Die vorliegende Erfindung betrifft ein Verfahren zum Erkennen eines Objekts in einer Umgebung eines Laserscanners durch Clustern von Scanpunkten des Laserscanners.

Die Erfindung betrifft ferner ein Verfahren zum wenigstens teilweise automatischen Führen eines Kraftfahrzeugs, das einen Laserscanner und wenigstens eine Recheneinheit aufweist, ein entsprechendes Sensorsystem für ein Kraftfahrzeug und ein Computerprogrammprodukt.

Lidarsensorsysteme können an Kraftfahrzeugen montiert werden, um vielfältige Funktionen zum automatischen oder teilweise automatischen Fahren oder zur Fahrerassistenz zu realisieren. Diese Funktionen beinhalten Abstandsmessungen, Abstandsregelalgorithmen, Spurhalteassistenten, Objektverfolgungsfunktionen, Funktionen zum autonomen Fahren und so weiter.

Eine bekannte Bauform von Lidarsensorsystemen sind sogenannte Laserscanner, bei denen ein Laserstrahl mittels einer Umlenkeinheit abgelenkt wird, sodass verschiedene Ablenkwinkel des Laserstrahls realisiert werden können. Die Umlenkeinheit kann beispielsweise einen drehbar gelagerten Spiegel oder ein Spiegelelement mit einer Kipp- und/oder schwenkbaren Oberfläche aufweisen. Das Spiegelelement kann beispielsweise als mikroelektromechanisches System, MEMS, ausgestaltet sein. In der Umgebung können die ausgesendeten Laserstrahlen teilweise reflektiert werden, und die reflektierten Anteile können wiederum auf den Laserscanner treffen, insbesondere auf die Umlenkeinheit, welche sie auf eine Detektoreinheit des Laserscanners lenken kann.

Jeder optische Detektor der Detektoreinheit erzeugt dann beispielsweise ein zugehöriges Detektorsignal basierend auf den von dem jeweiligen optischen Detektor erfassten Anteilen. Anhand der räumlichen Anordnung des jeweiligen Detektors kann zusammen mit der aktuellen Position der Umlenkeinheit, insbesondere ihrer Drehposition beziehungsweise Kipp- und/oder Schwenkposition, somit auf die Einfallsrichtung der detektierten reflektierten Anteile geschlossen werden. Basierend auf einer Lichtlaufzeitmessung kann ein radialer Abstand des reflektierenden Objekts bestimmt werden. Zur Abstandsbestimmung kann alternativ oder zusätzlich ein Verfahren eingesetzt werden, gemäß dem ein Phasenunterschied zwischen emittiertem und detektiertem Licht ausgewertet wird. Viele der oben genannten Funktionen, die basierend auf entsprechenden Scanpunkten eines Laserscanners durchgeführt werden, erfordern es, dass entsprechende Objekte in der Umgebung des Laserscanners aus den Scanpunkten erkannt werden. Hierzu können Gruppen von Scanpunkten, sogenannte Cluster, identifiziert werden, die nahe beieinander liegen und dementsprechend mit einer hohen Wahrscheinlichkeit einem einzigen physikalischen Objekt entsprechen. Zum Clustern von ungeordneten Punktwolken sind verschiedene Verfahren bekannt, beispielsweise ein k-nächste- Nachbarn-Algorithmus (englisch: „k-nearest-neighbour method“).

Ein Nachteil solcher Ansätze ist, dass, um festzustellen, ob bestimmte Punkte der Punktwolke zu demselben Cluster gehören, eine sehr große Anzahl von Abständen zwischen unterschiedlichen Scanpunkten berechnet werden muss. Geht man von n Punkten in der Punktwolke aus, die geclustert werden sollen, so beträgt die gesamte Anzahl von Abständen n ^* (n-1)/2, liegt also in der Größenordnung 0(n ² ). In Anbetracht der limitierten Rechen- und Speicherressourcen, insbesondere im Kontext eingebetteter Systeme, wie sie im Automobil-Kontext eingesetzt werden, führt dies zu hohen Anforderungen.

Es ist eine Aufgabe der vorliegenden Erfindung, den erforderlichen Rechenaufwand und/oder Speicherbedarf beim Erkennen eines Objekts durch Clustern von Scanpunkten eines Laserscanners zu reduzieren.

Diese Aufgabe wird gelöst durch den jeweiligen Gegenstand der unabhängigen Ansprüche. Vorteilhafte Weiterbildungen und bevorzugte Ausführungsformen sind Gegenstand der abhängigen Ansprüche.

Die Erfindung beruht auf dem Gedanken, eine durch das Messprinzip beziehungsweise den konstruktiven Aufbau eines Laserscanners vorgegebene natürliche Reihenfolge der Scanpunkte auszunutzen, um eine effizientere Clusteranalyse der Scanpunkte durchzuführen. Dazu wird wenigstens ein Cluster von Scanpunkten des Laserscanners abhängig von der Reihenfolge bestimmt, die durch den jeweiligen Einfallswinkel der Scanpunkte festgelegt ist.

Gemäß einem Aspekt der Erfindung wird ein Verfahren zum Erkennen eines Objekts in einer Umgebung eines Laserscanners durch Clustern von Scanpunkten des Laserscanners angegeben. Mittels des Laserscanners wird dazu eine Vielzahl aufeinanderfolgender Scanpunkte erzeugt, wobei jeder der Scanpunkte der Vielzahl von Scanpunkten durch einen Einfallswinkel charakterisiert ist, insbesondere eindeutig charakterisiert ist. Eine Reihenfolge der Vielzahl aufeinanderfolgender Scanpunkte ist durch die Einfallswinkel der Scanpunkte der Vielzahl aufeinanderfolgender Scanpunkte festgelegt. Mittels wenigstens einer Recheneinheit wird abhängig von der Reihenfolge der Vielzahl aufeinanderfolgender Scanpunkte wenigstens ein Cluster von Scanpunkten bestimmt, wobei jeder Cluster des wenigstens einen Clusters einen entsprechenden Teil der Vielzahl von Scanpunkten beinhaltet. Insbesondere besteht jeder Cluster des wenigstens einen Clusters aus einem entsprechenden Teil der Vielzahl von Scanpunkten.

Unter einem Laserscanner kann hier und im Folgenden ein Lidarsensorsystem verstanden werden, das als Laserscanner ausgestaltet ist. Der Laserscanner beinhaltet insbesondere eine Sendeeinheit mit einer oder mehreren Laserquellen, beispielsweise Infrarotlaserdioden, sowie eine Detektoreinheit mit einem oder mehreren optischen Detektoren, beispielsweise Photodioden, insbesondere Lawinenphotodioden, APD (englisch: „Avalanche Photodiode“), und eine Steuer- und Auswerteeinheit, die zur Ansteuerung der Sendeeinheit und der Detektoreinheit sowie zum Auswerten mittels der optischen Detektoren erzeugter Detektorsignale eingerichtet ist. Dabei kann die wenigstens eine Recheneinheit beispielsweise die Auswerte- und Steuereinheit des Laserscanners beinhalten.

Der Laserscanner beinhaltet außerdem eine Umlenkeinheit, die angeordnet und dazu eingerichtet ist, die mittels der Sendeeinheit erzeugten Laserstrahlen in die Umgebung des Laserscanners abzulenken und dabei unterschiedliche Aussendewinkel, insbesondere innerhalb einer Sendeebene, zu realisieren. Zum anderen können reflektierte Anteile der ausgesendeten Laserstrahlen auf die Umlenkeinheit treffen und von dieser dementsprechend auf die Detektoreinheit geleitet werden, wo sie von dem oder den entsprechenden optischen Detektoren detektiert werden können. Beispielsweise kann die Umlenkeinheit einen um eine Rotationsachse drehbar gelagerten Spiegel aufweisen, wobei die Rotationsachse senkrecht zu der Sendeebene steht. Wird ein reflektierter Anteil des Lichts mittels der Detektoreinheit detektiert, so ist die Einfallsrichtung der detektierten Anteile aus der momentanen Stellung der Umlenkeinheit, insbesondere des Spiegels, in Kombination mit der geometrischen Anordnung des jeweils detektierenden Detektors bestimmbar. Die Steuer- und Auswerteeinheit kann darüber hinaus beispielsweise eine Lichtlaufzeitmessung durchführen, um einen radialen Abstand zu ermitteln. Die Einfallsrichtung kann im Allgemeinen durch zwei Winkel in einem Polarkoordinatensystem definiert werden. Üblicherweise werden diese Winkel als horizontaler Einfallswinkel oder Azimutwinkel bezeichnet beziehungsweise als Polarwinkel oder vertikaler Einfallswinkel. Der horizontale Einfallswinkel entspricht dann einem Winkel in der Sendeebene und der Polarwinkel einem Winkel senkrecht zur Sendeebene.

