DE102016205193B4

DE102016205193B4 - Marginalisieren eines Posen-Graphen

Info

Publication number: DE102016205193B4
Application number: DE102016205193.8A
Authority: DE
Inventors: Christian Merfels; Moritz Schack
Original assignee: Volkswagen AG
Current assignee: Volkswagen AG
Priority date: 2016-03-30
Filing date: 2016-03-30
Publication date: 2024-08-14
Anticipated expiration: 2036-03-31
Also published as: DE102016205193A1

Abstract

Verfahren zum Marginalisieren eines Posen-Graphen (661), das umfasst:- für jeden von mehreren Zeitpunkten (t.1 - t.12): jeweils Ermitteln von Odometrie-Positionsdaten (615) einer beweglichen Maschine basierend auf einer Ausgabe mindestens eines Odometrie-Positioniersystems (111, 112),- für jeden der mehreren Zeitpunkte (t.1 - t.12): jeweils Ermitteln von Absolut-Positionsdaten (605, 606) der Maschine basierend auf einer Ausgabe mindestens eines Absolut-Positioniersystems (101, 102),- Erzeugen (152) des Posen-Graphen (661) mit Kanten (672), die den Odometrie-Positionsdaten (615) entsprechen, und mit Knoten (671, 971), die den Absolut-Positionsdaten (605, 606) entsprechen,- Optimieren (153, 1002) des Posen-Graphen (661) zum Erhalten einer geschätzten Position (190) der Maschine, dadurch gekennzeichnet, dass das Verfahren weiterhin umfasst:- nach dem Optimieren (153, 1002): Auswählen eines Knotens (971) des Posen-Graphen (661),- für den ausgewählten Knoten (971): Bestimmen eines Fixknotens (972) des Posen-Graphen (661),- Entfernen des ausgewählten Knotens (971) aus dem Posen-Graph (661) und Ersetzen des ausgewählten Knotens (971) durch den Fixknoten (972).

Description

TECHNISCHES GEBIET
Die Erfindung betrifft ein Verfahren und ein Steuergerät. Insbesondere betreffen verschiedene Ausführungsformen Techniken, um Odometrie-Positionsdaten und Absolut-Positionsdaten einer Maschine beim Erhalten einer geschätzten Position der Maschine zu berücksichtigen. Dabei wird ein Posen-Graph verwendet. Insbesondere betreffen verschiedene Ausführungsformen Techniken, um einen ausgewählten Knoten aus dem Posen-Graphen zu entfernen.
HINTERGRUND
Es sind Techniken bekannt, um Karten von Gebieten zu erstellen. Z.B. ist aus DE 10 2013 208 521 A1 ein Verfahren zum kollektiven Erlernen und Erstellen eines digitalen Straßenmodells bekannt. Dabei werden Trajektoriendaten und Perzeptionsdaten für eine Mehrzahl von Trajektorien von einem oder mehreren Fahrzeugen zu erfassen. Ein Informationsgraph wird gebildet, wobei Trajektorienpunkte der Mehrzahl von Trajektorien Knoten des Informationsgraphen bilden und basierend auf Odometriemessungen und Positionsmessungen Kanten zwischen bzw. an den Knoten des Informationsgraphen gebildet werden. Der Informationsgraph wird optimiert. Eine solche Technik weist den Nachteil auf, dass die Modellbildung aufwendig ist und viel Zeit benötigt. Eine Echtzeitanwendung, z.B. um eine Fahrerassistenzfunktionalität zu steuern, ist typischerweise nicht möglich.
Andererseits sind auch Techniken bekannt, um im Zusammenhang mit einer Fahrerassistenzfunktionalität eine geschätzte Position eines Kraftfahrzeugs zu bestimmen (Positionsbestimmung). Insbesondere sind Techniken der Positionsbestimmung bekannt, welche Absolut-Positionsdaten und Odometrie-Positionsdaten beim Bestimmen der geschätzten Position des Kraftfahrzeugs berücksichtigen. Um die Fahrerassistenzfunktionalität zu gewährleisten, erfolgt dies in Echtzeit.
Dabei indizieren die Absolut-Positionsdaten die gemessene Position des Kraftfahrzeugs zu einem bestimmten Zeitpunkt in absoluten Werten, beispielsweise in einem UTM oder WGS84 Referenzkoordinatensystem. Optional können die Absolut-Positionsdaten auch mit einer Orientierung versehen sein, welche z.B. eine aktuelle Bewegungsrichtung des Kraftfahrzeugs indizieren. Eine Kombination aus Position und Orientierung wird häufig auch als Pose bezeichnet.
Die Odometrie-Positionsdaten hingegen indizieren eine Eigenbewegung bzw. Relativbewegung des Kraftfahrzeugs, zum Beispiel in einem willkürlich festgelegten Referenzkoordinatensystem oder im sogenannten Fahrzeugkoordinatensystem (engl. body frame). Dabei wird die Eigenbewegung z.B. jeweils relativ in Bezug auf eine vorangegangene Position des Kraftfahrzeugs indiziert.
Um verschiedenste Positionsdaten beim Bestimmen der geschätzten Position des Kraftfahrzeugs zu berücksichtigen, sind Techniken der Positionsbestimmung bekannt, die ein oder mehrere Odometrie-Positionsdaten und ein oder mehrere Absolut-Positionsdaten miteinander kombinieren (Sensorfusion). Die verschiedenen Positionsdaten können von unterschiedlichen Positioniersystemen ausgegeben werden. Die Positioniersysteme können unterschiedliche Techniken zur Positionsbestimmung einsetzen, sodass die Positionsdaten der unterschiedlichen Positioniersysteme voneinander unabhängige Schätzungen der Position darstellen können.
Durch das Berücksichtigen mehrerer voneinander unabhängiger Positionsdaten, die als Ausgabe von verschiedenen Positioniersystemen erhalten werden, kann eine genauere und ausfallsicherere Schätzung für die Position des Kraftfahrzeugs bereitgestellt werden. Insbesondere für Anwendungen im Bereich des autonomen Fahrens ist es erforderlich, dass eine möglichst genaue Schätzung der Position des Kraftfahrzeugs mit einer hohen Ausfallsicherheit bereitgestellt werden kann.
Aus DE 10 2014 211 178 A1 ist ein Verfahren zur Korrektur von Messdaten eines ersten Sensorsystems bekannt. Das erste Sensorsystem und/oder ein zweites Sensorsystem erfassen jeweils unterschiedliche Messdaten, die jeweils direkt und/oder indirekt Navigationsdaten beschreiben. Fehlerwerte werden korrigiert, wenn sie beobachtbar sind, und werden als konstant angenommen, wenn sie nicht beobachtbar sind. Die Fehlerwerte können mittels eines Error-State-Space Kalman-Filters bestimmt werden. Das Verwenden eines Kalman-Filters weist den Nachteil auf, dass lediglich aktuelle Messdaten berücksichtigt werden können. Insbesondere kann es nicht oder nur eingeschränkt möglich sein, weiter zurückliegende Messdaten zu berücksichtigen. Deshalb sind entsprechende Techniken oftmals vergleichsweise ungenau.
Aus der deutschen Patentanmeldung DE 10 2016 211 805 A1 sind Techniken bekannt, um Sensorfusion basierend auf einen Posen-Graphen durchzuführen. Dabei wird der Posen-Graph wiederholt optimiert.
Solche Techniken weisen den Nachteil auf, dass mit zunehmender Laufzeit der Posen-Graph immer größer wird und damit die Optimierung rechenintensiver wird.
Es sind Techniken zur Marginalisierung eines Posen-Graphen unter Verwendung eines Schur-Komplements bekannt, siehe z. B. Sibley, G. et al.: Sliding window filter with application to planetary landing. In: Journal of Field Robotics, Vol. 27, 2010, No. 5, S. 587-608. - ISSN 1556-4959. Solche Techniken weisen den Nachteil auf, dass eine Anpassung des Schur-Komplements nicht oder nur eingeschränkt möglich ist.
Aus Rehder, Joern; Global Pose Estimation with Limited GPS and Long Range Visual Odometry. In Robotics and Automation (ICRA), 2012 IEEE International Conference on Robotics and Automation, S. 627-633, sind Techniken bekannt, um die globale Pose eines Fahrzeugs abzuschätzen. Dabei sind dort auch Techniken zum Reduzieren der Dimension eines Posen-Graphen bekannt. Die Posen weisen Randbedingungen in Bezug auf Messungen auf, die durch Kanten in den Graphen modelliert werden. Ein virtueller Nullpunktsknoten am Ursprung des Koordinatensystems wird in den Graphen eingeführt. Die Marginalisierung von Knoten erfolgt unter Berücksichtigung eines Schur-Komplements.
Aus Grisetti, Giorgio; A Tutorial on Graph-Based SLAM. In IEEE Intelligent Transportation Systems Magazine, Vol. 2, No. 4, Winter 2010, S. 31-43, sind Techniken zum simultanen Lokalisieren und Kartographieren (SLAM) bekannt, die mobile Roboter beim Navigieren in unbekannten Umgebungen betreffen. Aus US 8 442 765 B1 sind Techniken zum Marginalisieren von unbenötigten Zuständen einer gemeinsamen Verteilung eines konditional unabhängigen Filters bekannt.
Aus US 2014/0249752 A1 sind Techniken zum Lokalisieren eines Fahrzeugs entlang einer Route bekannt. Dabei werden orthographische Bilder der Route erfasst.
ZUSAMMENFASSUNG
Deshalb besteht ein Bedarf für verbesserte Techniken zur Marginalisierung eines Posen-Graphen. Insbesondere besteht ein Bedarf für flexible Techniken zur Marginalisierung eines Posen-Graphen.
Diese Aufgabe wird von den Merkmalen der unabhängigen Patentansprüche gelöst. Die abhängigen Patentansprüche definieren Ausführungsformen.
Gemäß einem Aspekt betrifft die vorliegende Erfindung ein Verfahren zur Marginalisierung eines Posen-Graphen, welches für jeden von mehreren Zeitpunkten umfasst: jeweils Ermitteln von Odometrie-Positionsdaten einer Maschine basierend auf einer Ausgabe mindestens eines Odometrie-Positioniersystems. Das Verfahren umfasst weiterhin für jeden der mehreren Zeitpunkte: jeweils Ermitteln von Absolut-Positionsdaten der Maschine basierend auf einer Ausgabe mindestens eines Absolut-Positioniersystems. Das Verfahren umfasst weiterhin das Erzeugen eines Posen-Graphen. Kanten des Posen-Graphen entsprechen den Odometrie-Positionsdaten. Knoten des Posen-Graphen entsprechen den Absolut-Positionsdaten. Das Verfahren umfasst weiterhin das Optimieren des Posen-Graph zum Erhalten einer geschätzten Position der Maschine. Das Verfahren umfasst weiterhin das Auswählen eines Knotens des Posen-Graphen nach dem Optimieren. Das Verfahren umfasst weiterhin, für den ausgewählten Knoten: Bestimmen eines Fixknotens des Posen-Graphen. Das Verfahren umfasst weiterhin das Entfernen des ausgewählten Knotens aus dem Posen-Graph und das Ersetzen des ausgewählten Knotens durch den Fixknoten.
Zum Beispiel kann der Posen-Graph vorzugsweise einen Knoten für jeden der mehreren Zeitpunkte aufweisen. Die mehreren Zeitpunkte können also ein Zeitfenster von der IST-Zeit bis in die Vergangenheit abdecken (engl. sliding window). Entsprechend können beim Erzeugen des Posen-Graphen Ausgaben des mindestens einen Odometrie-Positioniersystems und des mindestens einen Absolut-Positioniersystems berücksichtigt werden, die einen aktuellen Zustand der Maschine, sowie Zustände in der näheren Vergangenheit indizieren. Z.B. kann beim Erzeugen des Posen-Graph vorzugsweise eine fest vorgegebene Anzahl von Zeitpunkten berücksichtigt werden. Die Verwendung des Posen-Graphen kann eine Alternative zur Verwendung der vorbekannten Kalman-Filter zur Sensorfusion darstellen.
Grundlagen zum Posen-Graph und eine entsprechende Optimierung sind beispielsweise aus Kümmerle, R. et. al.: G2O: A General Framework for Graph Optimization. In: 2011 IEEE International Conference on Robotics and Automation (ICRA), S. 3607 - 3613. - http://dx.doi.org/10.1109/ICRA.2011.5979949 bekannt. Dort ist auch der Aufbau einer entsprechenden Systemmatrix beschrieben. Der Posen-Graph umfasst Knoten, welche zu optimierenden Zustandsvariablen (hier: Absolut-Positionen der Maschine zu einem bestimmten Zeitpunkt) entsprechen, und Kanten, welche einer paarweise Verknüpfung der Zustände der durch die jeweilige Kante verbundenen Knoten entsprechen. Es ist zum Beispiel vorteilhafter möglich, dass die Knoten des Posen-Graphen mit einer Richtung (engl. heading) assoziiert sind; insoweit können die Knoten Posen darstellen. Der Posen-Graph gemäß den verschiedenen hierin offenbarten Szenarien umfasst die Ausgaben des mindestens einen Odometrie-Positioniersystems und des mindestens einen Absolut-Positioniersystems.
