Beschreibung

Ausführungsbeispiele der vorliegenden Erfindung beziehen sich auf ein Fahrzeug, eine Vorrichtung, ein Computerprogramm und ein Verfahren zum zumindest teilweisen Kompensieren eines Beobachtungsfehlers beim Schätzen eines Fahrbahnverlaufs. Insbesondere beziehen sich Ausführungsbeispiele auf ein Konzept zum Schätzen eines Fahrbahnverlaufs für ein zumindest teil automatisiert gesteuertes Fahrzeug.

Bei der Steuerung mancher (teilweise) automatisierter oder autonom fahrender Fahrzeuge kommen Konzepte zur Schätzung des Fahrbahnverlaufs zum Einsatz, auf deren Basis die Steuerung eines solchen Fahrzeugs Fahrentscheidungen trifft.

Dabei kann der Fahrbahnverlauf durch Bestimmen eines der Zustandsfunktion entsprechenden Fahrbahnmodells näherungsweise beschrieben werden. Dadurch kann der Fahrbahnverlauf insbesondere relativ zu einer Position und/oder einer Orientierung des Fahrzeugs ermittelt werden. Eigenschaften des Fahrbahnverlaufs können beispielsweise Breite, Richtung, Krümmung oder Anzahl der nebeneinanderliegenden Fahrspuren oder die Position des Fahrzeugs bezüglich der Fahrspuren (zum Beispiel das Fahrzeug befindet sich auf der rechten, der mittleren oder der linken von drei Fahrspuren) sein.

Das Fahrzeug kann dann so gesteuert werden, dass es zum Beispiel dem Fahrbahnverlauf folgt, Hindernissen ausweicht oder die Spur wechselt. Die dem zugrundeliegende Zustandsfunktion kann anhand von Beobachtungen der Umgebung erzeugt und angepasst werden. Für die Beobachtungen werden beispielsweise Kamerasysteme verwendet. In der Praxis zeigte sich, dass die Beobachtungen, wie später näher erläutert, mit Winkelfehlem systemischen Ursprungs und/oder perspektivischer Winkelfehlem und/oder anderen Beobachtungsfehlem, wie zum Beispiel einer fehlerhaften Beobachtung einer Fahrbahnkrümmung oder einen fehlerhaft beobachteten seitlichen Versatz, behaftet sein können. Aufgmnd dessen kann die sich ergebende Zustandsfunktion von dem tatsächlichen Fahrbahnverlauf abweichen, wodurch sich wiedemm Probleme für die (teil-) automatisierte Steuemng ergeben können.

Es besteht daher ein Bedarf nach einem verbesserten Konzept zum Schätzen eines Fahrbahnverlaufs. Diesem Bedarf können die unabhängigen und abhängigen Ansprüche der vorliegenden Offenbarung Rechnung tragen.

Ausführungsbeispiele der vorliegenden Erfindung basieren auf der Erkenntnis, dass Beobachtungsfehler zu ihrer zumindest teilweisen Kompensation und/oder deren Auswirkungen auf die Schätzung des Fahrbahnverlaufs beim Erzeugen und Anpassen des geschätzten Fahrbahnverlaufs berücksichtigt werden können, damit die der Zustandsfunktion entsprechenden Fahrbahnschätzung zugunsten eines besseren Fahrverhaltens eines (teil-) automatisierten Fahrzeugs eine höhere Genauigkeit aufweist. Das Erzeugen und Anpassen des geschätzten Fahrbahnverlaufs basiert in der Praxis beispielsweise auf einem Vergleich einer Prädiktion der Zustandsfunktion mit Beobachtungen, insbesondere Umgebungsmessdaten, der Umgebung. Ansätze zur Kompensation des Beobachtungsfehlers nach dem vorliegenden Konzept schlagen beispielsweise entsprechend vor, die Zustandsfunktion und/oder die Umgebungsmessdaten basierend auf dem Beobachtungsfehler derart zu transformieren, so dass Auswirkungen des Beobachtungsfehlers beim Vergleichen der Zustandsfunktion mit den Umgebungsmessdaten reduziert werden. Ansätze zur Kompensation eines Winkelfehlers sehen beispielsweise vor die Zustandsfunktion und/oder die Umgebungsmessdaten basierend auf dem Winkelfehler (innerhalb ihres Koordinatensystems) zu „drehen“. Wie später näher erläutert, kann der Beobachtungsfehler insbesondere basierend auf einem Vergleich der Umgebungsmessdaten mit Bewegungsdaten des Fahrzeugs festgestellt werden.

Ausführungsbeispiele der vorliegenden Erfindung schaffen ein Verfahren zum zumindest teilweisen Kompensieren eines Beobachtungsfehler beim Schätzen eines Fahrbahnverlaufs einer Fahrbahn in der Umgebung eines Fahrzeugs. Als Fahrzeug kommt dabei jedwedes bodengebundene Fahrzeug in Frage. In Ausführungsbeispielen ist das Fahrzeug ein teil- oder vollautomatisiert gesteuertes Fahrzeug, welches ausgebildet sein kann basierend auf dem geschätzten Fahrbahnverlauf automatisiert Fahrentscheidungen zu treffen.

Das Verfahren umfasst ein Erhalten zumindest einer Zustandsfunktion zum Abbilden des geschätzten Fahrbahnverlaufs. Die Zustandsfunktion bildet beispielsweise näherungsweise den Verlauf einer Fahrbahnbegrenzung oder einer gedachten Finie entlang der Fahrbahn ab. Zur näherungsweisen Abbildung der Fahrbahnbegrenzung, beziehungsweise des Verlaufs, bildet die Zustandsfunktion zum Beispiel den Verlauf von äußeren Fahrbahnmarkierungen oder einer gedachten Mittelline der Fahrbahn ab. Im Kontext der vorliegenden Offenbarung kann jedweder Verkehrsraum verstanden werden. In der Praxis kann die Fahrbahn eine Straße 101 oder ein oder mehrere Fahrstreifen einer Straße umfassen. Die Fahrbahn kann aber auch andere Verkehrsräume, wie beispielsweise einen Parkplatz oder einen Standstreifen umfassen. Die Zustandsfunktion beschreibt in Ausführungsbeispielen die Lage, Ausrichtung und/oder Form der Fahrbahn. Zur Abbildung der Fahrbahn umfasst die Zustandsfunktion ein oder mehrere Funktionen. Für die Zustandsfünktion wird beispielsweise ein Spline mit ein oder mehreren Funktionen, bevorzugt Polynom- oder Klothoidenfunktionen, verwendet. In Ausführungsbeispielen wird die Zustandsfünktion üblicherweise mittels einer Näherungsverfahrens an Beobachtungen der Umgebung angepasst. Zur kontinuierlichen Fahrbahnschätzung kann in der Praxis ein rekursives Verfahren, insbesondere ein Bayes-Filter, wie zum Beispiel ein Kalman-Filter oder ein Partikelfilter, angewendet werden mittels welchem die Zustandsfünktion fortwährend (iterativ) basierend auf Beobachtungen der Umgebung angepasst wird. Hierbei kann die Zustandsfünktion als Zustand eines Kalman-Filters, beziehungsweise eines Partikelfilters angesehen werden. Optional können auch beliebige andere Näherungsverfahren angewendet werden.

Das hierin vorgeschlagene Verfahren umfasst ferner ein Erhalten von Umgebungsmessdaten der Umgebung des Fahrzeugs. Die Umgebungsmessdaten können Sensordaten, Bildinformationen oder daraus abgeleitete Daten aus der Beobachtung der Umgebung (Fahrzeugumgebung) des Fahrzeugs sein oder umfassen. In der Praxis entsprechen die Umgebungsmessdaten einer Polynomfunktion, die an Bildinformationen oder Sensordaten angenähert ist. Für einen möglichst guten Kompromiss betreffend Genauigkeit und Recheneffizienz wird in Ausführungsbeispielen eine Polynomfunktion dritten Grades verwendet. Die Polynomfünktion beschreibt beispielsweise näherungsweise einen Verlauf von sensorisch erfassten Fahrbahnmarkierungen. Die Umgebungsmessdaten können aufgrund der Perspektive bei der Beobachtung und/oder aufgrund systematischer Fehler (Bias) bei der sensorischen Erfassung der Umgebungsmessdaten mit dem Beobachtungsfehler behaftet sein. Der Beobachtungsfehler umfasst beispielsweise einen Winkelfehler (falsch/fehlerhaft beobachteter Winkel relativ zum Koordinatensystem des Fahrzeugs), einen Krümmungsfehler (falsch/fehlerhaft beobachtete Krümmung der Fahrbahn) und/oder einen Versatzfehler (falsch/fehlerhaft beobachtete Positionierung der Fahrbahn, insbesondere in translatorischer Richtung).

Des Weiteren umfasst das Verfahren ein Erfassen von Information über den Beobachtungsfehler. Hierzu wird beispielsweise ein werksseitig festgestellter oder erwarteter Beobachtungsfehler herangezogen. Wie später näher erläutert, können optional zum Erfassen der Information über den Beobachtungsfehler die Umgebungsmessdaten mit Kartendaten der Umgebung oder Referenzdaten anderer Sensoren verglichen werden. Optional können hierfür auch zeitlich nacheinander gemessene Umgebungsmessdaten miteinander verglichen werden.