Die verschiedenen Polarwinkel können auch als Lagen bezeichnet werden. Jede Lage korrespondiert mit einem optischen Detektor, insbesondere wenn die optischen Detektoren der Detektoreinheit linear entlang einer Richtung parallel zur Rotationsebene des Umlenkspiegels angeordnet sind. Eine Rotation des Spiegels der Umlenkeinheit um 360° kann auch als Scandurchlauf oder Scanframe bezeichnet werden. Jeder Scandurchlauf erzeugt also im Allgemeinen eine Vielzahl von Scanpunkten für eine oder mehrere Lagen, wobei jeder Scanpunkt einer Lage eindeutig durch die entsprechende Rotationsposition des Spiegels der Umlenkeinheit und dementsprechend durch den horizontalen Einfallswinkel charakterisiert ist. Aus diesem Grund weisen die Scanpunkte einer Lage eine natürlich vorgegebene Reihenfolge auf, die der Abfolge der horizontalen Einfallswinkel entspricht.

Wenn im Kontext der Erfindung und insbesondere des erfindungsgemäßen Verfahrens beziehungsweise hier und im Folgenden von einem Einfallswinkel die Rede ist, insbesondere einem Einfallswinkel, der eine Reihenfolge festlegt, so handelt es sich dabei stets um den horizontalen Einfallswinkel. Der Polarwinkel dagegen wird gegebenenfalls explizit als vertikaler Einfallswinkel, als Lage oder Lagenindex oder dergleichen bezeichnet.

Die Vielzahl aufeinanderfolgender Scanpunkte, die anhand des erfindungsgemäßen Verfahrens erzeugt wird und deren Reihenfolge durch die Einfallswinkel festgelegt ist, kann also als Vielzahl von Scanpunkten einer Lage verstanden werden. Es kann jedoch auch eine Vorverarbeitung der Punktwolke stattfinden, sodass mehrere Lagen kombiniert und gemeinsam verarbeitet werden können. Jedenfalls kann im Folgenden davon ausgegangen werden, dass die Reihenfolge durch die vertikalen Einfallswinkel, nicht aber durch den Lageindex definiert wird.

Darüber hinaus kann davon ausgegangen werden, dass alle Scanpunkte der Vielzahl aufeinanderfolgender Scanpunkte voneinander verschiedene Einfallswinkel, also verschiedene horizontale Einfallswinkel, aufweisen. Es darauf hingewiesen, dass der drehbar gelagerte Spiegel der Umlenkeinheit gegebenenfalls mehrere, etwa zwei gegenüberliegende, Spiegeloberflächen aufweisen kann. Die Reflexionen von unterschiedlichen Spiegeloberflächen können unabhängig voneinander betrachtet werden. Mit anderen Worten kann im Folgenden davon ausgegangen werden, dass die Vielzahl aufeinanderfolgender Scanpunkte alle auf Reflexionen von derselben Spiegeloberfläche resultieren.

Zudem handelt es sich bei der Vielzahl aufeinanderfolgender Scanpunkte nicht notwendigerweise um ungefilterte Rohdaten, sondern es können auch einer oder mehrere Vorverarbeitungsschritte, beispielsweise zur Rauschreduzierung oder für sonstige Filterzwecke, vorgeschaltet sein.

Die Reihenfolge der Vielzahl aufeinanderfolgender Scanpunkte kann dementsprechend als gleichförmige Vergrößerung oder Verkleinerung, insbesondere schrittweise Vergrößerung oder Verkleinerung, des Einfallswinkels oder, mit anderen Worten, der zugehörigen Rotationsposition des drehbar gelagerten Spiegels, verstanden werden.

Indem die Vielzahl aufeinanderfolgender Scanpunkte durch deren Reihenfolge charakterisiert ist, beinhaltet die Vielzahl aufeinanderfolgender Scanpunkte genau einen Anfangspunkt, der genau einen Nachfolgepunkt hat, sowie genau einen Endpunkt, der genau einen Vorgängerpunkt hat. Des Weiteren beinhaltet die Vielzahl aufeinanderfolgender Scanpunkte einen oder mehrere Zwischenpunkte, die jeweils genau einen Vorgängerpunkt und einen Nachfolgerpunkt haben.

Ein Cluster kann als Teilmenge der Scanpunkte verstanden werden. Die Anzahl der Scanpunkte eines Clusters kann gleich 1 oder größer sein, wobei die maximale Anzahl eines Clusters durch die gesamte Anzahl der Vielzahl aufeinanderfolgender Scanpunkte gegeben ist.

Zum Bestimmen des wenigstens einen Clusters, also zum Identifizieren, welche Scanpunkte der Vielzahl aufeinanderfolgender Scanpunkte zu dem wenigstens einen Cluster gehören beziehungsweise zu demselben Cluster gehören, können Abstände zwischen unterschiedlichen Scanpunkten berücksichtigt werden. Unter einem Abstand kann hier und im Folgenden stets ein geometrischer, insbesondere ein euklidischer Abstand, zwischen den Scanpunkten verstanden werden. Gemäß der Erfindung wird der wenigstens eine Cluster jedoch nicht ausschließlich abhängig von den Abständen unterschiedlicher Scanpunkte zueinander bestimmt. Vielmehr wird der wenigstens eine Cluster abhängig von der Reihenfolge bestimmt, die Reihenfolge wird also beim Bestimmen des wenigstens einen Clusters berücksichtigt. Um zu entscheiden, ob ein Scanpunkt zu einem bestimmten Cluster gehört oder nicht, wird also insbesondere berücksichtigt, wo sich der in Rede stehende Scanpunkt innerhalb der Vielzahl aufeinanderfolgender Scanpunkte befindet. Mit anderen Worten wird seine Position innerhalb der Reihenfolge beziehungsweise gemäß der Reihenfolge berücksichtigt. Dies kann beispielsweise derart erfolgen, dass einer oder mehrere Abstände des in Rede stehenden Scanpunkts nicht zu allen übrigen Scanpunkten der Vielzahl aufeinanderfolgender Scanpunkte analysiert werden, sondern lediglich in einer bestimmten Umgebung innerhalb der Reihenfolge. Beispielsweise können lediglich nächste Nachbarn oder nächste und übernächste Nachbarn /oder nächste, übernächste und drittnächste Nachbarn und so weiter berücksichtigt werden.

Dabei können außerdem unterschiedliche Schwellwerte für Maximalabstände berücksichtigt werden, je nachdem, ob sich die entsprechenden Scanpunkte gemäß der Reihenfolge an benachbarten Positionen befinden, also nächste Nachbarn sind, oder ob sie übernächste Nachbarn, drittnächste Nachbarn et cetera sind. Die Richtung der Reihenfolge, also welcher Scanpunkt gemäß der Reihenfolge auf einen anderen Scanpunkt unmittelbar folgt beziehungsweise dem anderen unmittelbar vorhergeht, ist konstant, also festgelegt, aber grundsätzlich beliebig.

Durch die Berücksichtigung der Reihenfolge beim Bestimmen des wenigstens einen Clusters wird insbesondere sichergestellt, dass es für zwei Punkte der Vielzahl aufeinanderfolgender Punkte umso wahrscheinlicher ist, dass sie demselben Cluster angehören, je näher deren jeweilige Positionen gemäß der Reihenfolge beieinanderliegen. Es sei darauf hingewiesen, dass die geometrischen Abstände der Scanpunkte dennoch ein relevantes Kriterium zur Clusteranalyse darstellen. Die bloße Nähe der Positionen von zwei Scanpunkten innerhalb der Reihenfolge allein reicht gegebenenfalls nicht aus, um diese Scanpunkte demselben Cluster zuzuordnen.

Durch das erfindungsgemäße Verfahren werden also die Informationen, die sich aus dem konstruktiven Aufbau des Laserscanners ergeben, die also die Reihenfolge definieren, effizient ausgenutzt, um die Anzahl der erforderlichen Rechenschritte, insbesondere die Anzahl der Abstände zwischen Paaren von Scanpunkten, die berechnet werden müssen, zu reduzieren. Dadurch können Rechenaufwand und/oder erforderliche Speicherkapazität reduziert werden.

Das Clustern der Scanpunkte, also das Bestimmen des wenigstens einen Clusters, kann in dem Sinn als Erkennen eines Objekts verstanden werden, als dass Scanpunkte, die zu demselben Cluster gehören, mit erhöhter Wahrscheinlichkeit einem einzigen physikalischen Objekt in der Umgebung des Laserscanners entsprechen, also auf Reflexionen von einer entsprechenden Oberfläche dieses Objekts zurückgehen. Mit anderen Worten beinhaltet das Erkennen des Objekts in diesem Sinne das Feststellen, dass beziehungsweise wo in der Umgebung des Laserscanners sich mit einer gewissen Wahrscheinlichkeit ein Objekt befindet. Das Erkennen des Objekts beinhaltet insbesondere nicht notwendigerweise das Klassifizieren des Objekts oder das Bestimmen einer Begrenzungsfigur, auch als Begrenzungsbox (englisch: „Bounding Box“) bezeichnet, und so weiter. Der wenigstens eine Cluster kann jedoch für solche Zwecke verwendet werden, beispielsweise indem er als Grundlage für einen Algorithmus zur automatischen Wahrnehmung dient.

Mit anderen Worten kann der wenigstens eine Cluster als Grundlage oder Eingabe für einen Algorithmus zur automatischen Wahrnehmung, beispielsweise einen Objektverfolgungsalgorithmus, einen Klassifizierungsalgorithmus, einen Segmentierungsalgorithmus, et cetera dienen.

