EP4433883A1

EP4433883A1 - Verfahren zur unterstützenden oder automatisierten fahrzeugführung

Info

Publication number: EP4433883A1
Application number: EP21852030.2A
Authority: EP
Inventors: Lars KRÜGER; Aldin PEJIC
Original assignee: Continental Autonomous Mobility Germany GmbH
Current assignee: Aumovio Autonomous Mobility Germany GmbH
Priority date: 2021-11-15
Filing date: 2021-11-15
Publication date: 2024-09-25
Also published as: US20250033662A1; CN118251638A; JP2024540945A; WO2023083474A1

Abstract

Verfahren zur unterstützenden oder automatisierten Fahrzeugführung eines Ego-Fahrzeuges (1), bei dem das Ego-Fahrzeug (1) eine Steuereinrichtung (2) und mindestens einen Sensor zur Umfeld- und Objekterfassung umfasst, wobei zur Fahrzeugführung des Ego-Fahrzeuges (1) eine Trajektorienplanung anhand des erfassten Umfeldes und der erfassten Objekte erfolgt, für die Objekte Boids (10, 11, 12) erzeugt werden, die anhand von Anziehungs- und Abstoßungsregeln festgelegt werden, und die Trajektorienplanung anhand der Boids (10, 11, 12) durchgeführt wird, und das Verfahren durch folgende Verfahrensschritte gekennzeichnet ist: Initialisierung, wobei die Boids (10, 11, 12) in ein Koordinatensystem überführt werden, Anwenden der Anziehungs- und Abstoßungsregeln und Simulation nach einem festlegbaren Bewegungsmodell.

Description

Verfahren zur unterstützenden oder automatisierten Fahrzeugführung

Die vorliegende Erfindung betrifft ein Verfahren, insbesondere computerimplementiertes Verfahren, zur unterstützenden oder automatisierten Fahrzeugführung eines Ego-Fahrzeuges sowie ein Fahrerassistenzsystem für ein Ego-Fahrzeug zur unterstützenden oder automatisierten Fahrzeugführung des Ego-Fahrzeuges.

Technologischer Hintergrund

Gattungsgemäße Fahrzeuge, wie z. B. Personenkraftfahrzeuge (PKW), Lastkraftwagen (LKW) oder Motorräder, werden zunehmend mit Fahrerassistenzsystemen ausgerüstet, welche mit Hilfe von Sensorsystemen die Umgebung bzw. das Umfeld erfassen, Verkehrssituationen erkennen und den Fahrer unterstützen können, z. B. durch einen Brems- oder Lenkeingriff oder durch die Ausgabe einer optischen, haptischen oder akustischen Warnung. Als Sensorsysteme zur Umfelderfassung werden regelmäßig Radarsensoren, Lidarsensoren, Kamerasensoren, Ultraschallsensoren oder dergleichen eingesetzt. Aus den durch die Sensoren ermittelten Sensordaten können anschließend Rückschlüsse auf die Umgebung gezogen werden, womit z. B. auch ein sogenanntes Umfeldmodell erzeugt werden kann. Darauf basierend können anschließend Anweisungen zur FahrerwarnungAlnformation oder zum geregelten Lenken, Bremsen und Beschleunigen ausgegeben werden. Durch die Sensor- und Umfelddaten verarbeitenden Assistenzfunktionen können z. B. Unfälle mit anderen Verkehrsteilnehmern vermieden oder komplizierte Fahrmanöver erleichtert werden, indem die Fahraufgabe bzw. die Fahrzeugführung unterstützt oder sogar komplett übernommen wird (teil- oder vollautomatisiert). Beispielsweise kann das Fahrzeug z. B. mittels einem Notbremsassistenten (EBA, Emergency Brake Assist) eine autonome Notbremsung (AEB, Automatic Emergency Brake), einem oder einem Abstandsregeltempomaten bzw. Adaptive Cruise Control-Assisten- ten (ACC) eine Geschwindigkeits- und Folgefahrtregelung durchführen.

Ferner kann dabei die zu fahrende Trajektorie bzw. der Bewegungsweg des Fahrzeuges bestimmt werden. Anhand der Sensorik können dabei statische Ziele bzw. Objekte detektiert werden, wodurch z. B. der Abstand zu einem vorausfahrenden Fahrzeug oder der Straßenverlauf bzw. die Trasse geschätzt werden kann. Dabei ist die Detektion bzw. Erkennung von Objekten und insbesondere deren Plausibilisierung von besonderer Bedeutung, um beispielsweise zu erkennen, ob ein vorausfahrendes Fahrzeug relevant für die jeweilige Assistenzfunktion bzw. Regelung ist. Ein Kriterium hierbei ist, dass z. B. ein als Zielfahrzeug (Target) erkanntes Objekt in derselben Spur wie das eigene Fahrzeug (Ego-Fahrzeug) fährt. Bekannte Fahrerassistenzsysteme versuchen z. B. mit Hilfe der Sensorik einen Spurverlauf zu schätzen, um zu ermitteln, ob sich ein Zielfahrzeug in der eigenen Spur befindet. Dazu werden sowohl Informationen über die Spurmarkierungen, Randbebauung als auch den gefahrenen Pfad anderer Fahrzeuge genutzt. Ferner wird ein geeigneter Algorithmus (z. B. Curve-fitting Algorithmus) angewandt, um den zukünftigen Pfad bzw. die Trajektorie des Ego-Fahrzeuges zu prä- dizieren. Weiterhin kann eine Abweichung der anderen Verkehrsteilnehmer zu diesem Pfad genutzt werden, um zu entscheiden, in welcher Spur der jeweilige Verkehrsteilnehmer fährt.