Ferner umfasst das Verfahren ein Bestimmen einer Transformierten durch Transformieren zumindest einer der Zustandsfunktion oder der Umgebungsmessdaten basierend auf der erfassten Information über den Beobachtungsfehler zum zumindest teilweisen Kompensieren des Beobachtungsfehlers und ein Anpassen des geschätzten Fahrbahnverlaufs unter Verwendung der Transformierten. Bei bekannten Konzepten wird die Zustandsfunktion zur Schätzung des Fahrbahnverlaufs basierend auf einem Vergleich mit den Umgebungsmessdaten angepasst. Hierfür kann zunächst ein Übertragen der Umgebungsmessdaten und/oder der Zustandsfunktion in ein gemeinsames Koordinatensystem erfolgen. Wenn die Umgebungsmessdaten einen Beobachtungsfehler aufweisen, kann dieser zu Fasten der Genauigkeit bei der Schätzung des Fahrbahnverlaufs mit eingehen. Vorliegend wird daher vorgeschlagen, die Zustandsfunktion und/oder die Umgebungsmessdaten derart basierend auf dem Beobachtungsfehler zu transformieren, so dass der Beobachtungsfehler zumindest teilweise kompensiert wird. Hierfür können die Umgebungsmessdaten, die Zustandsfunktion oder sowohl die Umgebungsmessdaten als auch die Zustandsfunktion basierend auf der Information über den Beobachtungsfehler gedreht, verschoben und/oder verzerrt werden. Die Transformierte kann im Kontext der vorliegenden Offenbarung also sowohl die transformierte Zustandsfunktion als auch die transformierten Umgebungsmessdaten sein. Durch das Transformieren wird eine zumindest teilweise Kompensation des Beobachtungsfehlers erreicht und somit die Genauigkeit der Schätzung durch die angepasste Zustandsfunktion erhöht. Das Fahrzeug kann die angepasste Zustandsfunktion dann heranziehen, um das Fahrzeug (teil-) automatisiert zu steuern. Das Fahrzeug kann zum Beispiel basierend auf der Zustandsfunktion Uenk-, Beschleunigungs-, Bremsmanöver oder dergleichen durchführen.

In Ausführungsbeispielen kann das Erfassen von Information über den Beobachtungsfehler ein Bestimmen einer Abweichung der Umgebungsmessdaten von dem Fahrbahnverlauf und Erhalten der Information über den Beobachtungsfehler basierend auf der Abweichung umfassen. Dies kann eine aktuelle und genauere Einschätzung des Beobachtungsfehlers liefern.

In Ausführungsbeispielen kann die Information über den Beobachtungsfehler einen Fehlerwinkel und das Bestimmen der Transformierten ein Drehen der Zustandsfunktion oder der Umgebungsmessdaten basierend auf dem Fehlerwinkel umfassen. Zum Drehen der Zustandsfunktion, beziehungsweise der Umgebungsmessdaten ist beispielsweise die Anwendung einer Drehmatrix vorgesehen.

Bevorzugt umfasst das Drehen ein Drehen unter Verwendung eines Bayes-Filters zum Schätzen des Fahrbahnverlaufs und eines auf dem Fehlerwinkel basierenden Drehparameters des Bayes-Filters. Der Bayes-Filter ist beispielsweise ein Kalman-Filter und der Drehparameter beispielsweise ein zusätzlicher Parameter zur Darstellung der Zustandsfunktion in dem Bayes-, beziehungsweise Kalman-Filter. Das Erfassen der Information über den Beobachtungsfehler umfasst in manchen Ausführungsbeispielen ein Erfassen von Bewegungsmessdaten des Fahrzeugs und ein Bestimmen der Information über den Beobachtungsfehler basierend auf den Umgebungsmessdaten und den Bewegungsmessdaten. Die Bewegungsmessdaten umfassen beispielsweise Odometriedaten oder GPS-Daten des Fahrzeugs. Wie der Fachmann verstehen wird, können die Bewegungsmessdaten als Referenzdaten für einen Vergleich mit den Umgebungsmessdaten zur Bestimmung einer Abweichung der Umgebungsmessdaten von den Bewegungsmessdaten und zum Bestimmen der Information über den Beobachtungsfehler basierend auf der Abweichung von den Bewegungsmessdaten bestimmt werden. Das Bestimmen der Abweichung erfolgt beispielsweise während das Fahrzeug fahrt. In der Praxis ist beispielsweise eine mehrmalige (Online-) Bestimmung der Abweichung vorgesehen.

Die Umgebungsmessdaten können iterativ gemessen werden. So können die Umgebungsmessdaten zu einem ersten Zeitpunkt gemessene erste Umgebungsmessdaten und zu einem späteren zweiten Zeitpunkt gemessene zweite Umgebungsmessdaten umfassen. Das Bestimmen der Information über den Beobachtungsfehler umfasst dann beispielsweise ein Transformieren der ersten und zweiten Umgebungsmessdaten in ein gemeinsames Koordinatensystem unter Verwendung der Bewegungsmessdaten und ein Bestimmen der Information über den Beobachtungsfehler anhand einer Abweichung zwischen den ersten und zweiten Umgebungsmessdaten in dem gemeinsamen Koordinatensystem. Die Information über den Beobachtungsfehler wird beispielsweise basierend auf einem den Beobachtungsfehler anzeigenden Abstand oder Winkel zwischen den ersten und zweiten Umgebungsmessdaten in dem gemeinsamen Koordinatensystems bestimmt.

Hierzu sieht das Bestimmen der Abweichung zwischen den ersten und zweiten Umgebungsmessdaten in Ausführungsbeispielen ein Bestimmen der Abweichung basierend auf einer Abweichung eines ersten Messpunktes der ersten Umgebungsmessdaten und eines zweiten Messpunktes der zweiten Umgebungsmessdaten, welche (der erste und zweite Messpunkt) den gleichen Punkt in der Umgebung abbilden, vor. Die hierbei zugrundeliegende Idee ist, dass Punkte der ersten Umgebungsmessdaten und der zweiten Umgebungsmessdaten, die den gleichen Punkt in der Umgebung abbilden idealerweise aufeinanderliegen würden, wenn kein Beobachtungsfehler vorliegen würde. Entsprechend kann aus der Abweichung der Messpunkte auf den Beobachtungsfehler geschlossen werden.

In der Praxis kann bei der Beobachtung der linken und rechten Fahrbahnbegrenzung aufgrund verschiedener Perspektiven jeweils unterschiedlichen Beobachtungsfehler auftreten. Das vorgeschlagene Verfahren kann daher jeweils separat für die linke und rechte Fahrbahnbegrenzung angewandt werden. Hierbei kann das Erfassen der Information über den Beobachtungsfehler ein Erfassen einer ersten Information über einen Beobachtungsfehler an der linken Fahrbahnbegrenzung und einer zweiten Information über den Beobachtungsfehler an der rechten Fahrbahnbegrenzung umfassen.

Ferner kann das Bestimmen einer Transformierten ein Bestimmen einer Transformierten durch Transformieren der Umgebungsmessdaten und/oder der Zustandsfunktion zum zumindest teilweisen Kompensieren des Beobachtungsfehlers an der linken Fahrbahnbegrenzung basierend auf der ersten und zweiten Information umfassen.

Dadurch kann zugunsten einer besseren Schätzung des Fahrbahnverlaufs der Beobachtungsfehler separat für die linke und rechte Fahrbahnbegrenzung (zumindest teilweise) kompensiert werden.

Der jeweilige Beobachtungsfehler für die rechte und linke Fahrbahnbegrenzung rührt beispielsweise von Neigungsänderungen her. Entsprechend kann das Erfassen der ersten und zweiten Information ein Erhalten von Information über Neigungsänderungen der Fahrbahn und ein Bestimmen der ersten und zweiten Information basierend auf Information über Neigungsänderungen der Fahrbahn umfassen. Die Informationen über Neigungsänderungen können zum Beispiel Positionsmessungen und/oder einer (Höhen-) Karte der Umgebung entnommen werden.

Andere Ausführungsbeispiele der vorliegenden Erfindung schaffen ein Computerprogramm, umfassend Befehle, die bei der Ausführung des Programms durch einen Computer diesen veranlassen, ein Ausführungsbeispiel des hierin vorgeschlagenen Verfahrens auszuführen.

Weitere Ausführungsbeispiele schaffen eine Vorrichtung umfassend eine oder mehrere Schnittstellen zur Kommunikation und eine Datenverarbeitungsschaltung, welche ausgebildet ist, um die ein oder mehreren Schnittstellen zu kontrollieren und unter Verwendung der ein oder mehreren Schnittstellen ein Ausführungsbeispiel des hierin vorgeschlagenen Verfahrens auszuführen.

Wiederum weitere Ausführungsbeispiele schaffen ein Fahrzeug umfassend ein Ausführungsbeispiel der hierin vorgeschlagenen Vorrichtung.

