DE102009006214B4

DE102009006214B4 - Verfahren zum Bereitstellen einer Umfeldrepräsentation eines Fahrzeugs

Info

Publication number: DE102009006214B4
Application number: DE102009006214.9A
Authority: DE
Inventors: Thien-Nghia Nguyen
Original assignee: Volkswagen AG
Current assignee: Volkswagen AG
Priority date: 2009-01-27
Filing date: 2009-01-27
Publication date: 2022-10-13
Anticipated expiration: 2029-01-28
Also published as: WO2010086108A1; DE102009006214A1

Abstract

Verfahren zur Umfeldrepräsentation eines Fahrzeugs umfassend:Unterteilen der Umgebung in Bereiche, und Zuordnen von Zellen zu den Bereichen, wobei die Zellen einen Belegungszustand, frei, belegt oder unbekannt annehmen können undwobei die Belegungszustände frei und belegt als erkannte Belegungszustände bezeichnet sind;Erfassen von Sensordaten über das Umfeld;Ermitteln der Belegungszustände für die Zellen im Umfeld unter Verwendung der Sensordaten;Ermitteln von Konfidenzwerten, die jeweils eine Wahrscheinlichkeitsaussage repräsentieren, dass der Belegungszustand der Zelle einem wahren Belegungszustand des entsprechenden Bereichs entspricht; dadurch gekennzeichnet, dassden Zellen iterativ jeweils der zuletzt ermittelte erkannte Belegungszustand zugewiesen und der Konfidenzwert der Zellen aktualisiert wird.

Description

Die Erfindung betrifft ein Verfahren zum Bereitstellen einer Umfeldrepräsentation eines Fahrzeugs, insbesondere eines Kraftfahrzeugs.
In modernen Kraftfahrzeugen werden eine Reihe von Systemen eingesetzt, die einen Fahrer beim Führen des Kraftfahrzeugs unterstützen. Ein Teil dieser Systeme und der von ihnen ausgeführten und/oder bereitgestellten Funktionen dient einer Erhöhung einer Fahrsicherheit und/oder Fahrer- und Insassensicherheit. Rückhaltesysteme werden beispielsweise vor einem tatsächlich eingetretenen Unfall aktiviert, sobald ein Unfall als unvermeidbar erkannt ist. Hierfür ist eine möglichst gute Kenntnis des Umfelds des Fahrzeugs notwendig. Andere Systeme sind eher einem Komfortbereich zuzuordnen, hierzu zählen beispielsweise Systeme, die ein Ein- und/oder Ausparken des Fahrzeugs in eine Parklücke unterstützen. Wieder andere Systeme unterstützen das aktive Führen des Kraftfahrzeugs, wie beispielsweise Systeme zum Einhalten eines Mindestabstands von einem vorausfahrenden Kraftfahrzeug oder Systeme zum Unterstützen eines Spurwechsels usw.
Alle genannten Systeme und eine Vielzahl weiterer Systeme sind auf eine möglichst genaue Kenntnis des Umfelds des Kraftfahrzeugs angewiesen. Aus dem Stand der Technik ist es bekannt, Sensoren zu verwenden, um Informationen über das Umfeld zu erfassen. Als Sensoren werden beispielsweise Ultraschallsensoren, RADAR-Sensoren und/oder LIDAR-Sensoren oder kamerabasierte Systeme eingesetzt. Aus den Sensordaten werden Informationen über das Umfeld abgeleitet und aufbereitet, um eine Umfeldrepräsentation bereitzustellen, die von Fahrzeugsystemen genutzt werden kann, um die jeweilige Funktionalität bereitzustellen.
Im Stand der Technik werden zur Umfeldrepräsentation hauptsächlich ein so genannter objektbasierter Ansatz oder ein kartenbasierter Ansatz verwendet. Bei dem objektbasierten Ansatz werden anhand der Sensordaten einzelne Objekte-identifiziert und nachverfolgt (Tracing oder Tracking). Die einzelnen Objekte samt ihrer Eigenschaften werden in einem Datensatz oder Zustandsvektor zusammengefasst. Diese Darstellung eignet sich besonders gut um dynamische, d.h. bewegte, Objekte zu repräsentieren. Für eine Darstellung von statischen, unbewegten Objekten ist dieser Ansatz weniger geeignet.
Bei einem kartenbasierten Ansatz wird die Umgebung gedanklich in Bereiche unterteilt, denen jeweils eine Zelle einer Karte zugeordnet wird oder ist. Die Zelle weist mindestens eine Aussage, die hier als Belegungsinformation bezeichnet wird, über die Belegung des zugeordneten des Bereichs auf. Anhand der Sensordaten wird beispielsweise eine Belegungswahrscheinlichkeit für die einzelnen Zellen ermittelt. Die Belegungswahrscheinlichkeit gibt an, mit welcher Wahrscheinlichkeit sich in dem der Zelle zugeordneten Bereich der Umgebung des Kraftfahrzeugs ein Objekt befindet oder nicht. Dieser Ansatz eignet sich, um statische Objekte in dem Umfeld des Fahrzeugs zu repräsentieren.
Es versteht sich für den Fachmann, dass als statische Objekte solche angesehen werden, die sich in einem orts- oder raumfesten Koordinatensystem nicht bewegen. Entsprechend sind dynamische Objekte solche, die in einem orts- oder raumfesten Koordinatensystem bewegt sind.
Bei dem kartenbasierten Ansatz werden die Sensordaten aufeinanderfolgender Messungen fusioniert, um die Belegungsinformation zu untermauern und gegenüber statistischen Schwankungen und Messrauschen abzusichern. Hierbei wird zur Fusionierung beispielsweise das Bayes'sche Theorem verwendet. Ein Nachteil des kartenbasierten Ansatzes besteht darin, dass dynamische Objekte sehr schlecht repräsentiert werden können, da sich eine Änderung der Belegungswahrscheinlichkeit für eine Zelle erst nach mehreren Messzyklen ändert, wenn die Messdaten eine Abweichung des aktuellen Belegungszustands von dem zuvor durch Sensordatenfusion ermittelten Belegungszustand anzeigen.
Aus der US 6 163 252 ist ein Verfahren zum Detektieren von Hindernissen im Umfeld eines Fahrzeugs bekannt. Ferner sind aus der EP 1 672 390 A1 ein Verfahren und ein System zum Detektieren von Objekten bekannt.
Aufgabe der Erfindung ist es ein Verfahren für eine verbesserte Umfeldrepräsentation bzw. verbessertes Verfahren zum Bereitstellen einer Umfeldrepräsentation zu schaffen.
Die Aufgabe wird erfindungsgemäß durch ein Verfahren mit den Merkmalen des Patentanspruchs 1 gelöst. Vorteilhafte Ausführungsformen der Erfindung ergeben sich aus den Unteransprüchen.
Der Erfindung liegen folgende Gedanken zugrunde:

Jede Zelle der Karte weist eine korrespondierende Fläche, hier als Bereich bezeichnet, im Umfeld des Kraftfahrzeugs auf. Jede Zelle i kann einen von drei möglichen Zuständen Z annehmen: belegt, gekennzeichnet durch den Buchstaben B, frei, gekennzeichnet durch den Buchstaben F, oder unbekannt, gekennzeichnet durch den Buchstaben U. (Der Belegungszustand unbekannt wird beispielsweise für Zellen angenommen, deren zugehöriger Bereich noch nie vermessen wurde oder dessen Bereich bei der Messung durch andere Objekte verdeckt ist.) Tatsächlich kann der Belegungszustand des Bereichs des Umfelds des Fahrzeugs nur frei oder belegt sein. Der Belegungszustand unbekannt einer Zelle drückt somit nur das Unwissen über den tatsächlichen Belegungszustand des zugehörigen Bereichs des Umfelds aus. Zu einem Zeitpunkt k gilt für eine Zelle i somit Z_i(k)= F oder B oder U. Da neben dem aktuellen Belegungszustand auch eine Information über die Güte der Belegungsinformation benötigt wird, insbesondere wenn sicherheitsrelevante Systeme die Information weiterverarbeiten, wird jeder Zelle i ein weiteres Attribut, eine Konfidenz P_i, zugewiesen. Dieses Attribut gibt an, wie sehr man dem ermittelten Belegungszustand der Zelle, den man auch als geschätzten Zustand der Zelle bezeichnet, vertrauen kann. Die Konfidenz kann aus Sensormessungen abgeleitet wer-, den. So kann beispielsweise die Reflexionsstärke des Strahls bzw. die Anzahl der reflektierten Strahlen bei einem Laserscanner (LIDAR-System) aus dem Bereich einer Zelle die Konfidenz der Zustandsschätzung dieser Zelle maßgeblich bestimmen. Bei einer Stereo-Kamera lässt sich z. B. aus der Anzahl der in einer Zelle rekonstruierten 3D-Punkte eine Aussage über die Konfidenz treffen. Aus den Konfidenzen der einzelnen Messzeitpunkte, d.h. einzelnen ermittelten Konfidenzen der Belegungszustände, kann eine Konfidenz P_i der jeweiligen Zellen i ermittelt werden. Die Konfidenz nimmt in der Regel einen Wert aus dem Intervall [0...1] an.