Z.B. können in vorteilhaften Ausführungsformen die Schätzungen für die Position der Maschine, wie sie von dem mindestens einen Absolut-Positioniersystem bereitgestellt werden, im Zusammenhang mit Knoten des Posen-Graph berücksichtigt werden. Z.B. können die verschiedenen Knoten des Posen-Graphen über Randbedingungen mit den verschiedenen Absolut-Positionsdaten des mindestens einen Absolut-Positioniersystems verknüpft sein - manchmal werden auch solche Verknüpfungen in Form von Randbedingungen als Kanten des Posen-Graphen bezeichnet; diese Terminologie wird hierin aber zur Vermeidung von Doppeldeutigen nicht übernommen. Dabei können z.B. vorteilhafterweise die Absolut-Positionsdaten formal als Fixknoten berücksichtigt werden, die durch die Optimierung nicht beeinflusst werden, und die zu optimierenden Knoten des Posen-Graphen können als Optimierungsknoten bezeichnet werden. Ein Optimierungsknoten kann mit mehreren Fixknoten, deren Position nicht durch die Optimierung verändert wird, über Randbedingungen verknüpft sein.
Z.B. können die Eigenbewegungsschätzungen, wie sie als die Ausgabe des mindestens einen Odometrie-Positioniersystems in Form der Odometrie-Positionsdaten bereitgestellt werden, vorteilhafterweise im Zusammenhang mit den Kanten des Posen-Graphen berücksichtigt werden. Wiederum können vorteilhafterweise Optimierungskanten und Fixkanten berücksichtigt werden, die in Form von Randbedingungen verknüpft sind. Die Optimierungskanten können vorzugsweise durch zwei benachbarte Optimierungsknoten vorgegeben sein. Zum Beispiel sind Szenarien denkbar, bei denen mehr als ein Odometrie-Positioniersystem Ausgaben bereitstellt; in einem solchen Szenario ist es möglich, dass mehr als eine Kante zwischen zwei benachbarten Knoten des Posen-Graphen vorhanden ist.
Da die unterschiedlichen Odometrie-Positionsdaten und Absolut-Positionsdaten Abweichungen voneinander aufweisen können, kann es mittels des Optimierens des Posen-Graph möglich sein, die geschätzte Position als besten Kompromiss zwischen den verschiedenen Absolut-Positionsdaten und Odometrie-Positionsdaten zu erhalten. Im Rahmen des Optimierens des Posen-Graphen können die Knoten und Kanten verschoben werden, d.h. gegenüber den aus den Ausgaben der Positioniersystem erhaltenen Werten verändert werden. Die zu optimierenden Knoten werden häufig als Optimierungsknoten bezeichnet. Die Optimierungsknoten sind durch Randbedingungen mit den aus den Ausgaben der Positioniersysteme erhaltenen Knoten und Kanten verknüpft.
Es ist möglich, dass die Absolut-Positionsdaten und/oder die Odometrie-Positionsdaten mit einer gewissen Unsicherheit behaftet sind. Eine solche Unsicherheit kann auch als Varianz bezeichnet werden. Zum Beispiel kann die Varianz der Odometrie-Positionsdaten und/oder der Absolut-Positionsdaten beim Optimieren des Posen-Graph berücksichtigt werden.
Im Zusammenhang mit dem Posen-Graph werden oftmals Fehlerterme definiert, welche umso größer (kleiner) sind, umso weiter (weniger weit) sich die durch das Optimieren geschätzte Positionen von den Ausgaben der Positioniersysteme entfernen und je kleiner (größer) die Varianz der entsprechenden Ausgaben der Positioniersysteme ist. Das Optimieren kann vorzugsweise eine Konfiguration des Posen-Graphen bereitstellen, welche einem extremalen Wert der Fehlerterme entspricht. Vorzugsweise wird ein globaler extremaler Wert der Fehlerterme angestrebt. Das Optimieren kann in vorteilhafter Weise numerisch erfolgen. Das Optimieren kann in vorteilhafter Weise iterativ erfolgen, d.h. mehrere Optimierungsiterationen umfassen. Zum Beispiel kann das Optimieren vorteilhafterweise eine Technik nichtlinearer minimaler Quadrate (engl. nonlinear least-squares) umfassen. Zum Beispiel kann das Optimieren vorteilhafterweise mittels einer Gauß-Newton-Technik erfolgen und / oder mittels einer Levenberg-Marquardt-Technik erfolgen.
Solche Techniken ermöglichen eine Echtzeitanwendung. Z.B. kann die Maschine ein Kraftfahrzeug sein. Vorzugsweise umfasst weiterhin das Steuern einer Fahrerassistenzfunktionalität basierend auf der geschätzten Position des Kraftfahrzeugs. Z.B. kann die Fahrerassistenzfunktionalität vorzugsweise autonomes Fahren des Kraftfahrzeugs betreffen. Es wäre auch möglich, dass die Fahrerassistenzfunktionalität vorteilhafterweise teilautomatisches oder hochautomatisches Fahren betrifft. Es wäre auch möglich, dass die Fahrerassistenzfunktionalität vorteilhafterweise einen Stauassistent betrifft. Es ist zum Beispiel vorzugsweise möglich, dass die Fahrerassistenzfunktionalität die Position des Kraftfahrzeugs beeinflusst. Insoweit kann basierend auf der geschätzten Position die Position des Kraftfahrzeugs beeinflusst werden. Z.B. kann die Fahrerassistenzfunktionalität einen elektrischen Lenkstrang des Kraftfahrzeugs steuern. Z.B. kann die Fahrerassistenzfunktionalität vorzugsweise die Bremsen und den Motor des Kraftfahrzeugs steuern. Z.B. kann die Fahrerassistenzfunktionalität umfassen: einen Spurhalteassistenten; einen Abstandsassistenten; einen Einparkassistenten; etc.
Durch das Verwenden des Posen-Graphen ist es möglich, vorzugsweise eine unterschiedliche Anzahl von Odometrie-Positionsdaten und/oder eine unterschiedliche Anzahl von Absolut-Positionsdaten zu berücksichtigen. Insbesondere ist es möglich, dass die Anzahl der Odometrie-Positionsdaten und/oder die Anzahl der Absolut-Positionsdaten, die beim Erzeugen des Posen-Graph berücksichtigt wird, als Funktion der Zeit variiert. Durch die generische Verwendung der Odometrie-Positionsdaten und der Absolut-Positionsdaten können die zu fusionierenden Ausgaben verschiedener Positioniersysteme modular ausgewechselt werden. Derart kann es vorteilhafterweise möglich sein, immer sämtliche verfügbaren Ausgaben von Positioniersysteme zu berücksichtigen. Derart kann es vorzugsweise möglich sein, auch in Übergangssituationen, bei denen Ausgaben von bestimmten Positioniersysteme gerade nicht mehr oder nur noch eingeschränkt verfügbar sind, jedoch Ausgaben von weiteren Positioniersystemen verfügbar werden, die geschätzte Position der Maschine mit einer besonders hohen Zuverlässigkeit zu erhalten.
Darüber hinaus erlaubt die Verwendung des Posen-Graphen im Vergleich zu Referenzimplementierungen basierend auf Kalman-Filtern eine genauere Schätzung der Position der Maschine nicht nur für die IST-Zeit, sondern auch für die Vergangenheit.
In verschiedenen vorteilhaften Szenarien kann das Optimieren des Posen-Graphen weiterhin eine Zuverlässigkeit der geschätzten Position der Maschine bereitstellen. Es ist möglich, dass die Fahrerassistenzfunktionalität der Maschine weiterhin basierend auf der Zuverlässigkeit der geschätzten Position gesteuert wird.
Die Zuverlässigkeit kann z.B. vorzugsweise die Summe der Fehlerterme für die verschiedenen Knoten des optimierten Posen-Graphen berücksichtigen. Aktuellere (ältere) Knoten können einen größeren (geringeren) Einfluss auf die Zuverlässigkeit der geschätzten Position aufweisen. Zum Beispiel kann in einem Szenario, bei dem die durch das Optimieren erhaltene Zuverlässigkeit der geschätzten Position vergleichsweise groß wird, ein manueller Fahrereingriff von der Fahrerassistenzfunktionalität gefordert werden.
Durch das Berücksichtigen der Zuverlässigkeit der geschätzten Position kann die Fahrerassistenzfunktionalität mit einer großen Sicherheit gesteuert werden; insbesondere kann vermieden werden, dass die Fahrerassistenzfunktionalität auf Grundlage von nicht oder nur eingeschränkt belastbaren Schätzungen für die Position des Kraftfahrzeugs gesteuert wird.
In verschiedenen vorteilhaften Szenarien kann das Optimieren des Posen-Graphen weiterhin eine geschätzte Odometrie der Maschine bereitstellen. Es ist möglich, dass die Fahrerassistenzfunktionalität des Kraftfahrzeugs weiterhin basierend auf der geschätzten Odometrie gesteuert wird.
Die Odometrie kann z.B. vorteilhafterweise eine aktuelle Orientierung / Fahrrichtung der Maschine indizieren. Zusammen mit der geschätzten Position des Kraftfahrzeugs kann so eine geschätzte Position und Orientierung (Pose) des Kraftfahrzeugs bereitgestellt werden.
Zum Beispiel kann vorteilhafterweise durch das Optimieren des Posen-Graphen die geschätzte Position der Maschine zu einem in Bezug auf die mehreren Zeitpunkte zukünftigen Zeitpunkt erhalten werden.
In anderen Worten kann es in verschiedenen vorteilhaften Ausführungsformen möglich sein, dass die Position für einen zukünftigen Zeitpunkt abgeschätzt wird. Es kann also eine Vorhersage für die Position der Maschine getroffen werden.
Das Erzeugen und Optimieren des Posen-Graph benötigt eine gewisse Zeitdauer (Optimierungszeitdauer). Die Optimierungszeitdauer kann durch das Bereitstellen der geschätzten Position für den zukünftigen Zeitpunkt kompensiert werden.
Dadurch kann es möglich sein, die Fahrerassistenzfunktionalität besonders zielgerichtet zu steuern. Insbesondere kann es möglich sein, mit einer besonders geringen Latenzzeit eine Information über die aktuelle Position der Maschine bereitzustellen. Echtzeitanwendungen sind möglich.
Die Optimierungszeitdauer kann durch Begrenzen der Anzahl von Knoten des Posen-Graphen reduziert werden. Durch das Entfernen des ausgewählten Knoten aus dem Posen-Graph kann die Anzahl der Knoten des Posen-Graphen reduziert werden. Indem jedoch gleichzeitig der Fixknoten für den Posen-Graph bestimmt wird, kann ein nachfolgendes Optimieren des Posen-Graphen trotzdem eine hohe Genauigkeit aufweisen.
Zum Beispiel könnte das Verfahren also weiterhin, nach dem Entfernen des ausgewählten Knotens umfassen: erneutes Optimieren des Posen-Graphen zum Erhalten einer weiteren geschätzten Position der Maschine. Die Position des Fixknotens kann gegenüber dem erneuten Optimieren unveränderlich sein. Der Fixknoten kann über eine Kante mit einem benachbarten Knoten des Posen-Graphen verbunden sein. Indem die Position des Fixknotens gegenüber dem erneuten Optimieren unveränderlich bzw. fix ist, kann die Komplexität des erneuten Optimierens vergleichsweise begrenzt sein. Dadurch kann die Optimierungszeitdauer reduziert werden.
Solchen Techniken liegt die Erkenntnis zugrunde, dass es aufgrund von Restriktionen in der Komplexität der Optimierung des Posen-Graphen oftmals erforderlich sein kann, die Anzahl von Knoten und Kanten des Posen-Graphen zu reduzieren. Dies kann durch Entfernen bzw. Löschen einzelner Knoten und Kanten des Posen-Graphen erfolgen. Zum Beispiel können die ältesten Knoten und Kanten des Posen-Graphen gelöscht werden, d.h. es kann derjenige Knoten des Posen-Graphen ausgewählt werden, der dem ältesten Zeitpunkt entspricht. Ein solches Löschen von alten Knoten und Kanten bewirkt herkömmlicherweise, dass alte Positionsdaten keinen Einfluss mehr auf die aktuelle Schätzung der Position aufweisen. Dies führt dazu, dass die Schätzungen eine begrenzte Genauigkeit aufweisen. Zum Beispiel können die Schätzungen für die Position eine vergleichsweise hohe Ungenauigkeit aufweisen.
Deshalb sind in vorbekannten Techniken Ansätze zur sogenannten Marginalisierung bekannt. Vorbekannte Ansätze zur Marginalisierung umfassen das Bilden des Schur-Komplements auf die Systemmatrix. Solche Techniken haben keine modellhafte Entsprechung im Posen-Graph. Solche Techniken resultieren häufig in einer dichter besetzten Systemmatrix; dadurch kann wiederum der Rechenaufwand zum Durchführen der Optimierung erhöht werden, wodurch wiederum die Optimierungszeitdauer vergleichsweise lang sein kann.