Ausführungsbeispiele werden nachfolgend bezugnehmend auf die beiliegenden Figuren näher erläutert. Es zeigen:

Fig. la - le ein Vorgehen zum Schätzen eines Fahrbahnverlaufs; Fig. 2 ein Ablaufdiagramm zur schematischen Darstellung eines Ausführungsbeispiels eines

Verfahrens zum zumindest teilweisen Kompensieren eines Beobachtungsfehler beim Schätzen eines Fahrbahnverlaufs einer Fahrbahn in der Umgebung eines Fahrzeugs;

Fig. 3a bis 3e das Konzept des vorgeschlagenen Verfahrens;

Fig. 4 ein Vorgehen zum Bestimmen eines Winkelfehlers;

Fig. 5 ein weiteres Vorgehen zum Bestimmen eines Winkelfehlers;

Fig. 6 ein Vorgehen zum zumindest teilweisen Kompensieren des Winkelfehlers;

Fig. 7a und 7b eine schematische Darstellung von Winkelfehlem bei Neigungsänderungen; und

Fig. 8 eine Vorrichtung nach dem vorgeschlagenen Konzept.

Verschiedene Ausführungsbeispiele werden nun ausführlicher unter Bezugnahme auf die beiliegenden Zeichnungen beschrieben, in denen einige Ausführungsbeispiele dargestellt sind. In den Figuren können die Dickenabmessungen von Linien, Schichten und/oder Regionen um der Deutlichkeit Willen übertrieben dargestellt sein.

Im Bereich von Konzepten zum autonomen Fahren kann es von großer Bedeutung für die Steuerung von beispielsweise autonom fahrenden Fahrzeugen sein, die Umgebung und den Fahrbahnverlauf zu schätzen. So kann beispielsweise das Fahrzeug derart angesteuert werden, so dass es autonom, ohne Zutun eines Fahrers Lenkung, Beschleunigung, Geschwindigkeit und weitere Fahrzeug- oder Fahrparameter so regelt, so dass das Fahrzeug beispielsweise sicher dem geschätzten Fahrbahnverlauf folgt und/oder Hindernissen ausweichen kann.

Fig. 1 zeigt ein beispielhaftes Vorgehen zum sensor- oder kamerabasierten Schätzen eines F ahrbahnverlaufs .

Insbesondere zeigt Fig. la schematisch eine Situation, bei der sich ein (teils-) autonom fahrendes Fahrzeug 110 auf einer Straße mit drei nebeneinanderliegenden Fahrspuren 102 befindet und/oder bewegt, die jeweils durch Fahrbahnbegrenzungen, beispielsweise durch Leitplanken oder, wie vorliegend, durch Fahrbahnmarkierungen 103 voneinander abgetrennt sind. Das Fahrzeug 110 befindet sich im gezeigten Beispiel auf der mittleren der Fahrspuren 102. Wie in Fig. lb dargestellt, kann das Fahrzeug 110 für den Fahrbahnverlauf zunächst einen Zustand annehmen. Hierfür beschreibt das Fahrzeug 110 den Fahrbahnverlauf zunächst durch eine Zustandsfünktion 114 umfassend mehrere Segmente 191-1 bis 191-n. Die Segmente können durch beliebige Funktionen beschrieben sein. Bevorzugt kommen für die Segmente zugunsten einer einfachen Darstellung und einer möglichst guten Näherung des Fahrbahnverlaufs Klothoidenfunktionen für die Segmente zum Einsatz. Die einzelnen Segmente können durch die Parameter c ₀ , c _{l n} , q ₀ und y ₀ vollständig charakterisiert werden, wobei c ₀ eine Anfangskrümmung, c _{l n} einen Krümmungsverlauf, 0 _O ^e i ^ne Orientierung und y ₀ einen y-Achsenabschnitt des jeweiligen Segments angibt. Für die Zustandsfünktion, welche vorliegend auch als Klothoiden-Spline mit n (n E N) Klothoiden-Segmenten verstanden werden kann, würde das bedeuten, dass der Klothoiden-Spline durch 4 · n Parameter beschrieben werden kann. Der in Fig. lb gezeigte Klothoiden-Spline erfüllt Anschlussbedingungen zwischen den Klothoiden-Segmenten, welche eine Anzahl der zur Beschreibung des Klothoiden-Splines notwendigen Parameter reduzieren können, so dass sich ein Berechnungsaufwand zum Bestimmen des Klothoiden-Splines reduziert. Der Klothoiden-Spline ist beispielsweise an den Übergangsstellen stetig, differenzierbar und die Krümmungswerte zweier aufeinanderfolgender Klothoiden-Segmente sind an den Übergangsstellen 113 gleichwertig. Unter den genannten Anschlussbedingungen lässt sich die Anzahl der zur Beschreibung des Klothoiden- Splines notwendigen Parameter auf n + 3 reduzieren. Daher kann der Klothoiden-Spline mit Bezugspunkt 112 x ₀ , y ₀ , Anfangskrümmung c ₀ und Orientierung 0 _O des Segment 191-1 durch einen reduzierten Parametersatz (c ₀ , q ₀ . y ₀ , x ₀ und c _{1 1} ... c _{l n} ) vollständig charakterisiert werden. Durch die Zustandsfünktion 114 wird beispielsweise der Verlauf einer Fahrbahnmarkierung, vorliegend beispielsweise die linke Fahrbahnmarkierung der Fahrspur, auf der sich das Fahrzeug 110 befindet, abgebildet.

Zur näherungsweisen Schätzung des Fahrbahnverlaufs ist vorliegend vorgesehen die Zustandsfünktion 114 basierend auf Beobachtungen anzupassen. Hierzu ist das Fahrzeug 110 beispielsweise mit einem Kamera- oder Sensorsystem ausgestattet, welches ausgebildet ist die Fahrbahnmarkierungen sensorisch zu erfassen und Umgebungsmessdaten zu liefern, welche den Verlauf der Fahrbahnmarkierung zumindest näherungsweise abbildet. Vorliegend umfassen die Umgebungsmessdaten zum Beispiel eine Polynomfunktion 132, welche aus Aufnahmen des Kamera oder Sensorsystems abgeleitet ist. Optional können auch andere Funktionen als die Polynomfünktion verwendet werden. In Ausführungsbeispielen ist beispielsweise vorgesehen die Zustandsfünktion 114 dann mittels eines Näherungsverfahrens an die Umgebungsmessdaten anzunähem. Dabei kann ein Samplingverfahren angewendet werden, bei dem die Zustandsfünktion 114 derart angepasst wird, so dass ein Abstand zwischen Samplepunkten 122 der Zustandsfünktion und Samplepunkten 142 der Umgebungsmessdaten verringert wird. Die erhaltene angepasste Zustandsfünktion kann anschließend verwendet werden, um das Fahrzeug 110 zu steuern. Dieses Vorgehen kann iterativ und/oder rekursiv beim Fahren wiederholt werden für eine ständig aktualisierte Schätzung des Fahrbahnverlaufs. In Ausführungsbeispielen wird zum Beispiel ein Kalman-Filter oder ein anderer Bayes-Filter zum Schätzen des Fahrbahnverlaufs verwendet.

Bei diesem Sampling-Verfahren erfolgt die Anpassung der Zustandsfunktion an die Beobachtungsdaten beispielsweise dadurch, dass eine Abweichung zwischen sich entsprechenden Sampling-Punkten auf der Zustandsfunktion 114 und den Umgebungsmessdaten 132 ermittelt wird, und der Bayes-Filter (z.B. Kalman -Filter) durch Anpassung von Parametern der Zustandsfunktion 114 die (quadratische) Abweichung der Sampling-Punkte minimiert oder zumindest reduziert.

Ein Nachteil bei diesem Verfahren ist jedoch, dass zur Anpassung der Parameter in manchen Beispielen nur die Lage (x und oder y-Werte) der Sample-Punkte verwenden werden, während Information über einen Verlauf der Umgebungsmessdaten zwischen den Sample -Punkten 142 unberücksichtigt bleibt. Dadurch kann es passieren, dass zwar die (quadratische) Abweichung zwischen den Sampling-Punkten minimiert oder zumindest reduziert wird, aber eine Form der angepassten Zustandsfunktion nicht mit der Form der Umgebungsmessdaten 132 übereinstimmt. Dieser Effekt ist besonders stark, wenn nur wenige Sampling-Punkte vorliegen. Das kann zum Beispiel der Fall sein, wenn die Umgebungsmessdaten 132 (Kamera-Polynome) sehr kurz sind (z.B. aufgrund einer geringen Sichtweite der Kamera, wenn ein Vorderfahrzeug die Fahrbahnmarkierungen verdeckt).

Wie in Fig. Id gezeigt, sind Abstände der Sampling-Punkte 122 auf der Zustandsfunktion 114 und den Beobachtungsdaten relativ klein, Krümmung und Tangentenwinkel auf den beiden Kurven 114 und 132 in der Nähe des Ursprungs (Position des Fahrzeugs) weichen jedoch stark voneinander ab. Dies kann zu Ungenauigkeiten bei der Schätzung der Fahrbahn führen, wodurch die automatisierte Steuerung eingeschränkt werden kann.

Es wird daher vorgeschlagen beim Anpassen der Zustandsfunktion 114 an die Umgebungsmessdaten 132 die Krümmung und/oder den Tangentenwinkel an den Sampling-Punkte 122 zu berücksichtigen. Dadurch kann die Zustandsfunktion 114 genauer an die Umgebungsmessdaten 132 angepasst werden.

