Titel

Verfahren zum Auswerten eines Umfeldes eines Fahrzeuges Stand der Technik

Die vorliegende Erfindung betrifft ein Verfahren und eine Vorrichtung zum Auswerten eines Umfeldes eines Fahrzeuges. Moderne Fahrassistenzsysteme übernehmen immer mehr Aufgaben, um den

Fahrer eines Fahrzeuges bei alltäglichen Fahrsituationen zu unterstützen. Dazu werden typischerweise folgende Funktionen bereitgestellt: Anzeige des direkten Fahrzeugumfeldes, wobei insbesondere auch Hindernisse angezeigt werden, welche sich in solchen Regionen befinden, welche nicht von dem Fahrer des Fahrzeuges eingesehen werden können, Übernahme einiger immer

wiederkehrender Fahrmanöver, um den täglichen Fahrkomfort und die Sicherheit zu erhöhen, Überwachung der Fahraktivitäten und Eingreifen bei gefährlichen Situationen, wie es beispielsweise ein ultraschallbasierter Notbremsassistent ermöglicht, und/oder Automatisches Fahren ohne die Unterstützung des Fahrers oder automatisches Parken ohne die Anwesenheit des Fahrers im Fahrzeug.

Insbesondere durch eine Anzeige des direkten Fahrzeugumfeldes werden Fahrmanöver in engen Situationen für den Fahrer einfacher und sicherer durchführbar. Zudem kann sich der Fahrer bei einem automatischen

Einparkvorgang besser auf das Umfeld konzentrieren und gegebenenfalls eingreifen.

Bisher nutzen Fahrassistenzsysteme für die dazu notwendigen Berechnungen zumeist ein 2D-Modell, welches das Umfeld des Fahrzeuges in der

Fahrbahnebene widergibt. Solche Modelle werden mittels einer im Fahrzeug verbauten Sensorik ermittelt. So werden die Hindernisse sowohl für anzeigende als auch für automatisierte Funktionen nur aus der Vogelperspektive betrachtet beziehungsweise angezeigt. Unter der Annahme, dass sich das Fahrzeug auf einer annährend ebenen Straße bewegt, ist dieses Vorgehen hinreichend genau. Gerade im Hinblick auf Park- und Manövriersituationen auf unebenem Terrain sowie in engen oder in der Höhe limitierten Situationen ist das Hinzuziehen der Höheninformationen jedoch zwingend notwendig, um dem Fahrer eine

Assistenzfunktion von hoher Güte und Robustheit bereitstellen zu können.

Aus der US2006/0178828, der DE102011 108468A1 und der

DE102011013776A1 sind bereits Systeme bekannt, die ein dreidimensionales

Erfassen eines Umfeldes eines Fahrzeuges ermöglichen.

Offenbarung der Erfindung

Die vorliegende Erfindung betrifft ein Verfahren zum Auswerten eines Umfeldes eines Fahrzeuges, umfassend ein Bereitstellen eines Voxeltensors, der ein Umfeld eines Fahrzeuges repräsentiert, eine Auswahl einer ersten Vielzahl von

Voxeln des Voxeltensors, die zusammen einen Erfassungsraum eines ersten aktiven Sensors des Fahrzeuges nachbilden, ein Durchführen einer

Distanzmessung mittels des ersten aktiven Sensors, um eine erste

Distanzmessung zu einem ersten Umgebungsobjekt zu ermitteln, eine Auswahl einer Untermenge der ersten Vielzahl von Voxeln des Voxeltensors, deren zugehörige Umfeldpunkte in dem Umfeld des Fahrzeuges einen Abstand zu dem ersten aktiven Sensor aufweisen, der kleiner ist als die erste Erfassungsdistanz, und ein Reduzieren einer Belegungswahrscheinlichkeit für die ausgewählte Untermenge der ersten Vielzahl von Voxeln.

Ein Voxeltensor ist eine mathematische Darstellung eines dreidimensionalen Konstruktes, in dem die Voxel gemäß einem Raster angeordnet sind. Ein aktiver Sensor ist ein Sensor, welcher ein Signal aktiv aussendet und Objekte basierend auf dem aktiv ausgesandten Signal erfasst. So ist insbesondere ein

Ultraschallsensor oder ein LIDAR-Sensor ein aktiver Sensor. Ein Voxel ist ein dreidimensionales Pixel. In dem Voxeltensor werden mit dem Umfeld des Fahrzeuges auch Umgebungsobjekte in dem Umfeld des Fahrzeuges

repräsentiert. Ein Erfassungsraum eines Sensors ist der Bereich, in dem sich ein Objekt befinden muss, damit es von dem Sensor wahrgenommen wird. Der Erfassungsraum ist dabei ein theoretischer Erfassungsraum des Sensors, also ein Raum, der durch den Sensor erfasst werden kann, wenn der Sichtbereich des Sensors nicht durch Objekte begrenzt wird. Die Erfassungsdistanz zu einem Umgebungsobjekt ist der Abstand zwischen dem Sensor und dem jeweiligen Umgebungsobjekt. Typischerweise wird für jedes Voxel des Voxeltensors eine Belegungswahrscheinlichkeit gespeichert. Wird das erfindungsgemäße

Verfahren in einer Schleife ausgeführt, so kann bei einer Bewegung des

Fahrzeuges durch einen einzelnen Sensor oder mehrere Sensoren die gesamte

Umgebung des Fahrzeuges erfasst werden. Es erfolgt somit ein Abtasten der Umgebung des Fahrzeuges.

Auf diese Weise kann ein besonders genaues dreidimensionales Abbild des Umfeldes des Fahrzeuges erstellt werden. Dabei kann das Verfahren mit einer besonders geringen Rechenleistung durchgeführt werden und kann basierend auf den Informationen von aktiven Sensoren ausgeführt werden, die ohnehin bereits in aktuellen Fahrzeugen verbaut werden. Es kann dabei auf besonders kostengünstige Sensoren, wie beispielsweise Ultraschallsensoren

zurückgegriffen werden. Derart erfasste dreidimensionale Informationen bezüglich eines Fahrzeugumfeldes sind ferner vorteilhaft, wenn eine Umgebung des Fahrzeuges grafisch dargestellt werden soll, insbesondere auch dann, wenn dabei eine entsprechende Entzerrung von Kamerabildern erfolgen soll. Die Unteransprüche zeigen bevorzugte Weiterbildungen der Erfindung.

Es ist vorteilhaft, wenn das erfindungsgemäße Verfahren ferner eine Auswahl einer zweiten Untermenge der ersten Vielzahl von Voxeln des Voxeltensors umfasst, deren zugehörige Umfeldpunkte in dem Umfeld des Fahrzeuges einen Abstand zu dem ersten aktiven Sensor aufweisen, welcher der ersten

Erfassungsdistanz entspricht, oder in dem Umfeld des Fahrzeuges in einem Bereich liegen, welcher durch die erste Erfassungsdistanz und einen

Toleranzwert definiert ist, und ein Erhöhen einer Belegungswahrscheinlichkeit für die ausgewählte zweite Untermenge der ersten Vielzahl von Voxeln umfasst. Es wird somit durch die zweite Untermenge ein Toleranzbereich um die erste

Erfassungsdistanz gebildet. Das bedeutet, dass solche Voxel als zweite

Untermenge ausgewählt werden, deren zugehörige Umfeldpunkte in dem Umfeld des Fahrzeuges einen Abstand zu dem ersten aktiven Sensor aufweisen, der kleiner ist als die erste Erfassungsdistanz und größer ist als die erste

Erfassungsdistanz abzüglich eines Toleranzwertes. Alternativ oder zusätzlich werden solche Voxel als zweite Untermenge ausgewählt, deren zugehörige Umfeldpunkte in dem Umfeld des Fahrzeuges einen Abstand zu dem ersten aktiven Sensor aufweisen, der größer ist als die erste Erfassungsdistanz und kleiner ist als die erste Erfassungsdistanz zuzüglich eines Toleranzwertes. Der Toleranzwert wird dabei bevorzugt abhängig von einer Sensorgenauigkeit oder einem für den ersten Sensor typischen Messfehler gewählt. Der Toleranzwert kann auch Null sein. Somit wird die Belegungswahrscheinlichkeit genau für solche Voxel erhöht, über die tatsächlich eine Aussage getroffen werden kann. Eine Belegungswahrscheinlichkeit von Voxeln, deren zugehörige Umfeldpunkte in dem Umfeld des Fahrzeuges beispielsweise abgeschattet sind, wird nicht verändert.