Bekannte Systeme nutzen entweder keine Zuverlässigkeitsinformationen oder nehmen ideale Zuverlässigkeitsinformationen, z. B. die Standardabweichung einer Messgröße. Allerdings sind diese Fehlermodelle für Sensoren nicht ausreichend präzise, um die Zuverlässigkeitsinformationen z. B. direkt als Gewichtungsfaktor zu nutzen. Dabei sind vor allem zwei Fehlerquellen entscheidend: eine fehlerhafte Prädiktion des eigenen Spurverlaufs und eine fehler- hafte/unzuverlässige Messung der Position des beobachteten Verkehrsteilnehmers bzw. der anderen Verkehrsteilnehmer, was zu einer zu hohen Abweichung vom prädizierten Pfad führen kann. Beide Fehlerquellen lassen sich nur unter Kenntnis korrekter Zuverlässigkeitsinformationen korrigieren. Daraus resultieren ein hoher Rechenaufwand und eine schlechte Skalierbarkeit, sowohl auf mehrere Objekte als auch auf neue Objekt-Typen. In Fahrerassistenzfunktionen, wie insbesondere ACC, müssen relevante Objekte jedoch meist schon auf große Entfernungen ausgewählt werden. Die Objekterfassung erfolgt hierzu in der Regel über einen Radarsensor, der eine ausreichende Sensorreichweite und Detektionssicherheit aufweist. Dennoch ist die Qualität der geometrischen oder kinematischen Schätzungen am Beginn der Messung oftmals noch zu schlecht oder es wurden zu wenige Messungen durchgeführt bzw. Messpunkte erzeugt. Die Variationen in den angewendeten Filtern sind dabei oftmals zu groß, so dass z. B. keine ausreichend zuverlässige Spurzuordnung von Radarobjekten, beispielsweise mit einer Entfernung von 200 Metern, gemacht werden kann.

Druckschriftlicher Stand der Technik

Die DE 10 2015 205 135 A1 offenbart ein Verfahren, bei dem die relevanten Objekte einer Szene (z. B. Leitplanken, Spur-Mittel-Linien, Verkehrsteilnehmer) als Objekte in einem Schwarm dargestellt werden: Die Objekte werden mittels Außen-Sensorik erkannt und in Objektkonstellationen dargestellt, wobei eine Objektkonstellation zwei oder mehrere Objekte umfasst, d. h. Messungen/Objekte zusammengefasst werden, um die Rechenzeit zu sparen und die Genauigkeit der Schätzung zu erhöhen. Dementsprechend stellen die Zusammenfassungen verschiedener Messungen des gleichen Objekts technisch notwendige Konstellationen zur Erzielung einer Rechenzeitersparnis jedoch keine semantische Konstellationen dar, da sie verschiedene Messungen des gleichen Objekts betreffen und nicht verschiedenen Objekte. Bei den Daten der Außen-Sensorik kann es sich beispielsweise um Sensor-Rohdaten oder vorverarbeitete und/oder nach vorausbestimmten Kriterien ausgewählte Sensor- Daten handeln. Beispielsweise können dies Bilddaten, Laserscanner-Daten oder Objektlisten, Objektkontouren oder sogenannte Punktewolken (die z. B. eine Anordnung bestimmter Objektteile oder Objektkanten repräsentieren) sein.

Aufgabe der vorliegenden Erfindung

Ausgehend vom Stand der Technik liegt die Aufgabe der vorliegenden Erfindung darin, ein Verfahren zur Verfügung zu stellen, durch das die Genauigkeit der Schätzung bei vorteilhafter Rechenzeit erhöht werden kann.

Lösung der Aufgabe

Die vorstehende Aufgabe wird durch die gesamte Lehre des Anspruchs 1 sowie des nebengeordneten Anspruchs gelöst. Zweckmäßige Ausgestaltungen der Erfindung sind in den Unteransprüchen beansprucht.

Bei dem erfindungsgemäßen Verfahren zur unterstützenden oder automatisierten Fahrzeugführung eines Ego-Fahrzeuges umfasst das Ego-Fahrzeug eine Steuereinrichtung und mindestens einen Sensor, vorzugsweise mehrere Sensoren zur Umfelderfassung, wobei die Sensoren Objekte im Umfeld des Ego-Fahrzeuges erfassen. Ferner erfolgt eine Trajektorienpla- nung anhand des erfassten Umfeldes, wobei die Fahrzeugführung des Ego-Fahrzeuges anhand der Trajektorienplanung erfolgt, zu der die Objekte im Umfeld zur Trajektorienplanung herangezogen werden. Für die Objekte werden dann Boids erzeugt, die anhand von Anzie- hungs- und Abstoßungsregeln festgelegt werden. Die Trajektorienplanung erfolgt dann anhand der Boids. Daraus resultiert der Vorteil, dass die Genauigkeit der Schätzung erhöht und die benötigte Rechenzeit im besonderen Maße verringert werden kann. Ferner umfasst das erfindungsgemäße Verfahren die Verfahrensschritte Initialisierung, wobei die Objekte bzw. die erzeugten Boids (OSBs - Object-Selection- Boids) in ein Koordinatensystem (bzw. Ego-Koordinatensystem) überführt werden, Anwenden der Anziehungs- und Abstoßungsregeln und Simulation nach einem festlegbaren Bewegungsmodell. Daraus ergibt sich eine einfache und flexible Nutzung verschiedener Messdaten ohne spezielle Handhabung der Fragestellung, ob und welche Messdaten vorhanden sind oder nicht. Sind weitere Messdaten vorhanden so werden diese verwendet und führen zu noch besseren Ergebnissen. Fehlen Messdaten, so wird mit den restlichen Messdaten immer noch ein ausreichend gutes Ergebnis erreicht.

