Beschreibung

Für verschiedene Fahrerassistenzfunktionen wie bspw. eine Parkabstandsregelung, ein automatisiertes Einparken und für mehrere Stufen des autonomen Fahrens ist eine Erfassung einer statischen Umgebung erforderlich.

Im Gegensatz zur dynamischen Objektverfolgung sind für eine statische Objekterfassung je nach Empfangsfunktion mehrere Darstellungsebenen erforderlich. Bspw. sind für eine Warnfunktion als Empfangsfunktion, die mit einer minimalen Bandbreite und Auflösung auskommt, statische Objektkästen als Eingangsdaten ausreichend.

Eine autonome Parkfunktion oder eine autonome Fahrfunktion erfordert genaue Konturinformationen bezüglich der statischen Umgebung. Daher werden Eingangsdaten mit einer wesentlich höheren Auflösung und Bandbreite als bei einer Warnfunktion benötigt.

Typischerweise sind der Speicherplatz und die Rechenressourcen bei Kontrollgeräten im Automotivebereich sehr begrenzt. Eine parallele Erfassung und Berechnung einer statischen Umgebung auf allen möglichen Darstellungsebenen ist daher nicht immer möglich.

Es sind Verfahren zur statischen Objekterkennung bekannt, bei denen jeweilige von einem Sensor ermittelte Messwerte einer jeweiligen Gitterzelle eines Gittersystems zugeordnet werden und beim Zuordnen eines Messwerts zu einer Gitterzelle deren Zellenwert erhöht wird. Der Zellenwert stellt typischerweise eine Wahrscheinlichkeit für eine Belegung bzw. ein Vorhandensein eines Objekts dar. In einem nachfolgenden Verarbeitungsschritt werden alle belegten Gitterzellen verkettet, um eine Geometrie der statischen Umgebung zu extrahieren und die statischen Objekte um ein jeweiliges Fahrzeug herum zu trennen. Die geometrische Auflösung dieses Ansatzes steht in direktem Zusammenhang mit der Dimension jeweiliger Gitterzellen. Der Speicherverbrauch und der Rechenaufwand hängt von der Anzahl der Gitterzellen ab und steigt mit zunehmender Auflösung bzw. mit zunehmendem Sichtfeld exponentiell an.

Die Auflösung eines wie voranstehend beschrieben betriebenen Systems ist auf eine jeweilige Auflösung der Gitterzellen beschränkt. Unterschiedliche Auflösungen erfordern unterschiedliche Berechnungen.

Ein anderer Ansatz ist bspw. eine Speicherung von Erkennungen für mehrere Messzyklen und deren Validierung. Ein Speicherverbrauch und ein Rechenaufwand dieses Ansatzes hängen direkt mit einer Anzahl gespeicherter Erkennungen und damit indirekt mit einem Sensorsichtfeld, einer erforderlichen Auflösung und einer aktuellen Anzahl an Messungen zusammen. Die Auflösung eines solchen Systems ist auf die Auflösung der Erkennungen beschränkt. Unterschiedliche Auflösungen erfordern eine separate Berechnung mit unterschiedlichen Speicherkonfigurationen.

Es ist daher eine Aufgabe der vorgestellten Erfindung, die voranstehend genannten Nachteile zu überwinden. Insbesondere ist es eine Aufgabe der vorgestellten Erfindung, eine Möglichkeit zum Anpassen einer Auflösung eines Erkennungsverfahrens zur statischen Objekterkennung für eine Vielzahl unterschiedlicher Empfangsfunktionen bereitzustellen.

Die voranstehend genannte Aufgabe wird gelöst durch ein Erkennungsverfahren und ein Fahrzeug gemäß den jeweiligen unabhängigen Ansprüchen. In der Beschreibung, den Zeichnungen und den abhängigen Ansprüchen sind bevorzugte Weiterbildungen der Erfindung aufgeführt. Merkmale, die zu den einzelnen Erfindungsaspekten offenbart werden, können in der Weise miteinander kombiniert werden, dass bzgl. der Offenbarung zu den Erfindungsaspekten der Erfindung stets wechselseitig Bezug genommen wird bzw. werden kann. Gemäß einem ersten Aspekt der vorgestellten Erfindung wird zur Lösung der voranstehend genannten Aufgabe ein Erkennungsverfahren zum Erkennen von statischen Objekten in einer Umgebung eines Fahrzeugs vorgestellt.