Alternativ erfolgt eine Auswahl einer dritten Untermenge der ersten Vielzahl von Voxeln des Voxeltensors, deren zugehörige Umfeldpunkte in dem Umfeld des Fahrzeuges einen Abstand zu dem ersten aktiven Sensor aufweisen, der größer ist als die erste Erfassungsdistanz und es erfolgt ein Erhöhen einer

Belegungswahrscheinlichkeit für die ausgewählte dritte Untermenge der ersten Vielzahl von Voxeln. Somit wird eine Belegungswahrscheinlichkeit aller Voxel der ersten Vielzahl von Voxeln des Voxeltensors entweder erhöht oder reduziert. Es wird somit eine zuverlässige Aussage über einen möglichst großen Bereich des Umfeldes des Fahrzeugs getroffen und in dem Voxeltensor dargestellt.

Es ist vorteilhaft, wenn das erfindungsgemäße Verfahren ferner Erfassen einer Position von Objekten in dem Umfeld des Fahrzeuges mittels eines passiven Sensors umfasst, und ein Erhöhen der Belegungswahrscheinlichkeit für die Voxel des Voxeltensors umfasst, deren zugehörige Umfeldpunkte in dem Umfeld des

Fahrzeuges der Position der durch den passiven Sensor erfassten Objekte, insbesondere zuzüglich sensorspezifischer Messunsicherheiten, entsprechen. Ein passiver Sensor ist ein Sensor, welcher kein Signal aussendet aber dennoch eine Position von Objekten erfassen kann. So ist beispielsweise eine

Stereokamera ein passiver Sensor. Auf diese Weise werden Daten von aktiven und passiven Sensoren kombiniert und durch den Voxeltensor wird eine besonders genaue Wiedergabe des Umfeldes des Fahrzeuges erzeugt. Dabei kann die Belegungwahrscheinlichkeit eines Voxels durch eine Messung eines aktiven Sensors reduziert oder erhöht werden. Durch eine Messung eines passiven Sensors kann die Belegungwahrscheinlichkeit eines Voxels jedoch lediglich erhöht werden. Wenn ein passiver Sensor eine Position eines

Umgebungsobjektes erfasst, so besteht eine hohe Wahrscheinlichkeit, dass das Umgebungsobjekt an der erfassten Position tatsächlich vorhanden ist. Jedoch sind passive Sensoren im Vergleich zu aktiven Sensoren relativ unzuverlässig, wenn es darum geht, Freiräume zu erkennen. Freiräume sind dabei Bereiche in dem Fahrzeugumfeld, in denen sich kein Umgebungsobjekt befindet. So kann eine Position eines sich annähernden Fremdfahrzeugs beispielsweise durch zwei akustische Sensoren, welche einen passiven Sensor bilden, zuverlässig erfasst werden, wenn diese ein Motorengeräusch des Fremdfahrzeuges auffangen. Dahingegen kann nicht zuverlässig erfasst werden, ob sich zwischen dem passiven akustischen Sensor und dem Fremdfahrzeug ein weiteres Objekt befindet, welches eventuell kein erfassbares Geräusch abgibt. Über solche Freiräume kann nur mittels aktiver Sensoren eine zuverlässige Aussage getroffen werden. Durch das erfindungsgemäße Verfahren wird dieser

Gewichtung unterschiedlicher Sensortypen Rechnung getragen. Die

sensorspezifische Messunsicherheiten wird insbesondere dadurch abgebildet, dass auch solche Voxel, die in einem vordefinierten Ellipsoid um ein Voxel liegen, dessen zugehöriger Umfeldpunkt im Umfeld des Fahrzeuges einem durch einen passiven Sensor erfassten Objekt entspricht, ebenfalls erhöht wird.

Bevorzugt wird ein Voxel als belegt gekennzeichnet, wenn die

Bewegungswahrscheinlichkeit über einem vorgegebenen ersten Grenzwert liegt. Somit kann verhindert werden, dass ein Voxel als belegt angesehen wird, wenn eine nicht ausreichende Belegungswahrscheinlich vorliegt, was beispielsweise durch Messungenauigkeiten verursacht sein kann.

Auch ist es vorteilhaft, wenn ein Voxel als unbelegt gekennzeichnet wird, wenn die Belegungswahrscheinlichkeit unter einem vorgegebenen zweiten Grenzwert liegt. Somit wird verhindert, dass ein Voxel als unbelegt angesehen wird, obwohl dieses belegt ist, da auch auf diese Weise Messungenauigkeiten korrigiert werden können.

Ferner ist es vorteilhaft, wenn die Belegungswahrscheinlichkeit eines Voxels gegen einen vorgegebenen Wert konvergiert, wenn die

Belegungswahrscheinlichkeit für dieses Voxel über ein vorgegebenes Zeitintervall hinweg nicht verändert wurde. Der vorgegebene Wert liegt dabei bevorzugt zwischen dem ersten Grenzwert und dem zweiten Grenzwert. Dies Bedeutet mit anderen Worten, dass die Belegungswahrscheinlichkeit eines Voxels so lange verändert wird, bis diese den vorgegebenen Wert erreicht hat, wenn die Belegungswahrscheinlichkeit für dieses Voxel über ein vorgegebenes

Zeitintervall hinweg nicht verändert wurde. Dabei ist es insbesondere vorteilhaft, wenn die Belegungswahrscheinlichkeit dieses Voxels Schritt für Schritt verändert wird, wenn die Belegungswahrscheinlichkeit für dieses Voxel zuvor über ein vorgegebenes Zeitintervall hinweg nicht reduziert wurde und/oder nicht erhöht wurde. Insbesondere wird die Belegungswahrscheinlichkeit nur für solche Voxel verändert, die nicht zu der ersten Vielzahl von Voxeln gehören. Auf diese Weise kann die Belegungswahrscheinlichkeit auch für solche Voxel abgeschätzt werden, für welche aktuell keine Sensorinformationen vorliegen. Ebenfalls ist es vorteilhaft, wenn das Verfahren in einer Schleife ausgeführt wird, wobei die Belegungswahrscheinlichkeiten der Voxel des Voxeltensors durch den aktiven Sensor und/oder den passiven Sensor kontinuierlich aktualisiert werden. Somit wird insbesondere bei einer Bewegung des Fahrzeuges das Umfeld des Fahrzeuges abgetastet, da jeder an dem Fahrzeug angeordnete Sensor durch die Bewegung des Fahrzeuges beständig neue Bereiche des Umfeldes erfasst.

Dabei kann bei einzelnen Durchläufen des Verfahrens auch eine Aktualisierung der Belegungswahrscheinlichkeiten nur mittels passiver Sensoren oder nur mittels aktiver Sensoren erfolgen. Auch ist es vorteilhaft, wenn mehrere aktive und/oder mehrere passive Sensoren an dem Fahrzeug angeordnet sind. So ist es insbesondere vorteilhaft, wenn das Verfahren ferner die folgenden Schritte umfasst: Eine Auswahl einer zweiten Vielzahl von Voxeln des Voxeltensors, die zusammen einen Erfassungsraum eines zweiten aktiven Sensors des

Fahrzeuges nachbilden, ein Durchführen einer Distanzmessung mittels des zweiten aktiven Sensors, um eine zweite Erfassungsdistanz zu einem zweiten Umgebungsobjekt zu ermitteln, eine Auswahl einer ersten Untermenge der zweiten Vielzahl von Voxeln des Voxeltensors, deren zugehörige Umfeldspunkte in dem Umfeld des Fahrzeuges einen Abstand zu dem zweiten aktiven Sensor aufweisen, der kleiner ist als die zweite Erfassungsdistanz, und ein Reduzieren einer Belegungswahrscheinlichkeit für die ausgewählte erste Untermenge der zweiten Vielzahl von Voxeln. Auf diese Weise können die Sensorinformationen mehrerer Sensoren auf einfache Weise in einem einzelnen Voxeltensor zusammengeführt werden. Abhängig von dessen Lage in dem Umfeld des Fahrzeuges kann das zweite Umgebungsobjekt auch gleich dem ersten

Umgebungsobjekt sein. Die Erfassungsdistanz zu dem zweiten

Umgebungsobjekt ist der Abstand zwischen dem zweiten Sensor und dem zweiten Umgebungsobjekt. Wird ein Bereich der Fahrzeugumgebung durch zwei aktive Sensoren erfasst, so kann eine höhere Zuverlässigkeit für den Wert der Belegungswahrscheinlichkeit für die zugehörigen Voxel erreicht werden. Dabei ist es ebenfalls vorteilhaft, wenn das erfindungsgemäße Verfahren ferner eine Auswahl einer zweiten Untermenge der zweiten Vielzahl von Voxeln des

Voxeltensors umfasst, deren zugehörige Umfeldpunkte in dem Umfeld des Fahrzeuges einen Abstand zu dem zweiten aktiven Sensor aufweisen, der größer ist als die zweite Erfassungsdistanz, und ein Erhöhen einer

Belegungswahrscheinlichkeit für die ausgewählte zweite Untermenge der zweiten Vielzahl von Voxeln umfasst.