Der Begriff Trajektorienplanung im Sinne der vorliegenden Erfindung umfasst ausdrücklich neben der Planung in Raum und Zeit (Trajektorienplanung) auch eine rein räumliche Planung (Pfadplanung). Dementsprechend können die Boids auch nur in einem Teil des Systems z. B. zur Adaption der Geschwindigkeit oder für die Auswahl eines bestimmten Objekts („Object-of- Interest Selection“) verwendet werden.

Vorzugsweise werden die Anziehungs- und Abstoßungsregeln festgelegt, indem Objekte, die nahe zueinander und parallel angeordnet sind, als anziehende Boids und Objekte, die parallel mit größerem Abstand zueinander angeordnet sind, als abstoßende Boids festgelegt.

Zweckmäßigerweise können für statische Objekte abstoßende Boids und für bewegliche Objekte anziehende Boids festgelegt werden. Bewegliche Objekte können dabei über eine Zeit beobachtet werden, so dass eine Bewegungshistorie erstellt wird, und Boids anhand der Bewegungshistorie angezogen werden (oder umgekehrt auch abgestoßen).

Gemäß einer vorteilhaften Ausgestaltung der Erfindung können bewegliche Objekte über eine Zeit beobachtet (getrackt) werden, so dass eine Bewegungshistorie erstellt wird, und anziehende Boids anhand der Bewegungshistorie festgelegt werden.

Ferner können die erfassten Objekte und/oder die Boids in einer Objektliste hinterlegt werden, in der alle erfassten Objekte mit allen erfassten Daten (Position, Geschwindigkeit, Signalstärke, Klassifizierung, Elevation und dergleichen hinterlegt werden).

Zweckmäßigerweise kann anhand von Position und Bewegungsrichtung des Ego-Fahrzeuges ein Merkmalsraum festgelegt werden, wobei die Anziehungsregeln für alle Boids auf einen Punkt im Merkmalsraum konvergiert werden kann. Dadurch kann die Messgenauigkeit noch zusätzlich verbessert werden.

Vorzugsweise wird der Merkmalsraum anhand der Klothoiden-Parameter der Trajektorienplanung festgelegt. In vorteilhafter Weise kann der Merkmalsraum auch auf andere Verkehrsteilnehmer erweitert werden. Die Messgenauigkeit kann dadurch in besonderem Maße gesteigert werden, zudem wird die Umfelderkennung in besonderem Maße verbessert.

Zweckmäßigerweise kann als Sensor zur Umfelderfassung mindestens eine Kamera und/oder ein Lidarsensor und/oder ein Radarsensor und/oder ein Ultraschallsensor und/oder ein anderer aus dem Stand der Technik bekannter Sensor zur Umfelderfassung vorgesehen sein.

Ferner können die Verhaltensregeln bzw. die Anziehungs- und Abstoßungsregeln als Komposition aus einfachen Verhaltensregeln dargestellt werden. Dabei können die Verhaltensregeln bzw. die Anziehungs- und Abstoßungsregeln geometrisch, regelungstechnisch oder logisch realisiert werden.

Zweckmäßigerweise können die Verhaltensregeln bzw. die Anziehungs- und Abstoßungsregeln anhand einer Priorisierung, Gewichtung und/oder Mittelung realisiert werden.

Zudem kann auch ein Schwarmmodell (angelehnt an das Verhalten eines Schwarms oder Vogelschwarms) herangezogen werden, wobei eine Kollisionsvermeidung der Schwarmteilnehmer erfolgt bzw. ein Zusammenstoß mit anderen Schwarmteilnehmern verhindert wird, indem die Richtung angepasst wird. Ferner wird die Geschwindigkeit an die benachbarten Schwarmteilnehmer angepasst, um mit der Nachbarschaft mitzuhalten und sowohl das Zusammenbleiben als auch die Kollisionsvermeidung zu begünstigen. Und es erfolgt eine Schwarmzentrierung, wobei ein Anpassen der Richtung vorgesehen ist, so dass Boids in der Nähe des Schwarms bleiben. Dies wird alleine durch die Zentrierung in der unmittelbaren Nachbarschaft erreicht. Befindet sich zum Beispiel ein Boid am Rand des Schwarms so befinden sich mehr Nachbarn in Richtung des Schwarmzentrums und somit befindet sich auch das Zentrum der unmittelbaren Nachbarschaft in Richtung des Schwarmzentrums.

