, den Fahrbahnzustand - beispielsweise trocken, nass oder schneebedeckt - und/oder dergleichen mehr. So kann also beispielsweise ein bestimmter Kreisverkehr im Dunkeln und bei schneebedeckter Fahrbahn und/oder relativ großer Verkehrsdichte ein anderes Umgebungsszenario darstellen als derselbe Kreisverkehr bei Tageslicht, trockener Fahrbahn und/oder minimaler Verkehrsdichte, insbesondere Abwesenheit von Fahrzeugen außer dem Kraftfahrzeug.
In einem weiteren Verfahrensschritt des erfindungsgemäßen Verfahrens werden für das jeweilige ermittelte Umgebungsszenario bzw. in Abhängigkeit von oder korrespondierend zu dem jeweiligen ermittelten Umgebungsszenario die Vertrauenswürdigkeiten mehrerer verschiedener, insbesondere unterschiedlicher Datenquellen und/oder daraus, also aus verschiedenen Datenquellen stammender Daten ermittelt. Dabei handelt es sich um Datenquellen bzw. Daten, basierend auf denen, also aus denen der Fahrschlauch vorhergesagt werden kann. Verschiedene Datenquellen bzw. Daten können also in unterschiedlichen Umgebungsszenarios hinweg unterschiedliche bzw. wechselnde absolute und/oder relative Vertrauenswürdigkeiten aufweisen. Die Vertrauenswürdigkeiten können eine jeweilige Verlässlichkeit, Zuverlässigkeit, praktische Nutzbarkeit oder dergleichen angeben oder beschreiben, wie sie in dem jeweiligen Umgebungsszenario gegeben oder zu erwarten ist bzw. sind. So können beispielsweise bei Schneefall oder Regen Lidardaten weniger vertrauenswürdig sein als Lidardaten in einem anderen, niederschlagsfreien Umgebungsszenario oder als Kamera- oder Kartendaten in demselben Umgebungsszenario. Ebenso können beispielsweise Kameradaten bei relativ großer Kurvigkeit bzw. relativ starker Krümmung eines vorausliegenden Straßenverlaufs weniger vertrauenswürdig sein als Kartendaten oder Trajektoriendaten, die Trajektorien vorausfahrender Verkehrsteilnehmer beschreiben oder dergleichen. Ebenso kann die Vertrauenswürdigkeit von Radardaten einer Fahrbahnbegrenzung beispielsweise davon abhängen, von welcher Art die Fahrbahnbegrenzung ist. So können beispielsweise Radardaten, die einen Ort oder auch einen Verlauf einer Fahrbahnbegrenzung charakterisieren, in einem ersten Umgebungsszenario, in dem die Fahrbahnbegrenzung durch einen Randstein oder eine Schutzplanke gebildet ist, eine größere Vertrauenswürdigkeit aufweisen als in einem zweiten Umgebungsszenario, in dem die Fahrbahnbegrenzung durch eine Grasnarbe oder lediglich eine Fahrbahnmarkierung gebildet ist.
In einem weiteren Verfahrensschritt des erfindungsgemäßen Verfahrens werden mehrere - also eine Auswahl oder alle - der aus den verschiedenen Datenquellen stammenden Daten gemäß den ermittelten Vertrauenswürdigkeiten gewichtet miteinander fusioniert. Damit, also beispielsweise durch das Fusionieren der Daten in einem entsprechenden vorgegebenen Fusions- und Vorhersagemodell oder durch Verwenden der fusionierten Daten als Input für ein vorgegebenes Vorhersagemodell, wird der Fahrschlauch vorhergesagt bzw. aktualisiert. Bei den hier verwendeten Daten kann es sich um punktuelle Daten bzw. Einzeldaten oder Datenströme handeln.
Die Fusion der Daten kann bereits eine verbesserte, beispielsweise genauere oder zuverlässigere Vorhersage, also Schätzung des Fahrschlauches ermöglichen, etwa im Vergleich zur Vorhersage des Fahrschlauches basierend auf einzelnen Daten oder Datenquellen. Darüber hinaus wird hier jedoch ein szenariengetriebener Ansatz vorgeschlagen. Die Erkennung des jeweiligen Umgebungsszenarios kann typischerweise einfacher, genauer und zuverlässiger möglich sein als die Vorhersage des Fahrschlauches selbst. Die Zuordnung bzw. Auswahl von vertrauenswürdigen Daten und Datenquellen, also die Festlegung der Vertrauenswürdigkeiten der verschiedenen Daten und/oder Datenquellen für verschiedene Umgebungsszenarien kann situationsunabhängig gewonnene übergreifende Erkenntnisse berücksichtigen, die so beispielsweise für das jeweilige Kraftfahrzeug selbst nicht live, also anhand von aktuellen Sensor- oder Messdaten, erkannt werden können. Somit ermöglicht die vom jeweiligen Umgebungsszenario abhängige Gewichtung der Daten - und damit also die Berücksichtigung unterschiedlicher Eigenschaften und Gegebenheiten unterschiedlicher Umgebungsszenarios - eine robustere, genauere und zuverlässigere Vorhersage des Fahrschlauches, etwa im Vergleich zu herkömmlichen, beispielsweise allein auf den jeweils verfügbaren Daten ohne weitergehende Informationen basierenden Ansätzen.
In einer möglichen Ausgestaltung der vorliegenden Erfindung umfassen die Daten und/oder Datenquellen, beispielsweise je nach jeweiliger bzw. lokaler Verfügbarkeit, also etwa abhängig von einer Ausstattung des Kraftfahrzeugs, von Fremdfahrzeugen oder Verkehrsteilnehmern in der jeweiligen Umgebung des Kraftfahrzeugs bzw. in dem jeweiligen Umgebungsszenario, einer jeweiligen lokalen Verkehrsinfrastruktur, einem Vorhandensein oder auch einer Vollständigkeit von entsprechenden Daten und/oder dergleichen mehr, unterschiedliche Daten und/oder Datenquellen. Dies können vorgegebene Kartendaten sein. Dabei kann es sich um eine jeweilige SD- oder HD-Karte handeln. Solche Kartendaten können beispielsweise Krümmungen für dem Kraftfahrzeug in Fahrtrichtung vorausliegende Wegpunkte enthalten, also angeben. Anhand solcher Wegpunkte und/oder Krümmungen kann ein möglicher vorausliegender Verlauf einer jeweiligen Straße bestimmt werden. Dieser Verlauf kann wiederum als Basis für die Vorhersage des Fahrschlauches verwendet werden, also in die Vorhersage des Fahrschlauches einfließen.