Wie in Fig. le gezeigt, kann können alternativ zu Samplingverfahren auch andere Näherungsverfahren angewendet werden. Hierbei kann zum Beispiel bei einer Transformation der Zustandsfunktion in den Messraum ein Polynom 114‘ erzeugt werden, das näherungsweise der Zustandsfunktion 114 (Klothoidenspline) entspricht (z.B. mittels Polynomfitting). Hierbei hat das Polynom 114‘den gleichen Grad (gleiche Anzahl an Polynom -Koeffizienten), wie das Polynom der Umgebungsmessdaten 132.

Zur Erzeugung des Polynoms 114‘ aus der Zustandsfünktion 114 können zum Beispiel 4 oder einen andere Anzahl an Punkten der Zustandsfunktion 114 gesampelt werden und entsprechende Polynomkoeffizienten des Polynoms 114‘ mittels eines auf den Punkten basierenden linearen Gleichungssystems berechnet werden (zum Beispiel mit Hilfe einer Vandermonde-Matrix).

Anschließend können Parameter der Zustandsfunktion 114 so angepasst werden, dass ein (quadratischer) Abstand (Unterschied) der Koeffizienten des Polynoms der Umgebungsmessdaten 132 und dem aus der Zustandsfünktion 114 ermittelten Polynom 114 minimiert oder zumindest reduziert wird.

In der Praxis sind Kamera- und Sensorsysteme werksseitig und/oder nach einer gewissen fehlerbehaftet, so dass Beobachtungen mittels dieser um ein gewisses Maß, einen Beobachtungsfehler, von der Realität abweichen. Dies kann Alterungseffekte zur Ursache haben. Ferner können Beobachtungsfehler, wie insbesondere ein Winkelfehler auftreten, wenn sich die Orientierung relativ zur Fahrbahn und damit die Perspektive der Kamera- und Sensorsysteme auf die Fahrbahn verändern. Dies ist beispielsweise der Fall, wenn sich beim Fahren (z.B. beim Bergauffahren oder Bergabfahren) die Neigung der Fahrbahn ändert. Die Umgebungsmessdaten können daher mit Beobachtungsfehlem behaftet sein, welche beim Schätzen des Fahrbahnverlaufs gestützt auf die Umgebungsmessdaten (z.B. nach dem in Fig. la bis lc gezeigten Vorgehen) zu Fasten der Genauigkeit auf den geschätzten Fahrbahnverlauf, vorliegend beispielsweise auf die Zustandsfünktion 114, übertragen werden.

Zugunsten eines sicheren Betriebs von autonom fahrenden Fahrzeugen ist es daher ein Bedarf, ein verbessertes Konzept zum Schätzen der Fahrbahn zu schaffen. Dem hierin vorgeschlagenen Konzept liegt die Idee zugrunde, den Beobachtungsfehler zur Verbesserung einer Schätzung der Fahrbahn zumindest teilweise zu Kompensieren.

Fig. 2 zeigt ein Ablaufdiagramm zur schematischen Darstellung eines Ausführungsbeispiels eines Verfahrens 200 zum zumindest teilweisen Kompensieren eines Beobachtungsfehlers beim Schätzen eines Fahrbahnverlaufs einer Fahrbahn in der Umgebung eines Fahrzeugs.

Das Verfahren 200 umfasst ein Erhalten 210 zumindest einer Zustandsfünktion zum Abbilden des geschätzten Fahrbahnverlaufs. Wie vorhergehend erläutert, umfasst die Zustandsfünktion zum Beispiel eine oder mehrere Funktionen. Zum Erhalten der Zustandsfunktion kann diese, wie vorhergehend beschrieben, basierend auf Beobachtungen der Umgebungen erzeugt und/oder angepasst werden.

Ferner umfasst das Verfahren 200 ein Erhalten 220 von Umgebungsmessdaten der Umgebung des Fahrzeugs. Die Umgebungsmessdaten umfassen zum Beispiel Aufnahmen, Bildinformationen, Sensordaten und/oder daraus abgeleitete Informationen. In Beispielen umfassen die Umgebungsmessdaten eine an die Aufnahmen, Bildinformationen oder Sensordaten angenäherte Funktion (z.B. eine Polynomfünktion), die zum Beispiel einen Verlauf einer Fahrbahnbegrenzung oder Fahrbahnmarkierung abbildet.

Zudem umfasst das Verfahren 200 ein Erfassen 230 von Information über den Beobachtungsfehler. Zum Erfassen der Information über den Beobachtungsfehler können im einfachsten Fall vorbestimmte Informationen über den Beobachtungsfehler herangezogen werden, die zum Beispiel werksseitig oder anhand einer Spezifikation des jeweiligen Kamera- oder Sensorsystems bereitgestellt werden. Wie später näher erläutert können für eine aktuelle Einschätzung des Beobachtungsfehlers optional die Umgebungsmessdaten zum Erfassen der Information über den Beobachtungsfehler herangezogen werden.

Des Weiteren umfasst das Verfahren 200 ein Bestimmen 240 einer Transformierten durch Transformieren zumindest einer der Zustandsfunktion oder der Umgebungsmessdaten basierend auf der erfassten Information über den Beobachtungsfehler zum zumindest teilweisen Kompensieren des Beobachtungsfehlers. Hierzu werden zum Beispiel die Zustandsfunktion oder die Umgebungsmessdaten derart transformiert, so dass der Beobachtungsfehler zumindest teilweise ausgeglichen wird. Wie später näher erläutert, kann der Beobachtungsfehler einen Winkelfehler umfassen und die Zustandsfunktion, beziehungsweise können die Umgebungsmessdaten hierzu um den Winkelfehler gedreht werden. Die Transformierte umfasst in Ausführungsbeispielen daher die transformierte Zustandsfunktion oder die transformierten Umgebungsmessdaten.

Wie der Fachmann verstehen wird, können optional sowohl die Zustandsfunktion wie auch die Umgebungsmessdaten transformiert werden, zum Beispiel so dass die Zustandsfunktion und die Umgebungsmessdaten jeweils einen Teil des Beobachtungsfehlers ausgleichen, zum Beispiel, indem diese jeweils um einen Teil des Winkelfehlers gedreht werden.

In Ausführungsbeispielen können die Zustandsfunktion und die Umgebungsmessdaten zugunsten der Vergleichbarkeit außerdem in ein gemeinsames Koordinatensystem überführt werden. Die Zustandsfunktion wird beispielsweise in ein Koordinatensystem des Kamera- oder Sensorsystems, welches auch als „Messraum“ bezeichnet werden kann, überführt. Diese Transformation erfolgt anhand einer mathematischen Vorschrift, die als „Messmodell“ bezeichnet wird. Hierbei wird die Zustandsfunktion beispielsweise von einem Koordinatensystem, welches das Fahrzeug zum Steuern verwendet, auch als „Fahrzeugkoordinatensystem“ bezeichnet, mittels des Messmodells in den Messraum überführt.

Verfahren 200 umfasst zudem ein Anpassen 250 der Zustandsfunktion unter Verwendung der Transformierten. Zum Anpassen des geschätzten Fahrbahnverlaufs kann ein, wie vorstehend erläutertes, Näherungsverfahren ausgeführt werden, wobei eine aus der Zustandsfunktion hervorgehende Prädiktion an die Beobachtungen des Kamera- oder Sensorsystems angepasst wird. Dabei wird beispielsweise die Zustandsfunktion an die transformierten Umgebungsmessdaten oder die transformierte Zustandsfunktion an die Umgebungsmessdaten angenähert. Die Verwendung der Transformierten der Zustandsfunktion oder der Umgebungsmessdaten kann aufgrund der zumindest teilweisen Kompensation des Beobachtungsfehlers eine genauere Schätzung des Fahrbahnverlaufs liefern. Zum Anpassen des geschätzten Fahrbahnverlaufs kann in Ausführungsbeispielen ein Kalman- Filter oder ein anderer Bayes-Filter verwendet werden. Bei der Verwendung eines Kalman-Filters können die Zustandsfunktion als Zustand (engl.: „state“) des Kalman-Filters und die Umgebungsmessdaten als Beobachtung (engl.: „observation“) des Kalman-Filters angenommen werden, wobei die Zustandsfunktion gleich X in Ausführungsbeispielen, wie oben, mit angegeben sein kann.

Bei der Verwendung eines Kalman-Filters kann das Anpassen durch die sogenannte „Innovation“ des Kalman-Filters erfolgen, bei welcher eine aus der Zustandsfunktion hervorgehende Prädiktion mit den Umgebungsmessdaten verglichen wird. So können durch die Innovation die Parameter der Zustandsfunktion rekursiv an die Umgebungsmessdaten (Beobachtungsdaten), z.B. Kamera- Polynome, welche die Fahrbahnmarkierungen beschreiben, angepasst werden.

Analog kann der Fahrbahnverlauf mittels anderer Bayes-Filter geschätzt werden.

Das Verfahren 200 kann insbesondere im Betrieb ausgeführt werden, z.B. während das Fahrzeug fährt. Entsprechend kann das Verfahren auch als „Online-Bias-Kompensation“ verstanden werden.

