WO2009013052A2 - Verfahren und vorrichtung für die spurerfassung mit einem fahrerassistenzsystem - Google Patents

Verfahren und vorrichtung für die spurerfassung mit einem fahrerassistenzsystem Download PDF

Info

Publication number
WO2009013052A2
WO2009013052A2 PCT/EP2008/056774 EP2008056774W WO2009013052A2 WO 2009013052 A2 WO2009013052 A2 WO 2009013052A2 EP 2008056774 W EP2008056774 W EP 2008056774W WO 2009013052 A2 WO2009013052 A2 WO 2009013052A2
Authority
WO
WIPO (PCT)
Prior art keywords
measuring points
measurement
lane
vehicle
points
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/EP2008/056774
Other languages
English (en)
French (fr)
Other versions
WO2009013052A3 (de
Inventor
Lutz Buerkle
Tobias Rentschler
Thomas App
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Robert Bosch GmbH filed Critical Robert Bosch GmbH
Publication of WO2009013052A2 publication Critical patent/WO2009013052A2/de
Publication of WO2009013052A3 publication Critical patent/WO2009013052A3/de
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/10—Path keeping
    • B60W30/12—Lane keeping
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/20—Ambient conditions, e.g. wind or rain
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/10—Historical data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/20—Data confidence level