Das Erkennungsverfahren umfasst einen Ermittlungsschritt, bei dem Umfelddaten mittels mindestens eines Sensors des Fahrzeugs ermittelt und als Ermittlungsdatensatz bereitgestellt werden, wobei der mindestens eine Sensor die Umgebung des Fahrzeugs erfasst, einen Clusterschritt, bei dem eine Vielzahl von Umfelddaten aus den ermittelten Umfelddaten anhand ihrer geometrischen Eigenschaften zu mehreren Clustern zusammengefasst und als Clusterdatensatz bereitgestellt werden, einen Segmentierungsschritt, bei dem zumindest ein Teil der mehreren Cluster zu mindestens einem geometrischen Segment mit einer durch die mehrere Cluster vorgegebenen Kontur zusammengefasst und als Segmentdatensatz bereitgestellt werden, einen Abstraktionsschritt, bei dem einem jeweiligen geometrischen Segment eine geometrische Hüllstruktur mit einer vorgegebenen Kontur zugeordnet wird, die das jeweilige geometrische Segment umgibt, und Daten jeweiliger Hüllstrukturen als Hüllstrukturdatensatz bereitgestellt werden.

Gemäß dem vorgestellten Erkennungsverfahren wird in Abhängigkeit einer von einer jeweiligen auf einem Kontrollgerät des Fahrzeugs ausgeführten Empfangsfunktion bereitgestellten Auflösungsanforderung entweder der Ermittlungsdatensatz oder der Clusterdatensatz oder der Segmentdatensatz oder der Hüllstrukturdatensatz der Empfangsfunktion zur weiteren Verarbeitung bereitgestellt.

Unter Umfelddaten sind im Kontext der vorgestellten Erfindung Messdaten zu verstehen, die von einem Sensor zum Erfassen einer Umgebung ermittelt wurden. Insbesondere sind Umfelddaten von bspw. einem Radarsensor ermittelte Messwerte von durch Objekte in einer Umgebung des Radarsensors reflektierten Radarstrahlen. Selbstverständlich können Umfelddaten auch mit sämtlichen weiteren technisch zum Erfassen einer Umgebung geeigneten Sensoren, wie bspw. Kamerasensoren, Ultraschallsensoren oder Laserscannern, ermittelt werden. Unter einem Cluster ist im Kontext der vorgestellten Erfindung eine Anhäufung mehrerer Messpunkte zu verstehen, wobei die Messpunkte jeweils eigene Datenobjekte sind.

Unter einem Segment ist im Kontext der vorgestellten Erfindung ein Datenobjekt zu verstehen, das in seiner Kontur einem Verlauf jeweiliger das Segment umfassender Cluster, d.h. Segmentpunkte, entspricht. Anhand seiner jeweiligen Kontur kann ein Segment bspw. unter Verwendung eines maschinellen Lerners, einem realen Objekt zugeordnet werden.

Unter einer Hüllstruktur ist im Kontext der vorgestellten Erfindung ein Datenobjekt zu verstehen, das eine geometrische Struktur mit einer vorgegebenen Form, wie bspw. einem Rechteck hat, und das um ein Segment herum geformt ist und Informationen über eine Position der geometrischen Struktur in einem Koordinatensystem und/oder einer Zuordnung des entsprechenden Segments zu einem jeweiligen realen Objekt bereitstellt.

