Kraftfahrzeuge werden zunehmend mit abstandsauflösenden Sensoren ausgestattet, die beispielsweise im Bereich der vorderen Stoßstange des Fahrzeugs angeordnet sind und dazu dienen, vor dem Fahrzeug be- findliche Hindernisse, beispielsweise vorausfahrende Fahrzeuge, zu orten und ihre Abstände und ggf. Geschwindigkeiten relativ zum ei- genen Fahrzeug zu bestimmen. Zumindest im Nahbereich sollte dabei auch die Lage des Objektes bzw. der Objekte in einem zweidimensio- nalen Koordinatensystem erfaßt werden. Anwendungsbeispiele für eine Sensorik dieser Art sind etwa die Kollisionswarnung oder die soge- nannte Pre-Crash-Sensierung, bei der es darum geht, im Fall einer bevorstehenden Kollision die genaue zeit und möglichst auch den ge- nauen Ort des Aufpralls vorab zu bestimmen, so daß Sicherheitsvor- richtungen im Fahrzeug wie Airbags, Gurtstraffer und dergleichen schon vorbereitend für den bevorstehenden Aufprall konfiguriert werden können. Ein weiteres Anwendungsbeispiel ist die Abstands- und Geschwindigkeitsregelung (ACC ; Adaptive Cruise Control). Die Nahbereichssensorik findet dabei insbesondere in Betriebsarten An- wendung, die durch relativ niedrige Geschwindigkeiten und eine hohe Verkehrsdichte sowie generell durch eine hohe Dynamik gekennzeich-

net sind, beispielsweise im Stop & Go Betrieb.

Als Abstandssensoren werden häufig gepulste 24 GHz Radar-Sensoren eingesetzt, die eine hohe Abstandsauflösung ermöglichen, im allge- meinen jedoch nicht winkelauflösend sind. Die zweidimensionale Po- sition der Objekte läßt sich dann bei Verwendung von mindestens zwei Sensoren durch Triangulation bestimmen. In Anwesenheit von zwei oder mehr Objekten oder in Anwesenheit von mehreren Refle- xionszentren desselben Objekts kommt es dabei jedoch zu Mehrdeutig- keiten hinsichtlich der Zuordnung der von den verschiedenen Senso- ren gemessenen Abstände zueinander und zu den Objekten. Wenn bei- spielsweise zwei Reflexionszentren von zwei Sensoren erfaßt werden, so erhält man insgesamt vier Abstandspaare, die mögliche Abstände der Objekte zu jedem der Sensoren kennzeichnen. Von diesen vier Ab- standspaaren entsprechen jedoch nur zwei realen Objekten, während es sich bei den beiden übrigen Paaren um Scheinobjekte handelt, die nachträglich durch eine Plausibilitätsauswertung eliminiert werden müssen.

In DE 199 49 409 Al wird ein Verfahren zum Eliminieren von Schein- objekten mit Hilfe einer Tracking-Prozedur beschrieben. Unter "Tracking"versteht man die Verfolgung von Objekten (oder Scheinob- jekten) über einen längeren Zeitraum hinweg. Da die Abstandsmessun- gen periodisch, üblicherweise mit einer Zykluszeit in der Größen- ordnung von einigen Millisekunden wiederholt werden, kann man davon ausgehen, daß sich die Abstände, Relativgeschwindigkeiten und Be- schleunigungen der Objekte von Messung zu Messung nur wenig vonein- ander unterscheiden und daß zum Beispiel die gemessenen Abstandsän- derungen mit den gemessenen Relativgeschwindigkeiten konsistent sind. Unter dieser Prämisse ist es möglich, die bei einer Messung erfaßten Objekte bei den nachfolgenden Messungen wiederzuerkennen, so daß sich gleichsam die Spur jedes Objektes verfolgen läßt.

Bei bekannten Verfahren zur Erkennung von Objektkonstellationen werden die Objekte und Scheinobjekte einzeln getrackt. Diese Ver- fahren erfordern deshalb insbesondere bei Anwesenheit mehrerer Ob- jekte oder Reflexionszentren einen hohen Rechenaufwand und dement-

sprechend einen hohen Speicherplatzbedarf und eine lange Rechenzeit bzw. eine hohe Rechenkapazität. Zur Beseitigung von Mehrdeutigkei- ten und zur genaueren Identifizierung der Objektkonstellation ist es auch bekannt, drei oder mehr abstandsauflösende Sensoren einzu- setzen, wodurch sich jedoch der Rechenaufwand weiter erhöht.