Nebengeordnet umfasst die Erfindung zudem ein Fahrerassistenzsystem für ein Ego-Fahrzeug zur unterstützenden oder automatisierten Fahrzeugführung des Ego-Fahrzeuges, bei dem das Ego-Fahrzeug eine Steuereinrichtung und mindestens einen Sensor, vorzugsweise mehrere Sensoren zur Umfelderfassung umfasst, wobei die Sensoren Objekte im Umfeld des Ego-Fahrzeuges erfassen. Die Steuereinrichtung führt eine Trajektorienplanung anhand des erfassten Umfeldes durch, wobei die Fahrzeugführung des Ego-Fahrzeuges anhand der Trajektorienplanung erfolgt. Bei dem Sensor zur Umfeld- und Objekterfassung kann es sich z. B. um einen Radar-, Lidar-, Kamera- oder Ultraschallsensor handeln. Die Objekte werden zur Trajektorienplanung herangezogen, wobei für die Objekte Boids erzeugt werden, die anhand von Anziehungs- und Abstoßungsregeln festgelegt werden, sodass die Trajektorienplanung dann unter Berücksichtigung der Boids durchgeführt werden kann.

Ferner kann es sich bei dem Fahrerassistenzsystem um ein System handeln, welches neben einem Sensor zur Umfelderfassung einen Computer, Prozessor, Controller, Rechner oder dergleichen umfasst, um das erfindungsgemäße Verfahren durchzuführen. Dabei kann ein Computerprogramm mit Programmcode zur Durchführung des erfindungsgemäßen Verfahrens vorgesehen sein, dass wenn das Computerprogramm auf einem Computer oder einem sonstigen aus dem Stand der Technik bekannten programmierbaren Rechner ausgeführt wird. Dementsprechend kann das Verfahren auch in bestehenden Systemen als computerimplementiertes Verfahren ausgeführt bzw. nachgerüstet werden. Der Begriff „computerimplementiertes Verfahren“ im Sinne der Erfindung beschreibt dabei die Ablaufplanung oder Vorgehensweise, welche anhand des Computers verwirklicht bzw. durchgeführt wird. Der Computer kann dabei mittels programmierbarer Rechenvorschriften die Daten verarbeiten. In Bezug auf das Verfahren können somit auch wesentliche Eigenschaften z. B. durch ein neues Programm, neue Programme, einen Algorithmus oder dergleichen nachträglich implementiert werden. Der Computer kann dabei als Steuereinrichtung oder als Teil der Steuereinrichtung (z. B. als IC (Integrated Circuitj-Baustein, Mikrocontroller oder System-on-Chip (SoC)) ausgestaltet sein.

Infolgedessen beschreibt das Verfahren eine Beziehung zwischen von den Sensoren erfassten Objekten und einem Schwarm aus semantisch definierten Boids, die anhand von Anziehungs- und Abstoßungsregeln (Verhaltensregeln) zwischen den Boids untereinander und den erfassten Objekten sozusagen verschoben werden. Die Trajektorienplanung kann dann anhand der Sensordaten der Objekte, die durch die Boids ausgewählt worden sind, durchgeführt werden. Gemäß einer besonderen Ausgestaltung der Erfindung kann das Verschieben der Boids in jedem Verarbeitungszyklus erneut von einem identischen Startpunkt aus durchgeführt werden. Ferner kann das Verschieben der Boids auch in jedem Verarbeitungszyklus auf Basis der Positionen der Boids aus dem letzten Zyklus durchgeführt werden.

Beschreibung der Erfindung anhand von Ausführungsbeispielen

Im Folgenden wird die Erfindung anhand von zweckmäßigen Ausführungsbeispielen näher erläutert. Es zeigen: Fig. 1 eine stark vereinfachte schematische Darstellung eines Ego-Fahrzeuges mit erfindungsgemäßem Assistenzsystem;

Fig. 2 eine vereinfachte Darstellung einer Verkehrsszene, bei der ein Ego-Fahrzeug eine Kurve durchfährt, die bereits von mehreren anderen Fahrzeugen durchfahren wurde;

Fig. 3 eine vereinfachte Darstellung der Verkehrsszene aus Fig. 2, bei der das erfindungsgemäße das Messprinzip anhand verschiedener Messpunkte dargestellt ist, sowie

Fig. 4 eine vereinfachte schematische Darstellung einer Ausgestaltung der Funktionsweise eines Navigationsmoduls für einzelne OSBs.

Bezugsziffer 1 in Fig. 1 bezeichnet ein Ego-Fahrzeug, welches eine Steuereinrichtung 2 (ECU, Electronic Control Unit oder ADCU, Assisted and Automated Driving Control Unit) verschiedene Aktoren (Lenkung 3, Motor 4, Bremse 5) sowie Sensoren zur Umfelderfassung (Kamera 6, Lidarsensor 7, Radarsensor 8 sowie Ultraschallsensoren 9a-9d) aufweist. Das Ego- Fahrzeug 1 kann dabei (teil-) automatisiert gesteuert werden, indem die Steuereinrichtung 2 auf die Aktoren und die Sensoren bzw. deren Sensordaten zugreifen kann. Im Bereich des assistierten bzw. (teil-) automatisierten Fahrens können die Sensordaten zur Umfeld- und Objekterkennung genutzt werden, sodass verschiedene Assistenzfunktionen, wie z. B. Abstandsfolgeregelung (ACC, Adaptive Cruise Control), Notbremsassistent (EBA, Electronic Brake Assist), Spurhalteregelung bzw. ein Spurhalteassistent (LKA, Lane Keep Assist), Parkassistent oder dergleichen, über die Steuereinrichtung 2 bzw. dem dort hinterlegten Algorithmus realisierbar sind.