Das Verfahren 200 soll nachfolgend anhand mehrerer, konkreter Beispiele näher erläutert werden. Es sei jedoch darauf hingewiesen, dass Ausführungsbeispiele nicht auf die beschriebenen Beispiele eingeschränkt sind. Vielmehr dienen die beschriebenen Ausführungsbeispiele dem besseren Verständnis der vorliegenden Offenbarung wie auch jeglicher Äquivalente des Beschriebenen.

Fig. 3a, 3b, 3c und 3d zeigen schematisch das vorgeschlagene Konzept.

Bei den gezeigten Szenarien befindet sich beispielsweise ein (teil-) automatisiert gesteuertes Fahrzeug 310 auf einer Fahrbahn 302. Vorliegend ist das Fahrzeug 310 beispielsweise zur sensorgestützten Schätzung des Fahrbahnverlaufs mit einem Kamera- oder Sensorsystem ausgestattet und soll zur (teil- ) automatisierten Steuerung des Fahrzeugs 310 mittels Aufnahmen durch das Kamera- oder Sensorsystem einen Fahrbahnverlauf der Fahrbahn 302 schätzen.

Wie anhand Fig. 3a gezeigt kann das Kamera- oder Sensorsystem einen systematischen Winkelfehler g aufweisen. Im gezeigten Fall können zum Beispiel Aufnahmen 307 und 309 von einer rechten Fahrbahnbegrenzung 304, beziehungsweise einer linken Fahrbahnbegrenzung 306 jeweils um einen Winkelfehler g vom tatsächlichen Verlauf der Fahrbahnbegrenzungen 304 und 306 der Fahrbahn 302 abweichen g kann in Ausführungsbeispielen ein Winkel um einen Ursprung eines Koordinatensystem des Kamera- oder Sensorsystems sein. Vorliegend wird die Fahrbahn 302 der Einfachheit halber als gerade und eben angenommen wird. Dementsprechend verlaufen eine linke Fahrbahnbegrenzung 306 und eine rechte Fahrbahnbegrenzung 304 der Fahrbahn 302 gerade und parallel. Für die Aufnahmen 307 und 309 werden vorliegend ebenfalls Geraden angenommen, auch wenn die Aufnahmen in Ausführungsbeispielen beliebige Verläufe annehmen können. Es sei allerdings angemerkt, dass das hierin beschriebene Konzept analog für gekrümmte und/oder nur teils gerade Fahrbahnverläufe analog anwendbar ist.

Fig. 3b zeigt ein Szenario, bei dem das Fahrzeug 310 parallel zur Fahrbahn 302 steht. Das Fahrzeug 310 kann anhand der Aufnahmen 307 und 309 Umgebungsmessdaten 316, die einen Verlauf der linken Fahrbahnbegrenzung 306 abbilden, und Umgebungsmessdaten 318, die einen Verlauf der rechten Fahrbahnbegrenzung 318 abbilden, generieren. Die Umgebungsmessdaten 316 und 318 umfassen oder sind jeweils eine Polynomfunktion. In Ausführungsbeispielen wird beispielsweise eine Polynomfunktion dritten Grades verwendet. Wie ferner gezeigt, können die Umgebungsmessdaten 316 und 318 aufgrund der Winkelfehlers g selbst einen Winkelfehler d gegen über dem tatsächlichen Verlauf der Fahrbahnbegrenzungen 304 und 306 aufweisen. Basierend auf den Umgebungsmessdaten 316 und 318 kann dann der Fahrbahnverlauf der Fahrbahn 302 geschätzt werden.

Würden das Kamera- oder Sensorsystem und die Umgebungsmessdaten keinen Winkelfehler aufweisen, so würde eine Orientierung der Fahrbahn 302 korrekt geschätzt werden. Zur Schätzung der Fahrbahn 302 kann, wie in Fig. 3c gezeigt, eine Zustandsfunktion 314 (dick gestrichelt) dienen, die von einem vorbestimmten Bezugspunkt ( o,yo) 312 im Fahrzeugkoordinatensystem des Fahrzeugs 310 (hier schematisch durch X _F und y _F dargestellt) aus den geschätzten Fahrbahnverlauf abbildet. Würde kein Winkelfehler vorliegen, würde das Fahrzeug 310 eine Orientierung qo (siehe oben) der Zustandsfunktion 314, wie vorliegend gezeigt, derart anpassen, so dass die Zustandsfunktion 314 parallel zu einer gedachten Mittellinie 308 (strich-punktiert) der Fahrbahn 302 verläuft qo gibt beispielsweise einen Winkel zwischen der Richtung einer x-Achse (XF) des Fahrzeugkoordinatensystems und der Zustandsfunktion 314 an. Wenn das Fahrzeug 310, wie in Fig. 3c gezeigt, schräg zur Fahrbahn steht 302, kann qo dann ungleich null sein.

Wenn das Fahrzeug 310, wie in Fig. 3d gezeigt, parallel zur Fahrbahn 302 steht, nimmt qo, wenn kein Winkelfehler vorliegt, dann idealerweise einen Wert gleich null an.

Häufig ist es nicht möglich, den Winkelfehler vor Betrieb des Fahrzeugs, z.B. durch Kalibrierung des Kamera- oder Sensorsystems, vollständig zu kompensieren. Entsprechend kann sich der Winkelfehler, wie in Fig. 3e gezeigt, in dem geschätzten Fahrbahnverlauf niederschlagen. Wie in Fig. 3e gezeigt, kann das Fahrzeug 310 beispielsweise parallel zur Fahrbahn 302 stehen und sich aufgrund des Winkelfehlers g und des daraus resultierenden Winkelfehlers in den Umgebungsmessdaten 316 und 318 ein Winkelfehler der Zustandsfunktion 314 ergeben. In Ausführungsbeispielen weicht die Zustandsfunktion 314 dann von dem tatsächlichen Fahrbahnverlauf mit der gedachten Mittelline 308 ab. Vorliegend ist qo dann beispielsweise ungleich null, obwohl das Fahrzeug 310 parallel zur Fahrbahn steht qo kann in Ausführungsbeispielen zum Beispiel entsprechend der Umgebungsmessdaten um d von dem tatsächlichen Fahrbahnverlauf abweichen. Entsprechend kann qo auch vom tatsächlichen Fahrbahnverlauf abweichen, wenn das Fahrzeug 310 in einer beliebigen anderen Orientierung, zum Beispiel schräg zur Fahrbahn 302 steht.

Um den Winkelfehler g zumindest teilweise zu kompensieren, wird vorgeschlagen, Information über den Winkelfehler g zu erfassen und die Umgebungsmessdaten 316 und 318 und/oder die Zustandsfunktion 314 basierend auf der Information zu transformieren. Es wird vorgeschlagen beispielsweise die Orientierung qo der Zustandsfunktion 314 oder die Umgebungsmessdaten entsprechend basierend auf der Information über den Winkelfehler anzupassen. Wie gezeigt, kann dabei der Parameter qo so angepasst werden, dass der geschätzte Fahrbahnverlauf (Klothoidenspline) parallel zu den beobachteten Fahrbahnbegrenzungen liegt.

Zum Erfassen 230 der Information über den Winkelfehler kann, wie nachfolgend in Bezug auf Fig. 4 und Fig. 5 erläutert, auf verschiedene Art und Weise vorgegangen werden. Wie in Fig. 4 gezeigt, kann das Erfassen von Information über den Winkelfehler in Ausführungsbeispielen ein Bestimmen einer Abweichung der Umgebungsmessdaten von dem Fahrbahnverlauf und Erhalten der Information über den Winkelfehler basierend auf der Abweichung umfassen. Dabei können zeitlich versetzt zunächst erste Umgebungsmessdaten 316a und 318a der linken, beziehungsweise rechten Fahrbahnbegrenzung 304/306 zu einem ersten Zeitpunkt tl und zu einem späteren, zweiten Zeitpunkt t2 zweite Umgebungsmessdaten 316b und 318b der jeweiligen Fahrbahnbegrenzung 304/306 gemessen werden.

Wie der Fachmann verstehen wird, können die ersten und zweiten Umgebungsmessdaten unter Verwendung von Bewegungsmessdaten, die beispielsweise mittels Odometrie oder eines Ortungsverfahren erfasst werden, in ein gemeinsames Koordinatensystem überführt werden.

Das Bestimmen der Information über den Winkelfehler kann dann anhand einer Abweichung zwischen den ersten und zweiten Umgebungsmessdaten in dem gemeinsamen Koordinatensystem erfolgen.

Wie in Fig. 4 angedeutet, kann die Abweichung für die Umgebungsmessdaten 316a und 316b basierend auf einer Abweichung eines ersten Messpunktes 326a der ersten Umgebungsmessdaten 316a und eines zweiten Messpunktes 326b der zweiten Umgebungsmessdaten 316b erfolgen. Um die Messpunkte 326a und 326b so zu wählen, dass sie näherungsweise gleichen Punkten in der (realen) Umgebung entsprechen, können diese so gewählt werden, dass diese den gleichen Punkt in der Umgebung abbilden. Hierfür können die Messpunkte 326a und 326b so gewählt sein, dass sie vom Schnittpunkt 319 einer y-Achse (yx) des Koordinatensystems des Kamera- oder Sensorsystems , abgebildet durch X _K und Y _K . und der Umgebungsmessdaten316a gleich weit entfernt sind. Anhand der Abweichung der Messpunkte 326a und 326b kann anschließend der Winkelfehler bestimmt werden.