Vorteile der Erfindung Das Verfahren mit den kennzeichnenden Merkmalen des Anspruchs 1 bietet demgegenüber den Vorteil, daß bei gegebener Anzahl von Sen- soren und gegebener Anzahl von Reflexionszentren der für eine hin- reichend präzise und detaillierte Erkennung der Objektkonstellatio- nen erforderliche Rechenaufwand und Speicherbedarf beträchtlich re- duziert werden kann und daß insbesondere die mit dem Auftreten von Scheinobjekten zusammenhängenden Probleme weitgehend vermieden wer- den.

Der Grundgedanke der Erfindung besteht darin, daß nicht jedes ein- zelne Objekt oder Relexionszentrum unabhängig von den übrigen ver- folgt wird, sondern stattdessen aus der Gesamtheit der mit den ver- schiedenen Sensoren gemessenen Abstände der verschiedenen Refle- xionszentren charakteristische Muster erkannt werden, die mit be- kannten Mustern typischer Modellkonstallationen korrelieren.'Durch Vergleich des erfaßten Musters mit Referenzmustern, die den ver- schiedenen Modellkonstellationen entsprechen, läßt sich dann ent- scheiden, mit welcher Modellkonstellation die aktuelle Konstellati- on die größte Ähnlichkeit hat, und aus der in dieser Weise charak- terisierten Konstellation lassen sich dann die für den Anwendungs- zweck relevanten Informationen unmittelbar ableiten. Besonders vor- teilhaft ist dabei, daß nun beim Tracking das Muster als Ganzes ge- trackt werden kann. Da sich dieses Muster im allgemeinen durch ei- nen Satz von Parametern beschreiben läßt, der deutlich kleiner ist als die Gesamtheit der Koordinaten aller Objekte und Scheinobjekte, ergibt sich eine Ersparnis an Speicherbedarf und Rechenzeit.

In den abhängigen Ansprüchen sind vorteilhafte Ausgestaltungen und Weiterbildungen des Verfahrens nach Anspruch 1 und der Vorrichtung

nach dem unabhängigen Vorrichtungsanspruch angegeben.

Bevorzugt wird wie bei den bekannten Verfahren zunächst für jeden Sensor eine Abstandsliste erstellt, in der die von diesem Sensor gemessenen Abstände von Reflexionszentren nach wachsenden Abstanden geordnet sind. Bei einer statistischen Auswertung der unter praxis- nahen Bedingungen in dieser Weise erhaltenen Abstandslisten hat sich gezeigt, daß sich die mit den mehreren Sensoren erhaltenen Ab- stände generell zu Clustern gruppieren lassen, die sich demselben Objekt oder mehreren in gleichem Abstand vor dem eigenen Fahrzeug befindlichen Objekten zuordnen lassen. Bei Verwendung von Radarsen- soren erzeugt z. B. die relativ stark zerklüftete Heckpartie eines Lkw eine Vielzahl von Reflexionszentren, die für sämtliche Sensoren ähnliche Abstände aufweisen und die sich alle demselben Objekt, nämlich dem Lkw zuordnen lassen. Für die Auswertung der Abstandsin- formation sind naturgemäß die kleinsten gemessenen Abstände beson- ders relevant. In einer besonders zweckmäßigen Ausführungsform wird deshalb für jeden Cluster jeweils nur der kleinste Abstandswert in der Abstandsliste jedes Sensors ausgewertet, und nur diese Ab- standswerte werden für die weitere Mustererkennung zugrundegelegt.

