Die Erfindung betrifft ein Verfahren zur Bewertung von Trajektorien einer vorgegebenen Trajektorienschar für ein Fahrzeug.

Die Erfindung betrifft weiterhin ein Verfahren zum Betrieb eines automatisiert betriebenen Fahrzeugs.

Aus "Stiller, C. und Ziegler, J.: Fast Collision Checking for Intelligent Vehicle Motion Planning; In: 2010 IEEE Intelligent Vehicles Symposium, University of California, San Diego, CA, USA, 21. Juni 2010 bis 24. Juni 2010" ist ein Verfahren zu einer schnellen Kollisionsprüfung zu einer Anwendung in einer Bewegungsplanung für intelligente Fahrzeuge bekannt. Um eine Ausrichtung des Fahrzeugs explizit zu berücksichtigen, wird eine Fahrzeugform in mehrere scheibenförmige Grundformen zerlegt, wobei die Kollisionsprüfung in mehrere Kollisionstests zerlegt wird.

Aus der US 2021/0 347 382 A1 ist Verfahren zum Planen einer Trajektorie für ein autonomes Fahrzeug bekannt, wobei die Planung mittels einer mehrlagigen Rasterkarte erfolgt, welche als Lagen eine Belegungskarte mit statischen Objekten, eine für einen zukünftigen Zeitschrift prädizierte Belegungskarte mit dynamischen Objekten und eine anhand von Umgebungsdaten erstellte Kostenkarte umfasst. Die Trajektorienplanung basiert auf der Zuordnung von Kosten zu einer Reihe von vorausliegenden Positionspunkten und der Auswahl eines kostengünstigsten Satzes von Positionspunkten.

Aus „Lu., D.V., Hershberger, D., Smart, W. D.: Layered Costmaps for Context-Sensitive Navigation; IEEE/RSJ International Conference on Intelligent Robots and Systems, Chicago, IL, USA, 2014, S. 709-715; lEEE Xplore [online], DOI: 10.1109/IROS.2014.6942636; In: IEEE” ist ein Verfahren zur Trajektorienplanung für einen Roboter bekannt, wobei vorgesehen ist, dass eine Mehrzahl von Kostenkarten für unterschiedliche Funktionalitäten des Roboters erstellt werden, dass die Daten der verschiedenen Kostenkarten in einer Master-Kostenkarte aggregiert werden und dass die Master-Kostenkarte der Trajektorienplanung zugrunde gelegt wird.

Aus der US 2020/0 159 225 A1 ist ein Bewegungsplanungsmodell für ein autonomes Fahrzeug bekannt, wobei vorgesehen ist, dass Kosten für zukünftige Positionen des Fahrzeugs mittels eines auf maschinellem Lernen basierenden Modells ermittelt werden, dass mehrere mögliche Trajektorien mit den ermittelten Kosten bewertet werden und dass die Trajektorie mit den geringsten Kosten ausgewählt wird.

Der Erfindung liegt die Aufgabe zu Grunde, ein neuartiges Verfahren zur Bewertung von Trajektorien einer vorgegebenen Trajektorienschar für ein Fahrzeug und ein neuartiges Verfahren zum Betrieb eines automatisiert betriebenen Fahrzeugs anzugeben.

Die Aufgabe wird erfindungsgemäß gelöst durch ein Verfahren zur Bewertung von Trajektorien einer vorgegebenen Trajektorienschar für ein Fahrzeug, welches die im Anspruch 1 angegebenen Merkmale aufweist, und durch ein Verfahren zum Betrieb eines automatisiert betriebenen Fahrzeugs, welches die im Anspruch 10 angegeben Merkmale aufweist.

Vorteilhafte Ausgestaltungen der Erfindung sind Gegenstand der Unteransprüche.