Insbesondere wird ein Verfahren zur Umfeldrepräsentation beziehungsweise zum Bereitstellen einer Umfeldrepräsentation eines Fahrzeugs geschaffen, welches die Schritte umfasst: Unterteilen der Umgebung in Bereiche, und Zuordnen von Zellen zu den Bereichen, wobei die Zellen einen Belegungszustand, frei, belegt oder unbekannt annehmen können und wobei die Belegungszustände frei und belegt als erkannte Belegungszustände bezeichnet sind; Erfassen von Sensordaten über das Umfeld; Ermitteln des Belegungszustands für die Zellen im Umfeld unter Verwendung der Sensordaten; Ermitteln von Konfidenzwerten, die jeweils eine Wahrscheinlichkeitsaussage repräsentieren, dass der Belegungszustand der Zelle einem wahren Belegungszustand des entsprechenden Bereichs entspricht; wobei den Zellen jeweils der zuletzt ermittelte erkannte Belegungszustand zugewiesen wird; und der Konfidenzwert einer jeden Zelle aktualisiert wird. Vorteil des Verfahrens ist, dass der Belegungszustand der Zellen jeweils durch den zuletzt erkannten Belegungszustand festgelegt ist. Dieses orientiert sich stark an der realen Situation des Umfelds. Ferner wird auf Änderungen des Belegungszustands aufgrund von sich dynamisch bewegenden Objekten sofort, d.h. schneller, reagiert. Somit ist eine Darstellung oder Berücksichtigung von bewegten, d. h. dynamischen Objekten besser gewährleistet. Eine Zuverlässigkeit der Aussage, d.h. des Informationsgehalts, einer jeden Zelle wird durch die zusätzlich ermittelte Konfidenz angezeigt.
Im Umfeld des Fahrzeugs gibt es Bereiche, die grundsätzlich frei sind und zum aktuellen Messzeitpunkt temporär durch bewegte Objekte belegt sind. Um den aktuellen Belegungszustand korrekt anzuzeigen, ist es sinnvoll den Belegungszustand der zugehörigen Zellen entsprechend zu verändern. Diese Bereiche und somit die zugehörigen Zellen werden jedoch, nachdem das oder die bewegten Objekte die entsprechenden Bereiche wieder verlassen haben, wieder den Belegungszustand frei einnehmen. Da die Konfidenz eines Belegungszustands einer Zelle aus einer Vielzahl von Messwerten oder Messzyklen fusioniert sein kann, weisen die Zellen von „eigentlich“ oder „grundsätzlich“ freien Bereichen meist eine hohe Konfidenz für den Belegungszustand frei auf, wenn ein bewegtes Objekt sich in den Bereich bewegt. Diese Konfidenz kann nach dem Verlassen des bewegten Objekts der Zelle erneut zugewiesen werden, wenn der Belegungszustand erneut auf den Wert frei gewechselt hat. Eine Ausführungsform der Erfindung sieht daher vor, dass der bisherige Konfidenzwert einer Zelle, deren Belegungszustand von frei auf belegt geändert wird, in einem der Zelle zugeordneten Sicherungsspeicher abgelegt wird, und als aktueller Konfidenzwert der Konfidenzwert der aktuellen Messung zugewiesen wird. In dem Sicherungsspeicher können die Konfidenzwerte P_i für die Zustände „frei“ gespeichert werden. Die Zellen können diese gespeicherten Konfidenzwerte wieder annehmen, sobald das Objekt sich fortbewegt hat.
Eine Weiterbildung der Erfindung sieht daher vor, dass der Konfidenzwert einer Zelle, deren Belegungszustand nicht verändert wird, mittels einer Fusionierungsformel anhand des bisherigen Konfidenzwerts und des aktuell ermittelten Konfidenzwerts fusioniert wird.
Bei einer Ausführungsform wird als Fusionierungsformel das Bayes'sche Theorem verwendet, so dass gilt: $P_{i} (k) = \frac{P_{i} (k - 1) P_{i}^{Mess} (k)}{[1 - P_{i} (k - 1)] \cdot [1 - P_{i}^{Mess} (k)] + P_{i} (k - 1) \cdot P_{i}^{Mess} (k)},$
wobei P_i(k) den Konfidenzwert der Zelle i zum Zeitpunkt k angibt und P_i ^Mess(k) den aktuell ermittelten Konfidenzwert angibt und k-1 einen vorangegangnen Messzeitpunkt angibt.
Um auch eine aktuelle Messung in die Ermittlung der Konfidenz mit einzubeziehen, wenn der Belegungszustand sich von belegt zurück auf frei ändert, ist bei einer Ausführungsform vorgesehen, dass der Konfidenzwert anhand einer Fusionierungsformel aus dem im Sicherungsspeicher abgelegten Konfidenzwert und dem aktuell ermittelten Konfidenzwert fusioniert wird, wenn der Belegungszustand von belegt auf frei geändert wird.
Um zu berücksichtigen, dass Konfidenzen für Zellen, d. h. Konfidenzwerte für Belegungszustände von Zellen, mit der Zeit abnehmen, wenn über die den Zellen zugeordneten Bereiche keine neuen Daten erhoben werden können, ist bei einer Ausführungsform vorgesehen, dass der Konfidenzwert einer Zelle gemäß einem Alterungsmodell verringert wird, wenn der aktuelle ermittelte Belegungszustand unbekannt ist und von dem bisherigen erkannten Belegungszustand abweicht. Hierbei wird berücksichtigt, dass für Zellen, deren Belegungszustand nie bekannt war, ein Konfidenzwert nicht gealtert werden muss.