Gemäß zumindest einer Ausführungsform des Verfahrens wird ein erster Scanpunkt der Vielzahl von Scanpunkten als Teil eines ersten Clusters des wenigstens einen Clusters identifiziert, und ein Abstand zwischen dem ersten Scanpunkt und einem zweiten Scanpunkt der Vielzahl von Scanpunkten wird bestimmt. Der zweite Scanpunkt wird als Teil des ersten Clusters identifiziert, wenn der Abstand kleiner oder gleich einem vorgegebenen Maximalabstand ist.

Der erste Scanpunkt kann beispielsweise als initialer Punkt des ersten Clusters bestimmt werden oder ebenfalls gemäß einer Ausführungsform des erfindungsgemäßen Verfahrens.

Insbesondere kann der zweite Scanpunkt gemäß der Reihenfolge unmittelbar auf den ersten Scanpunkt folgen. Auf diese Weise kann jedes Paar unmittelbar aufeinanderfolgender Scanpunkte der Vielzahl aufeinanderfolgender Scanpunkte betrachtet werden, deren euklidischer Abstand zueinander bestimmt werden und die beiden Punkte des Paars demselben Cluster zugeordnet werden, wenn der Abstand kleiner ist als der vorgegebene Maximalabstand für nächste Nachbarn. Gemäß zumindest einer Ausführungsform hängt der vorgegebene Maximalabstand von einer Position des ersten Scanpunkts gemäß der Reihenfolge bezüglich einer Position des zweiten Scanpunkts gemäß der Reihenfolge ab.

Mit anderen Worten wird der Maximalabstand abhängig von den jeweiligen Positionen des ersten und des zweiten Scanpunkts gemäß der Reihenfolge bestimmt. Die Position des ersten Scanpunkts bezüglich der Position des zweiten Scanpunkts kann also insbesondere als Differenz der Positionen betrachtet werden.

Auf diese Weise kann beispielsweise innerhalb der Reihenfolge näher beieinanderliegenden Scanpunkten ein größerer Maximalabstand zugebilligt werden als Scanpunkten, die innerhalb der Reihenfolge weiter auseinanderliegen.

Beispielsweise kann ein Maximalabstand für nächste Nachbarn vorgegeben sein und ein weiterer Maximalabstand für alle Paare von Scanpunkten, die nicht nächste Nachbarn sind. Der Maximalabstand für nächste Nachbarn kann dann beispielsweise größer sein als der Maximalabstand für alle übrigen Paare von Scanpunkten. Auf diese Weise wird erreicht, dass Scanpunkte, die nächste Nachbarn sind, mit höherer Wahrscheinlichkeit demselben Cluster und damit demselben Objekt zugeordnet werden, die Punkte, die gemäß der Reihenfolge weiter entfernt voneinander sind.

In analoger Weise können weitere Abstufungen vorgenommen werden, indem beispielsweise außerdem ein Maximalabstand für nächste Nachbarn, ein Maximalabstand für übernächste Nachbarn und optional ein Maximalabstand für drittnächste Nachbarn und so weiter vorgegeben werden können.

Gemäß zumindest einer ersten Ausführungsform des Verfahrens wird ein erster Scanpunkt der Vielzahl aufeinanderfolgender Scanpunkte als Teil eines ersten Clusters des wenigstens einen Clusters identifiziert. Ein gemäß der Reihenfolge unmittelbar auf den ersten Scanpunkt folgender zweiter Scanpunkt der Vielzahl aufeinanderfolgender Scanpunkte wird als Teil eines zweiten Clusters des wenigstens einen Clusters identifiziert. Ein Abstand zwischen dem ersten Scanpunkt und einem gemäß der Reihenfolge unmittelbar auf den zweiten Scanpunkt folgenden dritten Scanpunkt der Vielzahl aufeinanderfolgender Scanpunkte wird bestimmt. Der dritte Scanpunkt wird abhängig von dem Abstand zwischen dem ersten Scanpunkt und dem dritten Scanpunkt entweder als Teil des ersten Clusters oder als Teil eines dritten Clusters des wenigstens einen Clusters identifiziert.

Um zu bestimmen, dass der zweite Scanpunkt nicht zu dem ersten Cluster gehört, kann beispielsweise festgestellt werden, dass der Abstand zwischen dem ersten Scanpunkt und dem zweiten Scanpunkt größer ist als ein vorgegebener Maximalabstand für nächste Nachbarn. Ferner kann beispielsweise der Abstand zwischen dem zweiten Scanpunkt und dem dritten Scanpunkt ebenfalls größer sein als der Maximalabstand für nächste Nachbarn, sodass der dritte Scanpunkt nicht zu dem zweiten Cluster gehört.

Da jedoch die Reihenfolge der Vielzahl aufeinanderfolgender Scanpunkte bei der Bestimmung der Cluster berücksichtigt wird, kann insbesondere überprüft werden, ob der erste und der dritte Scanpunkt nahe beieinanderliegen, obwohl sowohl der erste Scanpunkt als auch der dritte Scanpunkt jeweils von dem gemäß der Reihenfolge dazwischenliegenden zweiten Scanpunkt weit entfernt ist. Auf diese Weise kann erreicht werden, dass der dritte Scanpunkt nicht fälschlicherweise einem anderen Cluster zugeordnet wird als der erste Scanpunkt, obwohl beide gegebenenfalls auf Reflexionen von demselben Objekt zurückgehen.

Wenn hier und im Folgenden davon die Rede, dass zwei Scanpunkte nahe beieinanderliegen oder weiter voneinander entfernt sind, so kann dies, falls nichts anderes erwähnt wird, derart verstanden werden, dass der Abstand zwischen den entsprechenden Punkten kleiner oder gleich beziehungsweise größer einem entsprechenden vorgegebenen Maximalabstand ist.

Insbesondere wird der dritte Scanpunkt als Teil des ersten Clusters bestimmt, wenn der Abstand zwischen dem ersten Scanpunkt und dem dritten Scanpunkt kleiner oder gleich einem vorgegebenen Maximalabstand für übernächste Nachbarn ist. Beispielsweise wird der dritte Scanpunkt als Teil des dritten Clusters bestimmt, wenn der Abstand zwischen dem ersten Scanpunkt und dem dritten Scanpunkt größer ist als der vorgegebene Maximalabstand für übernächste Nachbarn.

Gemäß zumindest einer zweiten Ausführungsform des Verfahrens wird ein erster Scanpunkt der Vielzahl aufeinanderfolgender Scanpunkte als Teil eines ersten Clusters des wenigstens einen Clusters identifiziert. Ein Abstand zwischen einem gemäß der Reihenfolge unmittelbar auf den ersten Scanpunkt folgenden zweiten Scanpunkt der Vielzahl aufeinanderfolgender Scanpunkte und einem gemäß der Reihenfolge unmittelbar auf den zweiten Scanpunkt folgenden dritten Scanpunkt der Vielzahl aufeinanderfolgender Scanpunkte wird bestimmt. Ein Abstand zwischen dem ersten Scanpunkt und dem dritten Scanpunkt wird bestimmt. Der zweite Scanpunkt wird abhängig von dem Abstand zwischen dem ersten Scanpunkt und dem dritten Scanpunkt und abhängig von dem Abstand zwischen dem zweiten Scanpunkt und dem dritten Scanpunkt entweder als Teil des ersten Clusters oder als Teil eines zweiten Clusters des wenigstens einen Clusters identifiziert.

Der Abstand zwischen dem ersten Scanpunkt und dem zweiten Scanpunkt ist dabei insbesondere größer als der vorgegebene Maximalabstand für nächste Nachbarn. Anderenfalls wäre der zweite Scanpunkt ohnehin Teil des ersten Clusters, ohne dass es auf den Abstand zwischen dem ersten Scanpunkt und dem dritten Scanpunkt oder dem Abstand zwischen dem zweiten Scanpunkt und dem dritten Scanpunkt ankäme.

In solchen Ausführungsformen können also vorteilhaft solche Situationen behandelt werden, bei denen zwar der zweite Scanpunkt weit von dem ersten Scanpunkt entfernt ist, der dritte Scanpunkt jedoch sowohl nahe bei dem zweiten Scanpunkt liegt als auch bei dem zweiten Scanpunkt.

Der zweite Scanpunkt wird insbesondere als Teil des ersten Clusters identifiziert, wenn der Abstand zwischen dem ersten Scanpunkt und dem dritten Scanpunkt kleiner oder gleich einem vorgegebenen Maximalabstand für übernächste Nachbarn ist und der Abstand zwischen dem zweiten Scanpunkt und dem dritten Scanpunkt kleiner oder gleich einem vorgegebenen Maximalabstand für nächste Nachbarn ist. Die Maximalabstände für nächste und übernächste Nachbarn können dabei unterschiedlich voneinander sein, können aber auch gleich sein.

Insbesondere wird der zweite Punkt als Teil des zweiten Clusters identifiziert, wenn der Abstand zwischen dem ersten Scanpunkt und dem dritten Scanpunkt größer ist als der vorgegebene Maximalabstand für übernächste Nachbarn oder wenn der Abstand zwischen dem zweiten Scanpunkt und dem dritten Scanpunkt größer ist als der vorgegebene Maximalabstand für nächste Nachbarn.