Ferner ist es vorteilhaft, wenn das Verfahren ferner ein Vorhersagen oder Planen einer Bewegungstrajektorie für das Fahrzeug basierend auf den

Belegungswahrscheinlichkeiten der Voxel des Voxeltensors umfasst. Da mit dem Voxeltensor ein Umfeld des Fahrzeuges repräsentiert ist, kann durch diesen ein

Einfluss der Umgebung auf das Fahrzeug vorhergesagt werden und eine Bewegungstrajektorie vorteilhaft geplant werden. So kann eine

Bewegungstrajektorie beispielsweise so geplant werden, dass es zu keiner Kollision zwischen dem Fahrzeug und einem Umgebungsobjekt kommt.

Alternativ oder zusätzlich kann ein Bewegungstrajektorie auch lediglich vorhergesagt werden, indem beispielsweise eine aktuelle Bewegung des Fahrzeuges ermittelt wird und ein zukünftige Bewegung in dem Voxeltensor extrapoliert wird. Insbesondere wird dabei auf weitere Sensoren des Fahrzeuges zugegriffen, welche auf eine zukünftige Bewegung des Fahrzeuges schließen lassen.

Auch ist es vorteilhaft, wenn das Verfahren ein Übertragen eines

Fahrzeugmodells des Fahrzeuges in den Voxeltensor umfasst, wobei das Fahrzeugmodell entsprechend der Bewegungstrajektorie in dem Voxeltensor angeordnet oder bewegt wird, und ferner ein Prüfen umfasst, ob ein Abschnitt des Fahrzeugmodells des Fahrzeuges auf einem Voxel des Voxeltensors angordnet ist, welches als belegt gekennzeichnet ist. Das Fahrzeugmodell ist dabei ein räumliches Modell des Fahrzeuges. Auf diese Weise kann auf einfache Weise ermittelt werden, ob es bei einer bestimmten Bewegungstrajektorie zu einer Kollision zwischen einem Umgebungsobjekt und dem Fahrzeug kommen kann. Durch das Fahrzeugmodell werden dabei spezifische Eigenheiten des Fahrzeuges berücksichtigt. So kann beispielsweise eine Unterbodenfreiheit oder eine Kontur der Fahrzeugkarosserie berücksichtigt werden. Ferner ist es vorteilhaft, wenn das erfindungsgemäße Verfahren ferner ein Prüfen umfasst, bei dem basierend auf der Bewegungstrajektorie und den

Belegungswahrscheinlichkeiten der Voxel des Voxeltensors geprüft wird, ob eine ausreichende Durchfahrts-Höhe für ein Passieren des Fahrzeuges oder eines Fahrzeugabschnittes gegeben ist, und/oder basierend auf der

Bewegungstrajektorie und den Belegungswahrscheinlichkeiten der Voxel des

Voxeltensors geprüft wird, ob eine Unebenheit überfahrbar ist. Dem Fahrer oder einem beliebigen Fahrzeugsystem kann somit eine Information bereitgestellt werden, ob es bei einer geplanten oder zu erwartenden Bewegungstrajektorie zu einer Kollision des Fahrzeuges mit einem Umgebungsobjekt kommt. Ein

Fahrzeugabschnitt ist dabei ein Teilbereich des Fahrzeuges, beispielsweise dessen Frontbereich oder Heckbereich. So kann beispielsweise festgestellt werden, ob ein Objekt teilweise unterfahren werden kann und eine

Bewegungstrajektorie kann entsprechend angepasst werden und/oder eine Warnung kann ausgegeben werden. So ist beispielsweise eine Abschätzung möglich, ob ein Garagenregal von dem Fahrzeug teilweise unterfahren werden kann. Auch ist eine Abschätzung möglich, ob eine Bodenfreiheit des Fahrzeuges ausreichend ist, um einen Randstein zu überfahren. Es wird somit ein System geschaffen, welches eine Überfahrwarnung und/oder eine Unterfahrwarnung bereitstellen kann, wenn eine Kollision zu befürchten ist. Dabei wird die Lage des dreidimensionalen Fahrzeugmodells in dem Voxeltensor bevorzugt so gewählt, dass dieses auf dem in dem Voxeltensor wiedergegebenen Boden des Umfeldes des Fahrzeuges steht. Somit kann auch eine Neigung des Fahrzeuges berücksichtigt werden. Insbesondere kann so ein Aufsetzen des Fahrzeuges vorhergesagt werden. Die Durchfahrts-Höhe ist dabei bevorzugt eine lichte Höhe. Auch ist es vorteilhaft, wenn das Verfahren ein Ermitteln eines Steigungskoeffizienten basierend auf der Belegungswahrscheinlichkeit der Voxel umfasst, wobei der Steigungskoeffizient einen Neigungswinkel des Fahrzeuges beschreibt, den dieses annimmt, wenn dieses sich in einer bestimmten Position befindet, die sich in dem durch den Voxeltensor repräsentierten Umfeld befindet.

Auf diese Weise können Parameter für eine Fahrzeugsteuerung vorhergesagt werden, die von dem Steigungskoeffizienten abhängen. So kann beispielsweise ein Getriebe in einen niedrigen Gang geschaltet werden, wenn der

Steigungskoeffizient auf einen großen Steigungskoeffizienten schließen lässt, der auf der Bewegungstrajektorie des Fahrzeuges liegt.

Bevorzugt erfolgt dabei ein Optimieren einer Planung einer Bewegungstrajektorie basierend auf den Steigungskoeffizienten, die sich für Wegpunkte entlang möglicher Bewegungstrajektorien ergeben. Die erfolgt bevorzugt auf einer Kostenfunktion, wobei den Steigungskoeffizienten der Wegpunkte ein

Kostenfaktor zugeordnet wird, welcher insbesondere maximiert oder minimiert wird. Somit kann eine optimale Bewegungstrajektorie ermittelt werden, welche beispielsweise unter minimalen Energieaufwand oder minimaler Motordrehzahl befahren werden kann.

Auch ist eine Vorrichtung zum Auswerten eines Umfeldes eines Fahrzeuges vorteilhaft, die eine Auswertungseinheit umfasst, die dazu eingerichtet ist, das erfindungsgemäße Verfahren auszuführen. Die Vorrichtung umfasst bevorzugt eine Auswerteeinheit in Form einer digitalen Recheneinheit, und umfasst weiter bevorzugt den ersten aktiven Sensor. Eine solche Vorrichtung weist alle Vorteile des Verfahrens auf.

Kurze Beschreibung der Zeichnungen Nachfolgend werden Ausführungsbeispiele der Erfindung unter Bezugnahme auf die begleitende Zeichnung im Detail beschrieben. In der Zeichnung ist:

Figur 1 ein Ablaufdiagramm eines Verfahrens zum Auswerten eines

Umfeldes eines Fahrzeuges gemäß einer ersten Ausführungsform der Erfindung, Figur 2 eine Darstellung eines Fahrzeuges mit einer Vorrichtung, die dazu eingerichtet ist, das Verfahren gemäß der ersten

Ausführungsform auszuführen,

Figur 3 eine grafische Darstellung eines beispielhaften Voxeltensors, in der ein Fahrzeugmodell des Fahrzeuges angeordnet ist,

Figur 4 eine zweidimensionale grafische Darstellung eines

beispielhaften Voxeltensors, in der das Fahrzeugmodell angeordnet ist, eine grafische Darstellung eines beispielhaften Erfassungsraumes eines ersten aktiven Sensors und eine Nachbildung dieses Erfassungsraumes durch eine erste Vielzahl von Voxeln,

Figur 6 eine Darstellung eines beispielhaften Voxeltensors mit dem darin angeordneten Fahrzeugmodell des Fahrzeuges in einem beispielhaften ersten Umfeld des Fahrzeuges, und

Figur 7 eine Darstellung eines beispielhaften Voxeltensors mit dem darin angeordneten Fahrzeugmodell in einem beispielhaften zweiten Umfeld des Fahrzeuges.