Unter einer Empfangsfunktion ist im Kontext der vorgestellten Erfindung eine auf einem Kontrollgerät implementierte Funktion zu verstehen, die einen Datensatz, der mittels des vorgestellten Erkennungsverfahrens ermittelt wurden, empfängt und weiterverarbeitet. Bspw. kann eine Empfangsfunktion eine Warnfunktion zum Warnen vor einer bevorstehenden Kollision eines Fahrzeugs mit einem Gegenstand in einer Umgebung des Fahrzeugs oder eine Funktion zum autonomen Fahren sein. Je nach Art der Empfangsfunktion gibt diese eine Auflösungsanforderung an eine Mindestauflösung einer Darstellung einer Umbegung für einen der Empfangsfunktion bereitzustellenden Datensatz vor.

Die vorgestellte Erfindung basiert auf dem Prinzip, dass von einem Umfeldsensor ermittelte Umfelddaten sukzessive in mehreren Verfahrensschritten komprimiert, also in ihrer Auflösung und/oder Bandbreite reduziert werden. Entsprechend kann einer Empfangsfunktion ein spezifischer Datensatz bereitgestellt werden, der jeweilige Anforderungen der Empfangsfunktion mit einer minimalen Auflösung bzw. Bandbreite erfüllt. Entsprechend werden durch den spezifischen Datensatz Speicher- und Berechnungsressourcen eines die Empfangsfunktion ausführenden Kontrollgeräts geschont.

Bei dem erfindungsgemäß vorgesehenen Ermittlungsschritt können Umfelddaten mittels eines Umfeldsensors in mehreren Messzyklen ermittelt werden. Entsprechend kann eine Umgebung bzw. ein Umfeld eines Fahrzeugs mit einer bspw. durch einen jeweiligen Umfeldsensor vorgegebenen Frequenz abgetastet werden, sodass sukzessive neue Datensätze mit Umfelddaten bereitgestellt werden.

Da bei Verwendung hochauflösender Umfeldsensoren, wie bspw. Laserscannern, erhebliche Datenmengen erzeugt werden, die zu entsprechend großen Ermittlungsdatensätzen führen, die wiederum einen erheblichen Rechenaufwand bei einer Verarbeitung bedingen, ermöglicht das vorgestellte Erkennungsverfahren, eine Reduktion jeweiliger Ermittlungsdatensätze, um Speicher- und Rechenressourcen, die zur Verarbeitung der Umfelddaten nötig sind, zu reduzieren bzw. zu minimieren.

Es kann vorgesehen sein, dass a) der Ermittlungsschritt, b) der Clusterschritt, c) der Segmentierungsschritt und d) der Abstraktionsschritt sukzessive nacheinander ausgeführt werden, wobei eine Auflösung jeweiliger bereitgestellter Umfelddaten von dem Ermittlungsdatensatz zu dem Hüllstrukturdatensatz sukzessive reduziert wird.

Zur Reduktion einer Datenmenge, insbesondere einer Auflösung und/oder Bandbreite von Umfelddaten, umfasst das vorgestellte Erkennungsverfahren mehrere Verarbeitungsschritte, die jeweils einen spezifischen Datensatz bereitstellen, der von einer Empfangsfunktion und/oder einem jeweils nachgeordneten Verarbeitungsschritt verarbeitet werden kann. Dabei führen die jeweiligen Verarbeitungsschritte sukzessive zu einem kleineren Datensatz bzw. einer entsprechend geringeren Auflösung der Umfelddaten.

Es kann weiterhin vorgesehen sein, dass bei dem Ermittlungsschritt mehrere

Ermittlungsdatensätze in mehreren Messzyklen ermittelt werden und dass bei dem Clusterschritt jede Punktmessung eines jeweiligen Ermittlungsdatensatzes, einem jeweiligen Cluster zugeordnet wird, das einem Zentrum der Punktmessungen des Ermittlungsdatensatzes entspricht, wobei jeweilige Cluster jeweiliger Ermittlungsdatensätze zu einem Verbundcluster verbunden werden, wenn ein Abstand der jeweiligen Cluster zwischen zwei aufeinanderfolgenden Messungen kleiner ist als ein vorgegebener Abstandsschwellenwert.