In dem Verfahren zur Bewertung von Trajektorien einer vorgegebenen Trajektorienschar für ein Fahrzeug wird erfindungsgemäß für alle Trajektorien der Trajektorienschar jeweils an vorgegebenen vorausliegenden Abtastpunkten auf der jeweiligen Trajektorie eine an einem jeweiligen Abtastpunkt erwartete Situation in einer Rasterkarte prädiziert. Dabei ist die Rasterkarte mehrlagig aufgebaut und weist für verschiedene vorgegebene Aufgaben des Fahrzeugs jeweils eine Kostenebene auf, in deren Rasterzellen Kosten für die jeweilige Aufgabe eingetragen sind. Die Kosten geben ein Maß an, in welchem Umfang, das heißt wie gut oder schlecht, die jeweilige Aufgabe am Ort der jeweiligen Rasterzelle erfüllt wird, wobei einer Erfüllung der jeweiligen Aufgabe in größerem Umfang geringere Kosten als einer Erfüllung der Aufgabe mit kleinerem Umfang zugewiesen werden. Weiterhin wird für jeden Abtastpunkt auf jeder Kostenebene ein Kostenwert für die prädizierte Situation ermittelt, wobei die Ermittlung der Kostenwerte auf einer Faltung von Rasterzellen der jeweiligen Kostenebene mit entsprechend gleich positionierten Rasterzellen einer für den jeweiligen Abtastpunkt approximierten Rasterdarstellung des Fahrzeugs und einer Zusammenfassung der Ergebnisse der Faltung mittels einer Reduktionsformel beruht. Aus den über einen Vorausschauhorizont ermittelten Kostenwerten wird ein Gesamtkostenwert für die jeweilige Trajektorie ermittelt und der jeweiligen Trajektorie zugeordnet, und die Trajektorie mit dem geringsten Gesamtkostenwert als optimale Trajektorie aus der Trajektorienschar identifiziert wird.

Alternativ können auch einer Erfüllung der jeweiligen Aufgabe in größerem Umfang höhere Kosten als einer Erfüllung der Aufgabe mit kleinerem Umfang zugewiesen werden, wobei dann die Trajektorie mit dem höchsten Gesamtkostenwert als optimale Trajektorie aus der Trajektorienschar identifiziert wird.

Eine Auswertung einer Kostenfunktion ist für eine Bewegungsplanung eines automatisiert, insbesondere hochautomatisiert oder autonom fahrenden Fahrzeugs ein essenzieller Baustein. Die Kostenfunktion definiert dabei insbesondere, welches das optimale Verhalten und damit die optimale zu fahrende Trajektorie für das Fahrzeug ist.

Das Finden dieser optimalen Trajektorie ist jedoch aufgrund einer hohen Dimensionalität des Problems nicht trivial. Ein Verhaltensplanungsmodul eines automatisiert betriebenen Fahrzeugs erstellt hierzu beispielsweise ein Set von Hypothesen für verschiedene Handlungsoptionen des Fahrzeugs. Diese Hypothesen werden beispielsweise in der Form von Trajektorien dargestellt und bilden eine Trajektorienschar.

Mittels des vorliegenden Verfahrens wird eine besonders effiziente und zuverlässige Auswahl der optimalen Trajektorie aus einer solchen Trajektorienschar ermöglicht. Weiterhin wird eine besonders flexible Auswertung ermöglicht.

Die Ermittlung der Kostenwerte für jeden Abtastpunkt auf jeder Kostenebene mittels der oben genannten Faltung ermöglicht eine besonders effiziente und zuverlässige Ermittlung der Kostenwerte.

In einer möglichen Ausgestaltung des Verfahrens ist die Rasterdarstellung des Fahrzeugs selbst ebenfalls mehrlagig ausgeführt. Durch die Verwendung der mehrlagigen Rasterkarte und entsprechenden mehrlagigen Rasterdarstellungen des Fahrzeugs kann die Flexibilität der Auswertung weiter erhöht werden. Eine Auflösung der Rasterkarte und der Rasterdarstellung des Fahrzeugs wird insbesondere identisch gewählt. In einer weiteren möglichen Ausgestaltung des Verfahrens werden für verschiedene Kostenebenen der Rasterkarte verschiedene Lagen der Rasterdarstellung des Fahrzeugs bei der Faltung verwendet. Somit sind die Rasterdarstellungen des Fahrzeugs nicht auf eine binäre Maske beschränkt, so dass, ähnlich wie bei einer klassischen Faltungsmatrix, beliebige Werte verwendet werden können. Dies ermöglicht eine beschleunigte Auswertung.

In einer weiteren möglichen Ausgestaltung des Verfahrens wird an dem jeweiligen Abtastpunkt eine einer Orientierung des Fahrzeugs an diesem Abtastpunkt entsprechende Rasterdarstellung ausgewählt und die gewählte Rasterdarstellung wird an eine zur realen Position des Fahrzeugs nächstgelegene ganzzahlige Position auf der Rasterkarte transformiert. Hieraus resultiert, dass keine Interpolation der Werte erforderlich ist, was das Verfahren weiter beschleunigt.