Definitions

  • the invention relates to a method and apparatus for the track detection with a driver assistance system according to the preamble of claim 1.
  • LDW Lane Departure Warning
  • LKS Lane Keeping Support
  • the assistance function LDW warns the driver against unintentionally leaving the lane of his own vehicle.
  • at least the traffic space in front of the own vehicle is detected by means of video sensors, in order in particular to detect lane markings and to detect the position of the own vehicle with respect to such lane markings.
  • an acoustic, visual, haptic warning or a combination of such warnings generated to warn the driver of the vehicle from accidental leaving the lane.
  • the driver is assisted by steering intervention of the driver assistance system when guiding the vehicle in the lane.
  • a driver assistance method and a driver assistance device which operate on the basis of lane information.
  • the lane information is measured from an image recorded by a video sensor and / or estimated on the basis of objects in this image.
  • the traffic lane information from at least two, the lane characterizing
  • a quality measure for the track data acquisition is derived, with which the respectively determined track data are weighted and taken into account during the fusion of the driver assistance system provided track data from the individual track data.
  • the formation of a Rescuegütemaes for the track data acquisition from the Einzelgütema call is provided, the driver assistance system is turned off when this Rescuegütemanni falls below a certain value.
  • the quality measure can also be derived from a comparison of an estimate with a measurement, in particular the deviation of the measurement points from the estimation line being used.
  • a method for detecting the preceding road course for motor vehicles in which detects the vehicle's own speed and by rigid, oriented in the direction of search antennas via a radar sensor, the position and speed of objects ahead be determined, which allows a simple predictive road course detection by special evaluation of the existing position and speed measurement data.
  • the roadside-specific targets are filtered out by threshold comparison of the fixed-target amplitudes, and the actual distances between the vehicle and the roadway edge in discrete angular ranges are determined by order filtering.
  • the lane edge distances estimated for each angular range are supplied as characteristics to a classifier for prediction of the forward curve type and used as fulcrums for a curve regression to obtain a curve curvature parameter.
  • a device for determining lane course-indicative data which detects a lane detection sensor system, an object position sensor system which detects at least the distance of an object located in front of the vehicle and its directional angle with respect to the vehicle movement direction
  • Vehicle own motion sensor includes.
  • an estimation device is provided to which the lane detection measurement data, the object position measurement data and the vehicle intrinsic movement measurement data are supplied and which determines the lane curvature and / or the transverse position of a respective object in front of the vehicle relative to the lane by estimation by means of a predefinable, dynamic vehicle movement model-containing estimation algorithm ,
  • the device preferably includes a Kalman filter.
  • the device is e.g. used in road vehicles.
  • From DE 103 54 650 Al a lane device and a method for determining first lane course data of a lane course for a first vehicle based on Lane data of the first vehicle ahead of the second vehicle known.
  • a detection of lane data of a plurality of measurement positions of the second vehicle and a determination of second lane course data for describing a lane course of the second vehicle based on the lane data are proposed.
  • lane markings are detected with the sensor system for lane detection in a lying in front of the vehicle area of a traffic area.
  • the lane markings are assigned to nodes with at least coordinates of a first coordinate system. The coordinates of
  • Support points are converted into a second coordinate system.
  • the course of lane markings and / or lanes is reconstructed from the position of the interpolation points in the second coordinate system.
  • the invention is based on the object
  • Driver assistance system with an assistance function supporting the lateral guidance of the vehicle, such as in particular LKS (Lane Keeping Support), to further improve.
  • LKS Lane Keeping Support
  • This object is achieved in that the detected by sensors of the driver assistance system information about the course of lane markings Plausibility measure is assigned. This plausibility measure enables the driver assistance system to assess whether the acquired information is suitable for a successful and safe lateral guidance of the vehicle, in particular with the assistance function LKS.
  • the core of the invention is a model-based method, which compresses the criteria relevant for assistance function for the assessment of information about the course of a lane, or their markers, to an integrated plausibility measure.
  • Relevant criteria for this are, in particular, the distance in front of the vehicle, up to which information about the course of a traffic lane or its marking is available. This distance is also referred to as a look-ahead range in the present description of the invention.
  • Another criterion is the quality of the track information.
  • Driver assistance system decide whether the detected lane markings are sufficiently clear for a successful work of the assistance function. It can also be decided whether individual functionalities can no longer be guaranteed, or whether the entire
  • Figure 1 is a plan view of a traffic area with a
  • FIG. 2 shows a measuring point history with measuring points of a video sensor
  • FIG. 3 is a diagram showing the
  • Figure 1 shows a plan view of a traffic space 30 with a vehicle 33, which moves along a lane 31.
  • the vehicle 33 comprises an evaluation device 1, in particular a microcomputer, a driver assistance system, whose multiple sensors 2.1, 2.2,
  • the evaluation device 1 receives the information from the sensors and evaluates them by determining the lane course.
  • an idealized reference model of the measurement point history is now used according to the invention.
  • this model maps the optimum number of measurement points n ldea i (t k ) that would have to be in the measurement point history at some point in time.
  • the model practically describes the "level" of the measurement point history Level is compared with the actual prevailing level by quotient formation, the real number of measuring points is in the numerator of the quotient and the ideal number in the denominator of the quotient. If the ideal number is smaller than the real number, these are equated. Thus, the quotient gives the value one.
  • the real number of measuring points is smaller than the ideal number, a value of the quotient of less than one results.
  • the ideal number of measurement points is determined according to this model idea as follows.
  • One or more arbitrary enveloping sensors provide, in time-constant time steps .DELTA.t, a parametric lane description, for example in the form of a polynomial, which is calculated back into corresponding measuring points.
  • the number of measuring points to be deleted depends on the distance traveled in a time step and the number of measuring points already contained in the measuring point history. In the exemplary embodiment which will be explained in more detail below, the ideal number of measuring points is given by way of example for the use of a single video sensor.
  • sensor 1, sensor 2, sensor 3, sensor x the values determined for each sensor would still have to be added as follows: Sensor 3 rn ic eal, sensor x
  • FIG. 2 shows a measuring point history with measuring points MP of a video sensor of the
  • each of the parallel to the y-axis lines represents a new measurement of the video sensor of the driver assistance system 1 of a vehicle 33 in a subsequent time step t L.
  • the x-axis of the diagram is the time axis (time t).
  • time t On the y-axis of the diagram, a distance dx in front of the vehicle 33 is indicated.
  • the crosses on the lines drawn parallel to the y-axis of the diagram represent measuring points MP detected by the video sensor of the vehicle 33.
  • a first measurement takes place at the time t 0 at the distance dx S ta r t. Further measurements are then carried out in subsequent times ti, t 2 , t ir t k .
  • Measurement interval to measurement interval the vehicle covers the distance 33 ⁇ dx Fah rzeug back.
  • the distance between measuring points MP is ⁇ dx M esshou •
  • the maximum predicted distance or measuring distance dx En d, max is.
  • At time t 0 provides the recalculation of the detected from the video sensor lane markings in the measuring points MP, with a maximum predicted distance of the video sensor of dx En d, max and essembl a distance of the measuring points of ⁇ dx M ⁇ a number of measuring points MP of
  • the number of measuring points MP in the measuring point history is thus:
  • one of the variants with associated distance X d ei can be selected.
  • the measuring points are deleted from the measuring point history.
  • the number of measuring points that are deleted from the measuring point history depends on how many measuring points from past measuring cycles lie on the track, which is the Vehicle has crossed over between the last and the current measurement cycle. Based on the reference model, it is possible to implicitly determine the number of measurement points on the route traveled by the vehicle, knowing the speeds which the vehicle has traveled in past measurement cycles. For this purpose, the current speed in each measuring cycle is stored in a vector v.
  • the number of measuring points that must be in the measuring point history at a certain time t k results from the inflow and outflow of measuring points.
  • the inflow is given by the number of measuring points that were recorded during the period t 0 t k .
  • the outflow is given by the measuring points which were crossed during the period or which correspond to the criteria of the route X d ei. From inflow and outflow, the following ideal number of measurement points result:
  • the core area of the present invention is that, based on the ideal number of measuring points n ldea i determined on the basis of the reference model and taking into account the actually recorded number of measuring points n rea i, a plausibility measure of the foresight distance PEntfemung is determined according to the following relationship:
  • this plausibility measure can be normalized to a certain range of values, which is particularly useful for further processing.
  • the plausibility measure can be normalized to a value range [0 ... 1].
  • an assistance function of the driver assistance system can advantageously decide when information about the course of the lane detected by the driver assistance system is to be regarded as plausible or implausible and consequently an activation or deactivation is to be undertaken. This will be explained below with reference to the diagram shown in FIG. 3, which shows a plausibility measure P as
  • an error model can be stored for each sensor and from this a measurement uncertainty X measurement point can be obtained for each measurement point
  • the measurement uncertainties of the measuring points are already determined by the sensors themselves and made available to the driver assistance system.
  • the measurement uncertainties of all measuring points can be particularly advantageous for another To summarize the plausibility measure that describes the plausibility of the measurements per se. It is expedient to note here that the measurement uncertainties of the measurements of different sensors can have different accuracy classes from each other and therefore must not be mixed directly with each other. For measurements with sensors of different accuracy classes for each measuring point, it is therefore advantageously determined from the measurement uncertainty of the measuring point and from the maximum measurement uncertainty of the respective sensor that a standardized weighting factor w M inkt G [0 l] is determined.
  • the weights of all measuring points can then be compressed into a further plausibility measure PMess points, for example based on a simple averaging:
  • a total plausibility measure can be determined and made available to an assistance function of the driver assistance system, for example the LKS assistance function.
  • a weighting factor is additionally introduced for each plausibility measure. This weighting factor will, depending on the requirements of each
  • Assistance function adapted to the lane information.
  • the Bacplausibilticianshunt can consist of only one of the partial plausibilities.
  • plausibilities can be included, if they are for an assistance function of the driver assistance system are relevant.
  • plausibilities come in particular the measurement uncertainty of a measurement point or a plausibility into consideration, which results from a comparison of measurement points based on their distances to a reference, such as the calculated from the measurement points parametric track description.
  • the evaluation device 1 is designed to carry out the above-described method.

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

Die Erfindung betrifft ein Verfahren für die Spurerfassung mit einem ein Sensorsystem zur Spurerkennung umfassenden Fahrerassistenzsystem eines Fahrzeugs (33), bei dem mit dem Sensorsystem für Spurerkennung in einem vor dem Fahrzeug (33) liegenden Bereich eines Verkehrsraums (30) Fahrspurmarkierungen repräsentierende Messpunkte MP erfasst werden. Auf Basis eines Referenzmodells wird eine ideale Anzahl von Messpunkten MP ermittelt. Aus einem Vergleich zwischen der Anzahl der tatsächlich erfassten Messpunkte und der idealen Anzahl von Messpunkten wird ein Plausibilitätsmaß der Vorausschauweite bestimmt.