Ebenso können die Daten und/oder Datenquellen ein Straßenmodell zum Schätzen eines vorausliegenden Straßenverlaufs der jeweils von dem Kraftfahrzeug dann bzw. voraussichtlich befahrenen Straße und/oder einen Output eines solchen Straßenmodells, also einen durch ein solches vorgegebenes Straßenmodell geschätzten Straßenverlauf oder dergleichen, umfassen. Ein solches Straßenmodell kann den vorausliegenden Straßenverlauf beispielsweise basierend auf jeweiligen Kameradaten, den Kartendaten, jeweils aktuellen Navigationsdaten, beispielsweise aus einem Navigationssystem des Kraftfahrzeugs, und/oder dergleichen mehr repräsentieren.
Ebenso können die Daten und/oder Datenquellen eine Fahrbahnranderkennung bzw. eine Randbebauungserkennung sein oder umfassen. Eine solche Fahrbahnranderkennung kann beispielsweise einen Fahrbahnrand oder eine Fahrbahnbebauung hinsichtlich eines Ortes, eines Verlaufs, einer Art und/oder dergleichen mehr angeben oder charakterisieren. Eine solche Randbebauungs- oder Fahrbahnranderkennung kann durch verschiedene Sensoren oder durch eine Fusion von verschiedenen Sensor- oder Messdaten, wie beispielsweise Kameradaten, Lidardaten, Radardaten und/oder dergleichen mehr, bereitgestellt werden. Ein Fahrbahnrand bzw. eine Randbebauung im vorliegenden Sinne kann beispielsweise durch eine Schutzplanke, einen Randstein, eine Grasnarbe, Pylonen und/oder dergleichen mehr gegeben sein.
Ebenso können die Daten und/oder Datenquellen Schwarmdaten sein oder umfassen, die frühere Fahrzeugbewegungen in dem jeweiligen Bereich angeben. Derartige Schwarmdaten können beispielsweise in einer sogenannten Learned-Map, also gelernten Kartendaten, angegeben oder zusammengefasst sein, in der Trajektorien von Schwarmfahrzeugen beim Durchfahren des jeweiligen Bereiches zu früheren Zeitpunkten angegeben oder verarbeitet sind. Solche Schwarmdaten können beispielsweise von einer entsprechenden fahrzeugexternen Servereinrichtung, wie etwa einem Rechenzentrum, einem Cloudserver, einem Backend oder dergleichen abgerufen werden.
Ebenso können die Daten und/oder Datenquellen Live-Trajektorien anderer sich zu dem jeweiligen Zeitpunkt, also beispielsweise gleichzeitig mit dem Kraftfahrzeug oder diesem unmittelbar vorausgehend in dem jeweiligen Umgebungsszenario bewegender Verkehrsteilnehmer sein oder umfassen. Solche Live-Trajektorien können beispielsweise mittels einer Umgebungssensorik des Kraftfahrzeugs erfasst und/oder via von den anderen Verkehrsteilnehmern gesendeter Car2Car-Kommunikation erhalten werden.
Ebenso können die Daten und/oder Datenquellen wenigstens eine Manöverhypothese eines Assistenzsystems des Kraftfahrzeugs sein oder umfassen. Ein solches Assistenzsystem kann also beispielsweise eine Prädiktion für die Bewegung bzw. ein Manöver des Kraftfahrzeugs erstellen. Dies kann beispielsweise auf Grundlage des Straßenmodells, von Kartendaten, von Navigationsdaten, von einem aktuellen Fahr- oder Betriebszustand des Kraftfahrzeugs und/oder dergleichen mehr erfolgen. Solche Manöverhypothesen können beispielsweise angeben oder Vorhersagen, ob das Kraftfahrzeug in einem jeweils aktuell befahrenen Fahrstreifen weiterfahren oder einen Fahrstreifenwechsel oder ein Abbiegemanöver oder dergleichen durchführen wird. Dies kann den Fahrschlauch unmittelbar angeben oder beeinflussen und somit besonders nutzbringend in die Vorhersage des Fahrschlauches einbezogen werden.
Ebenso können die Daten und/oder Datenquellen Lenkungsdaten des Kraftfahrzeugs sein oder umfassen. Diese können beispielsweise einen aktuellen oder unmittelbar zurückliegenden Lenkwinkel, eine aktuelle oder unmittelbar zurückliegende Änderungsrate des Lenkwinkels und/oder dergleichen mehr umfassen oder angeben. Solche Lenkungsdaten können unmittelbar die Fahrt- oder Bewegungsrichtung des Kraftfahrzeugs angeben oder beeinflussen und damit besonders nutzbringend in die Vorhersage des Fahrschlauches einbezogen werden.
Ebenso können die Daten und/oder Datenquellen eine - aktuelle oder unmittelbar zurückliegende - Gierrate des Kraftfahrzeugs sein oder umfassen. Mit anderen Worten können die Daten und/oder Datenquellen also Betriebszustands- oder Fahrzeugdynamikdaten des Kraftfahrzeugs sein oder umfassen. Beispielweise kann aus den Lenkungsdaten bzw. einer Lenkbewegung oder Lenkradbetätigung eines Fahrers des Kraftfahrzeugs und der Gierrate des Kraftfahrzeugs ein Signal aufbereitet werden, das einen unmittelbar vorausliegenden Pfad oder Weg des Kraftfahrzeugs im unmittelbar an die jeweils aktuelle Position des Kraftfahrzeugs anschließenden Nahbereich angeben, darstellen oder Vorhersagen kann. Ein solches Signal kann daher besonders nutzbringend in die Vorhersage des Fahrschlauches einbezogen werden. Der Nahbereich im vorliegenden Sinne kann sich dabei von dem Kraftfahrzeug aus in Fahrtrichtung bis zu einer Entfernung von beispielweise 10 m oder 20 m oder 30 m oder dergleichen erstrecken.