Um jeweilige Messpunkte eines Ermittlungsdatensatzes einem Cluster zuzuordnen und entsprechend eine Auflösung des Ermittlungsdatensatzes zu reduzieren, können geometrische Eigenschaften jeweiliger Messpunkte eines Ermittlungsdatensatzes ausgewertet werden. Aufgrund von geometrischen Eigenschaften, wie bspw. einer räumlichen Nähe miteinander in Beziehung stehende Messpunkte können zu einem Cluster zusammengefasst werden. Insbesondere eignet sich ein Abstand jeweiliger Messpunkte, um eine räumliche Beziehung zwischen jeweiligen Messpunkten zu erkennen. Bleibt bspw. ein Abstand zwischen jeweiligen Messpunkten über verschiedene aufeinanderfolgende Messungen konstant oder verändert sich nur innerhalb einer vorgegebenen Varianz, kann davon ausgegangen werden, dass die jeweiligen Messpunkte eine zusammenhängende geometrische Struktur, wie bspw. eine Ampel, abbilden. Entsprechend kann durch Zuordnen derartiger Messpunkte zu einem Cluster eine Vorauswahl von Messpunkten aus einer Gesamtheit an Messpunkten getroffen werden, wodurch sich die Auflösung eines entsprechenden Clusterdatensatzes gegenüber einem entsprechenden Ermittlungsdatensatz reduziert.

Es kann weiterhin vorgesehen sein, dass der in dem Clusterschritt ermittelte Clusterdatensatz mindestens einer hochauflösenden Empfangsfunktion des Kontrollgeräts bereitgestellt wird, die als Auflösungsanforderung Umfelddaten mit einer Auflösung benötigt, die von einer Geschwindigkeit des Fahrzeugs und einer Reichweite des mindestens einen Sensors abhängt und bspw. größer ist als ein vorgegebener Clusterschwellenwert.

Eine Empfangsfunktion, die eine Auflösung benötigt, die von einer Geschwindigkeit des Fahrzeugs und einer Reichweite des mindestens einen Sensors abhängt, wie bspw. eine Funktion zum autonomen Fahren, benötigt eine detaillierte Darstellung einer Umgebung, sodass eine weitere Reduktion der Auflösung zu keinem Vorteil führt. Entsprechend ist vorgesehen, dass einer derartigen Empfangsfunktion ein detaillierter Datensatz, nämlich der Clusterdatensatz zur Verfügung gestellt wird.

Es kann weiterhin vorgesehen sein, dass in dem Segmentierungsschritt jedem Segment ein reales Objekt zugeordnet wird, und jeweilige Cluster anhand vorgegebener geometrischer Kriterien einem jeweiligen Segment zugeordnet werden.

Durch den erfindungsgemäß vorgesehenen Segmentierungsschritt werden jeweilige Cluster einem jeweiligen Segment zugeordnet, sodass ein Segment mehrere Cluster umfasst und eine Auflösung des Segmentdatensatzes gegenüber einer Auflösung des Clusterdatensatzes reduziert ist.

Ein Segment kann jeweilige Cluster als Segmentdatenpunkte umfassen, um eine Kontur eines realen Objekts abzubilden. Entsprechend kann ein Segment einem realen Objekt zugordnet werden.

Zur Zuordnung eines Segments zu einem realen Objekt kann ein maschineller Lerner, wie bspw. ein künstliches neuronales Netzwerk oder eine Support-Vector Maschine verwendet werden. Der maschinelle Lerner kann anhand von bereits jeweiligen realen Objekten zugeordneten Trainingsdaten trainiert werden.

Es kann weiterhin vorgesehen sein, dass in dem Segmentierungsschritt jeweilige Cluster einem Segment zugeordnet werden, die höchstens um einen vorgegebenen Abstandsschwellenwert von einer Linie entfernt liegen, die durch jeweilig folgende Cluster gebildet wird.

