Verfahren zur Positionsbestimmung eines Kraftfahrzeugs, Fahrsystem und Kraftfahrzeug

Gebiet der Erfindung

Die Erfindung betrifft ein Verfahren zur Positionsbestimmung eines Kraftfahrzeugs, ein Fahrsystem, das zur Durchführung eines solchen Verfahrens ausgebildet ist und ein Kraftfahrzeug mit einem solchen Fahrsystem.

Hintergrund

Eine der Aufgaben eines Fahrsystems, insbesondere eines Fahrerassistenzsystems oder eines autonomen Fahrsystems, in einem Kraftfahrzeug ist es, die eigene Position des Kraftfahrzeugs in der Umgebung möglichst genau zu bestimmen. Eine derartige Positionsbestimmung kann über satellitengestützte Navigationssysteme, beispielsweise GPS, erfolgen. Hier kann es jedoch zu Problemen bei der Positionsbestimmung kommen, wenn beispielsweise zwischen hohen Gebäuden oder in einem Tunnel kein Kontakt des Fahrsystems zu den Satelliten besteht, oder wenn das Satellitensignal durch elektromagnetische Felder in der Stratosphäre oder Ionosphäre gestört ist. In solchen Fällen sowie zur Überprüfung der satellitengestützten Positionsbestimmung oder als Alternative zur satellitengestützten Positionsbestimmung, wird die Position mittels von Umgebungssensoren, insbesondere Kameras, detektierten Objekten und einer Umgebungskarte, in der eine Vielzahl von Objekten verzeichnet sind, bestimmt. Das Bestimmen der eigenen Position erfolgt dabei durch das Vergleichen der Positionen der erkannten Objekte und der Informationen aus der Umgebungskarte.

Hierbei können verschiedene Probleme auftreten. Zum einen wird bei geringen Geschwindigkeiten des Fahrzeugs ein und dasselbe Objekt, an dem das Fahrzeug gerade vorbeifährt, immer wieder detektiert und zum Bestimmen der Position verwendet. Die Bestimmung der Position hängt also sehr stark von diesem einen Objekt ab. Wurde das Objekt jedoch nicht richtig erkannt, die Entfernung zum Objekt nicht richtig geschätzt oder ist das Objekt falsch in der Umgebungskarte verzeichnet, dann ergibt sich eine falsch bestimmte Position mit - durch die große Anzahl an durchgeführten Detektionen - vermeintlich hoher Genauigkeit. Aus dem einen Fehler, der bei dem genannten Objekt gemacht wurde, wird durch die häufigen Wiederholungen also ein systematischer Fehler, der sich mit jeder Aktualisierung, die mit dem genannten Objekt gemacht wird, selbst bestätigt. Um diesem Problem entgegenzuwirken, werden teilweise die Aktualisierungen der geschätzten Position unter einer bestimmten Geschwindigkeit deaktiviert, wobei bei dieser Grenzgeschwindigkeit dann ein hartes Umschalten stattfindet und bei niedrigen Geschwindigkeiten gar keine Positionsbestimmung über detektierte Objekte mehr erfolgt. Eine Alternative ist es, bei niedrigen Geschwindigkeiten nur jede x-te Sensormessung zu berücksichtigen, wobei in diesem Fall Informationen verworfen werden und eine Korrektur der Eigenposition mit einer niedrigeren Frequenz stattfindet.