Description

Bes chreibung
Titel
Verfahren und Vorrichtung für die Spurerfassung mit einem Fahrerassistenzsystem
Stand der Technik
Die Erfindung betrifft ein Verfahren und Vorrichtung für die Spurerfassung mit einem Fahrerassistenzsystem nach dem Oberbegriff des Anspruchs 1. Es sind bereits
Fahrerassistenzsysteme mit Assistenzfunktionen, wie ACC (Adaptive Cruise Control) und Night Vision (Nachtsichtfähigkeit) bekannt. Hierfür werden umfelderfassende Sensoren, wie insbesondere Videosensoren, Radarsensoren und Lidarsensoren zum Einsatz, die in der Lage sind, Abstand und/oder Geschwindigkeit von Objekten in dem Umfeld eines Fahrzeugs und/oder Fahrstreifenbegrenzungen zu erkennen. Weiterhin sind, im Zusammenhang mit einem Fahrerassistenzsystem, Assistenzfunktionen, wie LDW (Lane Departure Warning) und LKS (Lane Keeping Support) bekannt. Die Assistenzfunktion LDW warnt den Fahrer vor einem unbeabsichtigten Verlassen der von dem eigenen Fahrzeug befahrenen Fahrspur. Dazu wird mittels Videosensoren zumindest der Verkehrsraum vor dem eigenen Fahrzeug erfasst, um insbesondere Fahrspurmarkierungen zu detektieren und die Position des eigenen Fahrzeugs in Bezug auf solche Fahrspurmarkierungen zu erfassen. Abhängig von der Position des eigenen Fahrzeugs in Bezug auf die detektierten Fahrspurmarkierungen sowie von seiner prädizierten Fortbewegungsrichtung, werden eine akustische, optische, haptische Warnung oder eine Kombination derartiger Warnungen generiert, um den Fahrer des Fahrzeugs vor einem unbeabsichtigten Verlassen der Fahrspur zu warnen. Bei der Assistenzfunktion LKS wird der Fahrer durch Lenkeingriffe des Fahrerassistenzsystems bei der Führung des Fahrzeugs in der Fahrspur unterstützt.
Aus DE 103 49 631 Al sind ein Fahrerassistenzverfahren und eine Fahrerassistenzvorrichtung bekannt, welche auf der Basis von Fahrspurinformationen arbeiten. Die Fahrspurinformationen werden dabei je nach Witterungsbedingungen aus einem von einem Videosensor aufgenommenen Bild gemessen und/oder aufgrund von Objekten in diesem Bild geschätzt. Dabei wird die Fahrspurinformation aus wenigstens zwei, die Fahrspur kennzeichnenden
Informationen abgeleitet. Aus dem Bildkontrast wird ein Gütemaß für die Spurdatenerfassung abgeleitet, mit der die jeweils ermittelten Spurdaten gewichtet und bei der Fusion der dem Fahrassistenzsystem zur Verfügung gestellten Spurdaten aus den einzelnen Spurdaten berücksichtigt werden. Dabei ist auch die Bildung eines Gesamtgütemaßes für die Spurdatenerfassung aus den Einzelgütemaßen vorgesehen, wobei das Fahrerassistenzsystem abgeschaltet wird, wenn dieses Gesamtgütemaß einen bestimmten Wert unterschreitet. Das Gütemaß kann auch aus einem Vergleich einer Schätzung mit einer Messung abgeleitet werden, wobei insbesondere die Abweichung der Messpunkte von der Schätzlinie herangezogen werden .
Aus DE 197 20 764 Al ist weiterhin ein Verfahren zur Erkennung des voraus liegenden Fahrbahnverlaufs für Kraftfahrzeuge bekannt, bei dem die Eigengeschwindigkeit des Fahrzeugs erfasst sowie durch starre, in Fahrtrichtung ausgerichtete Suchantennen über eine Radarsensorik die Position und die Geschwindigkeit vorausbefindlicher Objekte ermittelt werden, das eine einfache vorausschauende Fahrbahnverlaufs-Erkennung durch spezielle Auswertung der vorhandenen Positions- und Geschwindigkeitsmessdaten ermöglicht. Aus den Festzielen werden durch Schwellwertvergleich der Festzielamplituden die fahrbahnrandspezifischen Ziele ausgefiltert und durch Ordnungsfilterung die aktuellen Distanzen zwischen Fahrzeug und Fahrbahnrand in diskreten Winkelbereichen bestimmt. Die für jeden Winkelbereich geschätzten Fahrbahnranddistanzen werden als Merkmale einem Klassifikator zur Prädiktion des voraus liegenden Kurventyps zugeführt und als Stützwerte für eine Kurvenregression zur Gewinnung eines Kurvenkrümmungsparameters verwendet .
Aus DE 197 49 086 Cl ist eine Vorrichtung zur Ermittlung fahrspurverlaufsindikativer Daten bekannt, die eine Fahrspurerkennungssensorik, eine Objektpositionssensorik, die wenigstens den Abstand eines vor dem Fahrzeug befindlichen Objekts und dessen Richtungswinkel bezüglich der Fahrzeugbewegungsrichtung erfasst und eine
Fahrzeugeigenbewegungssensorik beinhaltet. Erfindungsgemäß ist eine Schätzeinrichtung vorgesehen, der die Fahrspurerkennungsmessdaten, die Objektpositionsmessdaten und die Fahrzeugeigenbewegungsmessdaten zugeführt werden und die in Abhängigkeit davon die Fahrspurkrümmung und/oder die Querposition eines jeweiligen Objekts vor dem Fahrzeug relativ zur Fahrspur durch Schätzung mittels eines vorgebbaren, ein dynamisches Fahrzeugbewegungsmodell beinhaltenden Schätzalgorithmus ermittelt. Vorzugsweise beinhaltet die Vorrichtung hierzu ein Kaiman-Filter. Die Vorrichtung wird z.B. in Straßenfahrzeugen verwendet.