Die hierin beschriebenen Techniken ermöglichen es, durch Vorsehen des Fixknotens anstelle des ausgewählten Knotens, beispielsweise desjenigen Knotens, der dem ältesten Zeitpunkt entspricht, einerseits eine dichtere Besetzung der Systemmatrix - und damit eine verlängerte Optimierungszeitdauer - zu vermeiden und gleichzeitig die Genauigkeit bei der Abschätzung der Position durch Optimieren des Posen-Graphen nicht oder nicht signifikant herabzusetzen. Die hierin beschriebenen Techniken ermöglichen daher eine besonders genaue Marginalisierung des Posen-Graphen im Vergleich zu vorbekannten Techniken. Mittels der hier beschriebenen Techniken kann es also möglich sein, dass auch nach mehreren Marginalisierungen des Posen-Graphen das Optimierungsproblem handhabbar bleibt und nicht als Funktion der Zeit degeneriert.
Es können unterschiedliche Techniken zum Bestimmen des Fixknotens eingesetzt werden. Zum Beispiel kann der Fixknoten basierend auf Elementen bestimmt werden, die aus folgender Gruppe ausgewählt sind: die Position des ausgewählten Knotens; mindestens eine Kante, die mit dem ausgewählten Knoten verbunden ist; Absolut-Positionsdaten, die dem ausgewählten Knoten entsprechen; und ein weiterer Fixknoten, der über eine Kante mit dem ausgewählten Knoten verbunden ist. Zum Beispiel können die Absolut-Positionsdaten über einen Fixknoten repräsentiert werden. Solche Fixknoten, die über eine Kante als Randbedingung mit dem ausgewählten Knoten verbunden sind, können beim Bestimmen des Fixknotens berücksichtigt werden; andere Absolut-Positionsdaten können unberücksichtigt bleiben. Zum Beispiel kann der weitere Fixknoten im Rahmen einer vorangegangenen Marginalisierung bestimmt worden sein. Zum Beispiel können alle weiteren vorhandenen entsprechenden weiteren Fixknoten berücksichtigt werden. Derart kann es zum Beispiel möglich sein, dass der Fixknoten Informationen in Bezug auf den ausgewählten und entfernten Knoten in sich bündelt. Vergangene Information wird dann durch das Entfernen des ausgewählten Knotens nicht einfach verworfen, sondern auf den Fixknoten übertragen. Deshalb könnte der Fixknoten auch als Prior-Fixknoten bezeichnet werden.
Da ein solcher Fixknoten im Graphen direkt dargestellt werden kann, ist eine semantische Interpretation einfach möglich - im Gegensatz zur herkömmlichen Marginalisierung auf Grundlage des Schur-Komplements. Eine solche semantische Interpretation könnte zum Beispiel lauten: „die gebündelten Positionsinformationen, die bisher aus dem Posen-Graphen entfernt wurden, führen zu der Schätzung, dass die Maschine sich an der Position des Fixknoten befunden hat“. Vorteilhafterweise wäre es also möglich, dass der Fixknoten das Schur-Komplement des ausgewählten Knotens darstellt. Damit kann erreicht werden, dass der Fixknoten eine Reduktion der Genauigkeit der Optimierung durch Entfernen des ausgewählten Knotens vermeidet. In anderen Ausführungsformen sind aber auch andere Techniken zum Bestimmen des Fixknotens möglich.
Der Posen-Graph, der den Fixknoten aufweist, nicht jedoch den ausgewählten Knoten, kann weiterhin das vollständige bzw. ursprüngliche Optimierungsproblem repräsentieren. Jedoch ist es entbehrlich, die Matrix-Darstellung des Posen-Graphen zum vollständigen Verständnis zu berücksichtigen. Dies verbessert das Potenzial zum Problemverständnis des Entwicklers/Nutzers, Analysemöglichkeiten und Manipulationsmöglichkeiten zur Lösung des Problems.
Als weiterer Effekt ermöglicht es der Fixknoten, die Unsicherheit der alten Informationen anzupassen und die Gewichtung zu beeinflussen, falls dies erforderlich ist. Zum Beispiel könnte das Verfahren weiterhin umfassen, vor dem Durchführen einer erneuten Optimierung: Anpassen einer Verlustfunktion der Kante des Posen-Graphen, die zwischen dem Fixknoten und dem benachbarten Knoten verläuft, und/oder Anpassen einer Unsicherheit des Fixknotens. Besonders unplausible Information, die in dem Fixknoten abgebildet ist, kann dann mit einer größeren Unsicherheit berücksichtigt werden, was eine Toleranz bei der Optimierung erhöhen kann. Es ist auch möglich eine robuste Kosten- oder Verlustfunktion auf den Fehlerterm der Randbedingung, die durch den Fixknoten repräsentiert wird, anzuwenden.
Zum Beispiel wäre es möglich, dass das Entfernen des ausgewählten Knotens selektiv in Abhängigkeit einer Anzahl von Knoten des Posen-Graphen durchgeführt wird. Überschreitet zum Beispiel die Anzahl der Knoten des Posen-Graphen einen vorgegebenen Schwellenwert, so kann jeweils der älteste Knoten aus dem Posen-Graphen ausgewählt und entfernt werden, wobei gleichzeitig der entsprechende Fixknoten bestimmt wird. Dadurch kann einerseits erreicht werden, dass die Optimierungszeitdauer durch eine besonders große Anzahl von Knoten nicht unverhältnismäßig lange wird; gleichzeitig kann jedoch eine unnötig häufige Marginalisierung des Posen-Graphen vermieden werden.
Gemäß verschiedener vorteilhafter Beispiele ist es möglich, dass die mehreren Zeitpunkte basierend auf einer vorgegebenen Taktrate bestimmt werden. Dann ist es vorzugsweise möglich, dass jeweils mit zugehörigen Abtastraten Roh-Odometrie-Positionsdaten als die Ausgabe des mindestens einen Odometrie-Positioniersystems empfangen werden. Entsprechend ist es vorzugsweise möglich, dass jeweils mit zugehörigen Abtastraten Roh-Absolut-Positionsdaten als die Ausgabe des mindestens einen Absolut-Positioniersystems empfangen werden. Dabei kann die vorgegebene Taktrate verschieden von den Abtastraten sein. Die Abtastraten können als Funktion der Zeit variieren.
Zum Beispiel wäre es möglich, dass das Verfahren weiterhin umfasst: Interpolieren der Roh-Absolut-Positionsdaten basierend auf der vorgegebenen Taktrate und basierend auf der jeweiligen Abtastrate zum Ermitteln der Absolut-Positionsdaten für jeden der mehreren Zeitpunkte. Zum Beispiel wäre es vorzugsweise möglich, dass das Verfahren weiterhin umfasst: Interpolieren der Roh-Odometrie-Positionsdaten basierend auf der vorgegebenen Taktrate und basierend auf der Abtastrate zum Ermitteln der Odometrie-Positionsdaten für die verschiedenen Zeitpunkte. Das Interpolieren kann also vorzugsweise im Orts-Zeitraum erfolgen. Z.B. kann das Interpolieren in einem Referenzkoordinatensystem des Posen-Graphen erfolgen.
In verschiedenen vorteilhaften Varianten ist es möglich, dass eine Koordinatentransformation der Roh-Absolut-Positionsdaten und/oder der Roh-Odometrie-Positionsdaten durchgeführt wird, um jeweils die Absolut-Positionsdaten und/oder die Odometrie-Positionsdaten zu erhalten. Zum Beispiel könnte eine Koordinatentransformation zwischen einem UTM-Koordinatensystem und einem WGS84-Koordinatensystem durchgeführt werden. Es wäre vorteilhafterweise auch möglich, dass die Koordinatentransformation eine Koordinatenrotation umfasst. Zum Beispiel könnte eine Rotation zwischen einem proprietären Referenzsystem, beispielsweise Geschwindigkeit und Gierrate des Kraftfahrzeugs als Maschine, und dem Referenzsystem des Posen-Graphen stattfinden. Zum Beispiel kann vorzugsweise ein Modell des Kraftfahrzeugs berücksichtigt werden, um Fahrzeug-spezifische Eigenschaften bei der Koordinatentransformation zu berücksichtigen.
Mittels solcher Techniken ist es möglich, dass unterschiedliche Zeitverhalten der verschiedenen Positioniersysteme flexibel berücksichtigt werden. Insbesondere ist es nicht notwendig, dass die verschiedenen Positioniersysteme die Ausgaben mit einer fest vorgegebenen oder statischen Abtastrate bereitstellen. Es muss keine a-priori Annahme über das Zeitverhalten der bei dem Erzeugen des Posen-Graph berücksichtigten Positionsdaten getroffen werden.
Zum Beispiel wäre es vorteilhafterweise möglich, dass die Roh-Odometrie-Positionsdaten und/oder die Roh-Absolut-Positionsdaten jeweils mit einem Zeitstempel versehen sind. Zum Beispiel könnte vorteilhafterweise der Zeitstempel einen Zeitpunkt indizieren, zu welchem das jeweilige Positioniersystem die Odometrie-Positionsdaten und/oder die Roh-Absolut-Positionsdaten gemessen hat.
Zum Beispiel kann es vorteilhafterweise möglich sein, dass Positionsdaten unterschiedlicher Positioniersysteme nicht in einer zeitsequenziellen Abfolge bereitgestellt werden, sondern in einer Reihenfolge, die gegenüber den entsprechenden Zeitstempeln vertauscht ist. Dies kann der Fall sein, da unterschiedliche Positioniersysteme unterschiedliche Abtastraten und / oder unterschiedliche Latenzzeiten aufweisen können. Zum Beispiel können die Odometrie-Positionsdaten und die Absolut-Positionsdaten für die mehreren Zeitpunkte in einem Speicher zwischengespeichert werden.
Beim Erzeugen des Posen-Graphen können solche nicht zeitsequenziell empfangenen Roh-Positionsdaten in der Vergangenheit einfach eingefügt werden. Dies erhöht die Flexibilität beim Fusionieren der Ausgaben unterschiedlichster Positioniersysteme. Eine Echtzeit-Erzeugung und Optimierung des Posen-Graphen kann entbehrlich sein, da eine Vorhersage für die geschätzte Position zu dem zukünftigen Zeitpunkt getroffen werden kann.
Es ist zum Beispiel vorzugsweise möglich, dass jeweils eine Iteration des Erzeugens und Optimierens des Posen-Graphen für jeden Takt einer vorgegebenen Optimierungstaktrate durchgeführt wird. Für jede Iteration kann vorteilhafterweise die entsprechende geschätzte Position der Maschine erhalten werden.
Es ist möglich, dass die Optimierungstaktrate verschieden von der Taktrate, welche die mehreren Zeitpunkte bestimmt, gewählt wird. Es wäre aber auch möglich, dass die Optimierungstaktrate gleich der Taktrate zum Bestimmen der mehreren Zeitpunkte gewählt wird. In beiden Szenarien kann es möglich sein, dass der Posen-Graph iterativ erzeugt wird, d.h. dass für verschiedene Iterationen des Erzeugens und Optimierens des Posen-Graphen auf vorangegangen erzeugte Posen-Graphen zurückgegriffen werden kann.
Zum Beispiel kann die Optimierungstaktrate im Bereich zwischen 0,1 Hz und 100 Hz liegen, bevorzugt im Bereich zwischen 1 Hz und 50 Hz. In verschiedenen Szenerien kann es erstrebenswert sein, die Optimierungstaktrate möglichst konstant zu halten. Dies kann es ermöglichen, dass nachgeschaltete Logik wie insbesondere die Fahrerassistenzfunktionalität besonders zuverlässig betrieben bzw. gesteuert werden kann.
Durch das Verwenden des Posen-Graphen kann ein besonders effizientes Optimieren zum Erhalten der geschätzten Position der Maschine implementiert werden. Deshalb können vergleichsweise hohe Optimierungstaktraten gewählt werden. Dadurch kann die geschätzte Position besonders zügig bestimmt werden.
Es ist zum Beispiel vorzugsweise möglich, dass die Zeitdauer, die zumindest für das Optimieren des Posen-Graphen in den verschiedenen Iterationen benötigt wird, überwacht wird. Dann ist es vorzugsweise möglich, dass die vorgegebene Taktrate und/oder die Anzahl der Zeitpunkte und / oder eine Genauigkeit des Optimierens in Abhängigkeit des Überwachens der Zeitdauer bestimmt wird.
Zum Beispiel kann vorteilhafterweise die Genauigkeit des Optimierens einer Anzahl der Optimierungsiterationen entsprechen. Zum Beispiel kann eine höhere (geringere) Genauigkeit einer größeren Anzahl (geringeren Anzahl) von Optimierungsiterationen entsprechen.
Das Überwachen kann vorzugsweise das wiederholte Messen der Optimierungszeitdauer umfassen. Zum Beispiel kann vorzugsweise die gesamte Zeitdauer überwacht werden, die zum Erzeugen und Optimieren des Posen-Graph benötigt wird. Zum Beispiel wäre es möglich, kleinere (größere) Taktraten und / oder eine kleinere (größere) Anzahl von Zeitpunkten und/oder eine geringere (größere) Genauigkeit des Optimierens zu wählen, wenn das Überwachen eine größere (kleinere) Optimierungszeitdauer indiziert. Kleinere (größere) Taktraten und eine kleinere (größere) Anzahl von Zeitpunkten können in einer kleineren (größeren) Zeitdauer, die zumindest für das Optimieren des Posen-Graph in den verschiedenen Iterationen benötigt wird, resultieren.