In einer weiteren möglichen Ausgestaltung des Verfahrens werden oder wird als Reduktionsfunktion eine Summenfunktion und/der eine Mittelwertfunktion und/oder eine Maximalwertfunktion verwendet. Derartige Funktionen sind einfach in das Verfahren implementierbar und liefern zuverlässig Ergebnisse.

In einer weiteren möglichen Ausgestaltung des Verfahrens werden bei der Ermittlung der Gesamtkosten die Kostenwerte der Kostenebenen jeweils gewichtet. Durch die Gewichte kann beispielsweise eine probabilistische Beschreibung der Unsicherheit approximiert werden.

In einer weiteren möglichen Ausgestaltung des Verfahrens werden die Aufgaben des Fahrzeugs aus einer statischen Welt und/oder einer dynamischen Welt und/oder Verkehrsregeln abgeleitet. Dies ermöglicht eine vollumfängliche Berücksichtigung aller in der Umgebung des Fahrzeugs vorhandenen und für den automatisierten Betrieb desselben relevanten Objekte und Ereignisse.

Um einen optimierten automatisierten Fährbetrieb des Fahrzeugs realisieren zu können, ist in einer weiteren möglichen Ausgestaltung des Verfahrens vorgesehen, dass als Aufgaben des Fahrzeugs sicherheitsrelevante Aufgaben und/oder für eine Beachtung von Verkehrsregeln relevante Aufgaben und/oder einen Komfort von Fahrzeuginsassen betreffende Aufgaben und/oder eine Effizienz des Fahrzeugs betreffende Aufgaben vorgegeben werden. In dem erfindungsgemäßen Verfahren zum Betrieb eines automatisiert betriebenen Fahrzeugs wird in Abhängigkeit einer Umgebungssituation des Fahrzeugs eine Trajektorienschar mit mehreren potenziellen Trajektorien zur Erreichung eines vorgegebenen Ziels des Fahrzeugs gebildet, wobei in einem automatisierten Fährbetrieb des Fahrzeugs aus der Trajektorienschar eine optimale Trajektorie zur Erreichung des Ziels gemäß dem zuvor beschriebenen Verfahren zur Bewertung von Trajektorien einer vorgegebenen Trajektorienschar für ein Fahrzeug ausgewählt wird. Mittels des Verfahrens wird eine besonders effiziente, schnelle und zuverlässige Auswahl der optimalen Trajektorie ermöglicht. Somit kann der automatisierte Betrieb des Fahrzeugs optimiert werden.

Ausführungsbeispiele der Erfindung werden im Folgenden anhand von Zeichnungen näher erläutert.

Dabei zeigen:

Fig. 1 schematisch eine objektbasierte Repräsentation einer Umgebung eines Fahrzeugs,

Fig. 2 schematisch eine Rasterdarstellung von Fahrspurbegrenzungen,

Fig. 3 schematisch eine Rasterdarstellung von Fahrspurrichtungen,

Fig. 4 schematisch eine Rasterdarstellung von Freiräumen,

Fig. 5 schematisch eine Rasterdarstellung von Fahrspurbelegungen,

Fig. 6 schematisch eine Rasterdarstellung von befahrbaren Bereichen von

Fahrspuren,

Fig. 7 schematisch eine Rasterdarstellung von Zielfahrspuren,

Fig. 8 schematisch eine Rasterdarstellung einer Freiraumsemantik,

Fig. 9 schematisch eine Rasterdarstellung eine Fahrspurbelegungssemantik,

Fig. 10 schematisch eine Rasterdarstellung einer Bewegungsvorhersage einer Szene, Fig. 11 schematisch eine rasterbasierte Repräsentation eines Fahrzeugs, einer Umgebung des Fahrzeugs sowie einer Trajektorienschar,

Fig. 12 schematisch eine mehrlagige Rasterkarte mit einer mehrlagigen Rasterdarstellung eines Fahrzeugs,

Fig. 13 schematisch eine Draufsicht eines Fahrzeugs,

Fig. 14 schematisch eine Rasterdarstellung des Fahrzeugs gemäß Figur 13,

Fig. 15 schematisch eine Rasterdarstellung des Fahrzeugs gemäß Figur 13 mit einer veränderten Orientierung,

Fig. 16 schematisch eine erweiterte Rasterdarstellung eines Fahrzeugs,

Fig. 17 schematisch eine erweiterte Rasterdarstellung eines Fahrzeugs,

Fig. 18 schematisch eine rasterbasierte Repräsentation eines Fahrzeugs und einer Umgebung des Fahrzeugs,