Da die einzelnen Sensoren in der Richtung quer zur Längsachse des Fahrzeugs um einen bestimmten Abstand, die sogenannte Basisbreite, gegeneinander versetzt angeordnet sind, bilden die kleinsten Ab- standswerte innerhalb jedes Clusters ein charakteristisches Muster, das es gestattet, auf die Objektkonstellation, d. h., die räumliche Lage des oder der zu diesem Cluster gehörenden Objekte relativ zu- einander und zum eigenen Fahrzeug zurückzuschließen. Wenn sich bei- spielsweise ein lokalisiertes Objekt in geringem Abstand vor der Mitte des eigenen Fahrzeugs befindet, so werden die näher zur Längsmittelachse des Fahrzeugs gelegenen Sensoren für dieses Objekt einen kleineren Abstand messen als die weiter am Fahrzeugrand gele- genen Sensoren. Wenn dagegen zwei lokalisierte Objekte in gleicher Entfernung links und rechts neben der Mittelachse des eigenen Fahr- zeugs angeordnet sind, wie es beispielsweise beim Einfahren in eine 'Parklücke der Fall ist, so werden die näher an den Fahrzeugrändern gelegenen Sensoren kleinere Abstandswerte messen als die mehr zur

Mitte gelegenen Sensoren. Wenn in einer besonders vorteilhaften Ausführungsform des Verfahrens mindestens drei abstandsauflösende Sensoren benutzt werden, läßt sich deshalb aufgrund dieser Charak- teristika entscheiden, welche Objektkonstellation gerade vorliegt.

Es ist vorteilhaft, wenn das durch die kleinsten Abstände von n ( ? = 3) Sensoren gebildete Muster durch die n Koeffizienten eines Polynoms (n-1)-ten Grades gekennzeichnet wird. Wenn einem karte- sischen Koordinatensystem mit x die Koordinate in der Richtung par- allel zur Fahrzeuglängsachse und mit y die Koordinate quer zur Fahrzeuglängsachse bezeichnet wird, so hat das Polynom die Form x = f (y). Der Graph dieses Polynoms beschreibt dann näherungsweise den Verlauf der rückwärtigen Begrenzung eines oder mehrerer Objek- te, die zu demselben Cluster gehören. Im Fall von drei Sensoren ist der Graph dieses Polynoms eine Parabel. Das Minimum der Parabel gibt in guter Näherung den kleinsten Objektabstand an, und die y- Koordinate dieses Minimums gibt in guter Näherung den Querversatz dieses Objektes bzw. desjenigen Punktes des Objektes an, der den geringsten Abstand zum eigenen Fahrzeug aufweist. Für eine Abschät- zung des Ortes und Zeitpunkts eines voraussichtlichen Aufpralls sind diese Größen naturgemäß besonders geeignet.

Darüber hinaus lassen sich bei einem Polynom der Form x = ay2 + by + c aus den Koeffizienten a, b und c weitere wichtige Informationen über die Objektkonstellation unmittelbar ableiten. Beispielsweise weist aufgrund der oben erläuterten Zusammenhänge ein positives Vorzeichen des Koeffizienten a darauf hin, daß der betreffende Clu- ster ein lokalisiertes Objekt mit geringem Querversatz beschreibt.

Je kleiner bei festem Koeffizienten c der Koeffizient a ist, desto ausgedehnter ist das Objekt. Die Bedingung a = 0 kennzeichnet ein sehr breites Objekt, beispielsweise die Heckpartie eines Lkw, die zu sämtlichen Sensoren des Fahrzeugs etwa den gleichen Abstand auf- weist. Ein negativer Koeffizient a bei annähernd verschwindendem Koeffizienten b läßt erkennen, daß der Cluster zwei Objekte reprä- sentiert, die symmetrisch zur Fahrzeuglängsachse liegen. Generell erlaubt der Koeffizient b (allgemeiner : die Koeffizienten zu unge- raden Exponenten von y) eine Aussage über die Symmetrie der Objekt-

konstellation ; b = 0 bedeutet vollkommene Symmetrie, und im Fall b 0 gibt das Vorzeichen von b an, zu welcher Seite der Schwerpunkt der Objektkonstellation gegenüber der Fahrzeuglängsachse versetzt ist.