In Fig. 2 ist eine typische Verkehrsszene dargestellt, in der das Ego-Fahrzeug 1 in eine Kurve einfährt, die zuvor von mehreren vorausfahrenden Fahrzeugen 10a, 10b, 10c, 10d durchfahren wurde. Das Ego-Fahrzeug 1 kann hierbei die umgebenden Objekte (vorausfahrenden Fahrzeuge 10a-10d, Fahrbahnmarkierungen, Straßenrandbebauung und dergleichen) anhand der Sensoren zur Umfelderfassung detektieren und den eigenen Pfad bzw. die zu fahrende Trajek- torie anhand dieser Informationen erstellen. Ferner können Bewegungen von anderen Verkehrsteilnehmern prädiziert und zur Trajektorienplanung herangezogen werden. Beispielsweise ist die anhand der Detektionspunkte und Bewegungsprädiktion des Fahrzeuges 11d erstellte Trajektorie (anhand eines schwarzen Pfeils dargestellt) jedoch suboptimal bzw. fehlerhaft, da diese aufgrund der Bewegungsprädiktion von Fahrzeug 10d nicht dem Spurverlauf folgt, sondern im Kurvenbereich einen unerwünschten Spurwechsel zur Folge hätte.

Beim erfindungsgemäßen Verfahren werden nunmehr die relevanten Objekte einer Szene (Leitplanken, Spur-Mittel-Linien, Verkehrsteilnehmer und dergleichen) als Objekte in einem Schwarm (d. h. als eine Art Verband oder Zusammenschluss von Objekten) dargestellt. Im Gegensatz zu einer bekannten einfachen Zusammenfassung von Objekten (einfaches Cluster) werden die erfassten Objekte dabei nicht nur zusammengefasst, sondern bleiben als Individuen erhalten und beeinflussen sich gegenseitig, d. h. sie interagieren miteinander. Das Verhalten dieser Objekte wird dabei auf Basis der Sensordaten und der Beziehungen zueinander, d. h. der Interaktion von Objekten ähnlich zu sogenannten Boids (interagierende Objekte zur Simulation eines Schwarmverhaltens), mit einfachen Regeln definiert. Hierbei entspricht ein Boid einem gemessenen Objekt und nicht einer zusammengefassten Konstellation von Objekten, d. h. die Boids repräsentieren semantisch einzelne Objekte und keine einfachen Konstellationen. Bei Boid-basierenden Modellen ergibt sich die Komplexität des Modells aus der Interaktion der einzelnen Objekte bzw. Boids, die einfachen Regeln folgen, wie z. B. Separation (eine Bewegungs- bzw. Richtungswahl, die einer Ansammlung von Boids entgegenwirkt), Angleichung (eine Bewegungs- bzw. Richtungswahl, die der mittleren Richtung der benachbarten Boids entspricht) oder Zusammenhalt (eine Bewegungs- bzw. Richtungswahl, die der mittleren Position der benachbarten Boids entspricht).

In Fig. 3 ist am Beispiel der Straßenszene aus Fig. 2 das Messprinzip mit Boids 11 , 12, 13 von Straßenmarkierungen und Fahrzeugen bzw. deren Fahrpfaden dargestellt. Beispielsweise wird in jedem Zyklus eine neue Messung einer Straßenmarkierung (z. B. modelliert als abschnittsweise Gerade) zu der vorhandenen Liste von Straßenmarkierungs-Objekten hinzugefügt. Danach werden die Anziehungs- und Abstoßungsregeln berechnet (z. B. Objekte, die nahe und parallel sind, ziehen sich an; Objekte, die parallel sind, aber einen größeren Abstand haben, stoßen sich ab). Somit können abstoßende Boids 11 für die Fahrbahnränder und abstoßende Boids 12 für die Fahrbahnmitte erzeugt werden (z. B. anhand von Straßenmarkie- rungs-, Leitplanken- und Straßenrandbebauungsdetektionen). In ähnlicher Weise können auch die Fahrzeuge 10a-10d repräsentiert werden. Hierbei wird ein von den Sensoren erkanntes Fahrzeug z. B. als kurze Bewegungshistorie dargestellt. Beispielsweise repräsentieren die anziehenden Boids 13 das Fahrzeug 10c bzw. dessen Bewegungspfad, indem die Boids 13 anhand der Bewegungshistorie des Fahrzeuges 10c erzeugt wurden. Diese Messung bzw. die ermittelten Boids werden in ähnlicher Weise in die Liste der bisherigen Messungen (Objektliste) eingefügt und mittels der aufgestellten Regeln in ihrer Position korrigiert. Zweckmäßigerweise können nun z. B. Fehler bei der Spurverlaufsschätzung durch die Beobachtung des gefahrenen Pfades von anderen Fahrzeugen 10a-10d kompensiert werden, indem das Ego-Fahrzeug 1 bzw. die Fahrzeuge ihre Trajektorienplanung unter Berücksichtigung vorgegebener Regeln durchführen. Beispielsweise können als Regeln vorgesehen sein: „Leitplanken sind parallel zu Spuren“, „die Spuren weisen eine zumindest annährend gleichbleibende Breite auf“, „die Fahrzeuge fahren parallel zu den Spuren“, “die Leitplanken verlaufen im Mittel durch die Messpunkte“, „die Leitplanken weisen keine Knicke oder Abzweigungen auf“ oder dergleichen. Dadurch ergeben sich automatisch Pfade („emergent behaviour“) bzw. Trajektorien, deren Verlauf parallel zu den Leitplanken ist. Ferner können die Messwerte auch festlegbar gewichtet werden, ähnlich wie z. B. bei aß-Filtern.