Ebenso können die Daten und/oder Datenquellen eine jeweils aktuelle Fahrschlauchprädiktion einer Einrichtung des maschinellen Lernens sein oder umfassen. Eine solche Einrichtung kann also beispielsweise ein zur Prädiktion des Fahrschlauches trainiertes künstliches neuronales Netz sein oder umfassen. Dabei kann es sich insbesondere um eine Einrichtung des Kraftfahrzeugs handeln. Die auf dem maschinellen Lernen basierende Fahrschlauchprädiktion kann beispielsweise durch entsprechende Auswertung oder einer Verarbeitung von sensorbasierten Objektdetektionen erfolgen. Die entsprechende Einrichtung kann mit anderen Worten also einen dedizierten Verlauf eines möglichen Pfades des Kraftfahrzeugs generieren. Diese Fahrschlauchprädiktion kann dabei auf anderen oder als den hier genannten Daten und/oder Datenquellen oder nur auf einem Teil von diesen basieren, diese aber nach einem anderen Prinzip verarbeiten. Damit kann eine solche Fahrschlauchprädiktion einen nützlichen Faktor in der letztendlichen optimalen Vorhersage des Fahrschlauches darstellen.
Die hier als Input für die Vorhersage des Fahrschlauches vorgeschlagenen Daten und/oder Datenquellen können in unterschiedlichen Umgebungsszenarien unterschiedliche Vorteile und Nachteile aufweisen und somit insgesamt in einer Vielzahl unterschiedlicher Umgebungsszenarien jeweils eine besonders robuste, genaue und zuverlässige Vorhersage des Fahrschlauches ermöglichen.
In einer weiteren möglichen Ausgestaltung der vorliegenden Erfindung werden die Vertrauenswürdigkeiten zumindest teilweise aus einer vorgegebenen Karte entnommen, in der eine ortsspezifische Vertrauenswürdigkeit für wenigstens eine Datenquelle und/oder Datenart angegeben ist. In einer solchen Karte ist also für wenigstens einen bestimmten Ort oder räumlichen Bereich eine Vertrauenswürdigkeit für wenigstens eine Datenquelle oder eine Datenart in diesem Bereich oder an diesem Ort, also bei einem dortigen Einsatz, beispielsweise eines Sensor zur Detektion von Objekten oder einem Straßenverlauf oder dergleichen, angegeben. Damit können die Vertrauenswürdigkeiten besonders einfach und schnell ermittelt werden. Dies kann eine Echtzeitanwendung des erfindungsgemäßen Verfahrens unterstützen. Die hier verwendete Karte kann besonders einfach besonders robuste und zuverlässige Angaben der Zuverlässigkeitsdaten enthalten, da sie separat erzeugt werden kann und somit beispielsweise nicht durch jeweilige Limitierungen einer Umgebungssensorik des Kraftfahrzeugs in der jeweiligen Situation oder die dann jeweils gegebenen Umgebungsbedingungen beschränkt ist. Zudem können in eine solche Karte eine Vielzahl unterschiedlicher Informationen, die zudem in unterschiedlichen Situationen, unter unterschiedlichen Bedingungen und zu unterschiedlichen Zeiten gewonnen werden können, einfließen. Durch die hier vorgeschlagene Verwendung der Karte können ortsindividuelle Besonderheiten besonders einfach berücksichtigt werden. Dies kann nützlich sein, da auch beispielsweise Verkehrsführungs- oder Infrastrukturmerkmale von der gleichen Art, beispielsweise Kreisverkehre, individuelle Eigenschaften und Besonderheiten aufweisen können, die durch allgemeingültige fest vorgegebene Regeln oder Vorgaben für die Zuverlässigkeit im Bereich solcher Merkmale nicht oder nur weniger präzise und detailliert berücksichtigt werden können.
In einer weiteren möglichen Ausgestaltung der vorliegenden Erfindung werden während des Betriebs des Kraftfahrzeugs mittels einer Umgebungssensorik des Kraftfahrzeugs Umgebungsdaten aufgenommen, die das jeweilige Umgebungsszenario charakterisieren. Solche Umgebungsdaten können beispielsweise bei Annäherung an das jeweilige Umgebungsszenario und/oder innerhalb des jeweiligen Umgebungsszenarios, also bei dessen Durchfahren aufgenommen werden. Basierend auf diesen Umgebungsdaten werden die Vertrauenswürdigkeiten dann zumindest teilweise live bzw. in Echtzeit, also im Betrieb des Kraftfahrzeugs jeweils dynamisch ermittelt. Mit anderen Worten werden diese Vertrauenswürdigkeiten dann also bei jeder Annäherung an das jeweilige Umgebungsszenario oder bei jedem Durchfahren des jeweiligen Umgebungsszenarios neu ermittelt. Damit können diese Vertrauenswürdigkeiten dann jeweilige individuelle tatsächliche Gegebenheiten ebenso wie dann jeweils gegebene Eigenschaften des Kraftfahrzeugs sowie entsprechende Veränderungen berücksichtigen. So können beispielsweise dynamische oder sich im Laufe der Zeit verändernde Einflüsse, wie Wetterbedingungen, Vegetationsveränderungen, Verschmutzungen, Verschleiß oder schleichende Justierungsfehler oder dergleichen der Umgebungssensorik des jeweiligen Kraftfahrzeugs automatisch berücksichtigt werden. Damit kann unter Umständen gegenüber fest vorgegebenen, also statischen Vertrauenswürdigkeiten eine besser an die jeweilige tatsächliche Situation angepasste Vorhersage des Fahrschlauches ermöglicht werden. Zum Ermitteln der Vertrauenswürdigkeiten können beispielsweise vorgegebene Parameter der Umgebungsdaten bzw. verschiedener individueller zum Aufnehmen der Umgebungsdaten verwendeter Sensoren ermittelt und berücksichtigt werden, wie etwa eine erzielbare Schärfe, eine jeweilige Varianz oder Streuung von Messwerten oder Datenpunkten, ein Signaljitter, eine Fehlerrate, eine Auftreten oder auch eine Häufigkeit oder Stärke von Artefakten, ein Signal-Rausch-Verhältnis und/oder dergleichen mehr.