Fig. 19 schematisch einen vergrößerten Ausschnitt einer rasterbasierten Repräsentation eines Fahrzeugs und einer Umgebung des Fahrzeugs,

Fig. 20 schematisch die rasterbasierte Repräsentation des Fahrzeugs und der Umgebung des Fahrzeugs gemäß Figur 18 sowie Abtastpunkte einer Trajektorie des Fahrzeugs zu einem ersten Zeitpunkt,

Fig. 21 schematisch die rasterbasierte Repräsentation gemäß Figur 20 zu einem späteren zweiten Zeitpunkt und

Fig. 22 schematisch die rasterbasierte Repräsentation gemäß Figur 20 zu einem späteren dritten Zeitpunkt.

Einander entsprechende Teile sind in allen Figuren mit den gleichen Bezugszeichen versehen. Figur 1 zeigt schematisch eine objektbasierte Repräsentation einer Umgebung eines Fahrzeugs 1.

Das Fahrzeug 1 ist insbesondere für einen automatisierten Fährbetrieb ausgebildet. Für die Ausführung des automatisierten Fährbetriebs muss eine in Figur 11 näher dargestellte Trajektorie T1 bis Tn gefunden werden, welcher das Fahrzeug 1 während seines automatisierten Fährbetriebs folgt. Zur Ermittlung dieser Trajektorie T1 bis Tn ist eine Erfassung und Auswertung der Umgebung des Fahrzeugs 1 erforderlich.

Basierend auf der Erfassung der Umgebung durch Fahrzeugsensoren und einer anschließenden Weiterverarbeitung mittels der Sensoren erfasster Umgebungsdaten kann ein Model der Umgebung erstellt werden, welches einen momentanen Zustand des Fahrzeugs 1 und der Umgebung beschreibt.

Für die Planung einer Trajektorie T1 bis Tn wird weiterhin auch eine zu erwartende zeitliche Entwicklung der Umgebung ermittelt. Die Darstellung einer solchen sich zeitlich verändernden Umgebung erfolgt beispielsweise mittels einer objektbasierte Darstellung gemäß Figur 1. In dieser objektbasierten Darstellung hat jedes Objekt 01 bis Om eine eigene Repräsentation, welche einen Zustand des Objekts 01 bis Om, das heißt beispielsweise eine Art, eine Position, eine Geschwindigkeit und eine Beschleunigung des Objekts 01 bis Om sowie weitere Merkmale, beschreibt. Dabei ermöglicht die objektbasierte Darstellung eine genaue Beschreibung der einzelnen Objekte 01 bis Om, jedoch hängt eine Laufzeit nachfolgender Verarbeitungsschritte von einer Anzahl der Objekte 01 bis Om ab.

Um eine optimale Trajektorie T1 bis Tn zu finden, erstellt ein nicht näher dargestelltes Verhaltensplanungsmodul des Fahrzeugs 1 einen Satz von Hypothesen für verschiedene Handlungsoptionen des Fahrzeugs 1. Diese Hypothesen werden beispielsweise in der Form von Trajektorien T1 bis Tn dargestellt und bilden eine ebenfalls in Figur 11 gezeigte Trajektorienschar TS. Eine Bewegungsplanung des Fahrzeugs 1 erfolgt dabei unter anderem durch Auswertung einer Kostenfunktion, welche ein optimale Verhalten des Fahrzeugs 1 und damit die optimale zu fahrende Trajektorie T1 bis Tn definiert.

Entscheidend für eine Auswahl einer zu fahrenden Trajektorie T1 bis Tn ist die statische Welt mit statischen Objekten 01 bis Om und Hindernissen, einer Straßentopologie, Straßenmarkierungen und einem Fahrziel. Weiterhin entscheidend ist die dynamische Welt mit anderen Verkehrsteilnehmern, Verkehrsregeln, Verkehrsampeln und Vorfahrtsregeln.

Diese Elemente müssen von der Kostenfunktion berücksichtigt werden, wobei in der objektbezogenen Darstellung andere Verkehrsteilnehmer, Hindernisse, die Straßentopologie und -markierungen als vereinfachte geometrische Objekte, beispielsweise Polygone, dargestellt werden. Verkehrsampeln und Verkehrsregeln werden beispielsweise als Stopp-Linien modelliert.