Aus DE 103 54 650 Al sind eine Fahrspurvorrichtung und ein Verfahren zur Ermittlung von ersten Fahrspurverlaufsdaten eines Fahrspurverlaufes für ein erstes Fahrzeug anhand von Fahrspurdaten eines dem ersten Fahrzeug vorausfahrenden zweiten Fahrzeugs bekannt. Es wird eine Erfassung von Fahrspurdaten mehrerer Messpositionen des zweiten Fahrzeugs und eine Ermittlung von zweiten Fahrspurverlaufsdaten zur Beschreibung eines Fahrspurverlaufes des zweiten Fahrzeugs anhand der Fahrspurdaten vorgeschlagen.
Aus DE 10 2006 040 334.7 ist weiterhin ein Verfahren für die Spurerfassung mit einem ein Sensorsystem zur Spurerkennung umfassenden Fahrerassistenzsystem eines Fahrzeugs bekannt.
Dabei werden mit dem Sensorsystem für Spurerkennung in einem vor dem Fahrzeug liegenden Bereich eines Verkehrsraums Fahrspurmarkierungen erfasst. Den Fahrspurmarkierungen werden Stützstellen mit mindestens Koordinaten eines ersten Koordinatensystems zugeordnet. Die Koordinaten der
Stützstellen werden in ein zweites Koordinatensystem umgewandelt. Aus der Lage der Stützstellen in dem zweiten Koordinatensystem wird der Verlauf von Fahrspurmarkierungen und/oder Fahrspuren rekonstruiert.
Offenbarung der Erfindung
Technische Aufgabe
Der Erfindung liegt die Aufgabe zugrunde, ein
Fahrerassistenzsystem mit einer die Querführung des Fahrzeugs unterstützenden Assistenzfunktion, wie insbesondere LKS (Lane Keeping Support) , weiter zu verbessern .
Technische Lösung
Diese Aufgabe wird erfindungsgemäß dadurch gelöst, dass den von Sensoren des Fahrerassistenzsystems erfassten Informationen über den Verlauf von Fahrspurmarkierungen ein Plausibilitätsmaß zugeordnet wird. Dieses Plausibilitätsmaß ermöglicht dem Fahrerassistenzsystem eine Beurteilung, ob die erfassten Informationen für eine erfolgreiche und sichere Querführung des Fahrzeugs, insbesondere mit der Assistenzfunktion LKS, geeignet sind.
Vorteilhafte Wirkungen
Kern der Erfindung ist ein modellbasiertes Verfahren, welches die für Assistenzfunktion relevanten Kriterien für die Beurteilung von Informationen über den Verlauf einer Fahrspur, bzw. ihrer Markierungen, zu einem integrierten Plausibilitätsmaß verdichtet. Relevante Kriterien dafür sind insbesondere die Entfernung vor dem Fahrzeug, bis zu welcher Informationen über den Verlauf einer Fahrspur, bzw. deren Markierung, vorliegen. Diese Entfernung wird in der vorliegenden Beschreibung der Erfindung auch als Vorausschauweite bezeichnet. Ein weiteres Kriterium ist die Qualität der Spurinformationen. Anhand des erfindungsgemäß gewonnenen Plausibilitätsmaßes kann das
Fahrerassistenzsystem entscheiden, ob die erfassten Fahrspurmarkierungen hinreichend deutlich für eine erfolgreiche Arbeit der Assistenzfunktion sind. Weiter kann entschieden werden, ob einzelne Funktionalitäten nicht mehr gewährleistet werden können, oder ob die gesamte
Assistenzfunktion, zumindest zeitweilig, deaktiviert werden muss .
Weitere Vorteile ergeben sich aus der Beschreibung, den Unteransprüchen und der Zeichnung.
Kurze Beschreibung der Zeichnungen
Ausführungsformen der Erfindung werden nachfolgend unter Bezug auf die Zeichnung näher erläutert. Dabei zeigt Figur 1 eine Aufsicht auf einen Verkehrsraum mit einem
Fahrzeug;
Figur 2 eine Messpunkthistorie mit Messpunkten eines Videosensors;
Figur 3 ein Diagramm mit Darstellung des
Plausibilitätsmaßes als Funktion der Zeit.
Ausführungsformen der Erfindung
Figur 1 zeigt eine Aufsicht auf einen Verkehrsraum 30 mit einem Fahrzeug 33, das sich entlang einer Fahrspur 31 fortbewegt. Das Fahrzeug 33 umfasst eine Auswerteeinrichtung 1, insbesondere ein Mikrocomputer, eines Fahrerassistenzsystems, dessen mehrere Sensoren 2.1, 2.2,
2.3 Messpunkte MP entlang der vor dem Fahrzeug 33 liegenden Fahrspur 31 aufnehmen und die daraus den Verlauf der Fahrspur 31 und die Lage des Fahrzeugs 33 in Bezug auf diese Fahrspur 31 ableiten. Die Auswerteeinrichtung 1 empfängt dabei die Informationen von den Sensoren und wertet diese per Ermittlung des Fahrspurverlaufs aus. In der Anmeldung DE 10 2006 040 334.7 wird vorgeschlagen, von Sensoren erfasste Messpunkte über den Verlauf von Fahrstreifen bzw. deren Markierungen in ein ortsfestes Koordinatensystem umzurechnen und über einen gewissen Zeitraum durch Speicherung in einem Messpunktespeicher in einer so genannten Messpunktehistorie mitzuführen. Zur Beurteilung der auf den Messpunkten in der Messpunktehistorie basierenden Vorausschauweite wird nun erfindungsgemäß ein idealisiertes Referenzmodell der Messpunktehistorie verwendet. Dieses Modell bildet bei einer angenommenen optimalen Vorausschauweite der verschiedenen Sensoren die optimale Anzahl an Messpunkten nldeai (tk) ab, die sich zu einem gewissen Zeitpunkt in der Messpunkthistorie befinden müsste. Das Modell beschreibt praktisch den „Füllstand" der Messpunkthistorie. Der ideale Füllstand wird mit dem tatsächlich vorherrschenden Füllstand durch Quotientenbildung verglichen, wobei die reale Anzahl von Messpunkten in dem Zähler des Quotienten und die ideale Anzahl in dem Nenner des Quotienten steht. Sollte die ideale Anzahl kleiner als die reale Anzahl sein, werden diese gleichgesetzt. Somit ergibt der Quotient den Wert eins.