Derart können zu lange Optimierungszeitdauern vermieden werden. In anderen Worten kann es vorzugsweise möglich sein, die Optimierungszeitdauer flexibel anzupassen.
Zum Beispiel kann die Taktrate im Bereich von 1 Hz - 1.000 Hz liegen oder im Bereich von 10 Hz - 100 Hz liegen, oder im Bereich von 25 - 50 Hz liegen.
Grundsätzlich ist es möglich, dass zumindest einige der Abtastraten eine Zeitabhängigkeit aufweisen. Z.B. können vorzugsweise zumindest einige der Abtastraten zeitliche Schwankungen aufweisen. In anderen Worten kann es vorteilhafterweise möglich sein, Ausgaben von Positioniersysteme beim Erzeugen des Posen-Graphen zu berücksichtigen, die Positionsdaten nicht mit einer konstanten Abtastrate bereitstellen. Zum Beispiel ist es vorzugsweise möglich, dass zumindest eine der Abtastraten im Bereich von 0,1 Hz - 100 Hz liegt, oder im Bereich 0,5 Hz bis 10 Hz liegt, oder im Bereich von 0,5 Hz bis 2 Hz liegt.
In den verschiedenen hierein beschriebenen Szenarien kann es auch möglich sein, dass die Ausgabe von zumindest einem der Positioniersysteme die zugehörigen Positionsdaten nicht in zeitsequentieller Reihenfolge bereitstellt (engl. out-of-order). Es kann in vorteilhaften Szenarien möglich sein - z.B. im Gegensatz zu Referenzimplementierungen basierend auf einem Kalmanfilter - solche nicht-zeitsequentiell erhaltenen Positionsdaten beim Erzeugen des Posen-Graphen zu berücksichtigen.
Insbesondere kann es zum Beispiel möglich sein, dass zumindest eine der Abtastraten Unterbrechungen aufweist. Zum Beispiel können die Unterbrechungen mehr als zwei Abtastintervalle der entsprechenden Abtastrate umfassen. Zum Beispiel können die Unterbrechungen mehr als 10 Abtastintervalle umfassen. Zum Beispiel können die Unterbrechungen mehr als 100 Abtastintervalle umfassen.
Die Unterbrechungen können Aussetzer darstellen, während welchen keine oder keine belastbaren Positionsdaten des entsprechenden Positioniersystems vorhanden sind.
In anderen Worten kann es also möglich sein, dass Aussetzer beim Bereitstellen von Ausgaben der verschiedenen Positioniersysteme kompensiert werden. Der Posen-Graph kann mit einer flexiblen Anzahl von Ausgaben verschiedener Positioniersysteme erzeugt werden.
Zum Beispiel ist es in vorteilhaften Szenarien möglich, dass die Absolut-Positionsdaten basierend auf der Ausgabe eines ersten Absolut-Positioniersystems jeweils für mehrere Zeitpunkte in einem ersten Zeitintervall ermittelt werden; die Absolut-Positionsdaten können vorzugsweise basierend auf der Ausgabe eines zweiten Absolut-Positioniersystems jeweils für mehrere Zeitpunkte in einem zweiten Zeitintervall ermittelt werden. Das erste Absolut-Positioniersystem kann vorteilhafterweise verschieden von dem zweiten Absolut-Positioniersystem sein. Die Absolut-Positionsdaten können vorzugsweise für die mehreren Zeitpunkte in dem ersten Zeitintervall nicht basierend auf der Ausgabe des zweiten Absolut-Positioniersystems ermittelt werden.
Deshalb kann z.B. das erste Zeitintervall einer Unterbrechung in Bezug auf die Ausgabe des zweiten Absolut-Positioniersystems darstellen. Das Verfahren kann in vorteilhaften Szenarien umfassen: Umschalten zwischen der Ausgabe des ersten Absolut-Positioniersystems und der Ausgabe des zweiten Absolut-Positioniersystems zum Ende des ersten Zeitintervalls.
In verschiedenen bevorzugten Szenarien kann es also möglich sein, dass je nach Zeitpunkt unterschiedliche Ausgaben von Positioniersystemen berücksichtigt werden. Z.B. kann es in vorteilhaften Implementierungen möglich sein, flexibel zwischen den Ausgaben der ersten und zweiten Absolut-Positioniersysteme beim Erzeugen des Posen-Graphen umzuschalten. Das Umschalten kann graduell erfolgen. Insbesondere in Übergangssituationen kann es derart möglich sein, die Position der Maschine mit einer hohen Zuverlässigkeit zu schätzen.
Gemäß einem weiteren Aspekt betrifft die vorliegende Erfindung ein Steuergerät. Das Steuergerät umfasst mindestens eine Schnittstelle. Die mindestens eine Schnittstelle ist eingerichtet, um jeweils Ausgaben von mindestens einem Odometrie-Positioniersystem zu empfangen und um jeweils Ausgaben von mindestens einem Absolut-Positioniersystem zu empfangen. Das Steuergerät umfasst weiterhin mindestens einen Prozessor. Der mindestens eine Prozessor ist eingerichtet, um jeweils für jeden von mehreren Zeitpunkten Odometrie-Positionsdaten der Maschine basierend auf den Ausgaben des mindestens einen Odometrie-Positioniersystems zu ermitteln. Der mindestens eine Prozessor ist weiterhin eingerichtet, um jeweils für jeden der mehreren Zeitpunkte Absolut-Positionsdaten der Maschine basierend auf den Ausgaben des mindestens einen Absolut-Positioniersystems zu ermitteln. Der mindestens eine Prozessor ist weiterhin eingerichtet, um einen Posen-Graph zu erzeugen. Kanten des Posen-Graphen entsprechen den Odometrie-Positionsdaten. Knoten des Posen-Graphen entsprechen den Absolut-Positionsdaten. Der mindestens eine Prozessor ist weiterhin eingerichtet, um den Posen-Graph zum Erhalten einer geschätzten Position des Kraftfahrzeugs zu optimieren. Der mindestens eine Prozessor ist weiterhin eingerichtet, um nach dem Optimieren einen Knoten des Posen-Graphen auszuwählen, für den ausgewählten Knoten einen Fixknoten des Posen-Graphen zu bestimmen und den ausgewählten Knoten aus dem Posen-Graph zu entfernen.
Das Steuergerät gemäß dem gegenwärtig diskutierten Aspekt ist eingerichtet, um das Verfahren gemäß einem weiteren Aspekt der vorliegenden Erfindung auszuführen.
Für ein solche Steuergerät gemäß den gegenwärtig diskutierten Aspekt können Effekte erzielt werden, die vergleichbar sind mit den Effekten, die für das Verfahren gemäß einem weiteren Aspekt der vorliegenden Erfindung erzielt werden können.
Die oben dargelegten Merkmale und Merkmale, die nachfolgend beschrieben werden, können nicht nur in den entsprechenden explizit dargelegten Kombinationen verwendet werden, sondern auch in weiteren Kombinationen oder isoliert, ohne den Schutzumfang der vorliegenden Erfindung zu verlassen.
KURZBESCHREIBUNG DER FIGUREN
Nachfolgend wird die vorliegende Erfindung anhand bevorzugter Ausführungsformen unter Bezugnahme auf die Zeichnungen näher erläutert. In den Figuren bezeichnen gleiche Bezugszeichen gleiche oder ähnliche Elemente.

1 ist eine schematische Illustration des logischen Informationsflusses im Rahmen der Fusion von Positionsdaten mehrerer Positioniersysteme auf Grundlage eines Posen-Graphen gemäß verschiedener Ausführungsformen.
2 illustriert schematisch die Verfügbarkeit der unterschiedlichen Positionsdaten für Zeitpunkte in unterschiedlichen Zeitintervallen in einer Übergangssituation gemäß verschiedener Ausführungsformen.
3 illustriert schematisch die Verfügbarkeit bestimmter Positionsdaten zu verschiedenen Zeitpunkten gemäß verschiedener Ausführungsformen, wobei in 3 eine Unterbrechung, bei welcher temporär keine Positionsdaten verfügbar sind, illustriert ist.
4 illustriert schematisch ein Steuergerät gemäß verschiedener Ausführungsformen.
5 ist ein Flussdiagramm eines Verfahrens gemäß verschiedener Ausführungsformen.
6 illustriert schematisch das Erzeugen von Knoten eines Posen-Graphen auf Grundlage von Roh-Absolut-Positionsdaten gemäß verschiedener Ausführungsformen, wobei die Roh-Absolut-Positionsdaten von zwei Absolut-Positioniersystemen mit unterschiedlichen Abtastraten empfangen werden.
7 illustriert schematisch das Erzeugen von Kanten des Posen-Graphen der 6 auf Grundlage von Roh-Odometrie-Positionsdaten gemäß verschiedener Ausführungsformen, wobei die Roh-Odometrie-Positionsdaten von einem Odometrie-Positioniersystem mit einer bestimmten Abtastrate empfangen werden.
8 illustriert schematisch den Posen-Graph der 6 und 7, bevor der Posen-Graph optimiert wird.
9 illustriert schematisch den optimierten Posen-Graph der 6-8 und illustriert weiterhin eine aus dem optimierten Posen-Graph erhaltene geschätzte Position eines Kraftfahrzeugs.
10 illustriert schematisch einen Posen-Graphen gemäß verschiedener Ausführungsformen.
11 illustriert schematisch eine Systemmatrix für den Posen-Graphen der 10 gemäß verschiedener Ausführungsformen.
12, 13, 14 und 15 illustrieren schematisch die Marginalisierung eines Posen-Graphen unter Verwendung eines Fixknotens.
16 ist ein Flussdiagramm eines Verfahrens gemäß verschiedener Ausführungsformen.

DETAILLIERTE BESCHREIBUNG VON AUSFÜHRUNGSFORMEN
Nachfolgend wird die vorliegende Erfindung anhand bevorzugter Ausführungsformen unter Bezugnahme auf die Zeichnungen näher erläutert. In den Figuren bezeichnen gleiche Bezugszeichen gleiche oder ähnliche Elemente. Die Figuren sind schematische Repräsentationen verschiedener Ausführungsformen der Erfindung. In den Figuren dargestellte Elemente sind nicht notwendigerweise maßstabsgetreu dargestellt. Vielmehr sind die verschiedenen in den Figuren dargestellten Elemente derart wiedergegeben, dass ihre Funktion und genereller Zweck dem Fachmann verständlich wird. In den Figuren dargestellte Verbindungen und Kopplungen zwischen funktionellen Einheiten und Elementen können auch als indirekte Verbindung oder Kopplung implementiert werden. Eine Verbindung oder Kopplung kann drahtgebunden oder drahtlos implementiert sein. Funktionale Einheiten können als Hardware, Software oder eine Kombination aus Hardware und Software implementiert werden.
Nachfolgend werden Techniken zur Positionsbestimmung einer Maschine, wie z. B. einem Kraftfahrzeug beschrieben, welche es erlauben, Odometrie-Positionsdaten mindestens eines Odometrie-Positioniersystems und Absolut- Positionsdaten mindestens eines Absolut-Positioniersystems zu fusionieren. Der Einfachheit wegen wird nachfolgend auf ein Kraftfahrzeug Bezug genommen, obwohl entsprechende Techniken auch für andere Maschinen angewendet werden können.
Insbesondere werden nachfolgend Techniken geschrieben, welche es erlauben, eine geschätzte Position des Kraftfahrzeugs zu bestimmen, welche für eine Fahrerassistenzfunktionalität verwendet werden kann. Z.B. kann die Fahrerassistenzfunktionalität autonomes Fahren betreffen. Es sind auch andere Fahrerassistenzfunktionalitäten denkbar.
Verschiedene hierin offenbarte Beispiele erlauben es, die Fusion der verschiedenen Positionsdaten auf Grundlage eines Posen-Graphen durchzuführen. Der Posen-Graph kann optimiert werden, um die Position des Kraftfahrzeugs abzuschätzen.
Dabei werden für jeden von mehreren Zeitpunkten Odometrie-Positionsdaten eines Kraftfahrzeugs basierend auf der Ausgabe mindestens eines Odometrie-Positioniersystems ermittelt und weiterhin Absolut-Positionsdaten des Kraftfahrzeugs basierend auf einer Ausgabe mindestens eines Absolut-Positioniersystems ermittelt. Der Posen-Graph wird erzeugt, wobei Knoten des Posen-Graphen den Absolut-Positionsdaten entsprechen und wobei Kanten des Posen-Graphen den Odometrie-Positionsdaten entsprechen. Der Posen-Graph wird dann optimiert.
Hierin werden Techniken beschrieben, die es ermöglichen, den Posen-Graphen effizient und ohne Genauigkeitsverlust zu marginalisieren. Dabei wird ein zu optimierender Knoten durch einen Fixknoten ersetzt.