Ein weiteres Problem ergibt sich, wenn es, beispielsweise beim Durchfahren eines Tunnels, über längere Zeit keine Anhaltspunkte gibt und die Bestimmung der Position des Fahrzeugs nur über die Inertialsensorik erfolgt. Dann steigt die Unsicherheit der Schätzung der Eigenposition. Wird nun ein Objekt beobachtet, so hat dies einen großen Einfluss auf die Bestimmung der Eigenposition, woraufhin die Unsicherheit in der Schätzung der Eigenposition schnell kleiner wird. Wurde in diesem Fall das Objekt jedoch nicht richtig erkannt, die Entfernung zum Objekt nicht richtig geschätzt oder ist das Objekt falsch in der Umgebungskarte verzeichnet, dann wird die falsche Position des Fahrzeugs geschätzt. Eine solche falsche Schätzung kann später nur schwer wieder durch richtige Objektbeobachtungen korrigiert werden. Als Lösung dieses Problems sind Glättungsfilter bekannt, die Unstetigkeiten glätten, aber auch zusätzliche Komplexität und zusätzlichen Rechenaufwand bedeuten. Alternativ wird der Einfluss der Umfeldbeobachtungen generell reduziert, wodurch allerdings die Positionsbestimmung insgesamt langsamer verläuft. Zusammenfassung

Es ist die Aufgabe der Erfindung, ein Verfahren zur Positionsbestimmung eines Kraftfahrzeugs bereitzustellen, das die oben genannten Probleme beseitigt. Ferner ist es die Aufgabe der Erfindung, ein Fahrsystem sowie ein Kraftfahrzeug bereitzustellen, die die oben genannten Probleme beseitigen. Diese Aufgaben werden durch den Gegenstand der unabhängigen Patentansprüche gelöst.

Weiterbildungen der Erfindung ergeben sich aus den Unteransprüchen und der folgenden Beschreibung.

Ein Aspekt der Erfindung betrifft ein Verfahren zur Positionsbestimmung eines Kraftfahrzeugs. Bei dem Kraftfahrzeug handelt es sich insbesondere um ein auf einer Straße fahrendes Kraftfahrzeug, beispielsweise ein Auto, ein Motorrad oder einen LKW, das Verfahren kann aber auch bei Luftfahrzeugen und Wasserfahrzeugen angewendet werden.

Das Kraftfahrzeug umfasst ein Fahrsystem mit zumindest einem Umgebungssensorsystem und einem Filtersystem. Das Umgebungssensorsystem umfasst dabei Sensoren, die Daten bereitstellen, aus denen Objekte in der Umgebung des Kraftfahrzeugs erkannt werden können. Das Filtersystem ist ein Teil eines Rechnersystems des Fahrsystems. Dabei kann das Filtersystem als eigene Recheneinheit ausgebildet sein oder eine Anwendung auf einer Recheneinheit sein. Das Filtersystem ist dazu eingerichtet, eine geschätzte Position des Kraftfahrzeugs aufgrund von neuen Eingaben zu aktualisieren.

Beim Verfahren werden vom Umgebungssensorsystem sensorgenerierte Daten bereitgestellt. Diese sensorgenerierten Daten werden sodann von einem weiteren Teil des Rechnersystems ausgewertet und zumindest ein Objekt wird in den sensorgenerierten Daten erkannt. Dabei wird eine Richtung, eine Entfernung, eine Art, eine Größe und/oder eine Orientierung des Objekts erkannt.

Mittels des zumindest einen erkannten Objekts wird sodann, ebenfalls von einem Teil des Rechnersystems, ein Beobachtungsmodell erzeugt. Das Beobachtungsmodell umfasst dabei die Lagen der einzelnen Objekte, insbesondere deren Richtung und/oder Entfernung.

Das Beobachtungsmodell wird sodann mit einer Umgebungskarte verglichen und hieraus ein Vergleichsergebnis erhalten. In der Umgebungskarte sind dabei möglichst viele Objekte in der Umgebung des Kraftfahrzeugs möglichst genau verzeichnet. Dabei sind vorzugsweise neben der Lage der Objekte auch eine Objektart, eine Größe des Objekts und/oder weitere Objektparameter in der Umgebungskarte enthalten. Das Vergleichsergebnis gibt dabei Aufschluss über die Genauigkeit der Übereinstimmung zwischen dem Beobachtungsmodell und der Umgebungskarte und dient als Maß einer Wahrscheinlichkeit dafür, dass aufgrund des erkannten Objekts bzw. der erkannten Objekte das Kraftfahrzeug eine bestimmte Position hat.