Es liegt auf der Hand, daß für physikalisch mögliche Situationen die Koeffizienten des Polynoms jeweils innerhalb bestimmter Werte- bereiche liegen müssen, wobei der mögliche Wertebereich des einen Koeffizienten von dem aktuellen Wert eines anderes Koeffizienten abhängig sein kann. Wenn beispielsweise der Koeffizient c einen re- lativ großen Wert hat, so weist das Objekt einen entsprechend gro- ßen Abstand zum eigenen Fahrzeug auf, und die durch den Querversatz der Sensoren um die Basisbreite B bedingten Unterschiede in den ge- messenen Objektabständen sind entsprechend klein, so daß für den Koeffizienten a nur ein kleiner Wertebereich in Frage kommt. Die zulässigen Wertebereiche bzw. Kombinationen von Werten und Wertebe- reichen lassen sich durch Untersuchung typischer Modellkonstella- tionen ermitteln. Auf diese Weise wird eine Plausibilitätsprüfung der für jeden Cluster erhaltenen Ergebnisse und zugleich eine Klas- sifizierung der Objektkonstellation nach typischen Konstellationen ermöglicht. Auf die Weise können auch etwaige Fehler bei der Zuord- nung der in den Abstandslisten gefundenen Werte zu den einzelnen Clustern schnell erkannt und ggf. korrigiert werden.

Durch Tracking der für jeden Cluster erkannten Muster, d. h., des Satzes der Koeffizienten a, b und c, wird die Genauigkeit und Zu- verlässigkeit der Erkennung weiter gesteigert, und es ist auch mög- lich, fehlende Meßwerte, die durch vorübergehende Störungen des Meßprozesses verursacht wurden, sinnvoll zu ergänzen.

Da es mit dem erfindungsgemäßen Verfahren möglich ist, auch relativ umfangreiche Abstandslisten, entsprechend einer sehr großen Anzahl von Reflexionszentren, mit vertretbarem Rechenaufwand effizient auszuwerten, kann der Empfindlichkeitsbereich der Sensoren und ins- besondere der Ortungswin) celbereich der Sensoren problemlos erwei- tert werden, so daß auch Objekte auf Nebenfahrbahnen in stärkerem Umfang in die Erfassung einbezogen werden können. Dies ermöglicht

z. B. eine Früherkennung von Situationen, in denen ein Fahrzeug von der Nebenspur plötzlich vor dem eigenen Fahrzeug einschert. Je nach Anwendungszweck ist es auch möglich, die gesamte Sensoranordnung oder zusätzliche Sensoranordnungen an der Rückfront des Fahrzeugs oder seitlich am Fahrzeug anzubringen und nach hinten bzw. zur Sei- te hin auszurichten.

Die Verwendung von mindestens drei Sensoren hat den Vorteil, daß die Unterscheidung zwischen einem einzelnen Objekt und zwei symme- trisch angeordneten Objekten auch schon in statischen Situationen, d. h. aufgrund der Ergebnisse eines einzigen Meßzyklus möglich ist, ohne daß im Rahmen der Tracking-Prozedur die Bewegung der Objekte ausgewertet werden muß.

Zeichnung Ein Ausführungsbeispiel der Erfindung ist in den Zeichnungen dargestellt und in der nachfolgenden Beschreibung näher erläutert.

Es zeigen : Figur 1 einen schematischen Grundriß eines mit drei abstandsauflösenden Senso- ren ausgerüsteten Fahrzeugs und zweier vorausfahrender Fahrzeuge, deren Konstellation durch Auswertung der Abstandsmessungen erkannt werden soll ; Figur 2 eine graphische Darstellung der Ein- träge in Abstandslisten für die drei Sensoren bei der in Figur 1 gezeig- ten Situation ; Figur 3 eine graphische Darstellung der aus dem Diagramm nach Figur 2 für die weitere Auswertung ausgewählten Ab-

standswerte und der Charakterisie- rung von Objektkonstellationen durch Parabeln ; Figuren 4 und 5 Beispiele für zwei unterschiedliche Modellkonstellationen ; Figuren 6 und 7 graphische Darstellungen zur Charak- terisierung der Modellkonstellatio- nen durch Parabeln ; Figuren 8 (a), (b) und (c) Beispiele für zulässige Werteberei- che der Koeffizienten der Parabel- funktion für unterschiedliche Mo- dellkonstellationen eines Einzelob- jektes ; Figuren 9 (a), (b) und (c) Beispiele für zulässige Werteberei- che der Koeffizienten der Parabel- funktion für Modellkonstellationen mit zwei symmetrisch angeordneten Objekten ; und Figur 10 ein Flußdiagramm zur Illustration des Verfahrensablaufs.