Ausführungsformen der Erfindung

Figur 1 zeigt ein Ablaufdiagramm eines Verfahrens zum Auswerten eines Umfeldes eines Fahrzeuges 10 gemäß einer ersten Ausführungsform der Erfindung. Das Verfahren wird von einer Vorrichtung 15 ausgeführt, die in dem Fahrzeug 10 angeordnet ist.

Figur 2 zeigt eine Darstellung des Fahrzeuges 10 mit der Vorrichtung 15. Die Vorrichtung 15 ist in dieser ersten Ausführungsform eine digitale Recheneinheit. An die Vorrichtung 15 ist ein erster aktiven Sensor 11 , ein zweiter aktiven Sensor 12, ein dritter aktiven Sensor 13 und ein vierter aktiven Sensor 14 über jeweils eine Datenleitung angekoppelt. Der erste bis vierte aktive Sensor 11 , 12, 13, 14 ist in dieser ersten Ausführungsform jeweils ein Ultraschallsensor. Der erste aktive Sensor 11 erfasst den Abstand zu Objekten, die vor dem Fahrzeug 10 angeordnet sind. Der zweite aktive Sensor 12 erfasst einen Abstand zu Objekten, die rechts neben dem Fahrzeug angeordnet sind. Der dritte aktive Sensor 13 erfasst einen Abstand zu Objekten, die hinter dem Fahrzeug 10 angeordnet sind.

Der vierte aktive Sensor 14 erfasst einen Abstand zu Objekten, die links neben dem Fahrzeug 10 angeordnet sind. Ferner ist an dem Fahrzeug 10 ein erster passiver Sensor 18 angeordnet, der eine Stereokamera ist. Dabei ist eine erste Kamera 18a und eine zweite Kamera 18b der Stereokamera an dem Fahrzeug angeordnet.

Das Verfahren wird gestartet, wenn die Vorrichtung 15 in Betrieb genommen wird. Nachdem das Verfahren gestartet wurde, wird ein erster Schritt 101 des Verfahrens ausgeführt. In dem ersten Schritt 101 erfolgt ein Bereitstellen eines Voxeltensors 1 , die ein Umfeld des Fahrzeuges 10 repräsentiert. Der Voxeltensor 1 ist ein Koordinatensystem mit drei Achsen, wobei ein Ursprung des

Koordinatensystems eine aktuelle Position des Fahrzeuges 10 repräsentiert. Ein beispielhafter Voxeltensor 1 ist in Figur 3 gezeigt.

Figur 3 zeigt eine grafische Darstellung des beispielhaften Voxeltensors 1 , in der ein Fahrzeugmodell 4 des Fahrzeuges 10 angeordnet ist. Das Fahrzeugmodell 4 ist eine dreidimensionale Darstellung des Fahrzeuges 10. In dieser grafischen Darstellung des Voxeltensors 1 ist ersichtlich, dass der Voxeltensor 1 aus einer Vielzahl von Voxeln 2 besteht. Dabei sind in dieser beispielhaften Darstellung des Voxeltensors 1 nur die Voxel 2 zu erkennen, welche als belegt

gekennzeichnet sind. Voxel 2, die als unbelegt gekennzeichnet sind, sind in Figur 3 transparent und daher nicht erkenntlich. Das Fahrzeugmodell 4 des

Fahrzeuges 10 ist in einem Ursprung des Voxeltensors 1 angeordnet und bildet die tätsächlichen Dimensionen des Fahrzeuges 10 nach.

In dem ersten Schritt 101 wird somit ein mathematisches Konstrukt erzeugt, wobei für jedes Voxel 2 des Voxeltensors 1 ein Wert hinterlegt werden kann. Dieser Wert ist in dieser ersten Ausführungsform eine

Belegungswahrscheinlichkeit. Die Belegungswahrscheinlichkeit ist ein Wert, welcher eine Wahrscheinlichkeit wiedergibt, dass sich an einem Punkt in dem tatsächlichen Umfeld des Fahrzeuges 10, welche einem Voxel 2 zugehörig ist, ein Objekt befindet. So könnte die Belegungswahrscheinlichkeit beispielsweise ein Wert zwischen 0 und 1 sein, wobei 0 bedeutet, dass sich an diesem Punkt sicher kein Objekt befindet und 1 bedeutet, dass an diesem Punkt sicher ein Objekt befindlich ist. Der Wert 0,5 bedeutet enstsprechend, dass keine sichere

Aussage darüber getroffen werden kann, ob sich an dem zugehörigen

Umfeldpunkt in dem Umfeld des Fahrzeuges ein Objekt befindet.

Es wird darauf verwiesen, dass der in Figur 3 dargestellte Voxeltensor 1 lediglich eine beispielhafte Visualisierung des Voxeltensors 1 ist, um das Verständnis der

Erfindung zu erleichtern. Eine alternative Darstellung des Voxeltensors 1 ist in Figur 4 gezeigt. Dabei sind die einzelnen Voxel 2 nicht in deren Umfang dargestellt. Es ist ersichtlich, dass einige Bereiche A als als„unbelegt" gekennzeichnet sind, andere Bereiche B als„belegt" gekennzeichnet sind und weitere Bereiche C als„unbekannt" gekennzeichnet sind. Im Zentrum der

Darstellung ist das Fahrzeugmodell 4 angeordnet, welches hier aufgrund der zweidimensionalen Darstellung in einer Draufsicht dargestellt ist.

Nach dem ersten Schritt 101 wird ein zweiter Schritt 102 ausgeführt. In dem zweiten Schritt 102 erfolgt eine Auswahl einer ersten Vielzahl 3 von Voxeln 2 des

Voxeltensors 1 , die zusammen einen Erfassungsraum 16 des ersten aktiven Sensors 11 des Fahrzeuges 10 nachbilden. Der Erfassungsraum 16 des ersten aktiven Sensors 1 1 ist in Figur 5 ganz links in einer ersten Ansicht dargestellt. Ferner ist dieser in der Mitte der Figur 5 aus einer zweiten Ansicht dargestellt. Der erste aktive Sensor 11 ist in dieser ersten Ausführungsform der Erfindung ein

Ultraschallsensor, der ein akustisches Signal aussendet und dieses wieder empfängt. Aus dem Zeitintervall zwischen Aussenden des akustischen Signals und Empfangen des akustischen Signals wird auf einen Abstand zu einem Objekt geschlossen, das sich vor dem ersten aktiven Sensor 11 befindet. Weitere Informationen bezüglich der Lage des Objektes liegen dabei in dieser ersten

Ausführungsform zunächst nicht vor. Wird eine Reflektion des akustischen Signals durch den ersten aktiven Sensor 11 empfangen, so befindet sich das Objekt in dem Erfassungsraum 16 des ersten aktiven Sensors 11. Der Erfassungsraum 16 wird durch eine erste Vielzahl 3 von Voxeln 2 des Voxeltensors 1 nachgebildet. Eine Nachbildung des Erfassungsraums 16 des ersten aktiven Sensors 11 ist in Figur 5 ganz rechts dargestellt. Es ist ersichtlich, dass die erste Vielzahl 3 von Voxeln 2 derart ausgewählt ist, dass der

Erfassungsraum 16 des ersten aktiven Sensors 11 in zumindest ähnlicher Form wiedergegeben, also nachgebildet ist. Dabei erstreckt sich die erste Vielzahl 3 von Voxeln 2 von einem ersten Sensorvoxel 5 ausgehend, dessen Position in dem Voxeltensor 1 einer Position entspricht, welche der erste aktive Sensor 1 1 in dem tatsächlichen Umfeld des Fahrzeuges einnimmt. Auch wenn die erste Vielzahl 3 von Voxeln 2 in Figur 5 außerhalb des Voxeltensors 1 dargestellt sind, ist die erste Vielzahl 3 von Voxeln 2 eine Auswahl von Voxeln 2 des Voxeltensors 1.