Ferner wird das Vorliegen zumindest einer besonderen Situation geprüft. Im Fall, dass keine besondere Situation vorliegt, wird die geschätzte Position des Kraftfahrzeugs mittels des Filtersystems aufgrund des Vergleichsergebnisses aktualisiert. Die geschätzte Position kann hier eine Position umfassen, umfasst üblicherweise aber eine Vielzahl an möglichen Positionen zusammen mit Wahrscheinlichkeiten für jede dieser Positionen. Die Details unterscheiden sich hier, insbesondere in Abhängigkeit des verwendeten Filtersystems, sind aber dem Fachmann bekannt.

Im Fall, dass eine besondere Situation vorliegt, wird zunächst ein Gewichtungsparameter zum Modifizieren eines Einflusses des Vergleichsergebnisses auf die Schätzung der Position bestimmt. Dieser Gewichtungsparameter ist dabei von der besonderen Situation abhängig. Die Aktualisierung der geschätzten Position mittels des Filtersystems aufgrund des Vergleichsergebnisses wird sodann unter Anwendung des Gewichtungsparameters durchgeführt.

Durch die Anwendung des Gewichtungsparameters wird in besonderen Situationen die Aktualisierung der geschätzten Position beeinflusst. Insbesondere wird dadurch vermieden, dass in den besonderen Situationen die Aktualisierung der geschätzten Position zu einer falschen Positionsschätzung führt, insbesondere, wenn eines oder mehrere Objekte systematisch nicht richtig geschätzt werden, d.h., nicht richtig erkannt werden, die Entfernung zu den Objekten nicht richtig geschätzt wird oder die Objekte falsch in der Umgebungskarte verzeichnet sind.

In einigen Ausführungsformen ist das Fahrsystem ein Fahrerassistenzsystem, umfassend beispielsweise einen Bremsassistenten und/oder einen Abstandsregelautomat. Alternativ oder zusätzlich hierzu ist das Fahrsystem ein autonomes Fahrsystem. Eine genaue Bestimmung der Position des Kraftfahrzeugs und auch der Unsicherheit dieser Positionsbestimmung ist dabei von Vorteil oder sogar notwendig und wird durch das Verfahren verbessert.

In einigen Ausführungsformen umfasst das Umgebungssensorsystem zumindest eine Kamera, eine Stereokamera, ein Radar und/oder ein Lidar. Mit Kameras können dabei Objekte sowie deren Art und Größe leicht über computerunterstütztes Sehen erkannt werden. Die Richtung der Objekte wird dabei direkt erhalten, während eine Entfernung der Objekte beispielsweise über eine Änderung des Objekts während der Bewegung des Kraftfahrzeugs oder über eine Bestimmung mittels einer bekannten Größe des Objekts erhalten werden kann. Mittels einer Stereokamera kann zusätzlich die Entfernung des Objekts direkt bestimmt werden. Mit Radar und/oder Lidar werden die Richtung und Entfernung der Objekte besonders gut bestimmt, während auf die Art des Objekts oft nur ungefähr geschlossen werden kann. Vorzugsweise werden die Messergebnisse von mehreren Umgebungssensoren kombiniert, um möglichst genaue Daten über ein Objekt zu erhalten und daraus ein möglichst genaues Beobachtungsmodell zu erstellen.

In einigen Ausführungsformen umfasst das Filtersystem einen Zustandsschätzer. Ein Zustandsschätzer schätzt dabei den Zustand, in diesem Fall die Position, des Kraftfahrzeugs und enthält Information über die Wahrscheinlichkeit dieser Zustandsschätzungen. Eine Vielzahl solcher Zustandsschätzer ist bekannt, beispielsweise ein Kaimanfilter und/oder ein Partikelfilter. Die Details der Aktualisierung der geschätzten Position sowie der Anwendung des Gewichtungsparameters sind dabei vom jeweiligen Zustandsschätzer abhängig. Bei jedem Zustandsschätzer bringt aber die Anwendung des Gewichtungsparameters eine verbesserte Bestimmung der Position in besonderen Situationen, insbesondere, wenn Objekte systematisch nicht richtig geschätzt werden, d.h., nicht richtig erkannt werden, die Entfernung zu den Objekten nicht richtig geschätzt wird oder die Objekte falsch in der Umgebungskarte verzeichnet sind.