In Figur 1 ist am unteren Zeichnungsrand die Frontpartie eines Kraftfahrzeugs 10 gezeigt, bei dem im Bereich der vorderen Stoß- stange drei abstandsauflösende Sensoren S1, S2 und S3 auf gleicher Höhe angeordnet sind. Im gezeigten Beispiel sind die Sensoren sym- metrisch zur Fahrzeuglängsachse angeordnet. Mit B ist die Basis- breite bezeichnet, das ist der seitliche Abstand von Sensor zu Sen- sor. Bei den Sensoren S1, S2 und S3 handelt es sich zum Beispiel um gepulste 24 GHz-Radarsensoren, die jeweils einen Ortungs-Winkelbe- reich von 140° haben. Als Beispiel kann angenommen werden, daß die Ortungs-Winkelbereiche jeweils symmetrisch zu einer durch die Mitte des betreffenden Sensors gehenden und zur Fahrzeuglängsachse paral-

lelen Geraden liegen. Wahlweise können jedoch beispielsweise die Ortungs-Winkelbereiche der äußeren Sensoren Sl und S2 auch schräg nach außen gerichtet sein. Die Ortungstiefe der Sensoren S1, S2 und S3 beträgt beispielsweise 7 m.

Vor dem Fahrzeug 10 sind als zu erkennende Objekte ein Pkw 12 und ein Lkw 14 gezeigt. Insbesondere der Lkw 14 hat eine relativ stark zerklüftete Heckpartie und bildet deshalb mehrere Reflexionszentren für jeden der Sensoren S2 und S3. Die Radarstrahlen vom Sensor S1 zu den Reflexionszentren des Pkw 12 und des Lkw 14 und zurück zum Sensor Sl sind durch Geraden angegeben, und die zugehörigen Abstän- de, die von dem Sensor S1 gemessen werden, sind mit dll und d12 an- gegeben. Entsprechend sind mit d21, d22 und d23 die Abstände zwi- schen dem Sensor S2 und den zugehörigen Reflexionszentren angege- ben, und mit d31, d32 und d33 sind die Abstände zwischen dem Sensor S3 und den zugehörigen Reflexionszentren bezeichnet. Im gezeigten Beispiel empfängt der Sensor Sl lediglich zwei Reflexionssignale, eins vom Pkw 12 und eins vom Lkw 14, da ein Teil des Lkw 14 durch den Pkw 12 abgeschattet wird. Zahlenbeispiele für die Abstandswerte sind in Figur 1 in m angegben.

Die von den Sensoren Sl, S2 und S3 gemessenen Abstandswerte werden in einer Auswerteeinheit 16 an Bord des Fahrzeugs 10 ausgewertet, und die Ergebnisse werden weiteren Systemkomponenten dieses Kraft- fahrzeugs zur Verfügung gestellt, beispielsweise einem Pre-Crash- System, einem Abstands-und Geschwindigkeitsregelsystem (ACC) und dergleichen.

Die Auswerteeinheit 16 erstellt zunächst für jeden der Sensoren Sl, S2 und S3 eine Abstandsliste, in der die gemessenen Abstände nach zunehmenden Werten geordnet sind. Dies ist in Figur 2 graphisch dargestellt. Man erkennt, daß die Abstandswerte dll, d21, d31 sich nur wenig voneinander unterscheiden (jedenfalls um weniger als die zweifache Basisbreite B), und zu einem"Cluster 1"zusammengefaßt werden können, der ein erstes Objekt, nämlich den Pkw 12 repräsen- tiert. Entsprechend lassen sich die übrigen fünf Abstandswerte d12, d22lr d32 und d33 zu einem"Cluster 2"zusammenfassen, der den Lkw

14 repräsentiert.

Für die weitere Auswertung wird nun aus jedem der beiden Cluster für jeden der Sensoren Si, S2 und S3 jeweils nur der kleinste Ab- standswert ausgewählt. Für den Cluster 1 sind dies die Abstandswer- te dll, d21 und d31 und für den Cluster 2 sind es die Werte d12, d22 und d32. Die Abstandswerte d23 und d33 werden ignoriert.