Da der erste Sensor 11 einen Bereich vor dem Fahrzeug 10 erfasst, ist dieser an einer Front des Fahrzeuges 10 angeordnet. Entsprechend ist das erste

Sensorvoxel 5 an einer Front des Fahrzeugmodells 4 in dem Voxeltensor 1 angeordnet. Die erste Vielzahl 3 von Voxeln 2 liegt somit in einer bildlichen Darstellung des Voxeltensors 1 vor dem Fahrzeugmodell 4 des Fahrzeuges 10 und erstreckt sich somit von der Front des Fahrzeugmodells 4 des Fahrzeuges 10 ausgehend von dem Koordinatenursprung des Voxeltensors 1 weg.

Ferner erfolgt in dem zweiten Schritt 102 eine Auswahl einer zweiten Vielzahl von Voxeln 2 des Voxeltensors 1 , die zusammen einen Erfassungsraum des zweiten aktiven Sensors 12 des Fahrzeuges 10 nachbilden. Dies erfolgt entsprechend der Auswahl der ersten Vielzahl 3 von Voxeln 2 des Voxeltensors 1 , wobei die zweite Vielzahl entsprechend der tatsächlichen Position des zweiten aktiven Sensors 12 in dem Voxeltensor 1 ausgewählt wird. Somit ist die zweite Vielzahl von Voxeln 2 des Voxeltensors 1 eine Vielzahl von Voxeln 2, die rechts neben dem Fahrzeugmodell 4 des Fahrzeuges 10 in dem Voxeltensor 1 liegen. Entsprechend wird zudem eine dritte Vielzahl von Voxeln 2 des Voxeltensors 1 für den dritten aktiven Sensor 13 und eine vierte Vielzahl von Voxeln des

Voxeltensors 1 für den vierten aktiven Sensor 14 des Fahrzeuges 10 ausgewählt.

Nach dem zweiten Schritt 102 wird ein dritter Schritt 103 durchgeführt. In dem dritten Schritt 103 erfolgt eine Distanzmessung mittels des ersten aktiven Sensors 1 1 , um eine erste Erfassungsdistanz 17 zu einem ersten

Umgebungsobjekt zu ermitteln. Es wird also eine Abstandsmessung durch den ersten aktiven Sensor 11 durchgeführt. Die erste Erfassungsdistanz 17 ist somit ein Abstand zwischen dem Objekt und dem ersten aktiven Sensor 1 1 in dem tatsächlichen Umfeld des Fahrzeuges 10. Das erste Umgebungsobjekt ist dabei ein tatsächliches Objekt, welches sich in der Umgebung des FahrzeugeslO, in diesem Falle vor dem Fahrzeug 10, befindet.

Ferner erfolgt in dem dritten Schritt 103 eine Distanzmessung mittels des zweiten aktiven Sensors 12, um eine zweite Erfassungsdistanz zu einem zweiten

Umgebungsobjekt zu ermitteln. Es wird also eine Abstandsmessung durch den zweiten aktiven Sensor 12 durchgeführt. Die zweite Erfassungsdistanz ist somit ein Abstand zwischen dem Objekt und dem zweiten Sensor 12 in dem

tatsächlichen Umfeld des Fahrzeuges 10. Das zweite Umgebungsobjekt ist dabei ein tatsächliches Objekt, welches sich in der Umgebung des FahrzeugeslO, in diesem Falle rechts neben dem Fahrzeug 10, befindet. Überschneiden sich die Erfassungsräume des ersten aktiven Sensors 11 und des zweiten aktiven Sensors 12, so kann das erste Umgebungsobjekt gleichzeitig auch das zweite Umgebungsobjekt sein. In entsprechender Weise erfolgt eine Distanzmessung durch den dritten und vierten aktiven Sensor 13, 14, um eine dritte und vierte Erfassungsdistanz zu ermitteln.

Nach dem dritten Schritt 103 wird ein vierter Schritt 104 ausgeführt. In dem vierten Schritt 104 erfolgt eine Auswahl einer ersten Untermenge 6a der ersten Vielzahl 3 von Voxeln 2 des Voxeltensors 1 , deren zugehörige Umfeldpunkte in dem Umfeld des Fahrzeuges 10 einen Abstand zu dem ersten aktiven Sensor 11 aufweisen, der kleiner ist als die erste Erfassungsdistanz 17. Da der Voxeltensor 1 eine Abbildung des Umfeldes des Fahrzeuges 10 ist, kann die erste

Erfassungsdistanz 17 in einen Wert umgewandelt werden, der eine zugehörige Distanz in dem Voxeltensor 1 beschreibt. So könnte beispielsweise jedes Voxel 2 eine Ausdehnung von 10 x 10 x 10 cm aufweisen, wenn diese in das tatsächliche Umfeld des Fahrzeuges 10 übertragen werden. Umgekehrt kann in diesem Beispiel eine Erfassungsdistanz von 1 ,5 Meter als eine Aneinanderreihung von 15 Voxel 2 in dem Voxeltensor 1 dargestellt werden. Die erste Erfassungsdistanz 17 wird also in den Voxeltensor 1 übertragen und alle Voxel 2 der ersten Vielzahl 3 von Voxeln 2, deren Abstand zu dem ersten Sensorvoxel 5 geringer ist als die übertragene erste Erfassungsdistanz 17, werden ausgewählt und bilden die Untermenge 6a der ersten Vielzahl 3 von Voxeln 2.

Zudem erfolgt in dem vierten Schritt 104 eine Auswahl einer zweiten Untermenge 6b der ersten Vielzahl 3 von Voxeln 2 des Voxeltensors 1 , deren zugehörige Umfeldpunkte in dem Umfeld des Fahrzeuges 10 einen Abstand zu dem ersten aktiven Sensor 11 aufweisen, welcher in dem Umfeld des Fahrzeuges 10 in einem Bereich liegen, welcher durch die erste Erfassungsdistanz und einen Toleranzwert definiert ist. So werden beispielsweise die Voxel 2 der ersten Vielzahl 3 von Voxeln 2 des Voxeltensors 1 ausgewählt, deren zugehörige Umfeldpunkte in dem Umfeld des Fahrzeuges 10 einen Abstand zu dem Sensor aufweisen, der größer ist als die erste Erfassungsdistanz aber kleiner ist als die erste Erfassungsdistanz zuzüglich eines Toleranzwertes von beispielsweise 10 cm. Die zweite Untermenge 6b wird dabei durch die Voxel 2 der ersten Vielzahl 3 von Voxeln 2 des Voxeltensors 1 gebildet, welche nicht von der ersten

Untermenge 6a umfasst sind aber an diese angrenzen. Die übrigen Voxel 2 der ersten Vielzahl 3 von Voxeln 2 des Voxeltensors 1 , welche nicht von der ersten Untermenge 6a oder der zweiten Untermenge 6b umfasst sind, bilden eine dritte Untermenge 6c.

In die Darstellung der ersten Vielzahl 3 von Voxeln 2 in Figur 5 ist dazu ebenfalls die erste Erfassungsdistanz 17 mit einem beispielhaften Wert eingetragen, auch wenn diese eigentlich ein Wert aus der tatsächlichen Umgebung des Fahrzeuges 10 ist. Es ist ersichtlich, dass nur solche Voxel 2 zu der ersten Untermenge 6a der ersten Vielzahl 3 von Voxeln 2 gezählt werden, die näher als die übertragene Erfassungsdistanz 17 an dem ersten Sensorvoxel 5 liegen. Entsprechend ist ersichtlich, dass nur solche Voxel 2 zu der zweiten Untermenge 6b der ersten Vielzahl 3 von Voxeln 2 gezählt werden, die weiter als die übertragene erste Erfassungsdistanz 17 von dem ersten Sensorvoxel 5 entfernt liegen, jedoch nicht weiter als die übertragene erste Erfassungsdistanz 17 zuzüglich des

Toleranzwertes von dem ersten Sensorvoxel 5 entfernt liegen.

In entsprechender Weise wird in dem vierten Schritt auch eine erste und zweite Untermenge der zweiten Vielzahl 3 von Voxeln 2 des Voxeltensors 1 basierend auf der zweiten Erfassungsdistanz ausgewählt. Zudem wird jeweils eine erste und zweite Untermenge der dritten und vierten Vielzahl von Voxeln 2 des Voxeltensors 1 basierend auf der dritten und vierten Erfassungsdistanz ausgewählt.