Analog kann zum Bestimmen des Winkelfehlers anhand der Umgebungsmessdaten 318a und 318b und der Messpunkte 328a und 328b vorgegangen werden. Wie später näher erläutert können hierdurch in manchen Szenarien unterschiedliche Winkelfehler beim Erfassen der linken und rechten Fahrbahnbegrenzung festgestellt werden.

Alternativ oder zusätzlich kann das in Fig. 5 gezeigte Vorgehen angewendet werden, um die Information über den Winkelfehler zu erfassen. Dabei können ebenfalls mittels Odometrie oder eines Ortungsverfahren Bewegungsdaten erfasst werden und die Bestimmung die Information über den Winkelfehler basierend auf den Umgebungsmessdaten und den Bewegungsmessdaten erfolgen. Wie oben schon erwähnt, führt der Winkelfehler g dazu, dass der geschätzte Fahrbahnverlauf, vorliegend Zustandsfunktion 314, ebenfalls einen Winkel d zur wahren Mittellinie 317 aufweist. Die Steuerung des Fahrzeugs 310 folgt im Wesentlichen einem Regelpunkt 332, der sich auf dem geschätzten Fahrbahnverlauf 314 in einem gewissen Abstand vor dem Fahrzeug 310 befindet. Da der geschätzte Fahrbahnverlauf 314 zur wahren Mittellinie schief steht, befindet sich der Regelpunkt 332 nicht in der Mitte der Fahrbahn 302. Das führt dazu, dass die seitliche Position des Fahrzeugs 310 einen Versatz zur wahren Mittellinie 317 aufweist. Dieser Versatz hängt von der Größe des Winkelfehlers g ab.

Da sich der Winkelfehler g nicht oder nur langsam im Betrieb ändert, bleibt auch der verursachte seitliche Versatz (nahezu) konstant, d.h. das Fahrzeug fährt parallel zur wahren Mittellinie. Wenn man nun durch Positionen 341, 342 und 343 des Fahrzeugs 310, die zu verschiedenen Zeiten, beziehungsweise an verschiedenen Positionen gemessen wurden, eine Ausgleichsgerade 352 legt, kann man die Richtung der wahren Mittellinie 317 bestimmen. Die Information über den Winkelfehler, beziehungsweise der Winkelfehler kann entsprechend aus einem Winkel zwischen den Umgebungsmessdaten 316 und 318 und der Ausgleichsgerade 352 abgeleitet werden.

Die Information über den Winkelfehler kann insbesondere eine Angabe über einen Fehlerwinkel des Kamera- oder Sensorsystems, über einen Fehlerwinkel der Umgebungsmessdaten oder der Zustandsfunktion umfassen.

Anschließend kann basierend auf der erfassten Information über den Winkelfehler eine zumindest teilweise Kompensation des Winkelfehlers vorgenommen werden. Ein dafür vorgesehenes Vorgehen ist nachfolgend in Bezug auf Fig. 6 näher beschrieben.

Wie schon oben beschrieben, können die Umgebungsmessdaten 316 und 318 mit dem Winkelfehler g behaftet sein g entspricht dabei zum Beispiel einem Fehlerwinkel. Konkret können die Umgebungsmessdaten 316 und 318 also zum Beispiel um den Fehlerwinkel g von der tatsächlichen Fahrbahnbegrenzung 304 und 306 abweichen.

Zum zumindest teilweisen Kompensieren des Winkelfehlers können die Umgebungsmessdaten 316 und 318 derart transformiert werden, so dass diese um zumindest einen Teil idealerweise vollständig um den Fehlerwinkel gedreht werden. Dies kann beispielsweise in einem separaten Berechnungsmodul erfolgen. Die dabei bestimmten Transformierten 316‘ und 318‘ der Umgebungsmessdaten 316 und 318 weisen dann zugunsten einer präziseren Schätzung des Fahrbahnverlaufs eine geringere Abweichung von, beziehungsweise einen geringeren Winkel gegenüber den Fahrbahnbegrenzungen 304 und 306 auf. Idealerweise ist der geschätzte Fahrbahnverlauf dann parallel zum tatsächlichen Fahrbahnverlauf. Bei einem alternativen Vorgehen kann auch lediglich der geschätzte Fahrbahnverlauf, also zum Beispiel die angepasste Zustandsfunktion, basierend auf dem Winkelfehler gedreht werden.

In einem wiederum alternativen Vorgehen kann die Zustandsfünktion zum zumindest teilweisen Kompensieren des Winkelfehlers basierend auf der Information über den Winkelfehler transformiert werden. Bei Ausführungsbeispielen, die eine Verwendung eines Bayes-Filters, wie beispielsweise eines Kalman-Filters vorsehen, kann dies in eine Transformation zur Überführung der Zustandsfunktion von einem Koordinatensystems des Fahrzeugs 310 in den Messraum eingebunden werden. Im Allgemeinen kann das Koordinatensystem des Fahrzeugs 310, hier beschrieben durch X _F und y _F , unterschiedlich zum Messraum, beziehungsweise Koordinatensystem des Kamera- oder Sensorsystems sein.

Für das vorgeschlagenen Vorgehen kann die Zustandsfunktion X des Kalman-Filters für die Fahrbahnverlaufsschätzung um einen zusätzlichen Parameter für den Winkelfehler g ergänzt werden, so dass die Zustandsfunktion mit angegeben ist.

Bei der Transformation der Zustandsfunktion vom Zustandsraum in den Messraum im Rahmen der Fahrbahnverlaufsschätzung wird die prädizierte Zustandsfunktion (Klothoidenspline) dann zusätzlich um den Winkelfehler g um den Ursprung des Koordinatensystems der Kamera mit den Koordinaten (x_camera, y_camera) gedreht. Für andere Beobachtungsfehler können optional weitere oder andere Parameter eingeführt werden.

Wenn bei der Transformation ein Sampling-Verfahren zum Einsatz kommt kann die Drehung dadurch geschehen, dass gesampelten Punkte der Zustandsfunktion mit Koordinaten (x, y)i, mit i: Laufindex, in das Kamera Koordinatensystem verschoben werden, dann um g um den Ursprung des Koordinatensystems der Kamera gedreht werden. Der zusätzliche Parameter, vorliegend entsprechend g, kann daher als Drehparameter verstanden werden. Zur Schätzung des Fahrbahnverlaufs kann die angepasste Zustandsfunktion anschließend folgendermaßen wieder in das Koordinatensystem des Fahrzeugs 310 zurück verschoben werden:

1) Verschiebung der gesampelten Punkte in das Kamera-Koordinatensystem x = x + x camera y = y + y_camera

2) Drehung um den Winkel-Fehler g x = x · cos(y) - y · sin(y) y = y · cos(y) + x · sin(y)

3) Verschiebung zurück in das Fahrzeug-Koordinatensystem x = x - x camera y = y - y_camera

Das wirkt sich so aus, als würden die „schief stehenden“ Umgebungsmessdaten für die linke und rechte Fahrbahnbegrenzung 304 und 306 „gerade gerückt“ werden. Dies führt dazu, dass bei gerade stehendem Fahrzeug auch der Winkel qo des geschätzten Fahrbahnverlaufs wieder näherungsweise 0 beträgt.

Bei dem hier vorgeschlagenen Konzept ist der Bayes-Filter (Kalman-Filter) zugunsten einer geringen Schwankung bevorzugt so ausgelegt, dass er den Winkel qo sich schnell anpassen kann, um somit dynamisch auf die Orientierung des Fahrzeugs zur Fahrbahn zu reagieren, aber dass er die Winkel- Fehler-Schätzung ynur langsam, insbesondere langsamer als qo anpassen kann, um den sich nur langsam ändernden systematischen Winkelfehler zu kompensieren.

Wie in Fig. 7a und 7b dargestellt, kann der Winkelfehler für die linke und rechte Fahrbahnbegrenzung im Allgemeinen unterschiedlich sein. Insbesondere kann der Winkelfehler für die rechte und linke Fahrbahnbegrenzung in unterschiedliche Richtungen von den tatsächlichen Fahrbahnbegrenzungen ab weichen.

Wie in Fig. 7a gezeigt, kann, wenn die Neigung fällt, also zum Beispiel, wenn das Fahrzeug 310 auf ein Gefälle zufährt, der Winkelfehler an den Fahrbahnbegrenzungen 304 und 306 derart sein, dass die zugehörigen Umgebungsmessdaten 316 und 318 in Fahrtrichtung aufeinander zu laufen. Andersherum können die Umgebungsmessdaten 316 und 318, wie in Fig. 7b dargestellt, wenn die Neigung ansteigt, also zum Beispiel, wenn das Fahrzeug 310 auf einen Anstieg zufährt, in Fahrtrichtung voneinander weg laufen. Entsprechend können die Winkelfehler yi an der linken Fahrbahnbegrenzung 306 und y2 unterschiedlich sein.