Die Kostenfunktion beschreibt dabei zu erwartende Kosten für einen zukünftigen Zustand des Fahrzeugs 1 und bewertet dabei beispielsweise sicherheitsrelevante Aufgaben und/oder für eine Beachtung von Verkehrsregeln relevante Aufgaben und/oder einen Komfort von Fahrzeuginsassen betreffende Aufgaben und/oder eine Effizienz des Fahrzeugs 1 betreffende Aufgaben. Sicherheitsrelevante Aufgaben umfassen beispielsweise eine Vermeidung von Kollisionen mit anderen Verkehrsteilnehmern und anderen Objekten. Zur Erfüllung von für die Beachtung von Verkehrsregeln relevanten Aufgaben werden beispielsweise durch Verkehrsampeln, Zebrastreifen, Geschwindigkeitsbegrenzungen etc. vorgegebenene Regelungsgehalte berücksichtigt. Den Komfort von Fahrzeuginsassen betreffende Aufgaben umfassen beispielsweise eine Minimierung von auf Fahrzeuginsassen wirkenden Beschleunigungen und die eine Effizienz des Fahrzeugs 1 betreffende Aufgaben beispielsweise eine Minimierung von von dem Fahrzeug 1 benötigter Energie für verschiedene Fahrmanöver zum Erreichen eines Fahrziels.

Für die Auswertung der Kostenfunktion, beispielsweise zum Überprüfen, ob auf der entsprechenden Trajektorie T1 bis Tn eine Gefahr von Kollisionen des Fahrzeugs 1 mit den Objekten 01 bis Om besteht, muss jedes Mal eine Geometrie des Fahrzeugs 1 mit einer Geometrie der Objekte 01 bis Om verglichen werden.

Mittels der Kostenfunktion ermittelte Kosten geben dabei ein Maß an, in welchem Umfang die jeweilige Aufgabe beim Befahren der jeweiligen Trajektorie T1 bis Tn erfüllt wird, wobei einer Erfüllung der jeweiligen Aufgabe in größerem Umfang geringere Kosten als einer Erfüllung der Aufgabe mit kleinerem Umfang zugewiesen werden. Ziel der Trajektorieplanung ist dann, die Trajektorie T1 bis Tn zu finden, welche die geringsten Kosten aufweist. Alternativ können auch einer Erfüllung der jeweiligen Aufgabe in größerem Umfang höhere Kosten als einer Erfüllung der Aufgabe mit kleinerem Umfang zugewiesen werden, wobei dann die Trajektorie T1 bis Tn mit den höchsten Kosten als optimale Trajektorie T1 bis Tn identifiziert wird.

Eine weiteres Modell der Umgebung des Fahrzeugs 1 , welches die Auswertung einer solchen Kostenfunktion ermöglicht, ist eine rasterbasierte Darstellung der Umgebung des Fahrzeugs 1. Hierbei werden alle Objekte 01 bis Om in eine gemeinsame, diskretisierte Weltdarstellung eingetragen. Eine solche rasterbasierte Darstellung ermöglicht in den nachfolgenden Verarbeitungsschritten eine konstante Laufzeit, wobei Beispiele für rasterbasierte Darstellungen in den Figuren 2 bis 9 dargestellt sind.

Dabei zeigen Figur 2 eine Rasterdarstellung von Fahrspurbegrenzungen FB (= Rasterkarte RK1), Figur 3 eine Rasterdarstellung von Fahrspurrichtungen FR1, FR2 (= Rasterkarte RK2), Figur 4 eine Rasterdarstellung von Freiräumen FS

(= Rasterkarte RK3) und Figur 5 eine Rasterdarstellung von Fahrspurbelegungen FO (= Rasterkarte RK4). In Figur 6 ist eine Rasterdarstellung von befahrbaren Bereichen DS von Fahrspuren (= Rasterkarte RK5), in Figur 7 eine Rasterdarstellung von Zielfahrspuren ZF (= Rasterkarte RK6), in Figur 8 eine Rasterdarstellung einer Freiraumsemantik FSS (= Rasterkarte RK7) und in Figur 9 eine Rasterdarstellung einer Fahrspurbelegungssemantik FOS (= Rasterkarte RK8) dargestellt. Dabei bildet jede Rasterdarstellung einen möglichen Kostenterm für die Kostenfunktion ab.

Figur 10 zeigt eine Rasterdarstellung einer Bewegungsvorhersage einer Szene (= Rasterkarte RK9). Dabei werden für jeden Abtastzeitpunkt t1 bis t5 durch Objekte 01 bis Om, beispielsweise andere Verkehrsteilnehmer wie Fahrzeuge, belegte Rasterzellen geschätzt. Dies ist erforderlich, um die dynamische Welt als Rasterkarte RK9 darzustellen.