In 1 sind verschiedene Aspekte in Bezug auf einen Arbeitsablauf zur Positionsbestimmung mittels Sensorfusion illustriert. Es werden Roh-Absolut-Positionsdaten 105, 106 als Ausgaben von zwei Absolut-Positioniersystemen 101, 102 empfangen. Ferner werden Roh-Odometrie-Positionsdaten 115, 116 als Ausgaben von zwei Odometrie-Positioniersystemen 111, 112 empfangen. Zum Beispiel könnte ein Software-Modul 151 die entsprechenden Positionsdaten 105, 106, 115, 116 auf einem dedizierten Ausführungsstrang (engl. thread) empfangen. Ein Speicher (in 1 nicht gezeigt) kann die empfangenen Positionsdaten 105, 106, 115, 116 zwischenspeichern, bis sie verworfen werden.
Es ist dann möglich, in regelmäßigen, einstellbaren Zeitintervallen - das heißt mit einer Optimierungstaktrate - einen Konstruktionsprozess zum Erzeugen des Posen-Graphen durch eine Graphenverwaltung 152 anzustoßen. Dabei kann zum Beispiel der in einer vorangehenden Iteration der Optimierungstaktrate erzeugte Posen-Graph jeweils um neue Knoten und Kanten erweitert werden.
Der Posen-Graph kann in verschiedenen Szenarien Knoten aufweisen, die in festen Zeitabständen angeordnet sind. Entsprechend ist es möglich, dass mehrere Zeitpunkte, für die Knoten zu dem Posen-Graph hinzugefügt werden, basierend auf einer vorgegebenen Taktrate ermittelt werden. Für jeden der mehreren Zeitpunkte können dann entsprechende Odometrie-Positionsdaten und Absolut-Positionsdaten basierend auf den Roh-Odometrie-Positionsdaten und den Roh-Absolut-Positionsdaten ermittelt werden und jeweils mit zu optimierenden Kanten bzw. Knoten des Posen-Graphen assoziiert werden, z.B. in Form von Randbedingungen.
Z.B. kann die Optimierungstaktrate gleich oder ungleich der Taktrate der Knoten des Posen-Graphen sein.
Nachdem der Posen-Graph erzeugt wurde, kann die Optimierung durchgeführt werden. Dazu wird der erzeugte Posen-Graph an ein Backend 153 übergeben. Das Backend 153 führt dann die Optimierung aus. Als Ergebnis der Optimierung wird eine IST-Position des Kraftfahrzeugs erhalten.
Dabei kann in den verschiedenen hierin offenbarten Szenarien die IST-Position eine Vorhersage für einen zukünftigen Zeitpunkt sein, um Latenzzeiten aufgrund der Erzeugung des Posen-Graphen durch die Graphenverwaltung 152 und das Durchführen der Optimierung durch das Backend 153 zu kompensieren. Zum Beispiel wäre es möglich, dass die IST-Position eine Vorhersage der Position des Kraftfahrzeugs für den nächsten Takt der vorgegebenen Optimierungstaktrate ist.
Mittels solcher Techniken zur Positionsbestimmung auf Grundlage des Posen-Graphen ist es möglich, flexibel Positionsdaten 105, 106, 115, 116 zu berücksichtigen, die aus unterschiedlichsten Positioniersystemen 101, 102, 111, 112, 113 stammen, siehe 2. Dabei ist der konkrete Typ des verwendeten Positioniersystems 101, 102, 111-113 nicht wesentlich für die Funktionsweise der hierin beschriebenen Techniken zur Positionsbestimmung; es können unterschiedlichste Typen und Arten von Positioniersystemen 101, 102, 111-113 in den verschiedenen hierin offenbarten Szenarien verwendet werden.
Zum Beispiel können Satelliten-basierte Positioniersysteme zum Bereitstellen der Absolut-Positionsdaten 105, 106 verwendet werden; ein Beispiel ist das Global Positioning System (GPS). Zum Beispiel kann eine Erkennung von maschinenlesbaren Zeichen 101 als Positioniersystem zum Bereitstellen der Absolut-Positionsdaten 105, 106 verwendet werden. Zum Beispiel könnte eine Laser-basierte Abstandsmessung 111 (engl. Light detection and ranging, LIDAR) zum Bestimmen von Absolut-Positionsdaten 105, 106 und / oder Odometrie-Positionsdaten 115, 116 verwendet werden. Auch die visuelle Posenerkennung 112 kann basierend auf Unterschieden in sequentiell aufgenommenen Bildern, die eine Landmarke abbilden, die Odometrie-Positionsdaten 115, 116 bereitstellen. Informationen aus der Fahrwerk-Odometrie 113 können zum Bereitstellen der Odometrie-Positionsdaten 115, 116 verwendet werden; zum Beispiel können in diesem Zusammenhang ein Lenkwinkel und/oder eine Drehgeschwindigkeit der Räder berücksichtigt werden. Es könnten auch Beschleunigungssensoren zum Bereitstellen der Odometrie-Positionsdaten 115, 116 verwendet werden; zum Beispiel könnte ein elektronisches Stabilitätssystem (ESP) als Beschleunigungssensor verwendet werden.
Eine weitere Quelle für die Positionsdaten könnten car2car-Systeme sein: diese können entweder direkt die Position eines Fahrzeugs bestimmen oder eine indirekte Positionsbestimmung über die Position eines dritten Fahrzeugs ermöglichen, wobei dann die Relativpositionierung zum dritten Fahrzeug berücksichtigt werden kann.
Stereo- und/oder Monokameras können nicht nur zur Bereitstellung von Odometrie-Positionsdaten genutzt werden, sondern alternativ oder zusätzlich zur Bereitstellung von Absolut-Positionsdaten. Hierfür gibt es verschiedene Ansätze: es ist z.B. möglich, eine visuelle Karte einer Strecke zu erstellen und beim erneuten Durchfahren eine Lokalisierung in der Karte vorzunehmen.
Techniken der simultanen Lokalisierung und Kartenerstellung (engl. Simultaneous Localization and Mapping, SLAM) können auch als Quelle für Positionsdaten dienen. Z.B. können SLAM-Techniken Absolut-Positionsdaten in einem globalen Koordinatensystem bereitstellen oder alternativ oder zusätzlich Odometrie-Positionsdaten bereitstellen.
Weitere Beispiele für Positioniersysteme umfassen: Techniken basierend auf RFID-Markern. Techniken basierend auf WLAN-Netzen, die aktuell empfangen werden und / oder basierend auf einer Triangulation in einer bekannten WLAN-Netzwerke-Karte. Es können auch Mobilfunkmasten ausgelesen werden.
In den verschiedensten hierin beschriebenen Szenarien kann es jeweils auch möglich sein, durch Differenzbildung von zwei zeitsequentiellen Absolut-Positionsdaten Odometrie-Positionsdaten zu erzeugen.
Aus 2 ist ersichtlich, dass einerseits die Zeitintervalle 201, in welchen die verschiedenen Positioniersysteme 101, 102, 111-113 die zugehörigen Positionsdaten bereitstellen, verschieden voneinander sind. 2 stellt eine sogenannte Übergangssituation dar: die von LIDAR 111, der Erkennung von maschinenlesbaren Zeichen 101 und der visuellen Posenerkennung 112 bereitgestellten Positionsdaten 105, 106, 115, 116 brechen ab; dafür werden Positionsdaten des GPS-Systems 106 verfügbar. Eine entsprechende Situation kann sich zum Beispiel beim Verlassen eines Parkhauses ergeben. Dies bedeutet, dass zunächst die Absolut-Positionsdaten 105 aus der Erkennung maschinenlesbarer Zeichen 101 erhalten werden und nicht von dem GPS-System 106; anschließend werden die Absolut-Positionsdaten 106 von dem GPS-System 102 erhalten. In den verschiedenen hierin beschriebenen Szenarien kann also zwischen unterschiedlichen Quellen für die Positionsdaten 105, 106, 115, 116 umgeschaltet werden; dies bedeutet, dass in den verschiedenen hierin beschriebenen Szenarien zwischen den unterschiedlichen Positioniersysteme 101, 102, 111-113 umgeschaltet werden kann. Das Umschalten kann graduell erfolgen. Das Umschalten kann Situationsangepasst erfolgen. Das Umschalten kann unter Berücksichtigung von Übergangsphasen zwischen den verschiedenen Positioniersystemen erfolgen.
In 2 ist ferner illustriert, dass sich die Abtastraten 202, mit welchen die verschiedenen Positioniersysteme 101, 102, 111-113 die zugehörigen Roh-Positionsdaten bereitstellen, voneinander abweichen.
In verschiedenen Szenarien ist es auch möglich, dass die Abtastrate 202 eine Unterbrechung 203 aufweist, siehe 3. In 3 ist die Abtastrate 202 als Funktion der Zeit aufgetragen. In einen solchen Szenario ist es möglich, dass während der Unterbrechung 203 das entsprechende Positioniersystem 101, 102, 111-113 keine oder keine signifikanten Ausgaben bereitstellt. Eine Unterbrechung 203 kann insbesondere dann vorliegen, wenn wesentlich weniger Roh-Positionsdaten bereitstehen, als durch eine Taktrate, mit der Knoten in den Posen-Graph eingefügt werden, gefordert. Kurze Unterbrechungen 203 können kompensiert werden, beispielsweise durch Interpolation. Grundsätzlich ist es aber möglich, dass die Unterbrechung 203 vergleichsweise lang ist. Zum Beispiel kann die Unterbrechung 203 mehrere Abtastintervalle der Abtastrate 202 umfassen. In dem Szenario der 3 beträgt die Abtastrate 202 in etwa 1 Hz vor und nach der Unterbrechung 203. Dies bedeutet, dass ein Abtastintervall eine Länge von ca. 1 Sekunde aufweist. Die Unterbrechung 203 weist eine Zeitdauer von ca. 12 Sekunden auf, umfasst also mehr als 10 Abtastintervalle.
Grundsätzlich ist es auch möglich, dass die Abtastrate 202 - außerhalb einer Unterbrechung 203 - als Funktion der Zeit variiert. Zum Beispiel könnte je nach verfügbaren Signalqualität das Satelliten-basierte Positionssystem 106 eine höhere oder geringere Abtastrate 202 implementieren.
Nachfolgend werden Techniken beschrieben, um die IST-Position 190 des Kraftfahrzeugs durchgängig und zuverlässig mit einer hohen Genauigkeit zu bestimmen. Diese Techniken können auch in Übergangssituationen oder bei voneinander abweichenden bzw. mit Unterbrechungen 203 versehenen Abtastraten 201 zuverlässig und genau die IST-Position 190 bestimmen.
4 illustriert ein Steuergerät 120 welches zum Durchführen entsprechender Techniken eingerichtet ist. Das Steuergerät 120 umfasst eine Schnittstelle 121, welche mit den verschiedenen Positioniersystemen 101, 102, 111, 112 kommuniziert. Ferner umfasst das Steuergerät 120 einen Prozessor 123, der mit der Schnittstelle 121 und einem Speicher 124 gekoppelt ist. Zum Beispiel kann der Speicher 124 die verschiedenen Positionsdaten 105, 106, 115, 116 zwischenspeichern bzw. puffern. Der Prozessor 123 kann eingerichtet sein, um verschiedenste Techniken, die hierin im Zusammenhang mit dem Ermitteln der Odometrie-Positionsdaten und der Absolut-Positionsdaten auf Grundlage jeweils der Roh-Odometrie-Positionsdaten und der Roh-Absolut-Positionsdaten, dem Erzeugen des Posen-Graphen und dem Optimieren des Posen-Graphen, sowie dem Steuern der Fahrerassistenzfunktionalität beschrieben sind, durchzuführen. Zum Steuern der Fahrerassistenzfunktionalität 129 umfasst das Steuergerät 120 eine weitere Schnittstelle 122. Die verschiedenen Schnittstellen 121, 122 können eingerichtet sein, um zum Beispiel über ein Bus-System des Kraftfahrzeugs mit den verschiedenen Einheiten zu kommunizieren. Es sind auch direkte Datenverbindungen möglich.
Zum Beispiel können in dem Speicher 124 Steuerdaten hinterlegt sein, die von dem Prozessor 123 ausgeführt werden können. Ausführen der Steuerdaten durch den Prozessor 123 kann bewirken, dass der Prozessor 123 ein Verfahren ausführt, wie es im Zusammenhang mit dem Flussdiagramm der 5 illustriert ist.
Zunächst wird in Schritt 1 überprüft, ob die nächste Iteration für das Erzeugen und Optimieren eines Posen-Graphen durchgeführt werden soll; dafür kann eine vorgegebene Optimierungstaktrate berücksichtigt werden. Für jede Iteration wird eine IST-Position 190 erhalten.
Optional kann in allen hierin beschriebenen Beispielen für jede Iteration auch eine IST-Odometrie erhalten werden. Z.B. kann es möglich sein, die IST-Odometrie auf Grundlage der beiden letzten Optimierungsknoten zu berechnen, d.h., unter Berücksichtigen der zurückgelegten Strecke und der erfolgten Drehung. Daraus kann z.B. auf die Geschwindigkeit und die Drehrate zurückgeschlossen werden.
Wenn die nächste Iteration durchgeführt werden soll, werden in Schritt 2 zunächst für mehrere Zeitpunkte Absolut-Positionsdaten auf Grundlage von Roh-Absolut-Positionsdaten 105, 106 ermittelt. Dies ist in 6 illustriert. In 6 ist der Posen-Graph 661 lediglich in Bezug auf Knoten 671 illustriert. Der Posen-Graph 661 ist in 6 im zweidimensionalen xy-Ortsraum dargestellt. Der Posen-Graph 661 umfasst Optimierungsknoten 671 zu den Zeitpunkten t.1, t.3, t.5, t.8 und t.11. Die Zeitpunkte t.1, t.3, t.5, t.8 und t.11 weisen einen festen Zeitabstand zueinander auf und sind entsprechend einer Taktrate bestimmt.