Durch eine Zuordnung von Clustern, die höchstens um einen vorgegebenen Abstandsschwellenwert von einer Linie entfernt liegen, die durch jeweilig folgende Cluster gebildet wird, werden mit hoher Wahrscheinlichkeit solche Cluster einem Segment zugeordnet, die eine gemeinsame Struktur bzw. ein gemeinsames reales Objekt repräsentieren.

Es kann weiterhin vorgesehen sein, dass in dem Abstraktionsschritt einer jeweiligen Hüllstruktur folgende Parameter zugeordnet werden: Position in einem Koordinatensystem, Breite, Länge, Höhe und Ausrichtung.

Durch eine Zuordnung eines jeweiligen Segments zu einer Hüllstruktur mit einer vorgegebenen geometrischen Form wird eine Auflösung des Hüllstrukturdatensatzes gegenüber einer Auflösung des Segmentdatensatzes reduziert. Der Hüllstrukturdatensatz umfasst lediglich Informationen zu einer Anzahl Hüllstrukturen und deren Position in einem Koordinatensystem. Entsprechend eignet sich der Hüllstrukturdatensatz für Empfangsfunktionen, die eine geringe Anforderung an eine Auflösung der Umgebungsdaten haben, wie bspw. eine Warnfunktion zur Warnung vor einer Kollision eines Fahrzeugs mit einem Objekt in der Umgebung des Fahrzeugs. Eine Warnfunktion benötigt lediglich grobe Informationen darüber, ob sich ein Objekt in einer Fahrbahn eines Fahrzeugs befindet, genaue Abmessungen des Objekts sind nicht relevant, da die erfindungsgemäß vorgesehene Hüllstruktur einen Rahmen um das Objekt herum bereitstellt.

Es kann weiterhin vorgesehen sein, dass als Hüllstruktur eine geometrische Form der folgenden Liste an geometrischen Formen gewählt wird: Viereck, Dreieck, Vieleck.

Durch ein Viereck als Hüllstruktur kann ein Segment grob umgeben werden, sodass eine Auflösung eines Segmentdatensatzes effizient reduziert werden kann.

Durch ein Dreieck als Hüllstruktur kann eine Ausrichtung eines realen Objekts dargestellt werden.

Durch ein Vieleck als Hüllstruktur können geometrische Auffälligkeiten, wie bspw.

Vorsprünge eines realen Objekts dargestellt werden, sodass eine Fläche einer jeweiligen Hüllstruktur minimiert und bspw. unnötige Kollisionswarnungen minimiert werden können.

In einem zweiten Aspekt betrifft die vorgestellte Erfindung ein Fahrzeug mit einem Kontrollgerät. Das Kontrollgerät ist dazu konfiguriert, eine mögliche Ausgestaltung des vorgestellten Erkennungsverfahrens auszuführen.

Das Kontrollgerät des Fahrzeugs kann ein Prozessor, ein ASIC, ein Steuergerät oder jedes weitere programmierbare Element sein.

Es kann vorgesehen sein, dass das Fahrzeug einen Sensor der folgenden Liste oder eine Kombination daraus als mindestens einen Sensor umfasst: Lidarsensor, Radarsensor, Ultraschallsensor, Lasersensor, Kamerasensor.

Anhand der beigefügten Zeichnungen wird die Erfindung nachfolgend näher erläutert. Dabei zeigt:

Fig. 1 eine mögliche Ausgestaltung des erfindungsgemäßen Erkennungsverfahrens,

Fig. 2 eine schematische Darstellung eines Ablaufs einer möglichen Ausgestaltung des erfindungsgemäßen Erkennungsverfahrens,

Fig. 3 eine mögliche Ausgestaltung des erfindungsgemäßen Fahrzeugs.

In Fig. 1 ist ein Ablauf einer möglichen Ausgestaltung des erfindungsgemäßen Erkennungsverfahrens 100 dargestellt.

In einem Ermittlungsschritt 101 werden Umfelddaten mittels mindestens eines Sensors eines Fahrzeugs, wie bspw. einem Laserscanner, ermittelt, ggf. gefiltert und als Ermittlungsdatensatz bereitgestellt, d.h. bspw. in einem Speicher abgelegt.