Nach dem vierten Schritt 104 wird ein fünfter Schritt 105 ausgeführt. In dem fünften Schritt 105 erfolgt ein Reduzieren einer Belegungswahrscheinlichkeit für die ausgewählte erste Untermenge der ersten Vielzahl 3 von Voxeln 2. Wie zuvor beschrieben kann für jedes Voxel 2 des Voxeltensors 1 eine

Belegungswahrscheinlichkeit gespeichert werden. In dieser ersten

Ausführungsform der Erfindung sei angenommen, dass die

Belegungswahrscheinlichkeit aller Voxel 2 des Voxeltensors 1 , die außerhalb des Fahrzeugmodells 4 des Fahrzeuges 10 liegen, zunächst auf 0, 5 gesetzt ist. In diesem fünften Schritt S105 wird die Belegungswahrscheinlichkeit reduziert, indem ein vorgegebener Wert von der jeweiligen Belegungswahrscheinlichkeit abgezogen wird. So wird für die erste Untermenge 6a der ersten Vielzahl 3 von Voxeln 2 bei jedem Durchgang des Verfahrens ein vorgegebener Wert, beispielsweise der Wert 0, 1 , abgezogen. Dieser vorgegebene Wert ist dabei jedoch lediglich beispielhaft gewählt und kann auf einen beliebigen Wert oder auch variabel gewählt werden.

Ferner erfolgt in dem fünften Schritt 105 ein Erhöhen einer

Belegungswahrscheinlichkeit für die ausgewählte zweite Untermenge 6b der ersten Vielzahl 3 von Voxeln 2. Die Belegungswahrscheinlichkeit wird erhöht, indem ein vorgegebener Wert zu der jeweiligen Belegungswahrscheinlichkeit addiert wird. So wird für die zweite Untermenge 6b der ersten Vielzahl 3 von Voxeln 2 bei jedem Durchgang des Verfahrens ein vorgegebener Wert, beispielsweise der Wert 0,1 , addiert. Dieser vorgegebene Wert ist dabei jedoch lediglich beispielhaft gewählt und kann auf einen beliebigen Wert oder auch variabel gewählt werden.

In entsprechender Weise wird die Belegungswahrscheinlichkeit der Voxel 2, welche die ausgewählte erste Untermenge der zweiten Vielzahl von Voxeln 2, die ausgewählte erste Untermenge der dritten Vielzahl von Voxeln 2 und die ausgewählte erste Untermenge der vierten Vielzahl von Voxeln 2 bilden, ebenfalls reduziert. In entsprechender Weise wird ferner die

Belegungswahrscheinlichkeit der Voxel 2, welche die ausgewählte zweite Untermenge der zweiten Vielzahl von Voxeln 2, die ausgewählte zweite

Untermenge der dritten Vielzahl von Voxeln 2 und die ausgewählte zweite Untermenge der vierten Vielzahl von Voxeln 2 bilden, ebenfalls erhöht.

Nach dem fünften Schritt 105 wird ein sechster Schritt 106 ausgeführt. In dem sechsten Schritt 106 erfolgt ein Kennzeichnen eines Voxels 2 als von einem Objekt belegt, wenn die Belegungswahrscheinlichkeit des Voxels 2 über einem vorgegebenen ersten Grenzwert liegt. Zudem erfolgt ein Kennzeichnen dieses

Voxels 2 als von einem Objekt unbelegt, wenn die Belegungswahrscheinlichkeit unter einem vorgegebenen zweiten Grenzwert liegt. So ist der erste Grenzwert beispielsweise auf einen Wert von 0,6 festgelegt und der zweite Grenzwert auf einen Wert von 0,4 festgelegt. Der erste und der zweite Grenzwert sind hier jedoch nur beispielhaft angegeben. Diese können beliebig gewählt werden, solange der erste Grenzwert größer als der zweite Grenzwert ist.

Es wird somit jedes Voxel 2 des Voxeltensors 1 dahingehend geprüft, ob dessen Belegungswahrscheinlichkeit größer als der erste Grenzwert ist. Ist dieses der Fall, so wird dieses als„belegt" gekennzeichnet, das bedeutet, dass

angenommen wird, dass sich an der dem Voxel 2 entsprechenden Stelle in dem tatsächlichen Umfeld des Fahrzeuges 10 ein Objekt befindet. Ferner wird geprüft, ob die Belegungswahrscheinlichkeit unter dem zweiten Grenzwert liegt. Ist dies der Fall, so wird davon ausgegangen, dass an dem Punkt, der diesem Voxel 2 in dem tatsächlichen Umfeld des Fahrzeuges 10 entspricht, kein Objekt liegt. Das

Voxel wird als„unbelegt" gekennzeichnet. Für die Voxel, deren

Belegungswahrscheinlichkeit zwischen dem ersten und dem zweiten Grenzwert liegt, ist unklar, ob dort ein Objekt in dem tatsächlichen Umfeld des Fahrzeuges liegt. Das Voxel 2 wird als„unbekannt" gekennzeichnet. Für diese Voxel 2 könnte beispielsweise eine zusätzliche Verifizierung der Belegungswahrscheinlichkeit durch eine weitere Sensormessung erfolgen. Wird der erste Grenzwert gleich dem zweiten Grenzwert gewählt, wird jedes der Voxel 2 als entweder belegt oder unbelegt gekennzeichnet. Ein unklarer Fall tritt nichtmehr auf. Nach dem sechsten Schritt 106 des Verfahrens wird ein siebter Schritt 107 ausgeführt. In dem siebten Schritt 107 wird die Belegungswahrscheinlichkeit eines Voxels 2 so verändert, dass diese gegen einen vorgegebenen Wert konvergiert, wenn die Belegungswahrscheinlichkeit für dieses Voxel 2 über ein vorgegebenes Zeitintervall hinweg nicht verändert wurde. Der vorgegebene Wert ist ein Wert, welcher zwischen dem ersten Grenzwert und dem zweiten

Grenzwert liegt. So ist der vorgegebene Wert hier zu 0,5 gewählt.

So wird bei jedem Reduzieren einer Belegungswahrscheinlichkeit eine

Zeitvariable für jedes Voxel 2 auf einen vorgegebenen Wert, beispielsweise 5, gesetzt. Bei jedem Durchlauf des Verfahrens wird dieser Wert um den Wert 1 dekrementiert, falls die Belegungswahrscheinlich dieses Voxels 2 nicht reduziert oder erhöht wird. Somit erreicht dieser Wert nach einer gegebenen Anzahl an Verfahrensdurchläufen den Wert 0, falls die Belegungswahrscheinlichkeit für dieses Voxel nicht erhöht oder reduziert wurde. Hat diese Variable den Wert 0 erreicht, so wird die Belegungswahrscheinlichkeit des zugehörigen Voxels 2 reduziert, falls diese über dem vorgegebenen Wert liegt und wird erhöht, falls diese unter dem vorgegebenen Wert liegt. So wird beispielsweise ein konstanter Wert, beispielsweise 0,1 , von der jeweiligen Belegungswahrscheinlichkeit addiert oder subtrahiert. Es wird somit eine Alterung von Messdaten implementiert. Liegt für ein Voxel 2 über eine bestimmte Zeit kein neuer Messwert vor, konvergiert dessen Belegungswahrscheinlichkeit gegen den vorgegebenen Wert, bis das Voxel als„unbekannt" gekennzeichnet wird.

Nach dem siebten Schritt 107 verzweigt das Verfahren zurück auf den zweiten Schritt 102 und wird fortan in einer Schleife ausgeführt, bis die Vorrichtung 15 außer Betrieb genommen wird.

Es wird somit der Effekt genutzt, dass, wenn eine Reflektion eines Sensorsignals des ersten aktiven Sensors 11 von diesem wieder empfangen wird, eine hohe Wahrscheinlichkeit dafür vorliegt, dass die Reflektion innerhalb des

Erfassungsraums 16 des ersten aktiven Sensors 11 erfolgt ist. Somit kann ausgehend von einer Position des ersten aktiven Sensors 11 , eine Lage des Objektes an einer Schnittfläche zwischen dessen Erfassungsraum 16 und einer um den ersten aktiven Sensor 11 aufgespannten Kugel, die den Radius des gemessenen Abstands aufweist, bestimmt werden. Dies gilt für alle aktiven Sensoren, die ein Messsignal aktiv aussenden. Da insbesondere

Ultraschalsensoren und Radarsensoren aktive Sensoren sind, kann eine Belegungswahrscheinlichkeit der Voxel 2, die zwischen dem Zentrum des jeweiligen Sensors und der oben beschriebenen Schnittfläche liegen, verringert werden.