Die in Fig. 7a und 7b dargestellten Situationen können fälschlicherweise als Fahrbahnverengung oder Fahrbahnaufweitung interpretiert werden. Bei ungleichen Winkelfehlem kann es auch zu einem Versatz der geschätzten Mittellinie und dadurch zu einem außermittigen Fahren des Fahrzeugs kommen.

Es wird daher vorgeschlagen, den Winkelfehler separat für die linke und rechte Fahrbahnbegrenzung zumindest teilweise zu kompensieren. Insbesondere kann dies bei Ausführungsbeispielen erfolgen, in denen vorgesehen ist, die Fahrbahnbegrenzungen jeweils separat mittels einer jeweiligen Zustandsfünktion abzubilden.

Hierzu wird vorgeschlagen, Information über den Winkelfehler separat für die linke und rechte Fahrbahnbegrenzung zu erfassen. Entsprechend kann eine erste Information über einen Winkelfehler an der linken Fahrbahnbegrenzung und eine zweiten Information über den Winkelfehler an der rechten Fahrbahnbegrenzung erfasst werden.

Entsprechend kann der Winkelfehler basierend auf der ersten und zweiten Information zumindest teilweise kompensiert werden. Hierzu können die Umgebungsmessdaten jeweils basierend auf der Information über den Winkelfehler an der jeweiligen Fahrbahnbegrenzung transformiert werden. Zum Beispiel können die Umgebungsmessdaten 316 um gi und die Umgebungsmessdaten 318 um p_ gedreht werden. Optional kann analog zu dem im vorhergehend Beschriebenen die Zustandsfunktion basierend auf den ersten und zweiten Informationen zur zumindest teilweisen Kompensation transformiert, beziehungsweise gedreht werden. In Fällen, die separate Zustandsfunktionen für die linke und rechte Fahrbahnbegrenzung vorsehen, können die Zustandsfunktionen basierend auf der jeweiligen Information über den Winkelfehler transformiert werden. Eine Zustandsfünktion zum Abbilden der linken Fahrbahnbegrenzung 306 kann beispielsweise entsprechend um gi gedreht werden. Die entsprechende Zustandsfünktion der rechten Fahrbahnbegrenzung kann entsprechend um j2 gedreht werden.

Durch die Kompensation dieser (aufgrund von Neigungsänderungen, z.B. bei Berg- und Talfahrt) entstehenden Winkelfehler in den Beobachtungsdaten mit den oben beschriebenen Verfahren wird der Fahrbahnverlauf genauer geschätzt und negative Auswirkungen auf die automatisierte Steuerung vermieden oder zumindest teilweise reduziert.

Wie erläutert, können die Fehlerwinkel gi und j2 insbesondere von der Neigung der Fahrbahn abhängen. Entsprechend wird vorgeschlagen Informationen über die Winkelfehler gi und _j 2 in Ausführungsbeispielen anhand von Information über Neigungsänderungen der Fahrbahn zu bestimmen. Zum Erfassen der Information über Neigungsänderungen können zum Beispiel Kartendaten der Umgebung und/oder Höheninformationen über eine Höhe des Fahrzeugs 310 herangezogen werden. So können zum Beispiel gi und p_ anhand der Information über Neigungsänderungen bestimmt werden.

Es sei angemerkt, dass das hierin beschriebene Vorgehen zum Bestimmen/Ermitteln und/oder Kompensieren des Winkelfehlers analog auf andere Beobachtungsfehler angewendet werden kann. So können zum Beispiel analog Krümmungsfehler und/oder Versatzfehler, die auf optischen Fehlem beruhen können, analog ermittelt und/oder zumindest teilweise kompensiert werden. Insbesondere können in Anwendungen zusätzlich oder alternativ zu dem Winkelfehler, Krümmungs- und/oder Versatzfehler zumindest teilweise kompensiert werden.

Zudem sei angemerkt, dass, obwohl das vorgeschlagene Konzept vorliegend anhand von Beispielen mit geraden Fahrbahnverläufen beschrieben ist, das Konzept auch analog für krumme Fahrbahnverläufe angewendet werden kann. Ferner sei darauf hingewiesen, dass das hierin beschriebene Konzept im Allgemeinen für jegliche Fahrzeuge und Verkehrsbereiche sowie im Zusammenhang mit jeglichen Verfahren zum Schätzen eines Fahrbahnverlaufs, das unter den Umfang des beanspruchten Konzeptes fällt, angewendet werden kann.

Neben systematischen Fehlem der Umgebungsmessdaten (Beobachtungsdaten) und fehlerhaften Umgebungsmessdaten des Kamera- oder Sensorsystems kann es auch passieren, dass die Sensoren keine oder lückenhafte Umgebungsmessdaten des Umfelds liefern.

Ein kurzzeitiges Fehlen der Umgebungsmessdaten kann beim Schätzen des Fahrbahnverlaufs, z.B. durch den Kalman-Filter kompensiert werden. Wenn höchstens eine vorbestimmte Menge an Umgebungsmessdaten fehlt, dann gibt der Kalman-Filter einen im vorhergehenden Zeitschritt geschätzten und um eine Bewegung des Fahrzeugs korrigierten Fahrbahnverlauf aus (Prädiktion).

Wenn jedoch längere Zeit keine neuen Umgebungsmessdaten vorliegen, wird angenommen, dass dieser prädizierte Fahrbahnverlauf nicht mehr mit dem realen Fahrbahnverlauf übereinstimmt.

In diesem Fall wird das Fahrzeug dann nicht mehr basierend auf dem prädizierten Fahrbahnverlauf gesteuert. Hierbei wird vorgeschlagen zu überwachen, ob neue Umgebungsmessdaten des Sensor oder Kamerasystems eingehen und verarbeitet werden. Wenn für einen vorbestimmten Zeitraum t keine neuen Beobachtungsdaten mehr verarbeitet wurden, wird die Fahrbahnschätzung abgeschaltet, damit keine fehlerhafte oder zu lückenhafte Fahrbahnschätzung für die automatisierte Steuerung verwendet wird. Dann wird beispielsweise ein Fahrer des Fahrzeugs aufgefordert die Steuerung des Fahrzeugs übernehmen. Zudem kann der Kalman-Filter in aufeinanderfolgenden Zeitschritten eine Unsicherheit der Fahrbahnschätzung ermitteln. Bei Bewegung des Fahrzeugs erhöht sich diese Unsicherheit. Durch die Verarbeitung von Umgebungsmessdaten würde die Unsicherheit wieder reduziert werden. Da die Unsicherheit bei ausbleibenden Beobachtungsdaten nicht reduziert wird, steigt die Unsicherheit bei ausbleibenden Beobachtungsdaten an. Deshalb wird neben der zeitlichen Überwachung auch eine Höhe der Unsicherheit der Fahrbahnschätzung überwacht und bei Überschreitung einer Grenze ebenfalls die Fahrbahnschätzung abgeschaltet.

Im Speziellen wird mit einer Transformation aus der Zustandsfunktion die Unsicherheit zwischen Fahrzeug und geschätzter Fahrbahnbegrenzung berechnet und bei einem Überschreiten die Fahrbahnschätzung abgeschaltet.

Des Weiteren kann es passieren, dass das Kamera- oder Sensorsystem zwar Umgebungsmessdaten liefert, diese aber eine ungenügende Qualität aufweisen, zum Beispiel bei Schneefall, starkem Regen, Nebel oder verschmutzter Fahrbahn. Zum Teil können die Sensoren selbst die Qualität der von ihnen erzeugten Umgebungsmessdaten ermitteln. Das Kamera- oder Sensorsystem liefern dazu neben den Umgebungsmessdaten zusätzlich Qualitätswerte, wie zum Beispiel eine Angabe über eine Existenzwahrscheinlichkeit einer Fahrbahnmarkierung oder eine rekursiv geschätzte Standardabweichung einer Geometrie der Fahrbahnmarkierung.

Demgemäß wird vorgeschlagen den Umgebungsmessdaten Qualitätsmaße zuzuordnen und Umgebungsmessdaten mit ungenügenden Qualitätsmaßen, z.B., wenn diese einen Grenzwert unterschreiten, nicht, insbesondere nicht zur Schätzung des Fahrbahnverlaufs zu verwenden die Umgebungsdaten nicht zu verwenden.

Wenn das Kamera- oder Sensorsystem keine Qualitätsmäße liefert, können optional separat Qualitätsmaße ermittelt werden.

Gegebenenfalls müssen die Qualitätsmaße vor Vergleich mit einem Grenzwert noch gefiltert werden.

Gemäß einem weiteren Aspekt kann eine Existenzwahrscheinlichkeit der Umgebungsmessdaten überwacht werden, und wenn sie unter einer gewissen Schwelle hegt, werden die Umgebungsmessdaten nicht für die Schätzung des Fahrbahnverlaufs verwendet. Zudem kann eine große Schwankung der Existenzwahrscheinlichkeit auf schlechte Beobachtungsdaten hinweisen.