In den verschiedenen hierin offenbarten Szenarien können unterschiedlichste Taktraten berücksichtigt werden. Zum Beispiel kann die Taktrate im Bereich von 1 Hz bis 1000 Hz liegen, bevorzugt im Bereich von 10 Hz bis 100 Hz, besonders bevorzugt im Bereich von 25 Hz bis 50 Hz. Derart kann die IST-Position zügig und mit einer hinreichend hohen Zuverlässigkeit bestimmt werden.
In den verschiedenen hierin offenbarten Szenarien ist es möglich, dass die Taktrate veränderlich ist und flexibel bestimmt wird. Zum Beispiel kann eine höhere Taktrate einer größeren Anzahl von Knoten 671 entsprechen, sodass wiederum die Optimierungszeitdauer zunimmt; deshalb kann es erstrebenswert sein, in Abhängigkeit von einem Überwachen der Optimierungszeitdauer die Taktrate zu bestimmen. Derart kann eine bestimmte Optimierungstaktrate auch für rechenintensive Posen-Graphen 661 gewährleistet werden.
Die Knoten 671 entsprechen den Absolut-Positionsdaten 605, 606 (in 6 mit gestricheltgefüllten Kreisen und Quadraten dargestellt). Die Absolut-Positionsdaten 605, 606 bilden insbesondere Randbedingungen für die Knoten 671. Die Absolut-Positionsdaten 605, 606 werden basierend auf den Roh-Absolut-Positionsdaten 105, 106 bestimmt. Dabei werden die Roh-Absolut-Positionsdaten 105, 106 mit Abtastraten erhalten, die sich von der Taktrate unterscheiden; z.B. werden Roh-Absolut-Positionsdaten 105, 106 zu den Zeitpunkten t.2, t.4, t.4a, t.6, t.7, t.9, t.10 und t.12 erhalten. Die Roh-Absolut-Positionsdaten 105, 106 weisen entsprechende Zeitstempel auf. Deshalb werden die Roh-Absolut-Positionsdaten 105, 106 zum Erhalten der Absolut-Positionsdaten 605, 606 interpoliert (in 6 durch die durchgezogenen Linien 662 dargestellt). Zum Beispiel werden die Roh-Absolut-Positionsdaten 105 zu den Zeitpunkten t.2 und t.4 zum Erhalten der Absolut-Positionsdaten 605 zum Zeitpunkt t.3 interpoliert. Die Interpolation stellt also eine Schätzung dar, wo das entsprechende Positioniersystem zum Zeitpunkt t.3 das Kraftfahrzeug vermutet hätte.
Alle Zeitpunkte t.1-t.13 liegen innerhalb des Zeitfensters [t0-T; t0], wobei t0 die IST-Zeit darstellt. T bezeichnet eine Zeitdifferenz. Roh-Absolut-Positionsdaten 105, 106, die nicht innerhalb dieses Zeitfensters liegen, werden verworfen, d.h. nicht in den Posen-Graph 661 übernommen und z.B. aus dem Speicher gelöscht. Dadurch kann die Menge der Knoten 671 des Posen-Graphen 661 begrenzt werden; dadurch wird die zum Optimieren benötigte Zeitdauer reduziert. Gleichzeitig wird die jüngere Vergangenheit der Posen des Kraftfahrzeugs berücksichtigt, so dass die Zuverlässigkeit, mit der die IST-Position 190 abgeschätzt werden kann, vergleichsweise hoch ist.
In manchen Szenarien kann es vorkommen dass z.B. Odometrie-Positioniersysteme, die Ausgaben mit einer vergleichsweise sehr hohen Abtastrate bereitstellen, Messungen durchführen, die gegenüber dem Zeithorizont t0 in der Zukunft liegen. Dies kann aufgrund einer internen Vorhersage des Odometrie-Positioniersystems vorkommen. Es ist möglich, entsprechende Roh-Odometrie-Positionsdaten beim Erzeugen des Posen-Graphen 661 zu berücksichtigen.
Ferner werden die Roh-Absolut-Positionsdaten 105, 106 basierend auf einer Datendichte der Roh-Absolut-Positionsdaten 105, 106 im Zeitraum und basierend auf der Taktrate selektiv verworfen. Zum Beispiel sind im Zeitbereich t.1-t.6 nur sehr wenige Roh-Absolut-Positionsdaten 106 vorhanden - insbesondere im Vergleich zur Taktrate. Deshalb wären denn die Roh-Absolut-Positionsdaten 106 zum Zeitpunkt t.4a verworfen und beim Erzeugen des Posen-Graphen 661 nicht als Randbedingung z.B. für die Knoten 671 zu den Zeitpunkten t.3 oder t.5 berücksichtigt.
In anderen Beispielen können auch die Positionsdaten 106 zum Zeitpunkt t.4a zunächst im Speicher gepuffert verbleiben, aber nicht für das Erzeugen des Posen-Graphen 661 in der gegenwärtigen Iteration berücksichtigt werden. Das Löschen aus dem Speicher kann in einer späteren Iteration erfolgen, sofern keine nicht-zeitsequentiellen Positionsdaten 106 mehr erhalten werden.
In verschiedenen weiteren Szenarien wäre es zum Beispiel möglich, dass das selektive Verwerfen der verschiedenen Roh-Absolut-Positionsdaten 105, 106 auf der vorgegebenen Optimierungstaktrate basiert; zum Beispiel könnte für höhere (niedrigere) Optimierungstaktrate und eine größere (kleinere) Anzahl von Roh-Absolut-Positionsdaten 105, 106 verworfen werden.
Wieder Bezug nehmend auf 5, werden in Schritt 3 Odometrie-Positionsdaten ermittelt. Entsprechende Aspekte sind in Bezug auf 7 illustriert. In 7 sind die aus den Roh-Absolut-Positionsdaten 105, 106 ermittelten Knoten 671 dargestellt, die den Absolut-Positionsdaten 605, 606 entsprechen (wobei in 7 aus Gründen der Übersichtlichkeit die Randbedingungen nicht illustriert sind). Ferner sind in 7 Roh-Odometrie-Positionsdaten 115 dargestellt, die mit einer vergleichsweise hohen Abtastrate erhalten werden; die Abtastrate ist größer als die Taktrate. In verschiedenen beispielhaften Szenarien kann es erforderlich sein, die Roh-Odometrie-Positionsdaten 115 vor dem Einfügen in den Posen-Graph 661 durch eine Koordinaten-Rotation in das Koordinatensystem des Posen-Graph 661 zu überführen (in 7 nicht gezeigt). Die Roh-Odometrie-Positionsdaten 115 werden wiederum durch Interpolation in Odometrie-Positionsdaten 615, die den Kanten 672 des Posen-Graphen 661 entsprechen, überführt.
Entsprechende Techniken, die obenstehend in Bezug auf das Verwerfen von Roh-Absolut-Positionsdaten 105, 106 offenbart sind, können auch auf die Roh-Odometrie-Positionsdaten 115, 116 angewendet werden.
Wieder Bezug nehmend auf 5, wird anschließend in Schritt 4 der Posen-Graph 661, d.h. die Knoten 671 und Kanten 672, auf Grundlage der in Schritten 2 und 3 erzeugten Positionsdaten 105, 106, 115, 116 erzeugt. Dazu werden die zu optimierenden Knoten 671 in gemäß der vorgegeben Taktrate bestimmten, zeitlich festen Abständen eingefügt.
In 8 ist der zu optimierende Posen-Graph 661 dargestellt; insbesondere ist in Bezug auf die Knoten 661 durch die Verbindung zwischen den schematisch illustrierten Absolut-Positionsdaten 605 und den Optimierungsknoten 671 der Aspekt der Randbedingung grafisch illustriert. Ziel der Optimierung ist es, unter Berücksichtigung der Randbedingungen eine entsprechende Fehlerfunktion global zu minimieren. Die Kanten 672 bilden auch Randbedingungen für die Optimierung der Knoten 671. Der Graph 661 wird zur Optimierung an das Backend 153 übergeben.
Wieder Bezug nehmend auf 5: anschließend wird in Schritt 5 der Posen-Graph 661 optimiert. Dann kann angenommen werden, dass der optimierte Posen-Graph 661 einen bestmöglichen Kompromiss aus den verschiedenen Positionsdaten 105, 106, 115, 116 der zu fusionierenden Positioniersysteme 101, 102, 111-113 darstellt.
In 9 sind Aspekte des optimierten Posen-Graph 661 dargestellt. In 9 sind die nunmehr optimierten Knoten 671 dargestellt, sowie die abgeschätzt IST-Position 190 des Kraftfahrzeugs. Aus 9 ist ersichtlich, dass die IST-Position 190 für den zukünftigen Zeitpunkt t.13 vorhergesagt wird (in 9 durch die gepunktete Linie illustriert). Dadurch kann eine Latenzzeit für das Optimieren des Posen-Graphen 661 kompensiert werden. Durch die Vorhersage der IST-Position 190 kann erreicht werden, dass zu Beginn einer nächsten Iteration gemäß Schritt 1 der 5 bereits eine aktuelle Abschätzung der Position 190 vorliegt.
Zur Vorhersage der IST-Position 190 kann in verschiedenen Beispielen eine Interpolation der letzten beiden optimierten Knoten 671 erfolgen. Daraus kann eine Eigenbewegung des Kraftfahrzeugs bestimmt werden und optional ausgegeben werden. Unter der Annahme, dass sich das Kraftfahrzeug in naher Zukunft genauso verhält, wie in der letzten bekannten Vergangenheit, wird diese Eigenbewegung an den jüngsten optimierten Knoten 671 per Vektoraddition angehangen.
Die IST-Position 190 wird mit einer bestimmten Genauigkeit bestimmt, welche invers proportional zu einer Zuverlässigkeit 191 (in 9 mittels der Fehlerbalken illustriert) ist. Die Zuverlässigkeit 191 kann auch zum Steuern der Fahrerassistenzfunktionalität 129 berücksichtigt werden.
10 illustriert einen Posen-Graphen 661, der mittels der voranstehend beschriebenen Techniken bestimmt werden kann. Der Posen-Graph 661 weist mehrere Knoten 671 auf, die in einem festen zeitlichen Abstand zueinander an den Zeitpunkten t.1, t.2 und t.3 angeordnet sind.
Den verschiedenen Knoten 671 sind jeweils Absolut-Positionsdaten 605, 606 zugeordnet; diese Zuordnung kann in Form von Randbedingungen erfolgen (in 10 durch die vertikalen Kanten des Posen-Graphen 661 dargestellt). Die Absolut-Positionsdaten 605, 606 entsprechen dabei Fixknoten, da ihre Position im Rahmen der Optimierung des Posen-Graphen 661 nicht verändert wird. Dabei können Techniken der Interpolation angewendet werden; Roh-Absolut-Positionsdaten 105, 106 können auf die Absolut-Positionsdaten 605, 606 abgebildet werden, die an den Zeitpunkten t.1, t.2 und t.3 angeordnet sind, die den zu optimierenden Knoten 671 entsprechen. Anschließend können die Kanten 672 des Posen-Graphen 661 erzeugt werden, z.B. basierend auf den Odometrie-Positionsdaten 615.
11 illustriert Aspekte in Bezug auf eine Systemmatrix 901. Die Systemmatrix 901, H ist die diejenige Matrix, die während der Optimierung invertiert wird, zum Beispiel mittels eines Gauss-Newton-Verfahrens oder eines Levenberg-Marquardt-Verfahrens. Dies kann dem Lösen folgender Gleichung entsprechen: $H Δ x = - b$
wobei Δx den Aktualisierungsvektor und b den Koeffizientenvektor bezeichnet. Typischerweise wird die Lösung der Gleichung 1 durch Invertieren schneller, wenn die Systemmatrix 901 dünn besetzt ist.
Die Systemmatrix 901 umfasst Diagonaleinträge 902, welche von den Absolut-Positionsdaten 605, 606 und den Odometrie-Positionsdaten 615 jeweils als Randbedingungen beeinflusst werden. Die Nicht-Diagonaleinträge 903 werden nur von den Odometrie-Positionsdaten 615 als Randbedingungen beeinflusst.
Sofern neue Knoten 671 jeweils dann eingefügt werden, wenn neue Absolut-Positionsdaten 605, 606 und/oder neue Odometrie-Positionsdaten 615 verfügbar sind, resultiert eine verzweigter Struktur des Posen-Graphen 661 und damit auch eine verzweigter Struktur der Systemmatrix 901. Deshalb ist es in verschiedenen Ausführungsformen erstrebenswert, von Zeit zu Zeit eine Marginalisierung des Posen-Graphen 661 durchzuführen.