In einer alternativen Ausführungsform, welche im Wesentlichen der ersten Ausführungsform entspricht, umfasst das Verfahren ferner ein Erfassen einer Position von Objekten in dem Umfeld des Fahrzeuges 10 mittels eines passiven

Sensors, beispielsweise des ersten passiven Sensors 18. Dabei wird durch die beiden Kameras 18a, 18b des ersten passiven Sensors 18 jeweils ein Bild erfasst. In Folge drauf werden in den Bildern gemeinsam dargestellte Objekte detektiert und eine Position dieser Objekte in der Umgebung des Fahrzeuges 10 wird mittels einer Triangulation errechnet. In dem fünften Schritt 105 wird zudem die Belegungswahrscheinlichkeit für die Voxel 2 des Voxeltensors 1 erhöht, deren zugehörige Umfeldpunkte in dem Umfeld des Fahrzeuges 10 der Position der durch den ersten passiven Sensor 18 erfassten Objekte entsprechen. Somit kann der Informationsgehalt des Voxeltensors 1 verifiziert und verbessert werden.

Auch in dieser alternativen Ausführungsform wird das Verfahren in einer Schleife ausgeführt, wobei die Belegungswahrscheinlichkeiten der Voxel 2 des

Voxeltensors 1 somit durch den ersten aktiven Sensor 1 1 und den ersten passiven Sensor 18 kontinuierlich aktualisiert werden.

Es sei darauf verwiesen, dass der erste aktive Sensor 1 1 auch ein anderer aktiver Sensor sein kann. Beispielsweise kann der erste aktive Sensor 1 1 ein LIDAR-Sensor sein. LIDAR-Sensoren senden und empfangen Licht, um einen Abstand zu reflektierten Oberflächen zu messen. Hierbei erfolgt zumeist eine punktweise Abtastung des Umfeldes des Fahrzeuges 10. Eine aktuelle Messung eines LIDAR-Sensors ergibt einen Punkt, der in dem Umfeld des Fahrzeuges 10 angeordnet ist. Dieser Punkt kann als ein Ellipsoid wiedergegeben werden. Eine Dimension des Ellipsoids gibt eine Kovarianz der Messung dieses Punktes wieder. Die Belegungswahrscheinlichkeit innerhalb des Ellipsoids wird erhöht. Die Erhöhung der Belegungswahrscheinlichkeit kann auch an den Kovarianzwert gebunden sein.

Die Vorrichtung 15 ist ferner dazu eingerichtet, den Voxeltensor 1 derart auszuwerten, dass Informationen für den Fahrer des Fahrzeuges 10

bereitgestellt werden können oder Informationen für eine Fahrzeugsteuerung bereitgestellt werden können. Dazu erfolgt beispielsweise ein Vorhersagen oder Planen einer Bewegungstrajektone 7 für das Fahrzeug 10 basierend auf den Belegungswahrscheinlichkeiten der Voxel 2 des Voxeltensors 1.

Dazu wird bei einem Vorhersagen einer Bewegungstrajektone 7 für das

Fahrzeug 10 die Bewegungstrajektone 7 beispielsweise dadurch ermittelt, dass ein Lenkeinschlag und eine Bewegungsgeschwindigkeit des Fahrzeuges 10 ausgelesen werden. In Figur 6 ist ein beispielhafter Voxeltensor 1 mit dem darin angeordneten Fahrzeugmodell 4 des Fahrzeuges 10 in einem beispielhaften ersten Umfeld des Fahrzeuges 10 gezeigt. Dabei wurde ermittelt, dass kein Lenkeinschlag des Fahrzeuges 10 vorliegt und das Fahrzeug 10 sich vorwärts bewegt. Entsprechend erstreckt sich die Bewegungstrajektone 7 gradlinig vor dem Fahrzeug 10 und somit auch geradlinig vor dem Fahrzeugmodell 4 des Fahrzeuges 10.

Alternativ wird die Bewegungstrajektone 7 von der Vorrichtung basierend auf den Belegungswahrscheinlichkeiten der Voxel 2 des Voxeltensors 1 geplant. So kann durch die Vorrichtung beispielsweise eine Startposition und eine Zielposition aus der tatsächlichen Umgebung des Fahrzeuges 10 in den Voxeltensor 1 übertragen werden. Dann wird eine Vielzahl potentieller Bewegungstrajektorien errechnet, welche die Startposition und die Zielposition verbinden. Das

Fahrzeugmodell 4 wird rechnerisch entsprechend der potentiellen

Bewegungstrajektorien zwischen der Startposition und der Zielposition bewegt. Solche Bewegungstrajektorien, bei denen es zu bei der rechnerischen Bewegung zu einer Kollision des Fahrzeugmodells 4 mit einem der in dem Voxeltensor 1 repräsentierten Umgebungsobjekten kommt werden verworfen. Um zu erkennen, ob es zu einer Kollision kommt, wird geprüft, ob ein Abschnitt des

Fahrzeugmodells 4 des Fahrzeuges 10 auf einem Voxel 2 des Voxeltensors 1 angordnet ist, welches als belegt gekennzeichnet ist. So kann das Fahrzeugmodell 4 bei der rechnerischen Bewegung nacheinander in

unterschiedlichen Positionen in dem Voxeltensors 1 angeordnet werden, und es wird für jede Position überprüft, ob die Belegungswahrscheinlichkeit der in dieser Position von dem Fahrzeugmodell 4 überlagerten Voxel 2 kleiner 0,4 ist, diese also als„unbelegt" gekennzeichnet sind. Ist dies für alle überlagerten Voxel 2 für alle möglichen Positionen des Fahrzeugmodells 4 entlang einer potentiellen Bewegungstrajektorie der Fall, so kommt es zu keiner Kollision. Die kürzeste der verbleibenden potentiellen Bewegungstrajektorien wird als geplante

Bewegungstrajektorie 7 an die Fahrzeugsteuerung übermittelt.

Somit wird das Fahrzeugmodell 4 des Fahrzeuges 10 in den Voxeltensor 1 übertragen und das Fahrzeugmodell 4 entsprechend der Bewegungstrajektorie 7 in dem Voxeltensor 1 bewegt.

Beispielhaft wird auf das erste Umfeld des Fahrzeuges 10, welches in Figur 6 dargestellt ist, verwiesen. Dieses zeigt eine Situation, in der vor dem Fahrzeug 10 eine Erhebung 8 sowie zwei Senken 9a, 9b liegen. Diese wurden durch das zuvor beschriebene Verfahren erfasst. In der tatsächlichen Umgebung des Fahrzeuges 10 könnten die Senken 9a, 9b beispielsweise Schlaglöcher sein. Zur Ermittlung der Überfahrbarkeit einer Struktur aus Voxeln 2 wird überprüft, ob deren maximale Höhe, beispielsweise ermittelt durch die Anzahl der Voxel 2 in horizontale Richtung multipliziert mit deren Kantenlänge, unterhalb einer applizierbaren Schwelle liegt. Es wird somit geprüft, ob diese Unebenheiten, also die Erhebung 8 und die beiden Senken 9a, 9b, überfahrbar sind. Dies erfolgte basierend auf der Bewegungstrajektorie 7 und den

Belegungswahrscheinlichkeiten der Voxel 2 des Voxeltensors 1.