Gemäß zumindest einer dritten Ausführungsform des Verfahrens wird ein erster Scanpunkt der Vielzahl aufeinanderfolgender Scanpunkte als Teil eines ersten Clusters des wenigstens einen Clusters identifiziert. Ein Abstand zwischen einem gemäß der Reihenfolge unmittelbar auf den ersten Scanpunkt folgenden zweiten Scanpunkt der Vielzahl aufeinanderfolgender Scanpunkte und einem gemäß der Reihenfolge unmittelbar auf den zweiten Scanpunkt folgenden dritten Scanpunkt der Vielzahl aufeinanderfolgender Scanpunkte wird bestimmt. Ein Abstand zwischen dem dritten Scanpunkt und einem gemäß der Reihenfolge unmittelbar auf den dritten Scanpunkt folgenden vierten Scanpunkt wird bestimmt. Ein Abstand zwischen dem vierten Scanpunkt und dem ersten Scanpunkt wird bestimmt. Der zweite Scanpunkt wird abhängig von dem Abstand zwischen dem zweiten Scanpunkt und dem dritten Scanpunkt und abhängig von dem Abstand zwischen dem dritten Scanpunkt und dem vierten Scanpunkt und abhängig von dem Abstand zwischen dem vierten Scanpunkt und dem ersten Scanpunkt entweder als Teil des ersten Clusters oder als Teil eines zweiten Clusters des wenigstens einen Clusters identifiziert.

In solchen Ausführungsformen können mit Vorteil Situationen effizient gehandhabt werden, bei denen der erste und der zweite Scanpunkt sowie der erste und der dritte Scanpunkt weit voneinander entfernt liegen, jedoch sowohl der zweite und der dritte Scanpunkt als auch der dritte und der vierte Scanpunkt ebenso wie der vierte und der erste Scanpunkt jeweils nahe beieinanderliegen.

Insbesondere wird der zweite Scanpunkt als Teil des ersten Clusters identifiziert, wenn der Abstand zwischen dem zweiten Scanpunkt und dem dritten Scanpunkt kleiner oder gleich einem vorgegebenen Maximalabstand für nächste Nachbarn ist und der Abstand zwischen dem dritten Scanpunkt und dem vierten Scanpunkt kleiner oder gleich dem vorgegebenen Maximalabstand für nächste Nachbarn ist und der zwischen dem vierten Scanpunkt und dem ersten Scanpunkt kleiner oder gleich einem vorgegebenen Maximalabstand für drittnächste Nachbarn ist.

Auch hier kann der Maximalabstand für nächste Nachbarn gleich dem Maximalabstand für drittnächste Nachbarn sein, oder die Maximalabstände können unterschiedlich sein.

Der zweite Scanpunkt wird insbesondere als Teil des zweiten Clusters identifiziert, wenn der Abstand zwischen dem zweiten Scanpunkt und dem dritten Scanpunkt größer ist als der Maximalabstand für nächste Nachbarn oder wenn der Abstand zwischen dem dritten Scanpunkt und dem vierten Scanpunkt größer ist als der Maximalabstand für nächste Nachbarn oder wenn der Abstand zwischen dem vierten Scanpunkt und dem ersten Scanpunkt größer ist als der Maximalabstand für drittnächste Nachbarn.

Gemäß zumindest einer vierten Ausführungsform des Verfahrens wird ein erster Scanpunkt der Vielzahl aufeinanderfolgender Scanpunkte als Teil eines ersten Clusters des wenigstens einen Clusters identifiziert. Ein Abstand zwischen einem gemäß der Reihenfolge unmittelbar auf den ersten Scanpunkt folgenden zweiten Scanpunkt der Vielzahl aufeinanderfolgender Scanpunkte und einem vierten Scanpunkt der Vielzahl aufeinanderfolgender Scanpunkte wird bestimmt. Dabei folgt ein dritter Scanpunkt der Vielzahl aufeinanderfolgender Scanpunkte gemäß der Reihenfolge unmittelbar auf den zweiten Scanpunkt, und der vierte Scanpunkt folgt gemäß der Reihenfolge unmittelbar auf den dritten Scanpunkt. Ein Abstand zwischen dem vierten Scanpunkt und einem gemäß der Reihenfolge unmittelbar auf den vierten Scanpunkt folgenden fünften Scanpunkt der Vielzahl aufeinanderfolgender Scanpunkte wird bestimmt. Ein Abstand zwischen dem fünften Scanpunkt und dem ersten Scanpunkt wird bestimmt. Der zweite Scanpunkt wird abhängig von dem Abstand zwischen dem zweiten Scanpunkt und dem vierten Scanpunkt und abhängig von dem Abstand zwischen dem vierten Scanpunkt und dem fünften Scanpunkt und abhängig von dem Abstand zwischen dem fünften Scanpunkt und dem ersten Scanpunkt entweder als Teil des ersten Clusters oder als Teil eines zweiten Clusters des wenigstens einen Clusters identifiziert.

In solchen Ausführungsformen können Situationen effizient behandelt werden, bei denen der erste Scanpunkt von dem zweiten und dem vierten Scanpunkt jeweils weit entfernt ist, der zweite Scanpunkt und der vierte Scanpunkt von dem dritten Scanpunkt jeweils weit entfernt sind, der zweite Scanpunkt nahe bei dem vierten Scanpunkt liegt, der vierte Scanpunkt nahe bei dem fünften Scanpunkt liegt und der fünfte Scanpunkt nahe bei dem ersten Scanpunkt liegt.

Beispielsweise kann der zweite Scanpunkt als Teil des ersten Clusters identifiziert werden, wenn der Abstand zwischen dem zweiten Scanpunkt und dem vierten Scanpunkt kleiner oder gleich einem vorgegebenen Maximalabstand für übernächste Nachbarn ist und der Abstand zwischen dem vierten Scanpunkt und dem fünften Scanpunkt kleiner oder gleich einem vorgegebenen Maximalabstand für nächste Nachbarn ist und der Abstand zwischen dem fünften Scanpunkt und dem ersten Scanpunkt kleiner oder gleich einem vorgegebenen Maximalabstand für viertnächste Nachbarn ist.

Dagegen kann der zweite Scanpunkt als Teil des zweiten Clusters identifiziert werden, wenn der Abstand zwischen dem zweiten Scanpunkt und dem vierten Scanpunkt größer ist als der Maximalabstand für übernächste Nachbarn oder wenn der Abstand zwischen dem vierten Scanpunkt und dem fünften Scanpunkt größer ist als der Maximalabstand für nächste Nachbarn oder wenn der Abstand zwischen dem fünften Scanpunkt und dem ersten Scanpunkt größer ist als der Maximalabstand für viertnächste Nachbarn.

Die vorstehend als erste, zweite, dritte oder vierte Ausführungsformen bezeichneten Varianten des Verfahrens können auch kombiniert werden, sodass den beschriebenen Situationen in entsprechenden Ausgestaltungen des Verfahrens auch gemeinsam begegnet werden kann.

Gemäß zumindest einer Ausführungsform des Verfahrens wird mittels der wenigstens einen Recheneinheit basierend auf der Vielzahl aufeinanderfolgender Scanpunkte ein Algorithmus zur automatischen Wahrnehmung durchgeführt, wobei der Algorithmus abhängig von dem wenigstens einen Cluster durchgeführt wird.

Gemäß einem weiteren Aspekt der Erfindung wird ein Verfahren zum wenigstens teilweise automatischen Führen eines Kraftfahrzeugs angegeben, wobei das Kraftfahrzeug einen Laserscanner und wenigstens eine Recheneinheit aufweist. Es wird ein erfindungsgemäßes Verfahren zum Erkennen eines Objekts durchgeführt, insbesondere mittels des Laserscanners und der wenigstens einen Recheneinheit, wobei das Verfahren das Durchführen des Algorithmus zur automatischen Wahrnehmung beinhaltet. Abhängig von einem Ergebnis des Algorithmus zur automatischen Wahrnehmung wird, insbesondere mittels einer Steuereinheit des Kraftfahrzeugs, beispielsweise einer von der wenigstens einen Recheneinheit umfassten Steuereinheit, wenigstens ein Steuersignal zum wenigstens teilweise automatischen Führen des Kraftfahrzeugs erzeugt.

Das Kraftfahrzeug kann dann abhängig von dem wenigstens einen Steuersignal wenigstens teilweise automatisch geführt werden. Hierzu kann das wenigstens eine Steuersignal beispielsweise einem oder mehreren Aktuatoren des Kraftfahrzeugs zugeführt werden beziehungsweise der eine oder die mehreren Aktuatoren können abhängig von dem wenigstens einen Steuersignal entsprechend angesteuert werden, um das Kraftfahrzeug automatisch oder teilweise automatisch zu führen.