Ist dagegen die reale Anzahl von Messpunkten kleiner als die ideale Anzahl, ergibt sich ein Wert des Quotienten kleiner eins. Die ideale Anzahl von Messpunkten wird, gemäß dieser Modellvorstellung, wie folgt ermittelt. Ein oder mehrere beliebige umfelderfassende Sensoren liefern, in zeitlich konstanten Zeitschritten Δt, eine parametrische Fahrstreifenbeschreibung, beispielsweise in Form eines Polynoms, welches in entsprechende Messpunkte zurückgerechnet wird. Alternativ können auch direkt Messpunkte erfasst werden, die den Verlauf des Fahrstreifens vor dem eigenen Fahrzeug beschreiben. Diese Messpunkte werden der Messpunkthistorie hinzugefügt. In dem gleichen Zug werden räumlich hinter dem Fahrzeug liegende Messpunkte aus der Messpunkthistorie gelöscht. Die Anzahl an zu löschenden Messpunkten ist abhängig von der in einem Zeitschritt zurückgelegten Strecke und der bereits in der Messpunkthistorie enthaltenen Anzahl von Messpunkten. Bei dem im Folgenden noch weiter erläuterten Ausführungsbeispiel ist die ideale Anzahl von Messpunkten exemplarisch für die Verwendung eines einzigen Videosensors angeführt. Bei dem Einsatz mehrerer Sensoren, Sensor 1, Sensor 2, Sensor 3, Sensor x, müssten die für jeden Sensor ermittelten Werte noch wie folgt addiert werden:
Figure imgf000009_0001
Sensor 3 ~r nic[eal, Sensor x-
Unter Bezug auf Figur 2 wird nun dieses Referenzmodell anhand der Messungen eines Videosensors des Fahrerassistenzsystems dargestellt. Das in Figur 2 dargestellte Diagramm zeigt eine Messpunkthistorie mit Messpunkten MP eines Videosensors des
Fahrerassistenzsystems, wobei jede der parallel zu der y- Achse verlaufenden Linien eine neue Messung des Videosensors des Fahrerassistenzsystems 1 eines Fahrzeugs 33 in einem folgenden Zeitschritt tL darstellt. Die x-Achse des Diagramms ist die Zeitachse (Zeit t) . Auf der y-Achse des Diagramms ist eine vor dem Fahrzeug 33 liegende Entfernung dx angegeben. Die Kreuze auf den parallel zu der y-Achse des Diagramms gezeichneten Linien stellen von dem Videosensor des Fahrzeugs 33 erfasste Messpunkte MP dar. Eine erste Messung findet zum Zeitpunkt t0 bei der Entfernung dxStart statt. Weitere Messungen werden dann in nachfolgenden Zeitpunkten ti, t2, tir tk durchgeführt. Von Messintervall zu Messintervall legt das Fahrzeug 33 die Entfernung ΔdxFahrzeug zurück. Der Abstand zwischen Messpunkten MP beträgt ΔdxMesspunkte • Die maximale Vorausschauweite oder Messentfernung ist mit dxEnd, max bezeichnet.
Zum Zeitpunkt t0 liefert die Rückrechnung der von dem Videosensor detektierten Fahrspurmarkierungen in Messpunkte MP, bei einer maximalen Vorausschauweite des Videosensors von dxEnd, max und einem Abstand der Messpunkte von ΔdxMesspunkteΛ eine Anzahl von Messpunkten MP von
;D
Figure imgf000010_0001
Die Anzahl an Messpunkten MP in der Messpunkthistorie beträgt somit:
(2) n 1deal(h) = nr1deo(tθ)
Aufgrund der angenommenen maximalen Vorausschauweite und dem konstant bleibenden Abstand der Messpunkte MP bleibt auch die Anzahl der neu hinzukommenden Messpunkte MP in jedem Messzyklus konstant. Die Anzahl der Messpunkte in der Messpunkthistorie
(3) nιdeal(tk)
Erhöht sich somit in jedem Messzyklus um
dx Εnd,va&x
^X ''Messpunkte
Abhängig von der Geschwindigkeit v (tk) , die zwischen zwei Messzyklen dTVideo als konstant angenommen wird, legt das Fahrzeug die folgende Strecke
( 5 ) ΔdxFahrzeug (tk) = v(tk)dTVιdeo l zurück ,
mit
( 6 ) dTrideo = tk - tk_γ .
Messpunkte können so lange in der Messpunkthistorie mitgeführt werden, bis diese in einer definierten Strecke Xdei > 0 kurz vor dem Fahrzeug liegen, gerade von dem Fahrzeug überfahren werden (Xdei = 0) oder räumlich eine definierte Strecke xdei < 0 hinter dem Fahrzeug zurückgelegt haben.
In Abhängigkeit von den Anforderungen der Assistenzfunktion des Fahrerassistenzsystems kann eine der Varianten mit zugehöriger Strecke Xdei gewählt werden. Anschließend werden die Messpunkte aus der Messpunkthistorie gelöscht. Die Anzahl der Messpunkte, die aus der Messpunkthistorie gelöscht werden, hängt davon ab, wie viele Messpunkte aus vergangenen Messzyklen auf der Strecke liegen, die das Fahrzeug zwischen dem letzten und dem aktuellen Messzyklus überstrichen hat. Basierend auf dem Referenzmodell lässt sich die Anzahl der Messpunkte auf der von dem Fahrzeug überfahrenen Strecke, in Kenntnis der Geschwindigkeiten, die das Fahrzeug in vergangenen Messzyklen gefahren ist, implizit bestimmen. Hierfür wird die in jedem Messzyklus aktuelle Geschwindigkeit in einem Vektor v gespeichert. Die Anzahl an Messpunkten, die sich zu einem gewissen Zeitpunkt tk in der Messpunkthistorie befinden müssen, ergibt sich aus dem Zufluss und dem Abfluss von Messpunkten. Der Zufluss ist dabei gegeben durch die Anzahl an Messpunkten, die während des Zeitraums t0 tk erfasst wurden. Der Abfluss ist gegeben durch die Messpunkte, die während des Zeitraums überfahren wurden, bzw. den Kriterien der Strecke Xdei entsprechen. Aus Zufluss und Abfluss ergibt sich somit die folgende ideale Anzahl von Messpunkten:
Figure imgf000012_0001
mit nVιdeo {t ^ = COHSt.
Kernbereich der vorliegenden Erfindung ist, dass anhand der auf Basis des Referenzmodells ermittelten idealen Anzahl von Messpunkten nldeai und unter Berücksichtigung der tatsächlich erfassten Anzahl von Messpunkten nreai nach folgender Beziehung ein Plausibilitätsmaß der Vorausschauweite PEntfemung bestimmt wird:
' Q ) n _ nreaMk ) κ ' y Entfernung nιdeal
Figure imgf000012_0002
In einer vorteilhaften Ausführungsvariante der Erfindung kann dieses Plausibilitätsmaß auf einen bestimmten Wertebereich normiert werden, was für die Weiterverarbeitung besonders zweckmäßig ist. Beispielsweise kann das Plausibilitätsmaß auf einen Wertebereich [0...1] normiert werden .
Unter Berücksichtigung des Plausibilitätsmaßes kann eine Assistenzfunktion des Fahrerassistenzsystems vorteilhaft entscheiden, wann von dem Fahrerassistenzsystem erfasste Informationen über den Verlauf der Fahrspur als plausibel oder nicht plausibel anzusehen sind und demzufolge eine Aktivierung oder eine Deaktivierung vorgenommen werden soll. Dies wird im Folgenden anhand des in Figur 3 dargestellten Diagramms erläutert, das ein Plausibilitätsmaß P als
Funktion der Zeit t darstellt. Infolge der beschriebenen Normierung kann das Plausibilitätsmaß maximal den Wert eins annehmen. Bei einem vorgebbaren Schwellwert PAktivierung findet eine Aktivierung statt. In dem in Figur 3 dargestellten Diagramm ist dies zum Zeitpunkt tAktivierung der Fall. Bei einem weiteren Schwellwert PDeaktivierung findet eine Deaktivierung statt. Dies ist zum Zeitpunkt tDeaktivierung der Fall. Vorteilhaft wird hierbei dadurch eine Hysterese eingeführt, dass der Schwellwert PDeaktivierung kleiner ist als der Schwellwert PAktivierung •
Vorteilhaft kann weiterhin, bei bekannter Messungenauigkeit der in dem Fahrerassistenzsystem verwendeten Sensoren, für jeden Sensor ein Fehlermodell hinterlegt und hieraus für jeden Messpunkt eine Messunsicherheit XMesspunkt
Berechnet werden. Besonders vorteilhaft werden die Messunsicherheiten der Messpunkte bereits von den Sensoren selbst ermittelt und dem Fahrerassistenzsystem zur Verfügung gestellt. Besonders vorteilhaft lassen sich die Messunsicherheiten aller Messpunkte zu einem weiteren Plausibilitätsmaß verdichten, das die Plausibilität der Messungen an sich beschreibt. Hierbei ist zweckmäßigerweise zu beachten, dass die Messunsicherheiten der Messungen unterschiedlicher Sensoren voneinander abweichende Genauigkeitsklassen aufweisen können und demzufolge nicht direkt miteinander vermischt werden dürfen. Vorteilhaft wird daher bei Messungen mit Sensoren von verschiedenen Genauigkeitsklassen für jeden Messpunkt aus der Messunsicherheit des Messpunkts und aus der maximalen Messunsicherheit des jeweiligen Sensors ein normierter Gewichtungsfaktor wM unkt G [0 l] bestimmt.
Anschließend können dann die Gewichte aller Messpunkte zu einem weiteren Plausibilitätsmaß PMesspunkte verdichtet werden, beispielsweise anhand einer einfachen Mittelwertbildung:
( -L U ) PMesspunkte ~ W Messpunkte
Aus beiden Plausibilitätsmaßen kann ein Gesamtplausibilitätsmaß bestimmt und einer Assistenzfunktion des Fahrerassistenzsystems, beispielsweise der LKS- Assistenzfunktion, zur Verfügung gestellt werden. Hierbei wird vorteilhaft für jedes Plausibilitätsmaß zusätzlich ein Gewichtungsfaktor eingeführt. Dieser Gewichtungsfaktor wird, abhängig von den Anforderungen der jeweiligen
Assistenzfunktion, an die Spurinformationen angepasst.
( 1 1 ) P Gesamt ~ "' ^KY1 'pEntfernung ' P Entfernung "^ PMesspunkte ' PMesspunkte ) "
In einer vorteilhaften weiteren Ausgestaltung der Erfindung kann das Gesamtplausibilitätsmaß auch nur aus einer der Teilplausibilitäten bestehen.
Weiterhin können zusätzlich weitere Plausibilitäten aufgenommen werden, sofern diese für eine Assistenzfunktion des Fahrerassistenzsystems relevant sind. Als solche Plausibilitäten kommen insbesondere die Messunsicherheit eines Messpunkts oder eine Plausibilität in Betracht, die sich aus einem Vergleich von Messpunkten anhand ihrer Abstände zu einer Referenz, wie beispielsweise der aus den Messpunkten berechneten parametrischen Spurbeschreibung, ergibt .
Die Auswerteeinrichtung 1 ist zur Durchführung der oben geschilderten Verfahren ausgestaltet.