Im Folgenden werden Techniken zur Marginalisierung im Detail beschrieben. Es wird ferner dargelegt, dass ein Fixknoten als Ersatz für einen ausgewählten bisherigen Knoten verwendet werden kann. Der Fixknoten kann die gleiche Information beinhalten wie das Schur-Komplement. Gleichzeitig kann ein solcher Fixknoten den Vorteil aufweisen, dass dieser Fixknoten explizit im Design des Posen-Graphen 661 wieder gefunden werden kann und dadurch gezielt manipuliert werden kann.
Herkömmlicherweise wird das Schur-Komplement auf die Gleichung 1 angewendet, um Zustandsvariablen aus dem Optimierungsproblem zu entfernen. Im Posen-Graphen 661 entspricht diese Operation dem Entfernen von Knoten 671. Durch das Schur-Komplement ist sichergestellt, dass vor und nach der Anwendung die restlichen Knoten 671 den gleichen Schätzwert behalten. Würde man die Zustandsvariablen einfach löschen, hätte man einen anderen Schätzwert; dies bedeutet, dass das einfache Entfernen eines Knoten 671 die Abschätzung für die Position des Fahrzeugs verfälschen würde. Der Zustandsvektor besteht in einem Zeitfenster-Verfahren aus m Zustandsvariablen. Es wird nachfolgend gezeigt, wie man einen einzelnen Knoten 671/eine einzelne Zustandsvariable marginalisieren kann. Sofern mehrere Knoten 671/Zustandsvariablen marginalisiert werden sollen, ist es möglich, solche Techniken mehrfach hintereinander anzuwenden.
Nachfolgend wird eine beispielhafte Herleitung einer Möglichkeit, den Fixknoten zu bestimmen, beschrieben. Diese ist rein beispielhaft. Es sind auch andere Techniken zum Bestimmen des Fixknotens möglich. Es ist nützlich, für die Herleitung zunächst mit einem Posen-Graphen 661 zu beginnen, der lediglich zwei Knoten 671 und mehrere Randbedingungen aufgrund von Odometrie-Positionsdaten 615 und Absolut-Positionsdaten 605, 606 aufweist. Eine solche Situation ist in 12 dargestellt. In dem Beispiel der 12 wird ein Knoten 971 (zum Beispiel in 13 mit x_a bezeichnet) ignoriert, vergleiche 12 und 13. Dies wird getan, um zu sehen, wie die verschiedenen Knoten 671, 971 sich auf die Systemmatrix 901 auswirken. Im resultierenden Posen-Graphen 661 $G^{small}$
für 12, in dem die übrigen Knoten 671, x_b, x_c miteinander verbunden sind und die zusätzliche Randbedingungen 605, 606, 615 aufweisen, ist die zugehörige Optimierungsgleichung: $[\begin{matrix} H_{b b}^{small} & H_{b c}^{small} \\ H_{c b}^{small} & H_{c c}^{small} \end{matrix}] Δ x^{s m a l l} = - [\begin{array}{l} b_{b}^{small} \\ b_{c}^{small} \end{array}] .$
Wenn der zusätzliche Knoten 971, x_a berücksichtigt wird, verändert sich die Struktur des Posen-Graphen (vergleiche 13), als auch die Struktur der Systemmatrix 901. Sei zusätzlich x_a mit mehreren globalen Fixknoten x _i verbunden, die Absolut-Positionsdaten 605 entsprechen, die die Informationsmatrizen Ω^̅ _i besitzen, sodass Ω^̅ = ^-∑_iΩ̅_i.
Außerdem soll es eine oder mehrere Kanten 672 zwischen X_a und X_b mit den Informationsmatrizen ${\hat{Ω}}_{a, b}^{j}$
geben, so dass $\hat{Ω} = \sum_{j} {\hat{Ω}}_{a, b}^{j} .$
Der resultierende Posen-Graph 661 $G^{full}$
für das Beispiel der 13 wird definiert durch die Systemmatrix 901: $H^{full} = [\begin{matrix} H_{a a}^{full} & H_{a b}^{full} \\ H_{b a}^{full} & H_{b b}^{full} & H_{b c}^{full} \\ H_{c b}^{full} & H_{c c}^{full} \end{matrix}] = [\begin{matrix} \bar{Ω} + \hat{Ω} & - \hat{Ω} \\ - \hat{Ω} & H_{b b}^{small} + \hat{Ω} & H_{b c}^{small} \\ H_{c b}^{small} & H_{c c}^{small} \end{matrix}]$
und dem Koeffizientenvektor $b^{f u l l} = [\begin{array}{l} b_{a}^{full} \\ b_{b}^{full} \\ b_{c}^{full} \end{array}] = [\begin{matrix} \sum_{i} {\bar{Ω}}^{i} e_{\bar{i}, a} + \sum_{j} {\hat{Ω}}_{a, b}^{j} e_{a, b} \\ b_{b}^{small} + \sum_{j} - {\hat{Ω}}_{a, b}^{j} e_{a, b} \\ b_{c}^{small} \end{matrix}],$
wobei e_i̅,a der Fehler ist zwischen den Fixknoten x̅_i für die Absolut-Positionsdaten 605, 606 und dem zu optimierenden Knoten 971 X_a. Der Einfachheit halber werden alle Randbedingungen aufgrund von Odometrie-Positionsdaten 615 abgekürzt mit $b^{rel} = \sum_{j} {\hat{Ω}}_{a, b}^{j} e_{a, b} .$
Der herkömmliche Weg, um den Knoten 971, X_a „weg zu marginalisieren“, ist es, das Schur-Komplement auf H^full und b^full zu berechnen. Dies führt zu der marginalisierten Systemmatrix 901 H^marg, welche identisch ist zu H^small außer dass der linke obere Block sich ändert zu $H_{b b}^{marg} = H_{b b}^{small} + \hat{Ω} - \hat{Ω} {(\bar{Ω} + \hat{Ω})}^{- 1} \hat{Ω}$
Der dazugehörige marginalisierte Koeffizientenvektor ist gegeben durch $b^{marg} = [\begin{array}{l} b_{b}^{full} + \hat{Ω} {(\bar{Ω} + \hat{Ω})}^{- 1} b_{a}^{full} \\ b_{c}^{small} \end{array}] .$
Das bisherige Teilergebnis gibt vor, wie die Systemmatrix 901 nach der Marginalisierung aussehen kann. Dies wird benutzt, um den Fixknoten 972 (cf. 14) herzuleiten.
In einem solchen Fall kann der Fixknoten 972 das Schur-Komplement 972 des Knotens 971 darstellen.
Nachfolgend wird eine Gleichung hergeleitet, mit der die Pose und die Unsicherheit des Fixknotens 972, x̅_p berechnet werden kann, um ihn in den Posen-Graphen 661 anstelle des Knotens 971, X_a einzufügen. Wenn entweder Knoten 971, X_a nicht mit mindestens einem Fixknoten, der Absolut-Positionsdaten 605, 606 entspricht, oder wenn Knoten 971, X_a nicht über eine Kante 672 mit dem benachbarten Knoten 671, X_b verbunden ist, beeinflusst Knoten 971, X _a den Knoten 671, X_b nicht. In diesem Fall muss kein Fixknoten 972 berechnet werden, da auch die Marginalisierung äquivalent dazu ist, dass der Knoten 971 einfach gelöscht wird. Im Allgemeinen Fall jedoch ist dies nicht der Fall.
Als erstes wird der Knoten 971, X_a und alle zugehörigen Fixknoten, die Absolut-Positionsdaten 605, 606 entsprechen, und alle Kanten 672 zwischen dem Knoten 971, X_a und dem Knoten 671, X_b, entfernt. Wird nun der Fixknoten 972, x̅_p mit der Informationsmatrix Ω^̅ _p zu dem Knoten 671, X_b, verbunden, wird der Graph $G^{prior}$
erhalten (siehe 14). Der vorangestellte Fixknoten 972, X_p führt zu einem zusätzlichen Summanden in der Systemmatrix H^prior von $G^{p r i o r} :$
. $H^{prior} = [\begin{matrix} H_{b b}^{small} + {\bar{Ω}}_{p} & H_{b c}^{small} \\ H_{c b}^{small} & H_{c c}^{small} \end{matrix}] .$
Nun wid gezeigt, dass die Wahl von ${\bar{Ω}}_{p}^{- 1} = {\hat{Ω}}^{- 1} + {\hat{Ω}}^{- 1}$
äquivalent ist zum Anbringen des Schur-Komplements bezüglich der resultierenden Unsicherheit. Es wird Äquivalenz zwischen den oberen linken Blöcken von H^marg und H^prior gefordert: $\begin{array}{r} \hat{Ω} - \hat{Ω} {(\bar{Ω} + \hat{Ω})}^{- 1} \hat{Ω} \\ \Leftrightarrow \hat{Ω} - \hat{Ω} {(\bar{Ω} + \hat{Ω})}^{- 1} \hat{Ω} \\ \Leftrightarrow \hat{Ω} {(\hat{Ω} + \bar{Ω})}^{- 1} (\hat{Ω} + \bar{Ω}) \\ \Leftrightarrow \hat{Ω} \end{array} \begin{array}{l} = & {({\hat{Ω}}^{- 1} + {\bar{Ω}}^{- 1})}^{- 1} \hat{Ω} \\ = & \bar{Ω} {(\hat{Ω} + \bar{Ω})}^{- 1} \hat{Ω} \\ = & \hat{Ω} \\ = & \hat{Ω} . \end{array}$
Diese Herleitung zeigt, dass die obige Wahl für Ω^̅ _p unsere Anforderungen erfüllt. Die nächste Frage ist, mit welcher Posenschätzung bzw. Position der Fixknoten 972, x̅_p initialisiert wird.
Nun wird die Position x̅_p des Fixknotens 972, x̅_p so festlegt, dass alle Knoten 671 nach der Marginalisierung noch auf die selben Positionen wie vorher geschätzt werden. Dafür wird Gleichheit zwischen b^marg und b^prior gefordert. Eine genauere Analyse von b^marg zeigt $b^{marg} = [\begin{array}{l} b_{b}^{small} + b^{rel} + \hat{Ω} {(\bar{Ω} + \hat{Ω})}^{- 1} b_{a}^{full} \\ b_{c}^{small} \end{array}] .$
Das Hinzufügen eines Fixknotens 972, x̅_p mit der Posenschätzung x̅_p und Unsicherheit Ω^̅ _p ^-1 =Ω^̅-1+ Ω^̂-1 resultiert in $b^{prior} = [\begin{array}{l} b_{b}^{small} + {\bar{Ω}}_{p} (x_{b} - {\bar{x}}_{p}) \\ b_{c}^{small} \end{array}] .$
Fordern von Gleichheit zwischen b^marg und b^prior lasst uns nach x̅_p auflösen: ${\bar{x}}_{p} = x_{b} - {\bar{Ω}}_{p}^{- 1} [b_{b}^{marg} - b_{b}^{small}] .$
Dies ist die analytische Lösung für x̅_p . Damit kann der Fixknoten 972, x̅_p konstruiert werden, nämlich seine Unsicherheit und seine Position. Das Anfügen des Fixknotens 972 mit dieser Position und Unsicherheit an den Posen-Graphen 661 führt zu den gleichen Effekten wie das Anwenden der Marginalisierung mit Hilfe des Schur-Komplements.
Die nach Gleichung 11 berechnete Position des Fixknotens 972 kann im Allgemeinen abweichen von der Position des gelöschten Knotens 971.
Da der Fixknoten 972 transparent in dem Posen-Graphen 661 hinterlegt ist, kann es möglich sein, vor dem erneuten Durchführen einer Optimierung verschiedener Eigenschaften des Fixknotens 972 zu verändern. Zum Beispiel wäre es möglich, die Verlustfunktion der Kante 973 und/oder die Unsicherheit des Fixknotens 972 anzupassen. Beispiele für Verlustfunktionen umfassen: Huber-Loss-Funktion und m-Estimator. Eine derartige Anpassung kann es ermöglichen, besonders genaue Ergebnisse der Sensorfusion zu erzielen. Zum Beispiel kann die Optimierung den Fixknoten 972 umso stärker berücksichtigen, je geringer dessen Unsicherheit ist. Generell kann das Ortungsresultat nach Optimierung des Fixknotens 972 näher an solchen Quellen liegen, die eine geringere Unsicherheit aufweisen. Die Verlustfunktion ist eine Technik, die es ermöglicht, die Unsicherheit zu verändern. Basierend darauf, wie gut bestimmte Positionsdaten zu weiteren Positionsdaten passen, kann die Unsicherheit skaliert werden.
Eine Verlustfunktion ist lediglich eine beispielhafte Möglichkeit, um die Unsicherheit zu skalieren. Weitere Techniken, um dies Unsicherheit zu bestimmen, umfassen zum Beispiel Karten-basierte Techniken: dabei kann das Vorwissen über eine Position, das durch den Fixknoten 972 ausgedrückt wird, in eine Straßenkarte eingezeichnet werden. Es kann dann analysiert werden, wie gut dieses Vorwissen zu der Karte passt. Liegt der Fixknoten 972 beispielsweise neben der Straße, zum Beispiel in einem See, dann wäre die Unsicherheit dieses Fixknotens 972 stark erhöht. Dies ist der Fall, da die entsprechende Position unplausibel ist. Anders wäre die Unsicherheit einzuschätzen, wenn die Position des Fixknotens 972 auf einem Fahrstreifen liegt und dieser Fahrstreifen einer Straße zugeordnet ist, die in der Vergangenheit befahren wurde. Dann wäre zum Beispiel die Unsicherheit nicht zu erhöhen. Es ist also möglich, die Unsicherheit unter Berücksichtigung von Expertenwissen und/oder Kontextwissen anzupassen.