Gemäß einem weiteren Aspekt der Erfindung wird ein Sensorsystem für ein Kraftfahrzeug angegeben. Das Sensorsystem weist einen Laserscanner auf, der dazu eingerichtet ist, Sensordaten zu erzeugen, welche ein Objekt in einer Umgebung des Laserscanners, und damit insbesondere in einer Umgebung des Kraftfahrzeugs, darstellen. Das Sensorsystem weist wenigstens eine Recheneinheit auf, die dazu eingerichtet ist, basierend auf den Sensordaten eine Vielzahl aufeinanderfolgender Scanpunkte zu erzeugen, wobei jeder der Scanpunkte durch einen Einfallswinkel charakterisiert ist und eine Reihenfolge der Vielzahl aufeinanderfolgender Scanpunkte durch die Einfallswinkel festgelegt ist. Die wenigstens eine Recheneinheit ist dazu eingerichtet, abhängig von der Reihenfolge wenigstens einen Cluster von Scanpunkten zu bestimmen, der einen Teil der Vielzahl aufeinanderfolgender Scanpunkte beinhaltet.

Weitere Ausführungsformen des erfindungsgemäßen Sensorsystems folgen unmittelbar aus den verschiedenen Ausgestaltungsformen des erfindungsgemäßen Verfahrens zum Erkennen eines Objekts sowie aus den verschiedenen Ausgestaltungsformen des erfindungsgemäßen Verfahrens zum wenigstens teilweise automatischen Führen eines Kraftfahrzeugs und jeweils umgekehrt. Insbesondere kann ein erfindungsgemäßes Sensorsystem dazu eingerichtet sein, ein erfindungsgemäßes Verfahren zum Erkennen eines Objekts durchzuführen oder es führt ein solches Verfahren durch.

Gemäß einem weiteren Aspekt der Erfindung wird ein elektronisches Fahrzeugführungssystem für ein Kraftfahrzeug angegeben. Das elektronische Fahrzeugführungssystem beinhaltet ein erfindungsgemäßes Sensorsystem für ein Kraftfahrzeug. Die wenigstens eine Recheneinheit ist dazu eingerichtet, basierend auf der Vielzahl aufeinanderfolgender Scanpunkte und abhängig von dem wenigstens einen Cluster einen Algorithmus zur automatischen Wahrnehmung durchzuführen. Eine Steuereinheit des elektronisches Fahrzeugführungssystems, insbesondere der wenigstens einen Recheneinheit, ist dazu eingerichtet, abhängig von einem Ergebnis des Algorithmus zur automatischen Wahrnehmung wenigstens ein Steuersignal zum wenigstens teilweise automatischen Führen des Kraftfahrzeugs zu erzeugen.

Weitere Ausführungsformen des erfindungsgemäßen elektronischen Fahrzeugführungssystems folgen unmittelbar aus den verschiedenen Ausgestaltungsformen des erfindungsgemäßen Verfahrens zum Erkennen eines Objekts sowie des erfindungsgemäßen Verfahrens zum wenigstens teilweise automatischen Führen eines Kraftfahrzeugs. Insbesondere kann ein erfindungsgemäßes elektronisches Fahrzeugführungssystem dazu eingerichtet sein, ein erfindungsgemäßes Verfahren zum wenigstens teilweise automatischen Führen eines Kraftfahrzeugs durchzuführen oder es führt ein solches Verfahren durch.

Gemäß einem weiteren Aspekt der Erfindung wird ein erstes Computerprogrammprodukt mit ersten Befehlen angegeben. Bei Ausführung der ersten Befehle durch ein erfindungsgemäßes Sensorsystem veranlassen die ersten Befehle das Sensorsystem dazu, ein erfindungsgemäßes Verfahren zum Erkennen eines Objekts durchzuführen.

Gemäß einem weiteren Aspekt der Erfindung wird ein zweites Computerprogramm mit zweiten Befehlen angegeben. Bei Ausführung der zweiten Befehle durch ein erfindungsgemäßes elektronisches Fahrzeugführungssystem veranlassen die zweiten Befehle das elektronische Fahrzeugführungssystem, ein erfindungsgemäßes Verfahren zum wenigstens teilweise automatischen Führen eines Kraftfahrzeugs durchzuführen.

Gemäß einem weiteren Aspekt der Erfindung wird ein computerlesbares Speichermedium angegeben, welches ein erfindungsgemäßes ersten Computerprogramm und/oder ein erfindungsgemäßes zweite Computerprogramm speichert. Das erste Computerprogramm, das zweite Computerprogramm sowie das computerlesbare Speichermedium können als jeweilige Computerprogrammprodukte mit den ersten und/oder den zweiten Befehlen aufgefasst werden.

Im Rahmen der vorliegenden Offenbarung kann der Begriff „Licht“ derart verstanden werden, dass davon elektromagnetische Wellen im sichtbaren Bereich, im infraroten Bereich und/oder im ultravioletten Bereich umfasst sind. Dementsprechend kann auch der Begriff „optisch“ derart verstanden werden, dass er sich auf Licht nach diesem Verständnis bezieht.

Algorithmen zur automatischen visuellen Wahrnehmung, die auch als Computer-Vision- Algorithmen, Algorithmen zum maschinellen Sehen oder Machine- Vision-Algorithmen bezeichnet werden können, können als Computeralgorithmen zur automatischen Durchführung einer visuellen Wahrnehmungsaufgabe betrachtet werden. Eine visuelle Wahrnehmungsaufgabe, die auch als Computer- Vision-Aufgabe bezeichnet wird, kann beispielsweise als eine Aufgabe zur Extraktion von Informationen aus Bilddaten verstanden werden. Insbesondere kann die visuelle Wahrnehmungsaufgabe prinzipiell von einem Menschen ausgeführt werden, der in der Lage ist, ein den Bilddaten entsprechendes Bild visuell wahrzunehmen. Im vorliegenden Zusammenhang werden visuelle Wahrnehmungsaufgaben jedoch auch automatisch durchgeführt, ohne dass die Unterstützung eines Menschen erforderlich ist.

Ein Computer-Vision-Algorithmus kann beispielsweise einen Bildverarbeitungsalgorithmus oder einen Algorithmus zur Bildanalyse enthalten, der durch maschinelles Lernen trainiert wird oder wurde und beispielsweise auf einem künstlichen neuronalen Netzwerk, insbesondere einem faltenden neuronalen Netz, basieren kann. Der Computer-Vision- Algorithmus kann beispielsweise einen Objekterkennungsalgorithmus, einen Hinderniserkennungsalgorithmus, einen Objektverfolgungsalgorithmus, einen Klassifikationsalgorithmus und/oder einen Segmentierungsalgorithmus umfassen.

Entsprechende Algorithmen können analog auch basierend auf anderen Eingabedaten als von einem Menschen visuell wahrnehmbaren Bildern durchgeführt werden. Beispielsweise können auch Punktwolken oder Bilder von Infrarotkameras,

Lidarsystemen et cetera mittels entsprechend angepasster Computeralgorithmen ausgewertet werden. Streng genommen handelt es sich bei den entsprechenden Algorithmen nicht um Algorithmen zur visuellen Wahrnehmung, da die entsprechenden Sensoren in Bereichen arbeiten können, die visuell, also für das menschliche Auge, nicht wahrnehmbar sind, zum Beispiel im Infrarotbereich. Deshalb werden solche Algorithmen im Rahmen der vorliegenden Erfindung Algorithmen zur automatischen Wahrnehmung bezeichnet. Algorithmen zur automatischen Wahrnehmung schließen also Algorithmen zur automatischen visuellen Wahrnehmung ein, sind aber im Hinblick auf eine menschliche Wahrnehmung nicht auf diese beschränkt. Folglich kann ein Algorithmus zur automatischen Wahrnehmung nach diesem Verständnis einen Computeralgorithmus zur automatischen Durchführung einer Wahrnehmungsaufgabe enthalten, der beispielsweise durch maschinelles Lernen trainiert wird oder wurde und insbesondere auf einem künstlichen neuronalen Netzwerk basieren kann. Zu solchen verallgemeinerten Algorithmen zur automatischen Wahrnehmung können auch

Objektdetektionsalgorithmen, Objektverfolgungsalgorithmen, Klassifizierungsalgorithmen und/oder Segmentierungsalgorithmen, zum Beispiel semantische Segmentierungsalgorithmen, gehören.

Falls ein künstliches neuronales Netzwerk zur Implementierung eines Algorithmus zur automatischen visuellen Wahrnehmung verwendet wird, ist eine häufig eingesetzte Architektur die eines faltendes neuronales Netzwerks, CNN. Insbesondere kann ein 2D- CNN auf entsprechende 2D-Kamerabilder angewendet werden. Auch für andere Algorithmen zur automatischen Wahrnehmung können CNNs verwendet werden. Beispielsweise können 3D-CNNs, 2D-CNNs oder 1D-CNNs auf Punktwolken angewendet werden, abhängig von den räumlichen Dimensionen der Punktwolke und den Details der Verarbeitung.