Eine Erhöhung der Messgenauigkeit wird insbesondere dadurch erreicht, dass die Anziehungsregeln alle Messungen (die je einem Boid entsprechen) auf den gleichen Punkt im Merkmalsraum konvergieren lassen. Der Merkmalsraum besteht dabei aus Position und Richtung des Ego-Fahrzeuges 1. Dieses Prinzip lässt sich in überraschender Weise auch auf andere Verkehrsteilnehmer bzw. Fahrzeuge erweitern, indem z. B. „Fahrzeuge parallel zu den Spuren fahren“ (d. h. die gleiche Regel wie bei statischen Objekten, nur werden jetzt die modellierten Positionen der Fahrzeuge verändert), „Fahrzeuge kollidieren nicht miteinander“, „Fahrzeuge in der gleichen Spur richten sich einander aus“ („Kolonnenfahrt“), „Fahrzeuge kollidieren nicht mit der Leitplanke“ und dergleichen.

Alternativ kann als Merkmalsraum auch der Raum der Klothoiden-Parameter der Trajektorie gewählt werden. In dem Fall wären die einzelnen Boids einzelne Messungen über die Zeit. Die Boids könnten hier z. B. longitudinal ortsfest sein und sich nur in lateraler Richtung und bezüglich ihrer Krümmungen aufgrund der Regeln bewegen. In praktischer weise können die Boids in diesem Fall gelöscht werden, sobald das Ego-Fahrzeug 1 an ihnen vorbeigefahren ist. Dadurch kann insbesondere Speicher- und Rechenzeit eingespart werden. Darüber hinaus könnten Boids, die das gleiche Objekt in der realen Welt repräsentieren (z. B. wenn die Boids ein kompaktes Cluster mit einer vorgegebenen Streuung bilden), zusammengefasst werden, um Speicher- und Rechenzeit zu sparen.

Im Folgenden wird nun dargestellt, wie die Bestandteile eines OSB (Object-Selection-Boid)- Schwarms zu einem selbstorganisierenden System mit emergentem Verhalten zusammengesetzt werden, wobei der Begriff OSB für einen Schwarmteilnehmer im OSB-Schwarm steht, und wie dieses System bzw. der OSB-Schwarm für die Situationserkennung für eine ACC- Funktion angewendet werden kann. Nach jedem Aktualisierungszyklus der Sensorik kann dabei ein neues Umgebungsmodell generiert werden, wobei der Aktualisierungszyklus die Zeit ist, in der die Sensorik misst und ein Umgebungsmodell generiert. Dieses Umgebungsmodell enthält eine Liste aller Verkehrsteilnehmer (TP = Traffic Participant), die durch die Sensorik erfasst wurden, für den aktuellen Aktualisierungszyklus. In dieser Liste sind dann Informationen wie Positionen der Trassen und Verkehrsteilnehmer enthalten, die für das selbstorganisierende System bzw. den OSB-Schwarm verwendet werden. Für jeden Aktualisierungszyklus wird der OSB-Schwarm einmal über die Verkehrsteilnehmer und Trassen dieser Liste gesendet und die einzelnen OSBs weisen den Verkehrsteilnehmern ihre entsprechende Rolle zu und hinterlegen diese in der Liste. Das heißt nach jedem Aktualisierungszyklus des Umgebungsmodells wird der OSB-Schwarm einmal für eine bestimmte Anzahl an Simulationsschritten simuliert und bewegt sich über die Verkehrsteilnehmer und Trassen hinweg.

Diese Simulation kann dabei in folgende drei wesentliche Verfahrensschritte eingeteilt werden: die Initialisierung, Anwenden der Verhaltensregeln und Simulation nach einem festlegbaren Bewegungsmodells. Im ersten Schritt der Simulation wird der OSB-Schwarm initialisiert, wobei die OSBs in das Ego-Koordinatensystem des Umgebungsmodells gesetzt werden. Die aktuelle Anzahl ausgewählter Verkehrsteilnehmer, der Richtungswinkel 0 und der Lenkwinkel ß aller OSBs werden dabei auf null gesetzt. Die Geschwindigkeit v aller OSBs wird zur initialen Geschwindigkeit vwt gesetzt. Der die Ego-Spur repräsentierende OSB, d. h. der dem Ego- Fahrzeug vorausfahrende OSB, wird auf das Ego-Fahrzeug gesetzt und die restlichen OSBs mit jeweils einem Abstand diat.init an den Seiten daran angeordnet. Die x-Position im Ego-Koordinatensystem entspricht zu Beginn für alle Objekte null. Eine weitere Ausgestaltungsmöglichkeit besteht darin, den Richtungswinkel 0, den Lenkwinkel ß und/oder die x- und y-Positio- nen der OSBs aus Sensordaten oder Daten einer Navigationskarte zu initialisieren. Dieser Schritt wird für jede neue Simulation bzw. jeden neuen Aktualisierungszyklus des Umgebungsmodells erneut ausgeführt.