Es ist ersichtlich, dass die Bewegungstrajektorie 7 in Figur 6 darauf hindeutet, dass das Fahrzeug 10 über die Erhebung 8, und/oder die Senken 9a, 9b hinwegfährt. Daher erfolgt ein Ausgeben einer Warnung, wenn die

Bewegungstrajektorie 7 durch einen Bereich des Voxeltensors 1 führt, in der eine Belegungswahrscheinlichkeit der Voxel 2 darauf schließen lässt, dass auf der Bewegungstrajektorie 7 des Fahrzeuges 10 eine nicht kollisionsfrei überfahrbare Unebenheit liegt. Alternativ könnte die Bewegungstrajektorie 7 neu geplant werden, so dass die Erhebung 8, und die Senken 9a, 9b umfahren werden. Alternativ oder zusätzlich wird basierend auf der Bewegungstrajektone 7 und den Belegungswahrscheinlichkeiten der Voxel 2 des Voxeltensors 1 geprüft, ob eine ausreichende Durchfahrts-Höhe für ein Passieren des Fahrzeuges 10 oder eines Fahrzeugabschnittes gegeben ist. Für Strukturen, die von dem Fahrzeug 10 unterfahren werden können, gilt, dass das zugehörige Voxel 2 mit der niedrigsten

Koordinate in einer Richtung entlang der Hochachse des Fahrzeugmodells 4 des Fahrzeuges 10 betrachtet werden muss und sich anhand dieser Höher festlegen lässt, inwiefern der Fahrer mit dem Fahrzeug 10 unter dem Hindernis

durchfahren kann, also ob eine ausreichende Durchfahrts-Höhe vorliegt. Dies ist beispielsweise hilfreich bei Hängeregalen in Garagen, welche oberhalb der

Motorhaube, aber nicht oberhalb des Dachs des Fahrzeuges 10 Platz finden. Die spezifische Form des Fahrzeuges 10 kann hier Dank der dreidimensionalen Umfeldinformationen und dem Fahrzeugmodell 4 des Fahrzeuges 10

berücksichtigt werden.

So kann eine Warnung ausgegeben, wenn die Bewegungstrajektone 7 durch einen Bereich des Voxeltensors 1 führt, in der eine Belegungswahrscheinlichkeit der Voxel 2 darauf schließen lässt, dass keine ausreichende Durchfahrts-Höhe für ein Passieren des Fahrzeuges 10 gegeben ist. Alternativ kann die

Bewegungstrajektone 7 neu geplant werden.

Die Eigenschaften unterfahrbar und überfahrbar werden durch Schwellwerte festgelegt und können dabei abhängig von einem aktuellen Beladungszustand, dem Reifendruck, der Fahrwerkseinstellung und der Bereifung des Fahrzeuges 10 dynamisch gewählt werden. Optional oder zusätzlich ist es möglich, dass der

Fahrer den Schwellwert mehr oder weniger konservativ ausprägen kann, damit ein individueller Fahrstil des Fahrers 10 Berücksichtigung findet. Nähert sich der Fahrer mit dem Fahrzeug 10 einem als nicht über- oder unterfahrbar

klassifizierten Hindernis, so wird dieser durch eine entsprechende Warnung optisch und/oder akustisch gewarnt, um eine mögliche Kollision zu vermeiden.

Sofern möglich, planen autonom fahrende Systeme in einem solchen Fall eine alternative und kollisionsfreie Bewegungstrajektone 7.

Gegenüber aktuell verfügbaren Systemen bietet dies einen erweiterten

Kollisionsschutz, da neben Fahrzeugfront, Heck und den Fahrzeugseiten auch der Unterboden sowie das Fahrzeugdach, die Motorhaube und die Heckklappe berücksichtigt werden können. Zudem lassen sich durch die genauere

Umfelddetektion und die damit einhergehende verbesserte Ausnutzung von Parkraum auch engere Parklücken nutzen, als dies bislang möglich ist. Werden Unebenheiten in einer Fahrbahnebene oder einer Fahrbahnoberfläche erkannt, so kann diese Information dazu genutzt werden, ein adaptives Fahrwerk, beispielsweise die Stoßdämpfer, anzupassen. Dies kann gegebenenfalls auch nur für ein einziges Rad des Fahrzeuges 10 erfolgen. Auf diese Weise kann der Fahrkomfort bestmöglich erhalten werden und der Unterboden des Fahrzeuges 10 vor Kollisionen geschützt werden. Weiterhin können teilweise autonom bewegende Fahrzeuge die Information nutzen, um Unebenheiten innerhalb des Fahrschlauchs, also entlang der Fahrzeugtrajektorie 7, durch eine angepasste Bahnplanung gezielt zu umfahren. Alternativ oder zusätzlich ist die Vorrichtung 15 dazu geeignet, basierend auf der

Belegungswahrscheinlichkeit der Voxel 2 einen Steigungskoeffizienten zu ermitteln, wobei der Steigungskoeffizient einen Neigungswinkel des Fahrzeuges 10 beschreibt, den dieses annimmt, wenn dieses sich in einer bestimmten Position befindet, die sich in dem durch den Voxeltensor 1 repräsentierten Umfeld befindet.

Der Steigungskoeffizient beschreibt hier einen Wnkel zwischen einer

Längsachse des Fahrzeuges 10 und einer horizontalen Ebene. Es sei jedoch darauf verwiesen, dass der Steigungswinkel in weiteren Ausführungsformen ebenfalls ein Wnkel zwischen einer Querachse des Fahrzeuges 10 und einer horizontalen Ebene sein kann. Da ein Höhenprofil der Umgebung des

Fahrzeuges 10 direkt aus dem Voxeltensor 1 ausgelesen werden kann, kann auch eine Neigung des Fahrzeuges 10 und somit der Neigungswinkel bei einem Abfahren der Bewegungstrajektorie 7 errechnet werden. So wird basierend auf der Belegungswahrscheinlichkeit der Voxel 2 zunächst bestimmt, ob das Voxel 2 als belegt oder unbelegt markiert ist und entsprechend ein Höhenprofil des Umfeldes des Fahrzeuges 10 erstellt. Dabei wird der Steigungskoeffizient entweder als ein relativer Wert ermittelt, der eine Steigungsänderung gegenüber einer aktuellen Lage des Fahrzeuges 10 beschreibt, oder der

Steigungskoeffizient wird als ein absoluter Wert ermittelt. Dazu ist es vorteilhaft, wenn ein aktueller Steigungskoeffizient durch einen Neigungssensor

bereitgestellt wird. Für alternative Positionen des Fahrzeuges 10, dies sich beispielsweise bei einem Abfahren der Bewegungstrajektorie 7 ergeben, kann dann einer oder mehrere zukünftige Steigungskoeffizienten ermittelt werden.

Figur 7 zeigt dazu einen beispielhaften Voxeltensor 1 mit dem darin

angeordneten Fahrzeugmodell 4 in einem beispielhaften zweiten Umfeld des Fahrzeuges 10. Dabei beschreibt die in Figur 7 dargestellte Situation eine Situation, in der das Fahrzeug 10 und somit das Fahrzeugmodell 4 eine Neigung aufweisen. Dabei ist eine Lage des Fahrzeuges 10 in der Zukunft dargestellt, die sich ergibt, wenn das Fahrzeug 10 der Bewegungstrajektorie 7 folgt. Darin befindet sich das Fahrzeug 10 auf einer Rampe. Das Höhenprofil der Umgebung ist direkt aus der Darstellung des Voxeltensors 1 ablesbar.

Gerade bei autonomen Einparkvorgängen ist die Kenntnis über den zu erwartenden Höhenverlauf beim Abfahren einer Bewegungstrajektorie 7 von großer Bedeutung. Dies liegt beispielsweise insbesondere bei der Nutzung von ansteigenden Duplexgaragen vor. Ist der Höhenverlauf, also der

Steigungskoeffizient bekannt, so kann beispielsweise ein nötiger

Motordrehmoment und/oder eine nötige Bremskraft bei einer Bewegung des Fahrzeuges 10 automatisch angepasst und an die vorliegende Situation angepasst werden. Auch nach Ende des Parkvorgangs ist die Information weiterhin nützlich, da so die Kraft der Parkbremse entsprechend gewählt werden kann.

Auch erfolgt in weiteren alternativen Ausführungsformen ein Optimieren einer Planung einer Bewegungstrajektorie basierend auf den Steigungskoeffizienten, die sich für Wegpunkte entlang möglicher Bewegungstrajektorien ergeben. Dazu werden beispielsweise jeweils die Steigungskoeffizienten für alle Wegpunkte entlang einer Vielzahl möglicher Bewegungstrajektorien addiert. Die

Bewegungstrajektorie der möglicher Bewegungstrajektorien, deren addierte Steigungskoeffizienten die geringste Summe bilden, wird als optimale

Bewegungstrajektorie ausgewählt. Es wird somit eine Kostenfunktion realisiert. Nebst oben stehender Offenbarung wird explizit auf die Offenbarung der Figuren 1 bis 7 hingewiesen.