In einigen Ausführungsformen ist die besondere Situation eine Geschwindigkeit des Kraftfahrzeugs unter einem vorbestimmten Geschwindigkeitswert. Ein solcher vorbestimmter Geschwindigkeitswert kann beispielsweise zwischen 2 km/h und 50 km/h, insbesondere zwischen 5 km/h und 20 km/h, ganz insbesondere 10 km/h betragen. Wenn das Kraftfahrzeug langsam an einem Objekt vorbeifährt, dann werden viele Sensormessungen von diesem einen Objekt gemacht und diese vielen Sensormessungen für die Aktualisierung der geschätzten Position verwendet. Wird das Objekt nun nicht richtig erkannt, die Entfernung zum Objekt nicht richtig geschätzt oder ist das Objekt falsch in der Umgebungskarte verzeichnet, dann wird durch die vielen Aktualisierungen aufgrund dieses Objekts eine falsche Position des Kraftfahrzeugs mit einer vermeintlich hohen Wahrscheinlichkeit geschätzt.

Dadurch, dass nun unterhalb des vorbestimmten Geschwindigkeitswerts der Gewichtungsparameter verwendet wird, mit dem die einzelnen Aktualisierungen geringer gewichtet werden, wird in dieser besonderen Situation eine verbesserte Schätzung der Position erreicht.

In einigen Ausführungsformen ist der Gewichtungsparameter eine monoton steigende erste Funktion der Geschwindigkeit des Kraftfahrzeugs. Je langsamer also das Kraftfahrzeug, desto geringer werden die einzelnen Messungen gewichtet.

In einigen Ausführungsformen nimmt die erste Funktion beim Erreichen und/oder Überschreiten des vorbestimmten Geschwindigkeitswerts den Wert 1 an. Das heißt, wenn die Geschwindigkeit gleich und/oder größer als der vorbestimmte Geschwindigkeitswert ist, werden die Messungen normal gewichtet, wie im Fall, in dem keine besondere Situation vorliegt. In einem vorgegebenen Geschwindigkeitsbereich kann die erste Funktion proportional zur Geschwindigkeit des Kraftfahrzeugs sein. In diesem Geschwindigkeitsbereich gehen dann die Messungen eines Objekts unabhängig von der Geschwindigkeit gleich stark in die Schätzung der Position ein: bei niedrigen Geschwindigkeiten ist es eine größere Anzahl an Messungen, allerdings mit geringerer Gewichtung, und bei höheren Geschwindigkeiten sind es weniger Messungen, allerdings mit höherer Gewichtung. So wird dem Schätzen einer falschen Position mit vermeintlich hoher Wahrscheinlichkeit entgegengewirkt.

In einigen Ausführungsformen ist die besondere Situation eine Unsicherheit der geschätzten Position des Kraftfahrzeugs über einem vorbestimmten Positionsunsicherheitswert. Als Maß der Unsicherheit kann dabei beispielsweise die Standardabweichung dienen. Der vorbestimmte Positionsunsicherheitswert kann dabei zwischen 0,2 m und 10 m, insbesondere zwischen 1 m und 5 m, ganz insbesondere 2 m betragen. Eine derart hohe Positionsunsicherheit kann sich beispielsweise ergeben, wenn das Kraftfahrzeug eine längere Zeit ohne zu erkennende Objekte und ohne Empfang des satellitengestützten Navigationssystems fährt, beispielweise, wenn das Kraftfahrzeug durch einen Tunnel fährt. Dadurch, dass eine hohe Positionsunsicherheit herrscht, wird durch die anschließenden ersten Messergebnisse die Positionsunsicherheit schnell verringert. Sollte bei diesen Messungen allerdings ein Objekt nicht richtig erkannt werden, die Entfernung zu einem Objekt nicht richtig geschätzt werden oder das Objekt falsch in der Umgebungskarte verzeichnet sein, dann kann es passieren, dass die Positionsschätzung schnell hinsichtlich einer fehlerhaften Hypothese konvergiert und die Positionsunsicherheit schnell reduziert wird.