In Figur 3 sind die für die Auswertung herangezogenen Abstandswerte in einem zweidimensionalen Koordinatensystem aufgetragen, dessen x- Achse der Längsachse des Fahrzeugs entspricht und dessen y-Achse in Querrichtung des Fahrzeugs weist (in Bezug auf die Fahrtrichtung nach links). Die y-Koordinate wird hier in Einheiten des Basisab- stands B gemessen, so daß der Sensor S1 die Koordinate y =-1 und der Sensor S3 die Koordinate y = +1 hat.

Aus den drei Abstandswerten jedes Clusters werden nun die Koeffizi- enten a, b und c einer Polynomfunktion der Form x = ay2 + by + c berechnet : a = (dl + d3 2d2)/2. b = (d3-dl)/2 c = d2 In diesen Gleichungen ist bei den Abstandswerten jeweils der zweite Index (die Ordnungszahl in der Abstandsliste) fortgelassen.

Für die Polygonomfunktion zu dem Cluster 1 erhält man so eine Para- bel 18 und für den Cluster 2 eine Parabel 20. Diese Parabeln bzw. die zugehörigen Koeffizienten bilden nun ein Muster, das es gestat- tet, die durch die Cluster repräsentierten Objektkonstellationen zu klassifizieren.

Figur 4 zeigt eine Modellkonstellation in der Form eines lokali- sierten einzelnen Objekts 22, das mittig in einem bestimmten Ab- stand vor dem Fahrzeug 10 liegt (y = 0). Die zugehörigen Objektab- stände dl, d2 und d3 und die daraus resultierende Parabel 46 sind

in Figur 6 auf analoge Weise wie in Figur 3 dargestellt. Da bei dieser Konstellation die Abstände d1 und d3 größer sind als d2 hat der Koeffizient a für die Parabel 24 einen positiven Wert. Wenn das Objekt 22 weiter von den Sensoren entfernt wäre, so wären die Ab- standsunterschiede kleiner, und die Parabel wäre flacher, d. h., der Koeffizient a wäre dem Betrage nach kleiner. Der gleiche Effekt würde auch eintreten, wenn das Objekt 22 in y-Richtung ausgedehnt wäre.

Figur 5 zeigt eine andere Modellkonstellation in der Form zweier lokalisierter Objekte 26,28, die symmetrisch zu der durch die Mit- te des Fahrzeugs 10 gehenden Längsachse liegen. In diesem Fall sind die von den Sensoren Sl und S3 gemessenen kleinsten Abstände dll, d31 kleiner als die vom mittleren Sensor S2 gemessenen Abstände d21 = d22, und folglich hat die zugehörige Parabel 30 in Figur 7 einen negativen Koeffizienten a. In der Praxis entspricht die in Figuren 5 und 7 gezeigte Modellkonfiguration etwa dem Fall, daß die Objekte 26 und 28 eine Parklücke begrenzen, in die das Fahrzeug 10 ein- fährt.

In Figur 8 (a) sind in einer aus drei Zeilen und drei Spalten beste- henden Tabelle die möglichen Wertebereiche für den Koeffizienten a für Modellkonstellationen eingetragen, bei denen ähnlich wie in Fi- gur 5 nur ein einzelnes lokalisiertes Objekt vorhanden ist, das je- doch hier nicht notwendigerweise auf der Längsmittelachse des Fahr- zeugs 10 liegt, sondern einen Querversatz von y =-3,5 m bis y = 3,5 m gegenüber der Längsmittelachse des Fahrzeugs aufweisen kann. Der Abstand dieses Objekts kann zwischen 0 und 7 m betragen.

Der Bereich für den Querversatz y sowie der Abstandsbereich von 0 bis 7 m sind jeweils in drei gleiche Intervalle aufgeteilt, die durch die drei Zeilen bzw. die drei Spalten der Tabelle in Figur 8 (a) repräsentiert werden.