In einer weiteren möglichen Ausgestaltung der vorliegenden Erfindung wird in Abhängigkeit von dem jeweils ermittelten Umgebungsszenario auch eine Entfernung ermittelt, bis zu welcher ausgehend von der jeweils aktuellen Position des Kraftfahrzeugs wenigstens eine der Datenquellen und/oder wenigstens ein Teil der Daten für das Vorhersagen des Fahrschlauches zu verwenden ist. Diese Datenquelle oder diese Daten werden dann beispielsweise nur für das Vorhersagen des Fahrschlauches bis zu dem jeweiligen bestimmten Abstand verwendet. Dabei können für verschiedene Datenquellen und/oder für verschiedene Daten individuelle Abstände ermittelt werden. Ein über den Abstand hinausgehender Verlauf des Fahrschlauches kann dann basierend auf anderen bzw. den übrigen Datenquellen und/oder Daten erfolgen. Die hier vorgeschlagene Ausgestaltung der vorliegenden Erfindung kann eine besonders zuverlässige und genaue Vorhersage des Fahrschlauches ermöglichen. Dies kann beispielsweise dann der Fall sein, wenn unterschiedliche Sensoren, welche als Datenquelle dienen bzw. die Daten liefern, unterschiedliche effektive Reichweiten haben. So können beispielsweise von einem ersten Sensor und von einem zweiten Sensor gelieferte erste Sensordaten und zweite Sensordaten für die Vorhersage des Fahrschlauches bis zu einer bestimmten Entfernung von dem Kraftfahrzeug fusioniert werden. Für die Vorhersage des Fahrschlauches in einem Bereich hinter oder ab dieser Entfernung können dann beispielsweise die von dem ersten Sensor gelieferten ersten Sensordaten unberücksichtigt bleiben.
In einer weiteren möglichen Ausgestaltung der vorliegenden Erfindung werden nur solche der Datenquellen und/oder Daten in die Fusion und die Vorhersage des Fahrschlauches einbezogen, deren dafür ermittelte Vertrauenswürdigkeit wenigstens einer vorgegebenen Mindestvertrauenswürdigkeit entspricht, also wenigstens so groß ist wie ein vorgegebener Schwellenwert. Mit anderen Worten können also - gegebenenfalls bereichsweise - Datenquellen und/oder Daten verworfen werden, deren Vertrauenswürdigkeit kleiner als die vorgegebenen Mindestvertrauenswürdigkeit ist, also unterhalb des vorgegebenen Schwellenwertes liegt. Dadurch kann eine unvorhersagbare und gegebenenfalls ungerechtfertigte Verzerrung der Vorhersage des Fahrschlauches durch besonders wenig vertrauenswürdige Datenquellen und/oder Daten vermieden oder reduziert werden. Die hier vorgeschlagene Ausgestaltung der vorliegenden Erfindung kann zumindest dann angewendet werden, wenn jeweils wenigstens eine vorgegebene Anzahl oder Menge von Datenquellen und/oder Daten, deren Vertrauenswürdigkeit wenigstens der vorgegebenen Mindestvertrauenswürdigkeit entspricht, verbleibt. Andernfalls können auch eine, mehrere oder alle der Datenquellen und/oder Daten, deren Vertrauenswürdigkeit geringer als die vorgegebene Mindestvertrauenswürdigkeit ist, in die Fusion bzw. die Vorhersage des Fahrschlauches einfließen, also einbezogen werden. Dadurch kann auch unter ungünstigen Bedingungen oder in Randfällen eine datenbasierte Vorhersage des Fahrschlauches sichergestellt werden. In einer weiteren möglichen Ausgestaltung der vorliegenden Erfindung wird zusätzlich für zumindest einen Teil der Daten deren Unsicherheit bzw. Güte ermittelt. Diese Daten werden dann auch gemäß dieser Unsicherheiten bzw. Güten gewichtet, sodass eine größere Unsicherheit, also eine geringere Güte zu einer geringeren Gewichtung führt. Die Vertrauenswürdigkeiten können also auf grundsätzlichen Gegebenheiten basieren, wie etwa geometrischen Einschränkungen oder baulichen Gegebenheiten. Demgegenüber können die hier zusätzlich berücksichtigten Unsicherheiten individuelle Eigenschaften der jeweils konkret tatsächlich aufgenommenen oder gemessenen Daten sein, wie etwa eine jeweilige Schärfe, ein jeweiliges Signal-Rausch-Verhältnis, eine jeweilige Fehler- oder Artefaktrate und/oder dergleichen mehr. Die Unsicherheiten können also - gegebenenfalls anders als die Vertrauenswürdigkeiten - auch bei mehreren Konfrontationen desselben Umgebungsszenarios unterschiedlich sein, beispielsweise zufällig schwanken. Die Unsicherheiten können also Messunsicherheiten sein, die sich jeweils individuell ergeben. Durch die hier vorgeschlagene Ausgestaltung der vorliegenden Erfindung kann letztendlich eine besonders robuste, genaue und zuverlässige sowie situationsangepasste bzw. situationsindividualisierte Vorhersage des Fahrschlauches ermöglicht werden.
In einer weiteren möglichen Ausgestaltung der vorliegenden Erfindung werden basierend auf dem jeweils vorhergesagten Fahrschlauch für die Führung des Kraftfahrzeugs relevante Objekte in der jeweiligen Umgebung des Kraftfahrzeugs bestimmt bzw. ausgewählt. Hier kann also basierend auf dem Fahrschlauch beispielsweise ermittelt werden, welche in der jeweiligen Umgebung des Kraftfahrzeugs erkannten Objekte, wie beispielsweise andere Verkehrsteilnehmer, für eine assistierte oder automatisierte Längs- bzw. Abstandsregelung des Kraftfahrzeugs und/oder dergleichen mehr relevant sind. Dazu kann ein Objekt beispielsweise jeweils als relevant eingestuft werden, wenn es sich innerhalb des vorhergesagten Fahrschlauch befindet, zumindest wenn es sich höchstens in einem vorgegebenen Abstand zu dem Kraftfahrzeug befindet, sich nicht von dem Kraftfahrzeug entfernt und/oder dergleichen mehr. Eine solche Auswahl relevanter Objekte kann eine besonders robuste, zuverlässige und sichere sowie besonders komfortable Fahrzeugführung ermöglichen.