Aus Obenstehendem ist ersichtlich, dass der Posen-Graph 661 in Bezug auf den Knoten 971 durch Bestimmen des Fixknotens 972 marginalisiert werden kann. In dem Beispiel, welches in Bezug auf die 12-14 beschrieben wurde, wurde dabei der Knoten 971 ausgewählt, der dem ältesten Zeitpunkt t.1 entspricht. In anderen Fällen könnte jedoch auch ein anderer Knoten 671, 971 ausgewählt werden.
Dabei können die Techniken, die obenstehend mit Bezug auf die 12-14 beschrieben wurden, wiederholt nacheinander ausgeführt werden, um weitere Knoten 671 zu entfernen. Zum Beispiel ist in Bezug auf 15 ein Szenario dargestellt, bei dem der Knoten 671, x_b ausgewählt und entfernt wurde und dafür ein weiterer Fixknoten 972 zum Posen-Graphen 661 hinzugefügt wurde.
16 ist ein Flussdiagramm eines Verfahrens gemäß verschiedener Ausführungsformen. Zunächst erfolgt in Schritt 1001 das Erzeugen eines Posen-Graphen 661. Insbesondere kann in Schritt 1001 ein Posen-Graph 661 mit Ketten-Struktur erzeugt werden, wie oben stehend beschrieben.
Dann erfolgt in Schritt 1002 das Optimieren des Posen-Graphen 661. Dabei kann die Position der Knoten 671 verändert werden. Das Optimieren berücksichtigt Randbedingungen, die durch die Kanten 672 bzw. die Fixknoten, die den Absolut-Positionsdaten 605, 606 entsprechen. Beim Optimieren wird die Pose von Fixknoten nicht verändert.
Anschließend wird in Schritt 1003 überprüft, ob zwischenzeitlich weitere Positionsdaten 605, 606, 615 verfügbar geworden sind. Dabei kann zum Beispiel eine zwischenzeitliche Abtastrate, mit der die Position ihrer Systeme 101, 102, 111, 112 Roh-Positionsdaten 105, 106, 115, 116 bereitstellen, berücksichtigt werden.
Sind neue Positionsdaten 605, 606, 615 verfügbar, wird ein neuer Knoten 671 und/oder eine neue Kante 672 zu dem Posen-Graphen 661 hinzugefügt, siehe Schritt 1004.
Dann wird in Schritt 1005 überprüft, ob eine Marginalisierung des Posen-Graphen 661 durchgeführt werden soll. Zum Beispiel kann in Schritt 1005 eine Anzahl der Knoten 671 des Posen-Graphen 661 berücksichtigt werden. Überschreitet zum Beispiel die Anzahl einen vorgegebenen Schwellenwert, so kann die Marginalisierung durchgeführt werden.
Wird in Schritt 1005 bestimmt, dass die Marginalisierung nicht durchgeführt werden soll, so werden Schritte 1002-1004 erneut durchgeführt. Andernfalls wird Schritt 1006 durchgeführt. In Schritt 1006 wird der Fixknoten 972 für einen ausgewählten Knoten 971 bestimmt und der ausgewählte Knoten 971 wird aus dem Posen-Graphen 661 entfernt. Der Fixknoten 972 wird dem Posen-Graphen 661 hinzugefügt. Dann wird das Optimieren in Schritt 1002 erneut durchgeführt, wobei die Pose des Fixknotens 972 im Rahmen der Optimierung nicht verändert wird.
Der Fixknoten 972 kann z.B. basierend auf Elementen bestimmt werden, die aus folgender Gruppe ausgewählt sind: die Position des ausgewählten Knotens 971; mindestens eine Kante 672, die mit dem ausgewählten Knoten verbunden ist; Absolut-Positionsdaten 605, 606, die dem ausgewählten Knoten 971 entsprechen und; Optimierungs-Knoten, mit denen der ausgewählte Knoten 971 direkt verbunden ist (sh. Gleichung 11). Gl. 11 enthält die Terme $b_{b}^{m a r g} u n d b_{b}^{s m a l l}$
Der erstere wiederum beinhaltet b^relI, der aus den Nebenbedingungen der Odometriekanten, die mit dem zu marginalisierenden Knoten verbunden sind, gewonnen wurden. Außerdem enthält er $b_{a}^{f u l l}$
der aus den Fixknoten und den Odometriekanten, die mit dem zu entfernenden Knoten verbunden sind, gewonnen wurde. Es wäre auch möglich, dass der Fixknoten 972 basierend auf einem weiteren Fixknoten, der über eine Kante 973 mit dem ausgewählten Knoten 971 verbunden ist, bestimmt wird (vgl. 14 und 15).
Selbstverständlich können die Merkmale der vorab beschriebenen Ausführungsformen und Aspekte der Erfindung miteinander kombiniert werden. Insbesondere können die Merkmale nicht nur in den beschriebenen Kombinationen, sondern auch in anderen Kombinationen oder für sich genommen verwendet werden, ohne das Gebiet der Erfindung zu verlassen.
Z.B. wurden voranstehend verschiedenste Beispiele in Bezug auf das Erhalten der geschätzten Position aus dem Optimieren des Posen-Graphen beschrieben. Alternativ oder zusätzlich kann es möglich sein, eine geschätzte Orientierung bzw. Odometrie des Kraftfahrzeugs aus dem Optimieren des Posen-Graphen zu erhalten und z.B. im Rahmen des Steuerns der Fahrerassistenzfunktionalität zu berücksichtigen.
Z.B. wurden voranstehend verschiedenste Beispiele in Bezug auf das Steuern einer Fahrerassistenzfunktionalität für autonomes Fahren beschrieben. Alternativ oder zusätzlich können auch andere Fahrerassistenzfunktionalitäten gesteuert werden, z.B. teil- oder hochautomatisierte Fahrtlösungen, etc.
Bezugszeichenliste

t.1 - t.13: Zeitpunkt
1 - 5: Schritt
101: Absolut-Positioniersystem
102: Absolut-Positioniersystem
111: Odometrie-Positioniersystem
112: Odometrie-Positioniersystem
113: Odometrie-Positioniersystem
121: Schnittstelle
122: Schnittstelle
123: Prozessor
124: Speicher
129: Fahrerassistenz
151: Ortungsfusion
152: Graphenverwaltung
153: Backend, Optimierung
190: Ist-Position
191: Zuverlässigkeit
201: Zeitintervall
202: Abtastrate
203: Unterbrechung
105, 106: Roh-Absolut-Positionsdaten
115, 116: Roh-Odometrie-Positionsdaten
615: Odometrie-Positionsdaten
661: Posen-Graph
662: Interpolation
671: Knoten
672: Kanten
605, 606: Absolut-Positionsdaten
901: Systemmatrix
902, 903: Einträge der Systemmatrix
971: Ausgewählter Knoten
972: Fixknoten
973: Kante
1001-1006: Schritt

Claims

Verfahren zum Marginalisieren eines Posen-Graphen (661), das umfasst: - für jeden von mehreren Zeitpunkten (t.1 - t.12): jeweils Ermitteln von Odometrie-Positionsdaten (615) einer beweglichen Maschine basierend auf einer Ausgabe mindestens eines Odometrie-Positioniersystems (111, 112), - für jeden der mehreren Zeitpunkte (t.1 - t.12): jeweils Ermitteln von Absolut-Positionsdaten (605, 606) der Maschine basierend auf einer Ausgabe mindestens eines Absolut-Positioniersystems (101, 102), - Erzeugen (152) des Posen-Graphen (661) mit Kanten (672), die den Odometrie-Positionsdaten (615) entsprechen, und mit Knoten (671, 971), die den Absolut-Positionsdaten (605, 606) entsprechen, - Optimieren (153, 1002) des Posen-Graphen (661) zum Erhalten einer geschätzten Position (190) der Maschine, dadurch gekennzeichnet, dass das Verfahren weiterhin umfasst: - nach dem Optimieren (153, 1002): Auswählen eines Knotens (971) des Posen-Graphen (661), - für den ausgewählten Knoten (971): Bestimmen eines Fixknotens (972) des Posen-Graphen (661), - Entfernen des ausgewählten Knotens (971) aus dem Posen-Graph (661) und Ersetzen des ausgewählten Knotens (971) durch den Fixknoten (972).
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass der Fixknoten (972) basierend auf Elementen bestimmt wird, die aus folgender Gruppe ausgewählt sind: die Position des ausgewählten Knotens (971); mindestens eine Kante (672), die mit dem ausgewählten Knoten (971) verbunden ist; Absolut-Positionsdaten (605, 606), die dem ausgewählten Knoten (971) entsprechen; und die Position eines weiteren Fixknotens (972), der über eine Kante (973) mit dem ausgewählten Knoten (971) verbunden ist.
Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass der Fixknoten (972) ein Schur-Komplement des ausgewählten Knotens (971) darstellt.
Verfahren nach einem der voranstehenden Ansprüche, dadurch gekennzeichnet, dass das Verfahren weiterhin umfasst: - nach dem Entfernen und Ersetzen des ausgewählten Knotens (971) durch den Fixknoten (972): erneutes Optimieren (153, 1002) des Posen-Graphen (661) zum Erhalten einer weiteren geschätzten Position (190) der Maschine, wobei die Position des Fixknotens (972) gegenüber dem erneuten Optimieren unveränderlich ist, wobei der Fixknoten (972) über eine Kante (973) mit einem benachbarten Knoten (671) des Posen-Graphen (661) verbunden ist.
Verfahren nach Anspruch 4, dadurch gekennzeichnet, dass das Verfahren weiterhin umfasst: - vor dem Durchführen des erneuten Optimierens: Anpassen einer Verlustfunktion der Kante (973) des Posen-Graphen (661), die zwischen dem Fixknoten (972) und dem benachbarten Knoten (671) verläuft, und / oder Anpassen einer Unsicherheit des Fixknotens (972).
Verfahren nach einem der voranstehenden Ansprüche, dadurch gekennzeichnet, dass derjenige Knoten (971) des Posen-Graphen (661) ausgewählt wird, der dem ältesten Zeitpunkt (t. 1-t. 12) entspricht.
Verfahren nach einem der voranstehenden Ansprüche, dadurch gekennzeichnet, dass das Entfernen und Ersetzen des ausgewählten Knotens (971) durch den Fixknoten (972) selektiv in Abhängigkeit einer Anzahl von Knoten (671, 971) des Posen-Graphen (661) durchgeführt wird.
Verfahren nach einem der voranstehenden Ansprüche, dadurch gekennzeichnet, dass die Maschine ein Kraftfahrzeug ist und dadurch, dass das Verfahren weiterhin umfasst: - Steuern einer Fahrerassistenzfunktionalität (129) basierend auf der geschätzten Position (190) des Kraftfahrzeugs.
Steuergerät (120), das umfasst: - mindestens eine Schnittstelle (121, 122), die eingerichtet ist, um jeweils Ausgaben von mindestens einem Odometrie-Positioniersystem (111, 112) zu empfangen und um jeweils Ausgaben von mindestens einem Absolut-Positioniersystem (101, 102) zu empfangen, - mindestens einen Prozessor (123), der eingerichtet ist, um jeweils für jeden von mehreren Zeitpunkten (t.1 - t.12) Odometrie-Positionsdaten (615) einer Maschine basierend auf den Ausgaben des mindestens einen Odometrie-Positioniersystems (111, 112) zu ermitteln, wobei der mindestens eine Prozessor (123) weiterhin eingerichtet ist, um jeweils für jeden der mehreren Zeitpunkte (t.1 - t.12) Absolut-Positionsdaten (605, 606) der Maschine basierend auf den Ausgaben des mindestens einen Absolut-Positioniersystems (101, 102) zu ermitteln, wobei der mindestens eine Prozessor (123) weiterhin eingerichtet ist, um einen Posen-Graph (661) zu erzeugen, wobei Kanten (672) des Posen-Graphs (661) den Odometrie-Positionsdaten (615) entsprechen, wobei Knoten (671) des Posen-Graphs (661) den Absolut-Positionsdaten (605, 606) entsprechen, wobei der mindestens eine Prozessor (123) weiterhin eingerichtet ist, um den Posen-Graph (661) zum Erhalten einer geschätzten Position (190) der Maschine zu optimieren (153, 1002), dadurch gekennzeichnet, dass der mindestens eine Prozessor (123) weiterhin eingerichtet ist, um nach dem Optimieren (153, 1002) einen Knoten (971) des Posen-Graphen (661) auszuwählen, für den ausgewählten Knoten (971) einen Fixknoten (972) des Posen-Graphen (661) zu bestimmen, den ausgewählten Knoten (971) aus dem Posen-Graph (661) zu entfernen und den ausgewählten Knoten (971) durch den Fixknoten (972) zu ersetzen.
Steuergerät (120) nach Anspruch 9, wobei das Steuergerät (120) eingerichtet ist, um ein Verfahren nach einem der Ansprüche 2-8 durchzuführen.