Figuren 8 (b) und 8 (c) geben in entsprechender Weise die Werteberei- che der Koeffizienten b und c für dieselben Modellkonstellationen an. Die Zahlenwerte für die Grenzen der Wertebereiche der Koeffizi- enten sind nur als grober Anhalt zu verstehen und müssen im Einzel-

fall für die jeweilige Basisbreite B zwischen den Sensoren berech- net werden. Die Grenzen des Wertebereichs beispielsweise im linken oberen Feld in Figur 8 (a) (0, 0 s a s 0,1) beruhen auf der Annahme, daß ein punktförmiges Objekt jede Position innerhalb des Rechtecks einnehmen kann, das durch das y-Intervall [1,17 ; 3,5] und das x- Intervall [4,67 : 7,0] definiert wird. Entsprechendes gilt für die Wertebereiche in den übrigen Feldern in Figuren 8 (a), (b) und (c).

In Figuren 9 (a), (b) und (c) sind die entsprechenden Wertebereiche der Koeffizienten a, b und c für Modellkonstellationen angegeben, bei denen ähnlich wie in Figur 5 zwei lokalisierte Objekte symme- trisch zur Längsmittelachse des Fahrzeugs liegen. Wenn eines dieser Objekte in dem Intervall [-3, 5 ;-1, 17] liegt, so liegt dementspre- chend das andere Objekt in dem Intervall [1,17 ; 3,5]. Aus diesem Grund sind in Figuren 9 (a), (b) und (c) die Einträge in der rechten Spalte jeweils mit denen in der linken Spalte identisch. Die mitt- leren Spalten beziehen sich jeweils auf Konstellationen, bei denen die beiden Objekte symmetrisch zur Längsmittelachse des Fahrzeuges 10 in demselben y-Intervall [-1,17 ; +1,17] liegen.

Wenn in einem aktuellen Meßzyklus die Koeffizienten a, b und c für einen gegebenen Cluster bestimmt worden sind, so wird anhand der Tabellen gemäß Figuren 8 und 9 überprüft, ob sich eine Modellkon- stellation finden läßt, für die alle drei Koeffizienten in den da- für zugelassenen Wertebereichen liegen. Wenn diese Bedingung er- füllt ist, kann angenommen werden, daß die drei Abstandswerte eine physikalisch mögliche Konstellation repräsentieren. Wenn sich keine solche Modellkonstellation finden läßt, wird der Satz von Abstands- werten und der zugehörige Satz von Koeffizienten als physikalisch unmögliche Konstellation verworfen. Eine mögliche Ursache hierfür kann neben Meßfehlern und Störeinflüssen auch darin bestehen, daß einer der Abstandswerte dem falschen Cluster zugeordnet wurde. Im allgemeinen wird sich schon bei der Einteilung der Cluster erwei- sen, daß die Zuordnung eines speziellen Abstandswertes zweifelhaft ist. In diesem Fall wird dann dieser Meßwert dem anderen in Frage kommenden Cluster zugeordnet, und die Auswertung wird wiederholt.

Für Konstellationen, bei denen die Koeffizienten in den Werteberei- che in der mittleren Spalte in Figuren 8 und 9 liegen, ist die Un- terscheidung zwischen einem Einzelobjekt (Figur 8) und zwei symme- trisch angeordneten Objekten (Figur 9) zunächst weniger relevant, weil der Abstand zwischen diesen Objekten dann kleiner als 2,34 m ist und somit in derselben Größenordnung wie die Breite des Fahr- zeugs 10 liegt. Dennoch kann sich diese Unterscheidung als sinnvoll erweisen, z. B. wenn sich beim anschließenden Tracking zeigt, daß sich die beiden symmetrisch angeordneten Objekte in positiver und negativer y-Richtung auseinander bewegen oder wenn sich bei größe- rer Annäherung an die Objekte und entsprechend höherer Meßgenauig- keit zeigt, daß die Lücke zwischen den beiden Objekten doch so groß ist, daß das eigene Fahrzeug hinein paßt.

Da bei dem hier beschriebenen Verfahren von vornherein nur mit den kleinsten Abstandswerten innerhalb jedes Clusters gearbeitet wird und zudem alle Konstellationen als unplausibel verworfen werden, bei denen die berechneten Koeffizienten a, b und c nicht alle in- nerhalb der zulässigen Wertebereiche liegen, werden Komplikationen, die sich durch das mögliche Auftreten von Scheinobjekten ergeben könnten, von vornherein vermieden.

In Figur 10 ist der Verfahrensablauf noch einmal in Form eines Flußdiagramms dargestellt.