Im Bereich von Baustellen kommt es vor, dass ein geänderter Fahrbahnverlauf durch eine Sondermarkierung angezeigt wird. Manchmal kann diese Sondermarkierung jedoch nicht von dem Kamera- oder Sensorsystem von außerhalb der Baustelle üblichen Markierung unterschieden werden. Es kann Vorkommen, dass das Kamera- oder Sensorsystem deshalb mehrere alternative Umgebungsmessdaten liefert.

Wenn sowohl die Umgebungsmessdaten der Sondermarkierung als auch der außerhalb der Baustelle üblichen Markierungen zur Fahrbahnschätzung verwendet werden, ergibt sich ein falscher geschätzter Fahrbahnverlauf. Deshalb ist vorgesehen, nur eine der alternativen Beobachtungsdaten zu verwenden, wenn von dem Kamera- oder Sensorsystem die Sondermarkierung nicht von der der außerhalb der Baustelle üblichen Markierung unterschieden werden kann. Insbesondere wird die Alternative ausgewählt, bei der ein Unterschied zwischen prädiziertem Fahrbahnverlauf und Beobachtungsdaten am geringsten ist. Die Berechnung des Unterschieds kann z.B. die Berechnung einer Mahalanobis- Distanz umfassen.

Das vorliegend vorgeschlagene Konzept kann, wie in Fig. 8 gezeigt, auch in einer Vorrichtung 800 (für ein Fahrzeug 802) umgesetzt werden.

Die Vorrichtung 800 umfasst eine oder mehrere Schnittstellen zur Kommunikation 812 und eine Datenverarbeitungsschaltung 814, welche ausgebildet ist, um die ein oder mehreren Schnittstellen 812 zu kontrollieren und unter Verwendung der ein oder mehreren Schnittstellen 812 ein Ausführungsbeispiel des hierin beschriebenen Verfahrens auszuführen.

Die ein oder mehreren Schnittstellen 812 sind mit der Datenverarbeitungsschaltung 814 verbunden und können insbesondere ein oder mehrere Schnittstellen zu einem Kamera- oder Sensorsystem des Fahrzeugs 802 umfassen, um von dem Kamera- oder Sensorsystem verfahrensgemäß Umgebungsmessdaten einer Umgebung des Fahrzeugs 802 zu erfassen. Ferner können die ein oder mehreren Schnittstellen 812 auch ein oder mehrere Schnittstellen zu einem Steuergerät des Fahrzeugs 802 umfassen, um dem Steuergerät den verfahrensgemäß geschätzten Fahrbahnverlauf zur (teil-) automatisierten Steuerung des Fahrzeugs oder zum Anzeigen des Fahrbahnverlaufs für einen Insassen bereitzustellen. In Ausführungsbeispielen können die ein oder mehreren Schnittstellen 812 Kontakte (engl.: „Pins“), Sende-, Empfangskomponenten und/oder weitere Mittel zur Informationsübertragung umfassen.

Die Datenverarbeitungsschaltung 814 kann in Ausführungsbeispielen jegliche Mittel zur elektronischen Informationsverarbeitung umfassen, zum Beispiel einen Mikrocontroller, einen Prozessor (-kern), einen Grafikprozessor und/oder dergleichen. Die Datenverarbeitungsschaltung 814 kann mittels Software- und/oder Hardwarekomponenten dazu eingerichtet sein, das hierin vorgeschlagene Konzept umzusetzen, insbesondere, um Schritte der Informations- oder Datenverarbeitung zur Umsetzung dieses Konzepts auszuführen. Insbesondere kann das vorgeschlagene Konzept in einem Computerprogramm umgesetzt sein, welches Befehle umfasst, die bei der Ausführung des Programms durch die Datenverarbeitungsschaltung 814 diese veranlassen das hierin vorgeschlagene Verfahren auszuführen.

Es sein angemerkt, dass Erläuterungen zu dem hierin beschriebenen Verfahren gleichermaßen für die beschriebene Vorrichtung gelten.

Funktionen verschiedener in den Figuren gezeigter Elemente sowie die bezeichneten Funktionsblöcke können in Form dedizierter Hardware, z. B „eines Signalanbieters“, „einer Signalverarbeitungseinheit“, „eines Prozessors“, „einer Steuerung“ etc. sowie als Hardware fähig zum Ausführen von Software in Verbindung mit zugehöriger Software implementiert sein. Bei Bereitstellung durch einen Prozessor können die Funktionen durch einen einzelnen dedizierten Prozessor, durch einen einzelnen gemeinschaftlich verwendeten Prozessor oder durch eine Mehrzahl von individuellen Prozessoren bereitgestellt sein, von denen einige oder von denen alle gemeinschaftlich verwendet werden können. Allerdings ist der Begriff „Prozessor“ oder „Steuerung“ bei Weitem nicht auf ausschließlich zur Ausführung von Software fähige Hardware begrenzt, sondern kann Digitalsignalprozessor-Hardware (DSP-Hardware; DSP = Digital Signal Processor), Netzprozessor, anwendungs-spezifische integrierte Schaltung (ASIC = Application Specific Integrated Circuit), feldprogrammierbare Fogikanordnung (FPGA = Field Programmable Gate Array), Nurlesespeicher (ROM = Read Only Memory) zum Speichern von Software, Direktzugriffsspeicher (RAM = Random Access Memory) und nichtflüchtige Speichervorrichtung (storage) umfassen. Sonstige Hardware, herkömmliche und/oder kundenspezifische, kann auch eingeschlossen sein.

Ein Blockdiagramm kann zum Beispiel ein grobes Schaltdiagramm darstellen, das die Grundsätze der Offenbarung implementiert. Auf ähnliche Weise können ein Flussdiagramm, ein Ablaufdiagramm, ein Zustandsübergangsdiagramm, ein Pseudocode und dergleichen verschiedene Prozesse, Operationen oder Schritte repräsentieren, die zum Beispiel im Wesentlichen in computerlesbarem Medium dargestellt und so durch einen Computer oder Prozessor ausgeführt werden, ungeachtet dessen, ob ein solcher Computer oder Prozessor explizit gezeigt ist. In der Beschreibung oder in den Patentansprüchen offenbarte Verfahren können durch ein Bauelement implementiert werden, das ein Mittel zum Ausfuhren eines jeden der jeweiligen Schritte dieser Verfahren aufweist.

Es versteht sich, dass die Offenbarung mehrerer, in der Beschreibung oder den Ansprüchen offenbarter Schritte, Prozesse, Operationen oder Funktionen nicht als in der bestimmten Reihenfolge befindlich ausgelegt werden soll, sofern dies nicht explizit oder implizit anderweitig, z. B. aus technischen Gründen, angegeben ist. Daher werden diese durch die Offenbarung von mehreren Schritten oder Funktionen nicht auf eine bestimmte Reihenfolge begrenzt, es sei denn, dass diese Schritte oder Funktionen aus technischen Gründen nicht aus-tauschbar sind. Ferner kann bei einigen Beispielen ein einzelner Schritt, Funktion, Prozess oder Operation mehrere Teilschritte, -funktionen, -prozesse oder -Operationen einschließen und/oder in dieselben aufgebrochen werden. Solche Teilschritte können eingeschlossen sein und Teil der Offenbarung dieses Einzelschritts sein, sofern sie nicht explizit ausgeschlossen sind.

Obwohl einige Aspekte im Rahmen einer Vorrichtung beschrieben wurden, ist es klar, dass diese Aspekte auch eine Beschreibung des entsprechenden Verfahrens darstellen, wobei ein Block oder eine Vorrichtung einem Verfahrensschritt oder einer Funktion eines Verfahrensschritts entspricht. Analog dazu stellen Aspekte, die im Rahmen eines Verfahrensschritts beschrieben werden, auch eine Beschreibung eines entsprechenden Blocks oder Elements oder einer Eigenschaft einer entsprechenden Vorrichtung dar.

Bezugszeichenliste

101 Straße

102 Fahrspuren

103 Fahrbahnbegrenzungen

110 Fahrzeug

112 Bezugspunkt

113 Übergangsstellen

114 Zustandsfunktion

114‘ Polynom

122 Samplepunkte

132 Umgebungsmessdaten

142 Samplepunkte

191-n Segmente

200 Verfahren zum Schätzen eines Fahrbahnverlaufs

210 Erhalten einer Zustandsfunktion

220 Erhalten von Umgebungsmessdaten

230 Erfassen von Information über einen Beobachtungsfehler

240 Bestimmen einer Transformierten

250 Anpassen des geschätzten Fahrbahnverlaufs

302 Fahrbahn

304 rechte Fahrbahnbegrenzung

306 linke Fahrbahnbegrenzung

308 Fahrbahnmitte

310 Fahrzeug

312 Bezugspunkt

314 Zustandsfunktion

316 Umgebungsmessdaten

316‘ Transformierte der Umgebungsmessdaten

316a Umgebungsmessdaten

316b Umgebungsmessdaten

318 Umgebungsmessdaten

318 ‘ Transformierte der Umgebungsmessdaten

318a Umgebungsmessdaten 318b Umgebungsmessdaten 332 Regelpunkt

341 Position

342 Position 343 Position

352 Ausgleichsgerade 800 Vorrichtung 802 Fahrzeug

812 ein oder mehrere Schnittstellen 814 Datenverarbeitungsschaltung