Das Ergebnis oder die Ausgabe eines Algorithmus zur automatischen Wahrnehmung ist abhängig von der spezifischen zugrundeliegenden Wahrnehmungsaufgabe. Beispielsweise kann die Ausgabe eines Objekterkennungsalgorithmus eine oder mehrere Begrenzungsboxen enthalten, die eine räumliche Position und optional eine Orientierung eines oder mehrerer entsprechender Objekte in der Umgebung und/oder entsprechende Objektklassen für das eine oder die mehreren Objekte definieren. Ein semantischer Segmentierungsalgorithmus, der auf ein Kamerabild angewendet wird, kann eine Klasse auf Pixelebene für jedes Pixel des Kamerabildes enthalten. Analog dazu kann ein semantischer Segmentierungsalgorithmus, der auf eine Punktwolke angewendet wird, eine entsprechende Punktebenen-Klasse für jeden der Punkte enthalten. Die Klassen auf Pixelebene beziehungsweise auf Punktebene können beispielsweise einen Objekttyp definieren, zu dem der jeweilige Pixel oder Punkt gehört. Unter einem elektronischen Fahrzeugführungssystem kann ein elektronisches System verstanden werden, das dazu eingerichtet ist, ein Fahrzeug vollautomatisch oder vollautonom zu führen, insbesondere ohne dass ein Eingriff in eine Steuerung durch einen Fahrer erforderlich ist. Das Fahrzeug führt alle erforderlichen Funktionen, wie Lenk, Brems- und/oder Beschleunigungsmanöver, die Beobachtung und Erfassung des Straßenverkehrs sowie entsprechende Reaktionen automatisch durch. Insbesondere kann das elektronische Fahrzeugführungssystem einen vollautomatischen oder vollautonomen Fahrmodus des Kraftfahrzeugs nach Stufe 5 der Klassifizierung gemäß SAE J3016 implementieren. Unter einem elektronischen Fahrzeugführungssystem kann auch ein Fahrerassistenzsystem (englisch: „advanced driver assistance System“, ADAS) verstanden werden, welches den Fahrer beim teilweise automatisierten oder teilautonomen Fahren unterstützt. Insbesondere kann das elektronische Fahrzeugführungssystem einen teilweise automatisierten oder teilautonomen Fahrmodus nach den Stufen 1 bis 4 gemäß der SAE J3016-Klassifizierung implementieren. Hier und im Folgenden bezieht sich „SAE J3016“ auf die entsprechende Norm in der Version vom Juni 2018.

Die wenigstens teilweise automatische Fahrzeugführung kann es daher beinhalten, das Fahrzeug gemäß eines vollautomatischen oder vollautonomen Fahrmodus der Stufe 5 nach SAE J3016 zu führen. Die wenigstens teilweise automatische Fahrzeugführung kann auch beinhalten, das Fahrzeug gemäß eines teilweise automatisierten oder teilautonomen Fahrmodus nach den Stufen 1 bis 4 nach SAE J3016 zu führen.

Ist im Rahmen der vorliegenden Offenbarung die Rede davon, dass eine Komponente des erfindungsgemäßen Sensorsystems, insbesondere die wenigstens eine Recheneinheit des Sensorsystems dazu eingerichtet, ausgebildet, ausgelegt, oder dergleichen ist, eine bestimmte Funktion auszuführen oder zu realisieren, eine bestimmte Wirkung zu erzielen oder einem bestimmten Zweck zu dienen, so kann dies derart verstanden werden, dass die Komponente, über die prinzipielle oder theoretische Verwendbarkeit oder Eignung der Komponente für diese Funktion, Wirkung oder diesen Zweck hinaus, durch eine entsprechende Anpassung, Programmierung, physische Ausgestaltung und so weiter konkret und tatsächlich dazu in der Lage ist, die Funktion auszuführen oder zu realisieren, die Wirkung zu erzielen oder dem Zweck zu dienen.

Unter einer Recheneinheit kann insbesondere ein Datenverarbeitungsgerät verstanden werden, die Recheneinheit kann also insbesondere Daten zur Durchführung von Rechenoperationen verarbeiten. Darunter fallen gegebenenfalls auch Operationen, um indizierte Zugriffe auf eine Datenstruktur, beispielsweise eine Umsetzungstabelle, LUT (englisch: „look-up table“), durchzuführen.

Die Recheneinheit kann insbesondere einen oder mehrere Computer, einen oder mehrere Mikrocontroller und/oder einen oder mehrere integrierte Schaltkreise enthalten, beispielsweise eine oder mehrere anwendungsspezifische integrierte Schaltungen, ASIC (englisch: „application-specific integrated Circuit“), eines oder mehrere feldprogrammierbare Gate-Arrays, FPGA, und/oder eines oder mehrere Einchipsysteme, SoC (englisch: „System on a Chip“). Die Recheneinheit kann auch einen oder mehrere Prozessoren, beispielsweise einen oder mehrere Mikroprozessoren, eine oder mehrere zentrale Prozessoreinheiten, CPU (englisch: „central Processing unit“), eine oder mehrere Grafikprozessoreinheiten, GPU (englisch: „graphics Processing unit“) und/oder einen oder mehrere Signalprozessoren, insbesondere einen oder mehrere digitale Signalprozessoren, DSP, enthalten. Die Recheneinheit kann auch einen physischen oder einen virtuellen Verbund von Computern oder sonstigen der genannten Einheiten beinhalten.

In verschiedenen Ausführungsbeispielen beinhaltet die Recheneinheit eine oder mehrere Hardware- und/oder Softwareschnittstelle und/oder eine oder mehrere Speichereinheiten.

Eine Speichereinheit kann als flüchtiger Datenspeicher, beispielsweise als dynamischer Speicher mit wahlfreiem Zugriff, DRAM (englisch: „dynamic random access memory“) oder statischer Speicher mit wahlfreiem Zugriff, SRAM (englisch: „static random access memory“), oder als nicht-flüchtiger Datenspeicher, beispielsweise als Festwertspeicher, ROM (englisch: „read-only memory“), als programmierbarer Festwertspeicher, PROM (englisch: „programmable read-only memory“), als löschbarer Festwertspeicher, EPROM (englisch: „erasable read-only memory“), als elektrisch löschbarer Festwertspeicher, EEPROM (englisch: „electrically erasable read-only memory“), als Flash-Speicher oder Flash-EEPROM, als ferroelektrischer Speicher mit wahlfreiem Zugriff, FRAM (englisch: „ferroelectric random access memory“), als magnetoresistiver Speicher mit wahlfreiem Zugriff, MRAM (englisch: „magnetoresistive random access memory“) oder als Phasenänderungsspeicher mit wahlfreiem Zugriff, PCRAM (englisch: „phase-change random access memory“), ausgestaltet sein.

Weitere Merkmale der Erfindung ergeben sich aus den Ansprüchen, den Figuren und der Figurenbeschreibung. Die vorstehend in der Beschreibung genannten Merkmale und Merkmalskombinationen sowie die nachfolgend in der Figurenbeschreibung genannten und/oder in den Figuren gezeigten Merkmale und Merkmalskombinationen können nicht nur in der jeweils angegebenen Kombination, sondern auch in anderen Kombinationen von der Erfindung umfasst sein. Es sind insbesondere auch Ausführungen und Merkmalskombinationen von der Erfindung umfasst, die nicht alle Merkmale eines ursprünglich formulierten Anspruchs aufweisen. Es sind darüber hinaus Ausführungen und Merkmalskombinationen von der Erfindung umfasst, die über die in den Rückbezügen der Ansprüche dargelegten Merkmalskombinationen hinausgehen oder von diesen abweichen.

In den Figuren zeigen:

Fig. 1 eine schematische Darstellung eines Kraftfahrzeugs mit einer beispielhaften Ausführungsform eines erfindungsgemäßen Sensorsystems;

Fig. 2 eine schematische Darstellung einer weiteren beispielhaften

Ausführungsform eines erfindungsgemäßen Sensorsystems für ein Kraftfahrzeug;

Fig. 3 eine schematische Darstellung einer Vielzahl von Scanpunkten;

Fig. 4 eine weitere schematische Darstellung einer Vielzahl von Scanpunkten;

Fig. 5 eine weitere schematische Darstellung einer Vielzahl von Scanpunkten;

Fig. 6 eine weitere schematische Darstellung einer Vielzahl von Scanpunkten;

Fig. 7 eine weitere schematische Darstellung einer Vielzahl von Scanpunkten; und

Fig. 8 eine weitere schematische Darstellung einer Vielzahl von Scanpunkten.

In Fig. 1 ist schematisch ein Kraftfahrzeug 5 dargestellt, das eine beispielhafte Ausführungsform eines erfindungsgemäßen Sensorsystems 1 aufweist. Das Sensorsystem 1 enthält ein Lidarsensorsystem, das als Laserscanner 2 ausgebildet ist sowie eine Recheneinheit 3a, die beispielsweise als elektronisches Steuergerät, ECU, oder Teil davon ausgestaltet sein kann oder ein ECU enthalten kann.

Der Laserscanner 2 weist ein Sichtfeld 4 auf und kann Licht in einer Sendeebene, die durch eine Längsachse x und eine Querachse y aufgespannt wird, emittieren. Der Laserscanner 2 kann reflektierte Anteile der emittierte Lichtsignale detektieren, und basierend auf den detektierten Anteilen der Laserscanner 2 und/oder die Recheneinheit 3a eine Vielzahl von Scanpunkten 7 erzeugen.

In Fig. 2 ist das Sensorsystem 1 in einer beispielhaften Au sfüh rungsform schematisch dargestellt.