Dadurch, dass nun bei Überschreiten des vorbestimmten Positionsunsicherheitswerts der Gewichtungsparameter verwendet wird, mit dem die einzelnen Aktualisierungen geringer gewichtet werden, wird in dieser besonderen Situation eine verbesserte Schätzung der Position erreicht. In einigen Ausführungsformen ist der Gewichtungsparameter eine monoton fallende zweite Funktion der Unsicherheit der Position des Kraftfahrzeugs. Je größer also die Unsicherheit der geschätzten Position des Kraftfahrzeugs, desto geringer werden die einzelnen Messungen gewichtet.

In einigen Ausführungsformen nimmt die zweite Funktion beim Erreichen und/oder Unterschreiten des vorbestimmten Positionsunsicherheitswerts den Wert 1 an. Das heißt, wenn die Unsicherheit der geschätzten Position gleich und/oder kleiner als der vorbestimmte Positionsunsicherheitswert ist, werden die Messungen normal gewichtet, wie im Fall, in dem keine besondere Situation vorliegt. In einem vorgegebenen Bereich der Unsicherheit der geschätzten Position kann die zweite Funktion linear von der Unsicherheit der geschätzten Position abhängen. Bei großer Unsicherheit der geschätzten Position wird die Aktualisierung der geschätzten Position also nur mit einer geringeren Gewichtung durchgeführt, so dass dem Schätzen einer falschen Position mit vermeintlich hoher Wahrscheinlichkeit entgegengewirkt wird.

In einigen Ausführungsformen werden in dem Fall, dass mehr als eine besondere Situation vorliegt, die zu den entsprechenden besonderen Situationen gehörenden Gewichtungsparameter kombiniert. Ein Beispiel hierfür ist, wenn ein Kraftfahrzeug langsam aus einer Tiefgarage fährt: durch die Fahrt in der Tiefgarage ist die Unsicherheit in der geschätzten Position größer als der vorbestimmte Positionsunsicherheitswert und durch die langsame Fahrt ist die Geschwindigkeit kleiner als der vorbestimmte Geschwindigkeitswert. Die Gewichtungsparameter können hierbei derart kombiniert werden, dass das Produkt der einzelnen Gewichtungsparameter gebildet wird. Im obigen Beispiel ist dann die Gewichtung der einzelnen Messungen nach Ausfahrt aus der Tiefgarage sehr gering, so dass eine Schätzung einer falschen Position mit vermeintlich hoher Wahrscheinlichkeit vermieden wird. Die Gewichtungsparameter können aber auch derart kombiniert werden, dass das Minimum der einzelnen Gewichtungsparameter ais kombinierter Gewichtungsparameter verwendet wird. Auch dies wirkt einer Schätzung einer falschen Position mit vermeintlich hoher Wahrscheinlichkeit entgegen, die Positionsbestimmung erfolgt aber schneller beim vorherigen Beispiel. Ein weiterer Aspekt der Erfindung betrifft ein Fahrsystem. Das Fahrsystem umfasst dabei zumindest ein Umgebungssensorsystem und ein Filtersystem. Ferner ist das Fahrsystem dazu ausgebildet, das Verfahren gemäß der vorangegangenen Beschreibung auszuführen. Das Fahrsystem ist also derart ausgebildet, dass beim Vorliegen von besonderen Situationen einer Schätzung einer falschen Position mit einer vermeintlich hohen Wahrscheinlichkeit entgegengewirkt wird. Weitere Vorteile ergeben sich aus der vorangegangenen Beschreibung.