Claims

Ansprüche
1. Verfahren für die Spurerfassung mit einem ein Sensorsystem zur Spurerkennung (Sensoren 2.1, 2.2, 2.3) umfassenden Fahrerassistenzsystem eines Fahrzeugs (33), bei dem mit dem Sensorsystem für Spurerkennung (2.1, 2.2,
2.3) in einem vor dem Fahrzeug (33) liegenden Bereich eines Verkehrsraums (30) Fahrspurmarkierungen repräsentierende Messpunkte (MP) erfasst werden, dadurch gekennzeichnet, dass auf Basis eines Referenzmodells eine ideale Anzahl von Messpunkten (MP) ermittelt wird, und dass aus einem Vergleich zwischen der Anzahl der tatsächlich erfassten Messpunkte (MP) und der idealen Anzahl von Messpunkten (MP) ein Plausibilitätsmaß der Vorausschauweite (pEntfernung) bestimmt wird.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das Plausibilitätsmaß (pEntfernung) nach der Beziehung
PEntfernung = """ ^ be st immt wi rd .
3. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Plausibilitätsmaß
(PEntfemung) auf einen bestimmten Wertebereich, insbesondere auf den Wertebereich [0...1] normiert wird.
4. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Messunsicherheit
( xMesspunkt ) der Mes spunkte erfas st wi rd .
5. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass aus den Messunsicherheiten der Messpunkte ein weiteres Plausibilitätsmaß abgeleitet
5 wird.
6. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass bei einer Messung mit Sensoren von unterschiedlichen Genauigkeitsklassen für0 jeden Messpunkt (MP) aus der Messunsicherheit des jeweiligen Messpunkts (MP) und aus der maximalen Messunsicherheit des jeweiligen Sensors ein normierter Gewichtungsfaktor ^ WM ktG[0 1] bestimmt wird.
7. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Gewichte aller Messpunkte (MP) zu einem Plausibilitätsmaß (Pluspunkte)0 verdichtet werden.
8. Verfahren nach einem der vorgehenden Ansprüche, dadurch gekennzeichnet, dass eine Assistenzfunktion des Fahrerassistenzsystems bei Erreichen eines Schwellwerts5 (PAktivierung) des Plausibi1itatsmaßes aktiviert und bei
Erreichen eines Schwellwerts (PDeaktivierung) deaktiviert wird.
9. Verfahren nach einem der vorhergehenden Ansprüche,0 dadurch gekennzeichnet, dass der Schwellwert (PDeaktivierung) niedriger ist als der Schwellwert (PAktivierung) r so dass sich eine Hysterese zwischen Aktivierung und Deaktivierung ergibt.
10. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Plausibilitätsmaß (PMesspunkte) nach folgender Beziehung bestimmt wird:
r Messpunkte Messpunkte r
wobei ^Messpunkte der Mittelwert aus den Mes spunkten (MP ) zugeordneten Gewi chtungs faktoren WMesspunkt i st .
11.Vorrichtung zur Spurerfassung, mit einer
Auswerteeinrichtung (1), die Informationen von Sensoren (2.1, 2.2, 2.3) empfängt und auswertet, dadurch gekennzeichnet, dass die Auswerteeinrichtung zur Durchführung eines der Verfahren nach Anspruch 1 bis 10 ausgestaltet ist.
PCT/EP2008/056774 2007-07-23 2008-06-02 Verfahren und vorrichtung für die spurerfassung mit einem fahrerassistenzsystem Ceased WO2009013052A2 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102007034196A DE102007034196A1 (de) 2007-07-23 2007-07-23 Verfahren und Vorrichtung für die Spurerfassung mit einem Fahrerassistenzsystem
DE102007034196.4 2007-07-23

Publications (2)

Publication Number Publication Date
WO2009013052A2 true WO2009013052A2 (de) 2009-01-29
WO2009013052A3 WO2009013052A3 (de) 2009-05-07

Family

ID=39717560

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2008/056774 Ceased WO2009013052A2 (de) 2007-07-23 2008-06-02 Verfahren und vorrichtung für die spurerfassung mit einem fahrerassistenzsystem

Country Status (2)

Country Link
DE (1) DE102007034196A1 (de)
WO (1) WO2009013052A2 (de)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113396095A (zh) * 2019-01-31 2021-09-14 标致雪铁龙汽车股份有限公司 管理由发动机式陆地车辆的驾驶辅助系统提供的车道保持辅助功能的方法
US20230234583A1 (en) * 2022-01-27 2023-07-27 Magna Electronics Inc. Vehicular radar system for predicting lanes using smart camera input

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5552339B2 (ja) * 2010-03-12 2014-07-16 トヨタ自動車株式会社 車両制御装置
DE102011004937A1 (de) 2011-03-02 2012-09-06 Robert Bosch Gmbh Verfahren und Steuergerät zum Beeinflussen einer Beleuchtungsszene vor einem Fahrzeug
DE102011006564B4 (de) 2011-03-31 2025-08-28 Robert Bosch Gmbh Verfahren zur Auswertung eines von einer Kamera eines Fahrzeugs aufgenommenen Bildes und Bildaufbereitungsvorrichtung
DE102011084762A1 (de) 2011-10-19 2013-04-25 Robert Bosch Gmbh Verfahren und Vorrichtung zur Ermittlung einer Position eines Objektes in einem Umfeld eines Fahrzeugs
DE102013013253A1 (de) * 2013-08-09 2015-02-12 Connaught Electronics Ltd. Verfahren zum Warnen des Fahrers eines Kraftfahrzeugs abhängig von einer ermittelten Zeit bis zur Kollision, Kamerasystem und Kraftfahrzeug
DE102014222357A1 (de) * 2014-11-03 2016-05-04 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur Analyse der Fahrt eines Fahrzeuges
DE102016205761A1 (de) * 2016-04-07 2017-10-12 Robert Bosch Gmbh Verfahren zum Betreiben eines Fahrzeugs
WO2018212287A1 (ja) * 2017-05-19 2018-11-22 パイオニア株式会社 測定装置、測定方法およびプログラム