Der Laserscanner 2 kann eine Steuer- und Auswerteeinheit 3b aufweisen, die mit der Recheneinheit 3a verbunden ist. Alternativ kann die Recheneinheit 3a auch die Funktion der Steuer- und Auswerteeinheit 3b übernehmen oder umgekehrt. Der Laserscanner 2 weist eine Emittereinheit 8 auf, die eine oder mehrere Laserdioden enthält und von der Steuer- und Auswerteeinheit 3b angesteuert werden kann. Der Laserscanner 2 weist außerdem eine Detektoreinheit 9 auf, die einen oder mehrere optische Detektoren aufweist, beispielsweise Lawinenphotodioden, und ebenfalls mit der Steuer- und Auswerteeinheit 3b verbunden ist. Der Laserscanner 2 weist außerdem einen um eine Rotationsachse 11 drehbar gelagerten Spiegel 10 auf. Die Rotationsachse 11 ist insbesondere senkrecht zu der Sendeebene. Die Steuer- und Auswerteeinheit 3b kann auch die Rotationsposition des Spiegels 10 steuern beziehungsweise bestimmen.

Im Betrieb emittiert die Emittereinheit 8 angesteuert durch die Steuer- und Auswerteeinheit 3b Laserimpulse 12a, die durch den Spiegel 10 umgelenkt werden, sodass sie ein Gehäuse 14 des Laserscanners 2 in die Umgebung des Laserscanners 2 und des Kraftfahrzeugs 5 verlassen können. Treffen die Laserimpulse 12a in der Umgebung des Kraftfahrzeugs 5 auf ein Objekt 13, so können sie von diesem wenigstens teilweise reflektiert werden. Die reflektierten Anteile 12b können wiederum auf den Laserscanner 2 treffen und über das Gehäuse 14 auf den Spiegel 10, der sie auf die Detektoreinheit 9 umlenkt. Einer der optischen Detektoren der Detektoreinheit 9 kann die reflektierten Anteile 12b detektieren, und die Recheneinheit 3a oder die Steuer- und Auswerteeinheit 3b kann basierend darauf entsprechende Scanpunkte 7 erzeugen. Aufgrund der Ausbreitung der Laserimpulse 12a und der reflektierten Anteile 12b mit Lichtgeschwindigkeit entspricht die Spiegelstellung des Spiegels 10 beim Erfassen der reflektierten Anteile 12 im Wesentlichen exakt der Spiegelstellung beim Emittieren der Laserimpulse 12a. In Kombination mit einer Lichtlaufzeitmessung kann die Steuer- und Auswerteeinheit 3b also für jeden Scanpunkt dreidimensionale Koordinaten, beispielsweise in einem Polarkoordinatensystem, bestimmen. Jeder Scanpunkt ist also insbesondere durch die entsprechende Rotationsposition des Spiegels 10 und den entsprechenden horizontalen Einfallswinkel innerhalb der x-y-Ebene oder Sendeebene, im Folgenden als Einfallswinkel bezeichnet, einen Polarwinkel oder Lageindex und einen radialen Abstand charakterisiert. Der Lageindex entspricht demjenigen optischen Detektor, mittels dem die reflektierten Anteile 12b des entsprechenden Scanpunkts erfasst wurden. Die optischen Detektoren der Detektoreinheit 9 sind insbesondere linearer und parallel zu der Rotationsachse 11 , also senkrecht zu der Sendeebene angeordnet.

Der Spiegel 10 kann auf mehreren Seiten jeweils eine reflektierende Spiegeloberfläche aufweisen. Diese Spiegeloberflächen können als separate Spiegel behandelt werden. Rotiert der Spiegel 10 um die Rotationsachse 11 um 360°, so kann dies als Scanframe oder Scandurchlauf bezeichnet werden, wobei im Falle von zwei spiegelnden Oberflächen jeder Scandurchlauf einen Scandurchlauf für die erste Oberfläche und einen Scandurchlauf für die zweite Oberfläche beinhaltet. Die folgenden Ausführungen können derart aufgefasst werden als dass sie den Scandurchlauf einer einzigen Spiegeloberfläche betreffen. Für weitere Spiegeloberflächen gelten die Ausführungen analog. Jeder Scandurchlauf erzeugt also für jede Lage eine Vielzahl aufeinanderfolgender Scanpunkte 7, die jeweils einem Einfallswinkel zugeordnet werden können und daher eine durch die Einfallswinkel definierte Reihenfolge aufweisen. Im Folgenden wird lediglich eine Lage von Scanpunkten betrachtet. Weitere Lagen können entsprechend behandelt werden.

Die Emittereinheit 8 kann beispielsweise die Laserpulse 12a derart erzeugen, dass ein Laserpuls pro Drehung des Spiegels um ein konstantes Winkelinkrement emittiert wird. Das Winkelinkrement kann beispielsweise in der Größenordnung 0,1° bis 1° liegen, beispielsweise etwa 0,25° betragen.

Die Recheneinheit 3a kann die Scanpunkte 7 Clustern, um die Scanpunkte 7 einem oder mehreren Objekten 13 in der Umgebung des Kraftfahrzeugs 5 zuzuordnen. Gemäß der Erfindung berücksichtigt die Recheneinheit 3a zum Clustern, also zum Bestimmen wenigstens eines Clusters 6a, 6b, die Reihenfolge der Scanpunkte 7, wie sie durch die aufeinanderfolgenden Einfallswinkel in der Sendeebene vorgegeben ist. Das Sensorsystem 1 ist dazu eingerichtet, ein erfindungsgemäßes Verfahren zum Erkennen eines Objekts 13 in der Umgebung des Laserscanners 2, insbesondere in der Umgebung des Kraftfahrzeugs 5, durchzuführen. Auf diese Weise bestimmt die Recheneinheit 3a den wenigstens einen Cluster 6a, 6b. Optional kann die Recheneinheit 3a basierend auf den geclusterten Scanpunkten 7 einen Algorithmus zur automatischen Wahrnehmung durchführen, beispielsweise einen Objektverfolgungsalgorithmus oder dergleichen. Basierend auf einem Ergebnis des Algorithmus zur automatischen Wahrnehmung kann die Recheneinheit 3a oder eine sonstige Steuereinheit (nicht dargestellt) des Kraftfahrzeugs 5 wenigstens ein Steuersignal zum wenigstens teilweise automatischen Führen des Kraftfahrzeugs erzeugen. Das Kraftfahrzeug 5 kann dann basierend auf den Steuersignalen automatisch oder teilweise automatisch geführt werden.

In den Figuren Fig. 3 bis Fig. 7 sind verschiedene Situationen dargestellt, bei denen die Scanpunkte 7 in unterschiedlicher Weise zueinander beabstandet sind. Verschiedene Ausführungsformen des erfindungsgemäßen Verfahrens werden nun unter Bezugnahme auf Fig. 3 bis Fig. 7 genauer erläutert.

In Fig. 3 ist eine Vielzahl von Scanpunkten 7a bis 7I dargestellt. Jeder Scanpunkt wird dabei als Kreis mit einer geraden Linie dargestellt, wobei die gerade Linie die Richtung von dem Scanpunkt zu der Rotationsachse 11 anzeigt. Dementsprechend ist der Einfallswinkel f gleich dem Winkel, den die entsprechende Linie mit der x-Achse einschließt.

Um die Scanpunkte 7a bis 7I zu Clustern, kann die Recheneinheit 3a prüfen, welche Scanpunkte 7a bis 7I von anderen Scanpunkten 7a bis 7I weniger als einen vorgegebener Clusterabstand, der auch als Maximalabstand bezeichnet werden kann, entfernt ist.

Wenn im Folgenden davon die Rede ist, dass zwei Scanpunkte weit voneinander entfernt sind, kann dies derart verstanden werden, dass der Abstand zwischen den beiden Scanpunkten größer ist als der Clusterabstand, und wenn davon die Rede ist, dass die beiden Scanpunkte nahe beieinanderliegen, kann dies derart verstanden werden, dass der Abstand der beiden Scanpunkte kleiner oder gleich dem Clusterabstand ist. Ferner wird davon ausgegangen, dass lediglich ein Clusterabstand definiert ist. In alternativen Ausführungsformen können aber gemäß der durch die Einfallswinkel vorgegebenen Reihenfolge auch mehrere Clusterabstände, beispielsweise für nächste Nachbarn, übernächste Nachbarn und so weiter vorgegeben sein. Grundsätzlich könnte die Recheneinheit 3a zum Clustern der Scanpunkte 7a bis 71 alle Abstände zwischen allen Scanpunkten 7a bis 71 berechnen und mit dem Clusterabstand vergleichen. Dies ginge jedoch mit hohen Anforderungen an die Rechenleistung und den Speicherbedarf einher. Erfindungsgemäß wird daher die natürliche Reihenfolge der Scanpunkte 7a bis 71 ausgenutzt, die sich durch die oben beschriebene Erzeugung der Scanpunkte ergibt.