Ferner kann nun im zweiten Schritt das Verhalten der OSBs mittels der Verhaltensregeln bzw. der Anziehungs- und Abstoßungsregeln und der Navigation (insbesondere mittels Navigationsmodul) bestimmt werden. Dazu müssen zuvor sowohl die benachbarten OSBs, als auch die Verkehrsteilnehmer und Trassen im aktuellen Umgebungsmodell aus dem Ego-Koordinatensystem in ein OSB-Koordinatensystem, transformiert werden. Parallel dazu wird berechnet, welche Verkehrsteilnehmer und Trassen sich im jeweiligen Sichtbereich der OSBs befinden. Als nächstes können dann mittels der transformierten Koordinaten die jeweiligen Verhaltensregeln angewendet werden, z. B. einem Verkehrsteilnehmer soll gefolgt werden und/oder ein Abstand zu einem oder mehreren Verkehrsteilnehmern soll gehalten werden und/oder die Ausgangslage im Initialisierungsschritt soll beibehalten werden (insbesondere, dass die Formation und Abstände im Schwarm beibehalten wird).

Die Verhaltensregeln können dabei eine Geschwindigkeitsänderung Av oder Lenkwinkeländerungen Aß liefern. Das Navigationsmodul addiert dann diese Änderungen auf die aktuelle Geschwindigkeit v und den aktuellen Lenkwinkel ß des jeweiligen OSBs. Dabei kann eine Priorisierung der Änderungen angewendet werden. Befinden sich Trassen oder Verkehrsteilnehmer im Sichtbereich des jeweiligen OSBs, kann eine bestimmte Lenkwinkeländerung priorisiert und somit nur diese angewendet werden. Liegen keine Trassen im Sichtbereich können nur die Änderungen der Formation angewendet werden. Parallel hierzu kann das Navigationsmodul überprüfen, ob eine Diskrepanz zwischen der Änderung der Formation und der Änderung des jeweiligen Verkehrsteilnehmers besteht. Übersteigt die Diskrepanz ein festlegbares Limit wird die Priorisierung für das Folgen der Verkehrsteilnehmer für den jeweiligen OSB für n Simulationsschritte ignoriert und der OSB wird mittels der Formationsänderung gesteuert und zurück in die Formation gedrückt bzw. bewegt. Befindet sich für alle OSBs keine Trasse oder Verkehrsteilnehmer im Sichtbereich, so kann jedem Navigationsmodul der OSBs ein globaler Lenkwinkel zu einem globalen Ziel vorgegeben und als Lenkwinkel für die OSBs gewählt werden, bis sich wieder eine Trasse findet. Weitere globale Ziele können z. B. aus Navigationskarten, anderen Sensordaten und/oder V2X Kommunikationsdaten entnommen werden. Hierbei bestimmt jeder OSB für sich die jeweiligen Verhaltensregeln, d. h. er betrachtet nur seine jeweiligen OSB-Nachbarn bzw. Verkehrsteilnehmer und Trassen in seinem Sichtbereich. Die Bewegung wird dezentral und durch die lokale Umgebung bestimmt, was den nötigen Eigenschaften eines selbstorganisierenden Systems entspricht. Eine exemplarische Funktionsweise des so entstehenden Navigationsmoduls für jeden OSB ist in Fig. 4 dargestellt.

Nachdem im zweiten Schritt mittels der Verhaltensregeln die Geschwindigkeiten und Lenkwinkel der OSBs geändert wurden, kann der OSB-Schwarm im dritten Schritt für einen Simulationsschritt simuliert werden. Dazu werden alle OSBs simuliert und aktualisiert. Danach können Schritt zwei und drei für eine festlegbare Anzahl an Simulationsschritten wiederholt werden, bis sich der OSB-Schwarm einmal über den gesamten Sichtbereich des Ego-Fahrzeugs bewegt hat und die Simulation des OSB-Schwarms für einen Aktualisierungszyklus abgeschlossen und die richtige Rolle zugewiesen bzw. die Multi-Objekt-Selektion erledigt ist. Um die Selektion weiter zu verbessern, kann die vergangene Zuweisung für vergangene Zyklen gespeichert werden. Wenn es nun dazu kommt, dass ein Verkehrsteilnehmer im aktuellen Aktualisierungszyklus vom OSB-Schwarm nicht zugewiesen wird, wird die Zuweisung aus dem letzten Zyklus übernommen. Diese Zuweisung bleibt für drei Zyklen erhalten, außer es findet eine neue Zuweisung dazwischen statt. Findet nach mehreren Zyklen weiterhin keine Zuweisung statt, wird dem Verkehrsteilnehmer keine Rolle mehr zugewiesen. Des Weiteren kann mit der vergangenen Zuweisung eine Hysterese realisiert werden. Es wird immer die Zuweisung gewählt die in drei Zyklen, aktueller Zyklus plus die zwei vergangenen Zyklen, am meisten vor- kommt, so kann ein Hin- und Herschwanken zwischen zwei Zuweisungen in kurzer Zeit verhindert werden.