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3045401B2 (ja) 1996-05-08 2000-05-29 ダイムラークライスラー・アクチエンゲゼルシヤフト 自動車の前方車道状況を確認する方法
DE19749086C1 (de) 1997-11-06 1999-08-12 Daimler Chrysler Ag Vorrichtung zur Ermittlung fahrspurverlaufsindikativer Daten
JP3661684B2 (ja) * 2002-11-28 2005-06-15 日産自動車株式会社 車線逸脱防止装置
DE10349631A1 (de) 2003-10-24 2005-05-19 Robert Bosch Gmbh Fahrerassistenzverfahren und -vorrichtung auf der Basis von Fahrspurinformationen
DE10354650A1 (de) 2003-11-22 2005-06-16 Daimlerchrysler Ag Fahrspurvorrichtung und Verfahren zur Ermittlung von Fahrspurverlaufsdaten für ein Fahrzeug
JP4539415B2 (ja) * 2005-04-15 2010-09-08 株式会社デンソー 画像処理装置
WO2007077682A1 (ja) * 2005-12-28 2007-07-12 Honda Motor Co., Ltd. 車両及びレーンマーク検出装置
DE102006000640A1 (de) * 2006-01-03 2007-07-05 Robert Bosch Gmbh Verfahren für die Steuerung eines Fahrerassistenzsystems
DE102006040334A1 (de) 2006-08-29 2008-03-06 Robert Bosch Gmbh Verfahren für die Spurerfassung mit einem Fahrerassistenzsystem und Fahrerassistenzsystem

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113396095A (zh) * 2019-01-31 2021-09-14 标致雪铁龙汽车股份有限公司 管理由发动机式陆地车辆的驾驶辅助系统提供的车道保持辅助功能的方法
US20230234583A1 (en) * 2022-01-27 2023-07-27 Magna Electronics Inc. Vehicular radar system for predicting lanes using smart camera input
US12319281B2 (en) * 2022-01-27 2025-06-03 Magna Electronics Inc. Vehicular radar system for predicting lanes using smart camera input

Also Published As

Publication number Publication date
DE102007034196A1 (de) 2009-01-29
WO2009013052A3 (de) 2009-05-07

Similar Documents

Publication Publication Date Title
EP3584663B1 (de) Verfahren zur automatischen querführung eines folgefahrzeugs in einem fahrzeug-platoon
WO2009013052A2 (de) Verfahren und vorrichtung für die spurerfassung mit einem fahrerassistenzsystem
DE102015111535B4 (de) Algorithmus zur genauen Krümmungsschätzung für die Bahnplanung von autonom fahrenden Fahrzeugen
DE102019112413B4 (de) Verfahren und vorrichtung zur multi-sensor-datenfusion für automatisierte und autonome fahrzeuge
EP1680317B1 (de) Fahrerassistenzverfahren und -vorrichtung auf der basis von fahrspurinformationen
EP2467291B1 (de) Verfahren und steuergerät zum robusten erkennen eines fahrspurwechsels eines fahrzeugs
EP3465090B1 (de) Verfahren zum bereitstellen einer fahrzeugtrajektorieninformation und verfahren zum orten eines schlaglochs
DE102020107349A1 (de) Verfahren und vorrichtung zur dynamischen gierratenabweichungsschätzung
EP3898368B1 (de) Verfahren und system zum bestimmen einer korrigierten trajektorie eines fahrzeugs
DE102014111126A1 (de) Verfahren zum Erzeugen einer Umgebungskarte eines Umgebungsbereichs eines Kraftfahrzeugs, Fahrerassistenzsystem sowie Kraftfahrzeug
DE102013217486B4 (de) Verfahren zur Repräsentation eines Umfelds eines Fahrzeugs in einem Belegungsgitter
DE102006040334A1 (de) Verfahren für die Spurerfassung mit einem Fahrerassistenzsystem und Fahrerassistenzsystem
DE102017222017A1 (de) Verfahren und System zum Ermitteln und Bereitstellen eines Bodenprofils
DE102016011366A1 (de) Verfahren zur Positionsbestimmung eines Fahrzeugs
EP4163174B1 (de) Verfahren und vorrichtung zur mindestens assistierten querführung eines kraftfahrzeugs
DE102007044761A1 (de) Verfahren und Vorrichtung zur Bestimmung eines sich entlang einer Bewegungsbahn eines Fahrzeuges erstreckenden Fahrschlauches
DE102004028404A1 (de) Verfahren zur Schätzung des Verlaufs einer Fahrspur eines Kraftfahrzeuges
DE102019132967A1 (de) Verfahren und Vorrichtung zur Ermittlung einer Fahrspur-Hypothese
WO2020160796A1 (de) Verfahren und vorrichtung zur multi-sensor-datenfusion für automatisierte und autonome fahrzeuge
EP1803622B1 (de) Verfahren für die Steuerung eines Fahrerassistenzsystems
EP4183654A1 (de) Verfahren und vorrichtung zum bestimmen einer fahrzeugpose eines fahrzeugs
DE102022114589A1 (de) Verfahren und Assistenzsystem zum Vorhersagen eines Fahrschlauches und Kraftfahrzeug
EP2172826B1 (de) Verfahren und Vorrichtung zum Ermitteln eines Fahrspurverlaufs
WO2021063567A1 (de) Verfahren und vorrichtung zum führen eines kraftfahrzeuges in einer fahrspur
DE102008007350A1 (de) Fahrerassistenzverfahren und -vorrichtung auf der Basis von Fahrstreifeninformationen

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 08760361

Country of ref document: EP

Kind code of ref document: A2

122 Ep: pct application non-entry in european phase

Ref document number: 08760361

Country of ref document: EP

Kind code of ref document: A2