Die Kosten für eine bestimmte Position und Orientierung des Fahrzeugs 1 zu einem bestimmten Zeitpunkt lassen sich aus diesen Rasterdarstellungen bzw.

Rasterkarten RK, RK1 bis RKx ableiten. Dabei soll das Fahrzeug 1 beispielsweise innerhalb einer Fahrspur in die richtige Richtung fahren (= Berücksichtigung der statischen Welt), einem Fahrziel näherkommen (= Berücksichtigung der statischen Welt) und dabei keine Rasterzellen verwenden, die voraussichtlich bereits von anderen Objekten 01 bis Om, beispielsweise anderen Fahrzeugen, belegt sind (= Berücksichtigung der dynamischen Welt). Figur 11 zeigt eine Rasterkarte RK10 mit einem Fahrzeug 1, einem Objekt 01, beispielsweise einem weiteren Fahrzeug, und einer Trajektorienschar TS mit mehreren Trajektorien T1 bis Tn, welche Hypothesen für verschiedene Handlungsoptionen des Fahrzeugs 1 darstellen und beispielsweise mittels eines nicht näher dargestellten Verhaltensplanungsmoduls des Fahrzeugs 1 erzeugt werden. Die Rasterkarte RK10 weist dabei eine Mehrzahl von Rasterzellen RZ auf.

Sowohl zur Darstellung der verschiedenen Kostentypen, wie sie beispielsweise in den Figuren 2 bis 9 dargestellt sind, als auch zur Darstellung der Umgebung des Fahrzeugs 1 zu verschiedenen Zeitpunkten zur Darstellung der dynamischen Welt wird vorliegend eine mehrlagige Rasterkarte RK verwendet, welche mehrere einzelne Rasterkarten RK1 bis RKx aufweist.

Eine solche mehrlagige, zeitlich veränderliche Rasterkarte RK zeigt Figur 12, durch welche eine Kostenfunktion approximiert wird und welche somit eine mehrlagige Kostenkarte der Umgebung des Fahrzeugs 1 darstellt. Das heißt, dass die Rasterkarte RK für verschiedene vorgegebene Aufgaben des Fahrzeugs 1 jeweils eine als Kostenebene ausgebildete Rasterkarte RK1 bis RKx aufweist, in deren Rasterzellen RZ Kosten für die jeweilige Aufgabe eingetragen sind. Dabei geben die Kosten ein Maß an, in welchem Umfang die jeweilige Aufgabe am Ort der jeweiligen Rasterzelle RZ durch das Fahrzeug 1 erfüllt wird.

Dabei werden die Aufgaben des Fahrzeugs 1 aus der statischen Welt, der dynamischen Welt und/oder Verkehrsregeln abgeleitet und betreffen beispielsweise sicherheitsrelevante Aufgaben, für eine Beachtung der Verkehrsregeln relevante Aufgaben, einen Komfort von Fahrzeuginsassen betreffende Aufgaben und/oder eine Effizienz des Fahrzeugs 1 betreffende Aufgaben.

Eine gute Erfüllung der jeweiligen Aufgabe wird beispielsweise mit niedrigen Kosten belohnt, eine schlechte Erfüllung dagegen mit hohen Kosten sanktioniert. Das heißt, die in einer Rasterzelle RZ eingetragenen Kosten sind umso höher, je unerwünschter der Aufenthalt des Fahrzeugs 1 am Ort der jeweiligen Rasterzelle RZ ist. Der Aufenthalt am Ort einer Rasterzelle RZ ist beispielsweise unerwünscht, wenn er mit einer Schlechterfüllung der Aufgabe verbunden ist, wenn er also beispielsweise mit einem Spurverlassen, einer hohen Kollisionsgefahr, einem Verstoß gegen Verkehrsregeln, unkomfortablem Fahren oder energetisch ineffizientem Fahren verbunden ist. Zu einer effizienten Auswertung einer Kostenfunktion auf einer solchen mehrlagigen Rasterkarte RK werden detaillierte, beispielsweise in Figur 13 näher dargestellte, Rasterdarstellungen RD des Fahrzeugs 1 verwendet. Die Rasterdarstellung RD des Fahrzeugs 1 zeigt den vom Fahrzeug 1 an einem bestimmten Ort belegten Raum an. Vorteilhafterweise wird das Fahrzeug 1 durch eine mehrlagige Rasterdarstellung RD, welche mehrere einzelne Rasterdarstellungen RD1 bis RDx des Fahrzeugs 1 mit Rasterzellen RZ aufweist, approximiert. Die Auflösung der Rasterkarten RK1 bis RKx sowie der jeweils zugehörigen Rasterdarstellungen RD1 bis RDx des Fahrzeugs 1 sind dabei identisch.