In einigen Ausführungsformen ist das Fahrsystem ein Fahrerassistenzsystem, umfassend beispielsweise einen Bremsassistenten und/oder einen Abstandsregelautomat. Alternativ oder zusätzlich hierzu ist das Fahrsystem ein autonomes Fahrsystem. Eine genaue Bestimmung der Position des Kraftfahrzeugs und auch der Unsicherheit dieser Positionsbestimmung ist dabei von Vorteil oder sogar notwendig und wird durch das Fahrsystem verbessert.

Ein nochmals weiterer Aspekt der Erfindung betrifft ein Kraftfahrzeug mit einem Fahrsystem gemäß der vorangegangenen Beschreibung. Das Fahrsystem des Kraftfahrzeugs ist also derart ausgebildet, dass beim Vorliegen von besonderen Situationen einer Schätzung einer falschen Position mit einer vermeintlich hohen Wahrscheinlichkeit entgegengewirkt wird. Weitere Vorteile ergeben sich aus der vorangegangenen Beschreibung.

Zur weiteren Verdeutlichung wird die Erfindung anhand von in den Figuren abgebildeten Ausführungsformen beschrieben. Diese Ausführungsformen sind nur als Beispiel, nicht aber als Einschränkung zu verstehen.

Kurze Beschreibung der Figuren

Dabei zeigt:

Fig. 1 eine schematische Seitenansicht eines Ausführungsbeispiels eines Kraftfahrzeugs;

Fig. 2a ein Beispiel für eine zeitliche Entwicklung einer geschätzten Position; Fig. 2b ein weiteres Beispiel für eine zeitliche Entwicklung einer geschätzten Position;

Fig. 2c ein nochmals weiteres Beispiel für eine zeitliche Entwicklung einer geschätzten Position;

Fig. 3 eine Funktion eines Gewichtungsparameters;

Fig. 4a ein nochmals weiteres Beispiel für eine zeitliche Entwicklung einer geschätzten Position;

Fig. 4b ein nochmals weiteres Beispiel für eine zeitliche Entwicklung einer geschätzten Position; und

Fig. 5 eine weitere Funktion eines Gewichtungsparameters.

Detaillierte Beschreibung von Ausführungsformen

Figur 1 zeigt eine schematische Seitenansicht eines Ausführungsbeispiels eines Kraftfahrzeugs 1 . Das Kraftfahrzeug 1 ist in diesem Ausführungsbeispiel als Auto dargestellt, die vorliegende Erfindung betrifft aber auch andere Straßenfahrzeuge wie Motorräder oder LKW sowie Luftfahrzeuge und Wasserfahrzeuge.

Das Kraftfahrzeug 1 umfasst ein Fahrsystem 2. Bei dem Fahrsystem 2 kann es sich dabei um ein Fahrerassistenzsystem und/oder um ein autonomes Fahrsystem handeln. Das Fahrsystem 2 umfasst zwei Sensoren 3.1 und 3.2, die zusammen ein Umgebungssensorsystem 3 bilden. In alternativen Ausführungsbeispielen kann das Umgebungssensorsystem 3 nur einen Sensor 3.1 oder auch eine Vielzahl an Sensoren 3.1 - 3.x umfassen. Im vorliegenden Ausführungsbeispiel ist beispielsweise der erste Sensor 3.1 als Kamera ausgebildet und der zweite Sensor 3.2 als Radar. Weitere Sensoren 3.x können beispielsweise eine Stereokamera oder ein Lidar sein.

Mittels des Umgebungssensorsystems 3 werden sensorgenerierte Daten bereitgestellt und an ein Rechnersystem 4 des Fahrsystems 2 weitergeleitet. Das Rechnersystem 4 kann dabei eine oder mehrere Recheneinheiten umfassen. Die sensorgenerierten Daten werden vom Rechnersystem 4 analysiert. Dabei werden Objekte, die von den sensorgenerierten Daten erfasst wurden, erkannt. Aus diesen Objekten wird ein Beobachtungsmodell erzeugt, das die einzelnen Objekte und deren Eigenschaften wie Richtung, Entfernung, Objektart, Größe und/oder Orientierung umfasst.