Ein weiterer Aspekt der vorliegenden Erfindung ist ein Assistenzsystem für ein Kraftfahrzeug. Das erfindungsgemäße Assistenzsystem weist eine Schnittstelle zum Erfassen verschiedener Daten, die zum Vorhersagen eines Fahrschlauches des Kraftfahrzeugs verwendet werden können, eine Prozesseinrichtung, also etwa einen Mikrochip, Mikroprozessor oder Mikrocontroller oder dergleichen, und einen damit gekoppelten computerlesbaren Datenspeicher auf. Das erfindungsgemäße Assistenzsystem ist dabei zum, insbesondere automatischen, Ausführen des erfindungsgemäßen Verfahrens eingerichtet. Dazu kann in dem Datenspeicher ein Betriebs- oder Computerprogramm gespeichert sein, das die im Zusammenhang mit dem erfindungsgemäßen Verfahren beschriebenen Verfahrensschritte, Maßnahmen oder Abläufe oder entsprechende Steueranweisungen codiert oder implementiert. Dieses Betriebs- oder Computerprogramm kann dann mittels der Prozesseinrichtung ausführbar sein, um das entsprechende Verfahren auszuführen oder dessen Ausführung zu bewirken. Das erfindungsgemäße Assistenzsystem kann beispielsweise als Steuergerät oder Computermodul oder dergleichen ausgestaltet sein. Das erfindungsgemäße Assistenzsystem kann auch die Umgebungssensorik, eine Kommunikationseinrichtung, eine Einrichtung oder ein Modul zum Generieren oder auch Ausgeben von Steuersignalen und/oder dergleichen mehr umfassen. Das Assistenzsystem kann dazu eingerichtet sein, den jeweils vorhergesagten Fahrschlauch in dem Datenspeicher abzuspeichern und/oder über die oder Schnittstelle oder eine weitere Schnittstelle auszugeben oder bereitzustellen.
Ein weiterer Aspekt der vorliegenden Erfindung ist ein Kraftfahrzeug, das eine Umgebungssensorik zum Aufnehmen bzw. Erfassen von Umgebungsdaten, die ein vorausliegendes Umgebungsszenario charakterisieren und insbesondere zum Vorhersagen eines Fahrschlauches verwendet werden können, und ein erfindungsgemäßes Assistenzsystem aufweist. Das Assistenzsystem kann beispielsweise über ein Bordnetz des Kraftfahrzeugs mit der Umgebungssensorik gekoppelt sein. Das erfindungsgemäße Kraftfahrzeug kann insbesondere das im Zusammenhang mit dem erfindungsgemäßen Verfahren und/oder im Zusammenhang mit dem erfindungsgemäßen Assistenzsystem genannte Kraftfahrzeug sein oder diesem entsprechen.
Weitere Merkmale der Erfindung können sich aus den Ansprüchen, den Figuren und der Figurenbeschreibung ergeben. Die vorstehend in der Beschreibung genannten Merkmale und Merkmalskombinationen sowie die nachfolgend in der Figurenbeschreibung und/oder in den Figuren allein gezeigten Merkmale und Merkmalskombinationen sind nicht nur in der jeweils angegebenen Kombination, sondern auch in anderen Kombinationen oder in Alleinstellung verwendbar, ohne den Rahmen der Erfindung zu verlassen.
Die Zeichnung zeigt in:
Fig. 1 eine ausschnittweise schematische Übersichtsdarstellung eines ersten Verkehrsszenarios zur Veranschaulichung eines Verfahrens zur Fahrschlauchschätzung; und
Fig. 2 eine ausschnittweise schematische Übersichtsdarstellung eines zweiten Verkehrsszenarios zur Veranschaulichung des Verfahrens.
In den Figuren sind gleiche und funktionsgleiche Elemente mit den gleichen Bezugszeichen versehen.
Im Straßenverkehr kann eine Vorhersage eines Fahrschlauches eine nützliche Basis für vielerlei verschiedene Assistenzfunktionen oder Automatisierungen bieten. Dabei ist für ein situationsangemessenes Reagieren eine möglichst robuste, genaue und zuverlässige Vorhersage des Fahrschlauchs wünschenswert. Ein Ansatz dafür besteht in der Verwendung und Fusion unterschiedlicher Daten. Es hat sich jedoch gezeigt, dass nicht in jeder Situation bzw. nicht in jedem Verkehrs- oder Umgebungsszenario sämtliche verfügbaren Datenquellen bzw. Datenarten mit gleicher Nützlichkeit und Genauigkeit zur Vorhersage des Fahrschlauchs beitragen. Mit anderen Worten können also in unterschiedlichen Umgebungsszenarios unterschiedliche Datenquellen und Datenarten unterschiedliche Vertrauenswürdigkeiten für eine Vorhersage des jeweiligen Fahrschlauchs aufweisen.