Für jede Lage der die Kostenkarte bildenden Rasterkarte RK, das für jede einzelne Rasterkarte RK1 bis RKx, kann eine individuelle Rasterdarstellung RD1 bis RDx des Fahrzeugs 1 verwendet werden. Dabei sind die Rasterdarstellungen RD1 bis RDx des Fahrzeugs 1 nicht auf eine binäre Maske beschränkt. Es können, ähnlich wie bei einer klassischen Faltungsmatrix, beliebige Werte verwendet werden.

In Figur 13 ist eine Draufsicht eines Fahrzeugs 1 dargestellt.

Figur 14 zeigt eine Rasterdarstellung RD1 des Fahrzeugs 1 gemäß Figur 13. Die Rasterdarstellung RD1 kann für verschiedene Orientierungen des Fahrzeugs 1 , insbesondere für 360 ° mit konfigurierbarer Winkelauflösung, erzeugt und in einem Speicher vorgehalten werden. Durch dieses Vorhalten in einem Speicher kann die Auswertung beschleunigt werden. -

Eine solche Rasterdarstellung RD2 des Fahrzeugs 1 mit einer veränderten Orientierung zeigt Figur 15.

In den Figuren 16 und 17 sind verschiedene erweiterte Rasterdarstellungen RD3, RD4 eines Fahrzeugs 1 dargestellt. Graustufen in den Rasterdarstellungen RD3, RD4 beschreiben unterschiedliche Werte der jeweils als Faltungsmaske ausgebildeten Rasterdarstellung RD3, RD4. Hierdurch können beispielsweise Sicherheitsabstände und Wahrscheinlichkeiten modelliert werden. Je heller eine Rasterzelle RZ ist, desto höher werden die Kosten der damit verrechneten Kostenzelle gewichtet. Hierdurch kann erreicht werden, dass das Fahrzeug 1 einen bestimmten Abstand zu Hindernissen einhält, der nur in kritischen Situationen unterschritten werden darf. Figur 18 zeigt eine rasterbasierte Repräsentation eines Fahrzeugs 1 und einer Umgebung des Fahrzeugs 1 , insbesondere eine Rasterkarte RK10 gemäß Figur 11.

Die Rasterkarte RK10 stellt dabei eine Kostenkarte dar, wobei Graustufen die Kosten für das für das Fahren des Fahrzeugs 1 innerhalb einer Fahrspur beschreiben. Je heller dabei die Rasterzellen RZ sind, desto höher sind die Kosten. Das Objekt 01, welches beispielsweise ein prädiziertes anderes Fahrzeug 1 ist, ist ebenfalls mit zugehörigen Kosten in der Rasterkarte RK10 approximiert. Auch das Fahrzeug 1 selbst ist an seiner entsprechenden Fahrzeugposition durch seine transformierte Rasterdarstellung RD10, welche insbesondere als Faltungsmaske ausgebildet ist, in der Rasterkarte RK10 approximiert. Eine Größe der Rasterzellen RZ beträgt beispielsweise 13 cm x 13 cm.

Soll nun die Kostenfunktion für eine bestimmte Position und Orientierung des Fahrzeugs 1 ausgewertet werden, wird zuerst eine der Orientierung des Fahrzeugs 1 entsprechende Rasterdarstellung RD1 bis RDx des Fahrzeugs 1 ausgewählt und diese dann an die nächste ganzzahlige Position auf der entsprechenden Rasterkarte RK1 bis RKx transformiert.

Dies ist schematisch und beispielhaft in Figur 19 für eine Rasterkarte RK1 und eine Rasterdarstellung RD1 des Fahrzeugs 1 dargestellt.

Hierbei wird zunächst wird die Rasterdarstellung RD1 des Fahrzeugs 1 an eine realwertige Position auf der Rasterkarte RK1 der Umgebung transformiert. Dies ist in Form einer gestrichelten Darstellung der Rasterdarstellung RD1 gezeigt. Anschließend wird die Rasterdarstellung RD1 auf die nächste ganzzahlige Position gerundet, dargestellt mit durchgezogenen Linien. Dadurch wird keine Interpolation der Werte benötigt, was das Verfahren beschleunigt.