Das Beobachtungsmodell wird sodann mit einer Umgebungskarte verglichen, die auf einem Speicher des Fahrsystems gespeichert ist. Aus diesem Vergleich wird ein Vergleichsergebnis erhalten, das die Übereinstimmung vom Beobachtungsmodell zur Umgebungskarte quantifiziert.

Ferner umfasst das Fahrsystem ein Filtersystem. Das Filtersystem kann dabei eine eigene Recheneinheit des Rechnersystems 4 sein oder als Anwendung auf einer Recheneinheit des Rechnersystems 4 laufen. Das Filtersystem verfügt dabei über eine geschätzte Position, die beispielsweise beim Starten des Kraftfahrzeugs 1 initialisiert wird. Aufgrund des Vergleichsergebnisses aktualisiert das Filtersystem dann die geschätzte Position des Kraftfahrzeugs 1. Die neue geschätzte Position basiert also auf der vorherigen geschätzten Position zusammen mit dem Vergleich zwischen Beobachtungsmodell und Umgebungskarte.

Es sind dabei verschiedene Filtermodelle denkbar, insbesondere Zustandsschätzer wie ein Kaimanfilter und/oder ein Partikelfilter. Im Folgenden wird das Verfahren anhand eines Partikelfilters beschrieben. Dem Fachmann ist die Übertragung auf andere Filtermodelle geläufig:

Der Partikelfilter beschreibt dabei eine Vielzahl an Partikeln /, wobei das Partikel / zu einem Zeitpunkt t die Wahrscheinlichkeit w hat. Dem Partikel / ist dabei eine Fahrzeug-Positions-Hypothese xt ⁽ⁱ⁾ zugeordnet. Die Wahrscheinlichkeit w/^wird sodann gemäß folgender Formel mit den Ergebnissen der neuen Sensor-Messungen aktualisiert: wfl ~ wt-i ⁽ⁱ⁾ g(yt \ xfl). Dabei geht g(yt | xt ⁽ⁱ >) aus dem Vergleich zwischen dem Beobachtungsmodell und der Umgebungskarte hervor und ist ein Maß für die Wahrscheinlichkeit, dass die Position x/^ aufgrund der Sensor-Messergebnisse mit der Umgebungskarte vereinbar ist. Problematisch können die Aktualisierungen der geschätzten Position werden, wenn eines oder mehrere Objekte systematisch nicht richtig geschätzt werden, d.h., nicht richtig erkannt werden, die Entfernung zu den Objekten nicht richtig geschätzt wird oder die Objekte falsch in der Umgebungskarte verzeichnet sind. Ein solches Beispiel ist in Figur 2a gezeigt. Hier wird für verschiedene Zeitpunkte tO, ... , t3 die wirkliche Position 5 (durchgezogene Linie), die geschätzte Position 6 (gepunktete Linie), sowie die Unsicherheit 7 der geschätzten Position (Kreise) dargestellt. Zum Zeitpunkt t2 wird dabei eine Sensormessung 8 (gestrichelte Linie) eines Objekts 9 (Stemform) durchgeführt, die systematisch nicht richtig geschätzt ist. Hieraus ergibt sich eine geschätzte Position 6, die von der wirklichen Position 5 abweicht, innerhalb der Unsicherheit 7 aber noch mit der wirklichen Position 5 vereinbar ist.

Anders stellt es sich im Beispiel der Figur 2b dar. Hier fährt das Kraftfahrzeug 1 zwischen den Zeitpunkten t2 und t4 langsam am Objekt 9 vorbei und führt für jeden dieser Zeitpunkte eine Sensormessung 8 durch, die systematisch nicht richtig geschätzt ist. Durch die Mehrzahl an Messungen wird die Unsicherheit 7 der geschätzten Position kleiner und im vorliegenden Beispiel so klein, dass die geschätzte Position 6 innerhalb der Unsicherheit 7 nicht mehr mit der wirklichen Position 5 übereinstimmt.