In einem Clusterschritt 103, wird eine Vielzahl von Umfelddaten aus den ermittelten Umfelddaten anhand ihrer geometrischen Eigenschaften zu mehreren Clustern zusammengefasst und als Clusterdatensatz bereitgestellt, wie durch Pfeil 107 angedeutet.

In einem Segmentierungsschritt 105 wird zumindest ein Teil der in dem Clusterschritt 103 ermittelten Cluster zu mindestens einem geometrischen Segment mit einer durch die mehreren Cluster vorgegebenen Kontur zusammengefasst und als Segmentdatensatz bereitgestellt, wie durch Pfeil 111 angedeutet.

In einem Abstraktionsschritt 109 wird einem jeweiligen geometrischen Segment eine geometrische Hüllstruktur mit einer vorgegebenen Kontur zugeordnet, die das jeweilige geometrische Segment umgibt. Daten, wie bspw. eine Position, oder eine Ausdehnung in Länge, Breite und Höhe jeweiliger Hüllstrukturen werden als Hüllstrukturdatensatz bereitgestellt, wie durch Pfeil 113 angedeutet.

In einem Bereitstellungsschritt werden der Ermittlungsdatensatz oder der Clusterdatensatz oder der Segmentdatensatz oder der Hüllstrukturdatensatz einer jeweiligen Empfangsfunktion in Abhängigkeit einer von der Empfangsfunktion spezifizierten Auflösungsanforderung bereitgestellt, wie durch Pfeile 107, 111 bzw. 113 angedeutet.

In Fig. 2 sind die in Fig. 1 beschriebenen Verfahrensschritte anhand einer Beispielmessung visualisiert.

Von einem Sensor ermittelte Umfelddaten 201 werden als Ermittlungsdatensatz mit einer sehr hohen Auflösung bereitgestellt.

Ein Clusterdatensatz mit Clusterdaten 203 umfasst eine Vielzahl Cluster 205, die bspw. Umfelddaten umfassen, die sich zwischen zwei Messzyklen des Sensors um weniger als einen vorgegebenen Schwellenwert voneinander entfernt haben.

Ein Segmentdatensatz mit Segmentdaten 207 umfasst vorliegend Daten zu zwei

Segmenten 209 und 211 , die jeweils eine Vielzahl Cluster 205 als Segmentdatenpunkte umfassen. Entsprechend folgen die Segmente 209 und 211 in ihrer Form einer Kontur eines realen Objekts und können dem realen Objekt, bspw. unter Verwendung eines maschinellen Lerners, zugeordnet werden.

Ein Hüllstrukturdatensatz umfasst Hüllstrukturdaten 213 zu zwei Hüllstrukturen 215 und 217, die jeweils eines der Segmente 209 und 211 umhüllen. Insbesondere umfasst der Hüllstrukturdatensatz lediglich Informationen darüber wo jeweilige Hüllstrukturen in einem Koordinatensystem vorliegen, sodass auf Detailinformationen zu einer Form jeweiliger erfasster Objekte verzichtet wird und der Hüllstrukturdatensatz eine minimale Auflösung hat, wodurch ein minimaler Rechenaufwand und Speicheraufwand beim Verarbeiten des Hüllstrukturdatensatzes bedingt wird.

In Fig. 3 ist ein Fahrzeug 300 dargestellt. Das Fahrzeug 300 umfasst ein Kontrollgerät 301, das zur Ausführung des Erkennungsverfahrens 100 konfiguriert ist.

Bezugszeichenliste

100 Erkennungsverfahren

101 Erfassungsschritt

103 Clusterschritt

105 Segmentierungsschritt

107 Pfeil

109 Abstraktionsschritt

111 Pfeil

113 Pfeil

201 Umfelddaten

203 Clusterdaten

205 Cluster

207 Segmentdaten

209 Segment

211 Segment

213 Hüllstrukturdaten

215 Hüllstruktur

217 Hüllstruktur

300 Fahrzeug

301 Kontrollgerät