Die Figuren 20 bis 22 zeigen die Rasterkarte RK10 des Fahrzeugs 1 und der Umgebung des Fahrzeugs 1 gemäß Figur 18 sowie Abtastpunkte A1 bis Az einer T rajektorie T 1 der Trajektorienschar TS des Fahrzeugs 1 zu unterschiedlichen Zeitpunkten.

Zur Ermittlung der Kosten wird für jede Trajektorie T1 bis Tn der Trajektorienschar TS jeweils an vorgegebenen vorausliegenden Abtastpunkten A1 bis Az auf der jeweiligen Trajektorie T1 bis Tn die am jeweiligen Abtastpunkt A1 bis Az erwartete Situation in der Rasterkarte prädiziert. Das heißt, die jeweilige Trajektorie T1 bis Tn wird mit einer bestimmten Frequenz, dargestellt durch die Abtastpunkte A1 bis Az, beispielsweise alle 0,1 Sekunden bis zu einem vorgegebenen Vorausschauhorizont, abgetastet und die entsprechende Kostenfunktion an den entsprechenden Positionen ausgewertet. Die auszuwertende Trajektorie T1 bis Tn stellt dabei einen Eingabeparameter dar.

Im dargestellten Ausführungsbeispiel werden dabei die Kosten für die Einhaltung der Fahrspur (Graustufen) und die Kosten für eine Kollision mit dem Objekt 01 für alle Rasterzellen RZ innerhalb der Rasterdarstellung RD1 , insbesondere einer Faltungsmaske, verrechnet. Für jeden Abtastpunkt A1 bis Az der Trajektorie T1 bis Tn wird eine Vorhersage der Bewegung der anderen Objekte 01 bis Om benötigt.

Dies wird für jede Trajektorie T1 bis Tn der Trajektorienschar TS auf jeder Kostenebene der Rasterkarte RK, das heißt auf jeder Rasterkarte RK1 bis RKx, an der gleichen Position durchgeführt. Beispielsweise werden zur Ermittlung der Kosten die Kostenwerte in den Rasterzellen RZ in der jeweiligen Rasterdarstellung RD1 bis RDx mit den Kostenwerten in den Rasterzellen RZ der jeweiligen Rasterkarte RK1 bis RKx multipliziert. Anschließend werden die Ergebnisse der einzelnen Kostenebenen mit verschiedenen Gewichten kombiniert.

Die dabei ermittelten Kosten werden durch eine Aggregations- bzw. Reduktionsfunktion, beispielsweise eine Maximumfunktion, Mittelwertfunktion oder Summenfunktion, zu einem Kostenwert für die gesamte Trajektorie T1 bis Tn verrechnet. Das heißt, für jeden Abtastpunkt A1 bis Az wird mittels der Kostenebenen ein Kostenwert für die prädizierte Situation ermittelt. Aus den über den Vorausschauhorizont ermittelten Kostenwerten wird dann ein Gesamtkostenwert ermittelt und der jeweiligen Trajektorie T1 bis Tn zugeordnet. Der Gesamtkostenwert ist dabei das Ergebnis der Trajektorienbewertung.

Dies wird für jede Trajektorie T1 bis Tn aus der Trajektorienschar TS durchgeführt, wobei die Trajektorie T1 bis Tn mit dem geringsten Gesamtkostenwert als optimale Trajektorie T1 bis Tn identifiziert und im automatisierten Fährbetrieb des Fahrzeugs 1 aus der Trajektorienschar TS zur Erreichung des Fahrziels ausgewählt wird.

Zusammenfassend kann der Verlauf des zuvor beschriebenen Verfahren kurz wie folgend beschrieben werden:

- Auswahlen der entsprechenden Rasterdarstellung RD1 bis RDx für eine angefragte Orientierung des Fahrzeugs 1. - Transformation der ausgewählten Rasterdarstellung RD1 bis RDx an die der eigentlichen Position nächstgelegene ganzzahlige Position auf der entsprechenden Rasterkarte RK1 bis RKx.

- Auswahl der zeitabhängigen Kostenebenen entsprechend einem Zeitstempel.

- Falten der Rasterzellen RZ der Kostenebenen mit den Rasterzellen innerhalb der transformierten Rasterdarstellungen RD1 bis RDx des Fahrzeugs 1.

- Anwenden der Reduktionsfunktion auf die einzelnen Faltungsergebnisse.

- Die gewichtete Summe über die Ergebnisse der Reduktionsfunktionen ergibt die Kosten.