Zur Veranschaulichung zeigt Fig. 1 eine beispielhafte ausschnittweise Übersichtsdarstellung eines ersten Verkehrs- oder Umgebungsszenario. Hier ist ein Ausschnitt einer Kurve wegen Straße 1 dargestellt, auf der sich ein Kraftfahrzeug 2 bewegt. Dem Kraftfahrzeug 2 voraus fährt ein Fremdfahrzeug 3. Das Kraftfahrzeug 2 weist eine Umgebungssensorik 4 zum Aufnehmen von die jeweilige Umgebung - und damit auch das jeweilige Umgebungsszenario - charakterisierenden Umgebungsdaten auf. Weiter ist das Kraftfahrzeug 2 mit einem Assistenzsystem 5 zum Vorhersagen bzw. Schätzen eines vorausliegenden Fahrschlauches des Kraftfahrzeugs 2 ausgestattet. Das Assistenzsystem 5 umfasst hier beispielhaft eine Schnittstelle 6, einen Prozessor 7 und einen Datenspeicher 8. Über die Schnittstelle 6 können beispielsweise mittels der Umgebungssensorik 4 aufgenommene Daten erfasst werden. Dies können dabei Daten von verschiedenen Einzelsensoren der Umgebungssensorik 4, die insbesondere von unterschiedlicher Art sein können, sein. Ebenso können über die Schnittstelle 6 weitere Daten erfasst werden, beispielsweise eine Position und ein Betriebszustand des Kraftfahrzeugs 2, Bewegungs- oder Trajektoriendaten des Fremdfahrzeugs 3, die beispielsweise über eine Car2Car-Datenverbindung empfangen werden können, von einer fahrzeugexternen Servereinrichtung abgerufene Schwarm- und/oder Kartendaten und/oder dergleichen mehr.
Eine Vorhersage des Fahrschlauches kann prinzipiell auf einzelnen dieser erfassten Daten beruhen. Beispielsweise könnte jedoch eine Vorhersage des Fahrschlauches auf Basis des aktuellen Lenkwinkels des Kraftfahrzeugs 2 zu einer hier schematisch angedeuteten Fehlschätzung 9 des Fahrschlauches führen.
Daher wird zunächst, beispielsweise basierend auf zumindest einem Teil der erfassten Daten, ein aktuell gegebenes Umgebungsszenario ermittelt. Die erfassten Daten werden dann miteinander fusioniert, um eine verbesserte Vorhersage oder Schätzung des Fahrschlauches zu erhalten. Dies erfolgt in Abhängigkeit von dem jeweils ermittelten Umgebungsszenario. Dabei wird also berücksichtigt, dass verschiedene Daten in dem jeweiligen Umgebungsszenario unterschiedliche Vertrauenswürdigkeiten aufweisen können. So können beispielsweise aufgrund der Kurvigkeit der Straße 1 Kameradaten den Verlauf der Straße 1 nur in begrenztem Maße abbilden. Im Vergleich dazu kann ein Straßenverlauf 10 der Straße 1 mit größerer Vertrauenswürdigkeit beispielsweise aus Kartendaten entnommen oder anhand von Trajektoriendaten des vorausfahrenden Fremdfahrzeugs 3 oder dergleichen geschätzt werden. Die verschiedenen erfassten Daten werden daher bei ihrer Fusion gemäß ihrer Vertrauenswürdigkeiten gewichtet. Die Vertrauenswürdigkeiten können dabei beispielsweise aus einer vorgegebenen, etwa in dem Datenspeicher 8 hinterlegten, Datenbank abgerufen werden, in der die Vertrauenswürdigkeiten verschiedener Daten bzw. Datenquellen für verschiedene Umgebungsszenarien angegeben sind. Ebenso können die Vertrauenswürdigkeiten zumindest teilweise dynamisch bestimmt werden, beispielsweise in Abhängigkeit von den Eigenschaften der spezifischen, jeweils konkret erfassten Daten. Damit ergibt sich dann eine entsprechend verbesserte Fahrschlauchschätzung 11. Die - absoluten und/oder relativen - Vertrauenswürdigkeiten ebenso wie die Verfügbarkeit verschiedener Daten bzw. entsprechende Datenquellen kann allerdings in anderen Umgebungsszenarien anders sein. Dazu zeigt Fig. 2 beispielhaft eine ausschnittweise schematische Übersichtsdarstellung einer weiteren Umgebungssituation. Hier ist ein anderer Ausschnitt einer oder der Straße 1 dargestellt. In dem hier dargestellten Umgebungsszenario verlässt das Kraftfahrzeug 2 die Straße 1 an einer Ausfahrt 12. Auch hier könnte beispielsweise eine allein auf dem Lenkwinkel basierende Vorhersage oder Schätzung des Fahrschlauches zu einer Fehlschätzung 9 führen. Ebenso können entsprechende Vorhersagen oder Schätzungen beispielsweise basierend auf in ihrer effektiven Reichweite begrenzten Kameradaten oder gegebenenfalls unvollständigen, nicht aktuellen oder ungenauen Kartendaten oder dergleichen zu einer solchen Fehlschätzung 9 führen. Beispielhaft kann hier jedoch ein Fahrbahnrand 13, beispielsweise eine Schutzplanke, mit größerer Vertrauenswürdigkeit durch eine Frontradareinrichtung des Kraftfahrzeugs 2 erfasst werden, beispielsweise aufgrund der gegebenen Anordnung oder Geometrie und der generell zuverlässigen Erkennbarkeit von Schutzplanken im Erfassungsbereich eines Frontradars. Dementsprechend können hier beispielsweise der Lenkwinkel weniger vertrauenswürdig sein und daher nicht oder nur für einen Teil der Fahrschlauchschätzung 11 im Nahbereich des Kraftfahrzeugs 2 verwendet und weniger stark gewichtet werden als im Vergleich dazu vertrauenswürdigere Radardaten der Frontradareinrichtung, die entsprechend höher gewichtet und zudem auch für einen weiter von dem Kraftfahrzeug 2 in Fahrtrichtung entfernten Teil der Fahrschlauchschätzung 11 verwendet werden können.
Ebenso kann es eine Vielzahl weiterer grundsätzlicher Arten von Umgebungsszenarien sowie eine Vielzahl individueller, also ortsspezifische Umgebungsszenarien geben. Für diese können jeweilige individuelle Vertrauenswürdigkeiten für die unterschiedlichen Datenquellen und/oder Daten bzw. Datenarten ermittelt, also beispielsweise aus einer entsprechenden Vorgabe abgerufen oder dynamisch bestimmt und für die jeweilige Vorhersage bzw. Schätzung des Fahrschlauches verwendet werden.
Insgesamt zeigen die beschriebenen Beispiele wie eine szenariengetriebene Verwendung multimodaler Sensordaten zur Schätzung des Fahrschlauches eines Fahrzeugs realisiert werden kann. Bezugszeichenliste 1 Straße
2 Kraftfahrzeug
3 Fremdfahrzeug
4 Umgebungssensorik
5 Assistenzsystem 6 Schnittstelle
7 Prozessor
8 Datenspeicher
9 Fehlschätzung
10 Straßenverlauf 11 Fahrschlauchschätzung
12 Ausfahrt
13 Fahrbahnrand