Ferner kann als Bewegungsmodell beispielsweise ein Fahrradmodell oder Einspurmodell oder Halbfahrzeugmodell vorgesehen sein, das z. B. drei Zustandsgrößen den Richtungswinkel 0, x- und y-Positionen bezogen zum Ego-Koordinatensystem umfasst. Als Eingangsgrößen, über die das Modell beeinflusst werden kann und damit dann auch letztendlich die einzelnen OSBs des Schwarms gesteuert werden können, stehen die Geschwindigkeit v und der Lenkwinkel ß zur Verfügung. Für die OSBs kann dabei eine direkte Änderung des Lenkwinkels angenommen werden, um das Modell und die Steuerung der OSBs zu vereinfachen. Diese Vereinfa- chung ist möglich, da die OSBs nur zur Multi-Objekt-Selektion benötigt werden und nicht eine reale Trajektorie vorgeben wird, der das Ego-Fahrzeug folgen soll. Ferner können natürlich auch andere aus dem Stand der Technik bekannte Bewegungsmodelle vorgesehen sein.

BEZUGSZEICHENLISTE

1 Ego-Fahrzeug

2 Steuereinrichtung

3 Lenkung

4 Motor

5 Bremse

6 Kamera

7 Lidarsensor

8 Radarsensor

9a-9d Ultraschallsensoren

10a Fahrzeug

10b Fahrzeug

10c Fahrzeug

10d Fahrzeug

11 Boid (Straßenmarkierung Fahrbahnrand)

12 Boid (Straßenmarkierung Fahrspurmitte)

13 Boid (Bewegung des Fahrzeuges 10c)

Claims

PATENTANSPRÜCHE

1. Verfahren zur unterstützenden oder automatisierten Fahrzeugführung eines Ego- Fahrzeuges (1), bei dem das Ego-Fahrzeug (1) eine Steuereinrichtung (2) und mindestens einen Sensor zur Umfeld- und Objekterfassung umfasst, wobei zur Fahrzeugführung des Ego-Fahrzeuges (1) eine Trajektorienplanung anhand der erfassten Objekte erfolgt, für die Objekte Boids (10, 11 , 12) erzeugt werden, die anhand von Anziehungsund Abstoßungsregeln festgelegt werden, und die Trajektorienplanung anhand der Boids (10, 11 , 12) durchgeführt wird, und das Verfahren durch folgende Verfahrensschritte gekennzeichnet ist:

Initialisierung, wobei die Boids (10, 11 , 12) in ein Koordinatensystem überführt werden,

Anwenden der Anziehungs- und Abstoßungsregeln und

Simulation nach einem festlegbaren Bewegungsmodell.

2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass die Anziehungs- und Abstoßungsregeln festgelegt werden, indem Objekte, die nahe zueinander und parallel angeordnet sind, als anziehende Boids und Objekte, die parallel mit größerem Abstand zueinander angeordnet sind, als abstoßende Boids festgelegt werden.

3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass für statische Objekte abstoßende Boids (11 , 12) und für bewegliche Objekte anziehende Boids (13) festgelegt werden.

4. Verfahren nach Anspruch 2 oder 3, dadurch gekennzeichnet, dass bewegliche Objekte über eine Zeit beobachtet werden, so dass eine Bewegungshistorie erstellt wird, und anziehende Boids (13) anhand der Bewegungshistorie festgelegt werden.

5. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die erfassten Objekte und/oder die Boids in einer Objektliste hinterlegt werden.

6. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass aus Position und Richtung des Ego-Fahrzeuges (1) ein Merkmalsraum festgelegt wird, wobei die Anziehungsregeln für alle Boids (13) auf einen Punkt im Merkmalsraum konvergiert werden.

7. Verfahren nach Anspruch 6, dadurch gekennzeichnet, dass der Merkmalsraum anhand der Klothoiden-Parameter der Trajektorienplanung festgelegt wird.

8. Verfahren nach Anspruch 6 oder 7, dadurch gekennzeichnet, dass der Merkmalsraum auf andere Verkehrsteilnehmer erweitert wird.

9. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als Sensoren zur Umfelderfassung mindestens eine Kamera (6) und/oder ein Lidarsensor (7), ein Radarsensor (8) oder ein Ultraschallsensor (9a-9d) vorgesehen ist.

10. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Anziehungs- und Abstoßungsregeln als Komposition aus einfachen Verhaltensregeln dargestellt werden.

11. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Anziehungs- und Abstoßungsregeln geometrisch, regelungstechnisch oder logisch realisiert werden.

12. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Anziehungs- und Abstoßungsregeln anhand einer Priorisierung, Gewichtung und/oder Mittelung realisiert werden.

13. Fahrerassistenzsystem für ein Ego-Fahrzeug (1) zur unterstützenden oder automatisierten Fahrzeugführung des Ego-Fahrzeuges (1), umfassend eine Steuereinrichtung (2) und mindestens einen Sensor zur Umfeld- und Objekterfassung, wobei die Steuereinrichtung (2) eine Trajektorienplanung anhand eines Verfahrens nach einem der vorhergehenden Ansprüche durchführt.