Um dem entgegenzuwirken wurde in Figur 2c eine besondere Situation erkannt, nämlich das langsame Fahren des Kraftfahrzeugs 1. Es wurde dabei ein Gewichtungsparameter F bestimmt, der den Einfluss der einzelnen Messung auf die Schätzung der Position verringert. Die Wahrscheinlichkeiten werden sodann wie folgt aktualisiert: ~ wt-i ⁽ⁱ⁾ g(yt\ xfl) ^F . Durch den Gewichtungsparameter F wird der systematisch falsch geschätzten Sensormessung ein geringeres Gewicht gegeben und somit bleibt die Unsicherheit 7 der geschätzten Position so groß, dass die geschätzte Position 6 innerhalb der Unsicherheit 7 mit der wirklichen Position 5 übereinstimmt.

Der Gewichtungsparameter F kann beispielsweise als Funktion der Geschwindigkeit v des Kraftfahrzeugs 1 wie in Figur 3 dargestellt gegeben sein. Dabei ist der Gewichtungsparameter F in einem Bereich zwischen einem unteren Geschwindigkeitswert Vmin und einem vorbestimmten Geschwindigkeitswert Vmax proportional zur Geschwindigkeit v.

Ein anderes Beispiel ist in Figur 4a dargestellt. Hier fuhr das Kraftfahrzeug 1 beispielsweise von Zeitpunkt tO bis t1 in einem Tunnel, so dass die Unsicherheit 7 der geschätzten Position zum Zeitpunkt t1 sehr groß ist. Wird sodann zum Zeitpunkt t2 eine systematisch falsch geschätzte Sensormessung 8 des Objekts 9 durchgeführt, kollabiert die geschätzte Position 6 auf eine geschätzte Position 6, die von der wirklichen Position 5 weiter als die ebenfalls kollabierte Unsicherheit 7 entfernt ist. Erst nach mehreren, nun richtigen, Sensormessungen 8 des Objekts 9 zu den Zeitpunkten t3 und t4 stimmt die geschätzte Position 6 wieder mit der wirklichen Position 5 innerhalb der Unsicherheit 7 überein. Es ist jedoch auch möglich, dass sich der Partikelfilter gar nicht mehr von dieser falschen Messung erholt.

Um dem entgegenzuwirken wurde in Figur 4b eine besondere Situation erkannt, nämlich eine Unsicherheit 7 der geschätzten Position 6 über einem vorbestimmten Positionsunsicherheitswert. Es wurde dabei ein Gewichtungsparameter F bestimmt, der den Einfluss der folgenden Messung auf die Schätzung der Position verringert. Die Wahrscheinlichkeiten werden sodann wie zuvor aktualisiert: w^ ~ wt-i ⁽ⁱ⁾ g(yt \ xt ⁽ⁱ⁾ ) ^F . Durch den Gewichtungsparameter F wird der systematisch falsch geschätzten Sensormessung ein geringeres Gewicht gegeben und somit bleibt die Unsicherheit 7 der geschätzten Position so groß, dass die geschätzte Position 6 innerhalb der Unsicherheit 7 mit der wirklichen Position 5 übereinstimmt.

Der Gewichtungsparameter F kann beispielsweise als Funktion der Unsicherheit U des Kraftfahrzeugs 1 wie in Figur 5 dargestellt gegeben sein. Dabei verläuft der Gewichtungsparameter F in einem Bereich zwischen einem vorbestimmten Positionsunsicherheitswert Umin und einem oberen Positionsunsicherheitswert Umax linear mit der Unsicherheit U. Bezugszeichenliste

1 Kraftfahrzeug

2 Fahrsystem 3 Umgebungssensorsystem

3.1 Kamera

3.2 Radar

4 Rechnersystem

5 wirkliche Position 6 geschätzte Position

7 Unsicherheit der geschätzten Position

8 Sensormessung

9 Objekt