Claims

Patentansprüche
1. Verfahren zum Vorhersagen eines Fahrschlauches (11) eines Kraftfahrzeugs (2), wobei im Betrieb des Kraftfahrzeugs (2)
- ein jeweiliges aktuell in Fahrtrichtung des Kraftfahrzeugs (2) vorausliegendes Umgebungsszenario ermittelt wird,
- für das jeweilige ermittelte Umgebungsszenario die Vertrauenswürdigkeiten mehrerer verschiedener Datenquellen und/oder daraus stammender Daten, basierend auf denen der Fahrschlauch (11) vorhergesagt werden kann, ermittelt werden, und
- mehrere der aus den verschiedenen Datenquellen stammenden Daten gemäß den ermittelten Vertrauenswürdigkeiten gewichtet miteinander fusioniert werden und damit der Fahrschlauch (11) vorhergesagt wird.
2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass die Daten und/oder Datenquellen vorgegebene Kartendaten, ein Straßenmodell zum Schätzen eines vorausliegenden Straßenverlaufs (10), einen geschätzten vorausliegenden Straßenverlauf (10), eine Fahrbahnranderkennung (13), frühere Fahrzeugbewegungen angebende Schwarmdaten, Live-Trajektorien (10) anderer sich zu dem jeweiligen Zeitpunkt in dem jeweiligen Umgebungsszenario bewegender Verkehrsteilnehmer (3), eine Manöverhypothese eines Assistenzsystems des Kraftfahrzeugs (2), Lenkungsdaten des Kraftfahrzeugs (2), eine Gierrate des Kraftfahrzeugs (2) und/oder eine Fahrschlauchprädiktion einer Einrichtung des maschinellen Lernens umfassen.
3. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Vertrauenswürdigkeiten zumindest teilweise aus einer vorgegebenen Karte entnommen werden, in der eine ortsspezifische Vertrauenswürdigkeit für wenigstens eine Datenquelle und/oder Datenart angegeben ist.
4. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass während des Betriebs des Kraftfahrzeugs (2) mittels einer Umgebungssensorik (4) des Kraftfahrzeugs (2) Umgebungsdaten, die das jeweilige Umgebungsszenario charakterisieren, aufgenommen werden und darauf basierend die Vertrauenswürdigkeiten zumindest teilweise dynamisch ermittelt werden.
5. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass in Abhängigkeit von dem jeweils ermittelten Umgebungsszenario eine Entfernung ermittelt wird, bis zu welcher ausgehend von der aktuellen Position des Kraftfahrzeugs (2) wenigstens eine der Datenquellen und/oder wenigstens ein Teil der Daten für das Vorhersagen des Fahrschlauches (11) zu verwenden ist.
6. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass nur solche der Datenquellen und/oder Daten in die Fusion und die Vorhersage des Fahrschlauches (11) einbezogen werden, deren Vertrauenswürdigkeit wenigstens einer vorgegebenen Mindestvertrauenswürdigkeit entspricht.
7. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass zusätzlich für zumindest einen Teil der Daten deren Unsicherheit ermittelt wird und diese Daten auch gemäß dieser Unsicherheiten gewichtet werden, sodass eine größere Unsicherheit zu einer geringeren Gewichtung führt.
8. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass basierend auf dem vorhergesagten Fahrschlauch (11) für die Führung des Kraftfahrzeugs (2) relevante Objekte (3) in der jeweiligen Umgebung Kraftfahrzeugs (2) ausgewählt werden.
9. Assistenzsystem (5) für ein Kraftfahrzeug (2), aufweisend eine Schnittstelle (6) zum Erfassen verschiedener Daten, die zum Vorhersagen eines Fahrschlauches (11) verwendet werden können, eine Prozessoreinrichtung (7) und einen damit gekoppelten computerlesbaren Datenspeicher (7), wobei das Assistenzsystem (5) zum Ausführen eines Verfahrens nach einem der vorhergehenden Ansprüche eingerichtet ist. Kraftfahrzeug (2), aufweisend eine Umgebungssensorik (4) zum Aufnehmen von Umgebungsdaten, die ein vorausliegendes Umgebungsszenario charakterisieren, und ein Assistenzsystem (5) nach Anspruch 9.
PCT/EP2023/064778 2022-06-09 2023-06-02 Verfahren und assistenzsystem zum vorhersagen eines fahrschlauches und kraftfahrzeug WO2023237424A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102022114589.1A DE102022114589A1 (de) 2022-06-09 2022-06-09 Verfahren und Assistenzsystem zum Vorhersagen eines Fahrschlauches und Kraftfahrzeug
DE102022114589.1 2022-06-09

Publications (1)

Publication Number Publication Date
WO2023237424A1 true WO2023237424A1 (de) 2023-12-14

Family

ID=86764769

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2023/064778 WO2023237424A1 (de) 2022-06-09 2023-06-02 Verfahren und assistenzsystem zum vorhersagen eines fahrschlauches und kraftfahrzeug

Country Status (2)