In Schritt 101 werden die Abstandslisten der Sensoren Sl, S2 und S3 in die Auswerteeinheit 16 eingelesen, wie in Figur 2 gezeigt ist.

Anschließend werden in Schritt 102 die Abstandswerte in den Ab- standslisten sämtlicher Sensoren zu Clustern zusammengefaßt, wie ebenfalls in Figur 2 illustriert ist. Danach werden in Schritt 103 aus den kleinsten Abstandswerten für jeden Cluster und jeden Sensor die Koeffizienten a, b und c der Parabelfunktion berechnet. Dieser Satz von Koeffizienten bildet dann das Muster, das die betreffende Objektkonstellation kennzeichnet. In Schritt 104 wird das Tracking- Verfahren für die Parabelkoeffizienten ausgeführt. Das heißt, die Koeffizientensätze a, b, c werden Cluster für Cluster mit entspre- chenden Sätzen aus dem vorangegangenen Meßzyklus oder den vorange-

gangenen Meßzyklen verglichen, und anhand der Ähnlichkeit oder Un- terschiedlichkeit der Koeffizienten und ihrer zeitlichen Ableitun- gen und anhand der Konsistenz zwischen den zeitlichen Ableitungen und den Koeffizienten wird entschieden, ob die Objektkonstellation aus dem aktuellen Zyklus sich mit einer der Objektkonstellationen aus dem vorherigen Zyklus identifizieren läßt. Auf die Weise kann also die zeitliche Veränderung der Objektkonstellation verfolgt werden.

In Schritt 105 wird dann anhand der in Figuren 8 und 9 illustrier- ten Tabellen überprüft, ob die Koeffizienten innerhalb zulässiger Grenzen liegen, und Objektkonstellationen mit unzulässigen Koeffi- zienten werden verworfen. Wahlweise kann bei dieser Plausibili- tätsprüfung oder Filterung auch auf Erkenntnisse aus dem vorausge- gangenen Tracking-Schritt 104 zurückgegriffen werden. Ebenso ist es möglich, fehlende Meßergebnisse zu ergänzen, indem die Ergebnisse der vorangegangenen Tracking-Schritte extrapoliert werden. Um die Robustheit des Verfahrens zu erhöhen, ist es wahlweise auch mög- lich, zusätzlich zu den Wertebereichstabellen gemäß Figuren 8 und 9, in denen jeweils davon ausgegangen wird, daß innerhalb jedes Clusters für jeden Sensor mindestens ein Meßwert vorhanden ist, entsprechende Tabellen für Situationen aufzustellen und auszuwer- ten, in denen innerhalb eines Clusters nur Meßwerte für zwei der drei Sensoren vorhanden sind.

In Schritt 106 werden schließlich für die Cluster bzw. Objektkon- stellationen, die nach den Überprüfungen in Schritt 105 übrig ge- blieben sind, die Positionen und Relativgeschwindigkeiten der be- treffenden Objekte berechnet. Im Fall von Einzelobjekten werden für die Positionsberechnung die x-und y-Koordinaten des Minimums der Parabel berechnet. Auf diese Weise erhält man eine relativ genaue Information über den minimalen Abstand des Objektes und über die y- Koordinate des Ortes, an dem bei weiterer Abstandsverringerung vor- aussichtlich der Aufprall stattfinden würde. Durch zeitliche Ablei- tung dieser Größen lassen sich auch die Relativgeschwindigkeiten in x-und y-Richtung bestimmen. Im Fall von zwei symmetrisch angeord- neten Objekten, zwischen denen eine Lücke mit einer Breite besteht,

die kleiner als die Fahrzeugbreite ist, läßt sich der minimale Ob- jektabstand berechnen, indem die Parabelfunktion für die y-Werte ausgewertet wird, die den linken und rechten Fahrzeugrändern ent- sprechen. Anhand des Betrages des negativen Koeffizienten a läßt sich in Verbindung mit dem Koeffizienten c auch entscheiden, ob die Lücke zwischen den beiden Objekten groß genug für das eigene Fahr- zeug ist. Dies wird beispielsweise dann der Fall sein, wenn die ak- tuelle Objektkonstellation mit einer der Modellkonstellationen in der linken Spalte oder der rechten Spalte in Figur 9 (a) identifi- ziert werden kann.