So kann im Beispiel der Fig. 3 beispielsweise ein erster Scanpunkt 7a von einem zweiten Scanpunkt 7b gefolgt werden, der wiederum von dem dritten Scanpunkt 7c gefolgt wird und so weiter. Die Recheneinheit 3a kann sich nun beispielsweise auf den Abstand gemäß der Reihenfolge benachbarter Scanpunkte beschränken. Die Anzahl der zu berechnenden Abstände wird demnach von für n Scanpunkte von 0(n ² ) auf 0(n) reduziert. Im vorliegenden Beispiel stellt die Recheneinheit 3a beispielsweise fest, dass für alle aufeinanderfolgenden Scanpunkte 7a bis 7f die Clusterbedingung jeweils erfüllt ist, die jeweils unmittelbar aufeinanderfolgenden Scanpunkte also weniger als den Clusterabstand voneinander beabstandet sind. Der Scanpunkt 7f und der unmittelbar darauffolgende Scanpunkt 7g sind jedoch weit voneinander entfernt, insbesondere ist deren Abstand zueinander größer als der Clusterabstand. Dementsprechend werden die Scanpunkte 7a bis 7f als Teil eines ersten Clusters 6a bestimmt und die übrigen Scanpunkte 7h bis 71 als Teil eines zweiten Clusters 6b, da auch für jeweils benachbarte Paare der Scanpunkte 7h bis 71 jeweils die Clusterbedingung erfüllt ist. Durch die Berücksichtigung der Reihenfolge kann in diesem Beispiel der erforderliche Rechen- und Speicheraufwand verringert werden.

In Fig. 4 ist eine Situation mit acht Scanpunkten 7a bis 7h dargestellt. Folgt man der Reihenfolge von 7a bis 7h, so liegt der zweite Scanpunkt 7b nahe bei dem ersten Scanpunkt 7a, der dritte Scanpunkt 7c liegt nahe bei dem zweiten Scanpunkt 7b, der vierte Scanpunkt 7d ist von dem dritten Scanpunkt 7c weit entfernt, der fünfte Scanpunkt 7e ist von dem vierten Scanpunkt 7d weit entfernt, und die übrigen Scanpunkte 7f bis 7h liegen ebenfalls jeweils nahe an ihrem Vorgängerpunkt. Darüber hinaus liegt jedoch auch der fünfte Scanpunkt 7e nahe an dem dritten Scanpunkt 7c, also seinem Vorvorgänger oder übernächsten Nachbarn. Mit anderen Worten, würde man den vierten Scanpunkt 7d ignorieren, so würden alle übrigen Scanpunkte 7a bis 7c, 7e bis 7h zum selben Cluster 6a gehören. Der verte Scanpunkt 7d würde einen zweiten Cluster 6b begründen. Um dieses plausible Ergebnis zu erreichen, kann in einer entsprechenden Ausführungsform des Verfahrens ein zusätzlicher Verifikationsschritt durchgeführt werden, wenn entlang der Reihenfolge festgestellt wird, dass ein Scanpunkt von seinem Vorgängerscanpunkt weit entfernt ist.

Im Beispiel der Fig. 4 wäre die Überprüfung also wie folgt: Der Scanpunkt 7a gehört als initialer Punkt zum ersten Cluster 6a. Der zweite Scanpunkt 7b liegt nahe bei dem ersten Scanpunkt 7a und gehört daher ebenfalls zum ersten Cluster 6a. Der dritte Scanpunkt 7c liegt nahe bei dem zweiten Scanpunkt 7b und gehört daher ebenfalls zum ersten Cluster 6a. Der vierte Scanpunkt 7d ist von dem dritten Scanpunkt 7c weit entfernt und gehört daher potenziell nicht zum ersten Cluster 6a, sondern zu einem zweiten Cluster 6b. Um dies zu verifizieren, wird der Abstand des vierten Scanpunkts 7d zu seinem Vorvorgängerpunkt also dem zweiten Scanpunkt 7b bestimmt. Dieser ist ebenfalls größer als der Clusterabstand, sodass der vierte Scanpunkt 7d vorliegend tatsächlich zu einem zweiten Cluster 6b gehört. Der fünfte Scanpunkt 7e ist weit entfernt von dem zweiten Scanpunkt 7b, sodass dieser potenziell nicht zu dem zweiten Cluster 6b gehört. Zur Verifikation wird der Abstand mit seinem Vorvorgänger, dem dritten Scanpunkt 7c, bestimmt. Dieser ist kleiner als der Clusterabstand, sodass auch der fünfte Scanpunkt 7e zum ersten Cluster 6a gehört. In analoger Weise wird fortgefahren, sodass auch die übrigen Scanpunkte 7f bis 7h zum ersten Cluster 6a zugeordnet werden.

In Fig. 5 ist eine weitere Situation dargestellt, bei der vier aufeinanderfolgende Scanpunkte 7a, 7b, 7c, 7d gezeigt sind. Der erste Scanpunkt 7a eröffnet einen ersten Cluster 6a. Der darauffolgende zweite Scanpunkt 7b liegt nahe am ersten Scanpunkt 7a und gehört daher ebenfalls zum ersten Cluster 6a. Der darauffolgende dritte Scanpunkt 7c ist vom zweiten Scanpunkt 7b weit entfernt und könnte daher zu einem anderen Cluster gehören. In dieser Ausführungsform führt die Verifikation anhand des Vorvorgängers, also des ersten Scanpunkts 7a, ebenfalls zu keinem anderen Ergebnis, da auch der Abstand zwischen den Scanpunkten 7a und 7c größer ist als der Clusterabstand. Jedoch ist der auf den dritten Scanpunkt 7c folgende vierte Scanpunkt 7d sowohl von dem dritten Scanpunkt 7c als auch von dessen Vorgängerpunk, dem zweiten Scanpunkt 7b, weniger weit entfernt als der Clusterabstand. In dieser Situation können daher alle vier Scanpunkte 7a, 7b, 7c, 7d dem ersten Cluster 6a zugeordnet werden.

In Fig. 6 wird das bezüglich Fig. 5 beschriebene Konzept der Transitivität um eine Stufe erweitert. Hier sind fünf aufeinanderfolgende Scanpunkte 7a, 7b, 7c, 7d, 7e gezeigt. Der erste Scanpunkt 7a öffnet den ersten Cluster 6a. Der folgende zweite Scanpunkt 7b ist von dem ersten Scanpunkt 7a weit entfernt. Der dritte Scanpunkt 7c ist von dem zweiten Scanpunkt 7b ebenfalls weit entfernt, liegt jedoch nahe bei dem ersten Scanpunkt 7a. Der vierte Scanpunkt 7d ist von seinem Vorgängerpunkt, dem dritten Scanpunkt 7c, ebenfalls weit entfernt und ist auch von dem ersten Scanpunkt 7a weit entfernt. Der dritte Scanpunkt 7c liegt jedoch bei dem zweiten Scanpunkt 7b. Der fünfte Scanpunkt 7e liegt nahe an seinem Vorgängerpunkt, dem vierten Scanpunkt 7d, nahe an seinem Vorvorgänger, dem dritten Scanpunkt 7c, und auch nahe an dem ersten Scanpunkt 7a. In diesem Fall können daher alle Scanpunkte 7a, 7b, 7c, 7d, 7e demselben Cluster 6a zugeordnet werden.

In analoger Weise können weitere Ebenen der Transitivität hinzugefügt werden. So kann insbesondere zwischen Rechenaufwand und Exaktheit des Clusterergebnisses abgewogen werden.

Darüber hinaus kann der Clusterabstand beispielsweise für nächste Nachbarn von Scanpunkten größer gewählt werden als für andere Paare von Punkten. Wie in Fig. 7 schematisch dargestellt ist, können die Abstände zwischen zwei aufeinanderfolgenden Scanpunkten relativ groß sein, obwohl sie von demselben Objekt herrühren, wenn der Winkel zwischen der Aussenderichtung der Laserimpulse und der reflektierenden Oberfläche entsprechend flach ist.

In einer konkreten Implementierung können geometrische Abstände als quadratische Abstände berechnet werden. Dementsprechend müssen niemals Wurzeln berechnet werden, was ebenfalls zu Einsparungen der Rechenzeit führt. Für verschiedene Ausführungsformen müssen Zwischenergebnisse betreffend die Abstände gespeichert werden, beispielsweise wie bezüglich Fig. 5 und Fig. 6 beschrieben.

In Fig. 8 ist ein weiteres typisches Beispiel gezeigt. Hier sind neun Scanpunkte 7a bis 7i dargestellt. Jedes Paar von aufeinanderfolgenden Scanpunkten ist voneinander weiter beabstandet als der Clusterabstand. Jedes Paar übernächster Nachbarn, also die Paare von Scanpunkten 7a und 7c, 7c und 7e, 7e und 7g, 7g und 7i, ebenso wie die Paare von Scanpunkten 7b und 7d, 7d und 7f, 7f und 7h, liegen dagegen jeweils nahe beieinander. Dies kann beispielsweise auftreten, wenn zwei relativ lange Objekte hintereinander angeordnet sind. In der oben beschriebenen Weise wird erreicht, dass die zugehörigen Scanpunkte 7a, 7c, 7e, 7g, 7i dem ersten Cluster 6a zugeordnet werden und die übrigen Scanpunkte 7b, 7d, 7f, 7h dem zweiten Cluster 6b.