Country Link
DE (1) DE102022114589A1 (de)
WO (1) WO2023237424A1 (de)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1844373B1 (de) 2005-01-24 2010-08-18 Robert Bosch GmbH Verfahren zur kursprädiktion in fahrerassistenzsystemen für kraftfahrzeuge
DE102017106349A1 (de) * 2017-03-24 2018-09-27 Valeo Schalter Und Sensoren Gmbh Fahrerassistenzsystem für ein Fahrzeug zum Prognostizieren eines dem Fahrzeug vorausliegenden Fahrspurbereichs, Fahrzeug und Verfahren
DE102018127270A1 (de) 2018-10-31 2020-04-30 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Steuereinheit zur Längs- und/oder Querführung eines Fahrzeugs
US20210245743A1 (en) * 2020-02-10 2021-08-12 GM Global Technology Operations LLC Sensor fusion based on intersection scene to determine vehicle collision potential
DE102020118640A1 (de) * 2020-07-15 2022-01-20 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Fahrzeugsystem zur Ermittlung eines Fahr-Korridors für ein Fahrzeug

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102007044761A1 (de) 2007-09-19 2008-05-08 Daimler Ag Verfahren und Vorrichtung zur Bestimmung eines sich entlang einer Bewegungsbahn eines Fahrzeuges erstreckenden Fahrschlauches
DE102020214745A1 (de) 2020-11-24 2022-05-25 Volkswagen Aktiengesellschaft Verbesserter Fahrschlauch

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1844373B1 (de) 2005-01-24 2010-08-18 Robert Bosch GmbH Verfahren zur kursprädiktion in fahrerassistenzsystemen für kraftfahrzeuge
DE102017106349A1 (de) * 2017-03-24 2018-09-27 Valeo Schalter Und Sensoren Gmbh Fahrerassistenzsystem für ein Fahrzeug zum Prognostizieren eines dem Fahrzeug vorausliegenden Fahrspurbereichs, Fahrzeug und Verfahren
DE102018127270A1 (de) 2018-10-31 2020-04-30 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Steuereinheit zur Längs- und/oder Querführung eines Fahrzeugs
US20210245743A1 (en) * 2020-02-10 2021-08-12 GM Global Technology Operations LLC Sensor fusion based on intersection scene to determine vehicle collision potential
DE102020118640A1 (de) * 2020-07-15 2022-01-20 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Fahrzeugsystem zur Ermittlung eines Fahr-Korridors für ein Fahrzeug

Also Published As

Publication number Publication date
DE102022114589A1 (de) 2023-12-14

Similar Documents

Publication Publication Date Title
EP3160813B1 (de) Verfahren zur erstellung eines umfeldmodells eines fahrzeugs
EP1680317B1 (de) Fahrerassistenzverfahren und -vorrichtung auf der basis von fahrspurinformationen
EP2981951B1 (de) Automatisches befahren einer strecke
DE102019104974A1 (de) Verfahren sowie System zum Bestimmen eines Fahrmanövers
EP3491339B1 (de) Verfahren, vorrichtung und computerlesbares speichermedium mit instruktionen zur bestimmung der lateralen position eines fahrzeuges relativ zu den fahrstreifen einer fahrbahn
EP3490862B1 (de) Verfahren und vorrichtung zum ermitteln eines fahrbahnmodells für ein fahrzeugumfeld
DE102018120845A1 (de) Verfahren und Vorrichtung zum Überwachen eines autonomen Fahrzeugs
DE102015202837A1 (de) Fehlerbehandlung in einem autonomen Fahrzeug
DE112016007501T5 (de) Regel-/steuervorrichtung und regel-/steuerverfahren
DE102021103149A1 (de) Verfahren und vorrichtung zur bestimmung der optimalen kreuzungsspur in einem unterstützten fahrsystem
EP3663719A1 (de) Verfahren zum bereitstellen von kartendaten in einem kraftfahrzeug, kraftfahrzeug und zentrale datenverarbeitungseinrichtung
DE102013217486A1 (de) Verfahren zur Repräsentation eines Umfelds eines Fahrzeugs in einem Belegungsgitter
DE102017106349A1 (de) Fahrerassistenzsystem für ein Fahrzeug zum Prognostizieren eines dem Fahrzeug vorausliegenden Fahrspurbereichs, Fahrzeug und Verfahren
DE102020200169B3 (de) Verfahren zur Zusammenführung mehrerer Datensätze für die Erzeugung eines aktuellen Spurmodells einer Fahrbahn und Vorrichtung zur Datenverarbeitung
WO2020224853A1 (de) Verfahren und computer-programm-produkt zum erkennen von signalzeichen zur verkehrssteuerung spurgebundener fahrzeuge sowie signalzeichenerkennungssystem und spurgebundenes fahrzeug, insbesondere schienenfahrzeug
DE102016224576B4 (de) Verhaltensmodell von Verkehrsteilnehmern für ein Fahrerassistenzsystem umfassend Statistiken zu Abweichungen vom Normverhalten
EP2254104A2 (de) Verfahren zum automatischen Erkennen einer Situationsänderung
WO2023237424A1 (de) Verfahren und assistenzsystem zum vorhersagen eines fahrschlauches und kraftfahrzeug
EP3398828B1 (de) Fahrerassistenzsystem und verfahren zum unterstützen eines führers eines schienenfahrzeugs
DE102005008360A1 (de) Verfahren und System zur Ermittlung von Positionsdaten eines Objekts
DE102021207609A1 (de) Verfahren zur Kennzeichnung eines Bewegungsweges
DE102020200876A1 (de) Verfahren zum Verarbeiten von Sensordaten einer Sensorik eines Fahrzeugs
WO2019057252A1 (de) Verfahren und vorrichtung zum erkennen von fahrspuren, fahrerassistenzsystem und fahrzeug
DE102021116807B4 (de) Verfahren zum Betreiben einer Scheibenwischeinrichtung eines Kraftfahrzeugs, Steuereinrichtung, und Kraftfahrzeug
DE102018202469A1 (de) Verfahren zur Höhenbestimmung eines Kraftfahrzeuges und Kraftfahrzeug

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: 23730480

Country of ref document: EP

Kind code of ref document: A1