Bei einer Ausführungsform der Erfindung ist das Alterungsmodell durch folgende Formel beschrieben: P_i (k) =C₁ · P_i (k -1) · e^C2Δk, wobei Δk die Zeitspanne zwischen der vorherigen Messung zum Zeitpunkt k-1 und der aktuellen Messung zum Zeitpunkt k angibt und C₁ und C₂ Alterungskonstanten sind.
Da Messsensoren allgemein immer fehlerbehaftet sind und zum Beispiel ein Messrauschen aufweisen, ist es vorteilhaft, eine Rauscherkennung vorzusehen. Ein Belegungszustand gilt bei einer Ausführungsform, die eine Rauscherkennung oder ein Verfahren zur Rauscherkennung umfasst, nur als erkannter Zustand, wenn festgestellt ist, dass eine festgestellte Änderung eines Belegungszustands einer Zelle nicht durch Rauschen verursacht ist. Eine bevorzugte Ausführungsform sieht somit vor, dass bei der Ermittlung des aktuellen Belegungszustands unter Verwendung der Sensordaten eine Rauscherkennung ausgeführt wird, zumindest wenn eine Belegungszustandsänderung eines nur aufgrund der Sensordaten festgestellten Belegungszustands gegenüber dem bisherigen Belegungszustand der Zelle festgestellt wird. Die Rauscherkennung wird vorzugsweise mittels eines Fuzzy-Inferenz-Systems ausgeführt.
Der Grund für die Anwendung von Fuzzy-Logik besteht in der Effektivität bei der Modellierung von Zusammenhängen unterschiedlicher Größen, ohne hoch komplexe Gleichungen nutzen zu müssen. Mit Fuzzy-Sets und Zugehörigkeitsfunktionen lassen sich viele Parameter beschreiben. Eine Vielzahl von Kriterien und Eigenschaften kann als Input (Eingangsgrößen) für ein Fuzzy-Inferenz-System dienen, für das eine Rauschunterdrückung genutzt wird.
Zum einen kann die Überlegung genutzt werden, dass sich bewegende Objekte im Umfeld vorkommen. Dies führt, wie oben bereits erwähnt, dazu, dass die Zustände der Zellen sich von einem zum nächsten Zeitpunkt ändern können. Genauer beschrieben heißt es: Zellen, die zum Zeitpunkt k-1 frei waren, können von bewegten Objekten zum Zeitpunkt k belegt werden. Auf der anderen Seite kann es auch Zellen geben, die zum Zeitpunkt k-1 belegt waren und zum Zeitpunkt k frei sind, weil ein Objekt sich aus dem zugehörigen Bereich fortbewegt hat. Bei einem sich bewegenden Objekt sollten solche Bereiche bzw. die zugehörigen Zellen, die frei werden und die belegt werden, eine Korrelation aufweisen. Diese kann zum Ausschließen von Rauschen verwendet werden.
Auch andere Tatsachen oder Kriterien können als Eingangsgrößen für ein Fuzzy-Inferenz-System genutzt werden. Beispielsweise Korrelationen der gemessenen Belegungszustände unterschiedlicher Sensoren für denselben Bereich der Umgebung bzw. des Umfelds des Fahrzeugs.
Bei einer Ausführungsform ist vorgesehen, dass als Eingabegröße eine Clustergröße benachbarter Zellen, die zeitgleich ihren Belegungszustand ändern, eine Assoziationsgüte, welche einen Zusammenhang der zu einem Cluster gehörenden Zellen angibt, eine Korrelation zwischen Clustem, die ihren Belegungszustand in entgegengesetzter Richtung ändern, eine Korrelation des anhand der Sensordaten ermittelten Belegungszustands unterschiedlicher Sensoren, Zustandsinformationen über die Messsensoren und Messeinflüsse, eine Konfidenzänderung für den Belegungszustand belegt für die Zelle zwischen dem bisherigen Belegungszustand der Zelle und dem ausschließlich anhand der Sensordaten festgestellten Belegungszustands verwendet werden und dass als ermittelter Belegungszustand der bisherige Belegungszustand verwendet wird, wenn das Interferenzsystem die Belegungszustandsänderung einem Rauschen zuschreibt, und andernfalls der ausschließlich anhand der Sensordaten festgestellte Belegungszustand verwendet wird.
Um einen Abgleich der kartenbasierten Umfeldrepräsentation mit einer öbjektbasierten Umfeldrepräsentation zu erleichtern oder zu ermöglichen, ist bei einer Ausführungsform vorgesehen, den Zellen ein weiteres Attribut zuzuordnen, welches angibt, ob eine Zelle, die einen Belegungszustand belegt, aufweist, Bestandteil eines bewegten Objekts ist oder nicht. Dieses bedeutet, dass die Zellen, die eigentlich oder grundsätzlich als frei detektiert wurden, d.h. eine hohe Konfidenz für den Belegungszustand frei aufwiesen, und nun als belegt detektiert sind, als zu einem beweglichen Objekt gehörig markiert werden.
Nachfolgend.wird die Erfindung unter Bezugnahme auf eine Zeichnung anhand bevorzugter Ausführungsformen näher erläutert. Hierbei zeigen:

1 eine schematische Darstellung eines Fuzzy-Inferenz-Systems zur Rauscherkennung;
2 eine schematische Darstellung zur Veranschaulichung des Fuzzyfizierens einer Eingangsgröße; und
3 eine schematische Darstellung zur Veranschaulichung des Defuzzifizierens einer Ausgabegröße.

Für eine kartenbasierte Umfeldrepräsentation wird das Umfeld, d. h. die Umgebung, des Fahrzeugs in Bereiche unterteilt. Diese Bereiche können den Belegungszustand frei oder belegt annehmen. Zur Abbildung der Umgebung in eine Karte wird jedem Bereich eine Zelle zugeordnet. Jede Zelle der Karte besitzt somit eine korrespondierende Fläche, hier als Bereich bezeichnet, im Umfeld des Kraftfahrzeugs. Jede Zelle i kann einen von drei möglichen Zustände Z annehmen: belegt, gekennzeichnet durch den Buchstaben B, frei, gekennzeichnet durch den Buchstaben F, oder unbekannt, gekennzeichnet durch den Buchstaben U. Der in der realen Umgebung nicht anzutreffende Belegungszustand unbekannt, drückt aus, dass über den wahren Belegungszustand des zugehörigen Bereichs keine Aussage getroffen werden kann. Der Belegungszustand unbekannt wird beispielsweise für Zellen angenommen, deren zugehöriger Bereich noch nie vermessen wurde oder dessen Bereich bei der Messung durch andere Objekte verdeckt ist.
Für die ermittelten Belegungszustände lässt sich jeweils eine Konfidenz ermitteln, die ein Maß dafür ist, dass der ermittelte Belegungszustand mit dem tatsächlichen Belegungszustand des zugehörigen Bereichs übereinstimmt.
Die Konfidenz kann aus Sensormessungen abgeleitet werden. So kann beispielsweise die Reflexionsstärke des Strahls bzw. die Anzahl der reflektierten Strahlen bei einem Laserscanner (LIDAR-System) die Konfidenz der Zustandsschätzung einer Zelle maßgeblich bestimmen. Bei einer Stereo-Kamera lässt sich z. B. aus der Anzahl der in einer Zelle rekonstruierten 3D-Punkte eine Aussage über die Konfidenz treffen. Aus den Konfidenzen der einzelnen Messzeitpunkte, d.h. Konfidenzwerten unterschiedlicher Messzeitpunkte oder Messungen für ermittelte Belegungszustände, kann eine Konfidenz P_i der jeweiligen Zellen i ermittelt werden. Die Konfidenz nimmt in der Regel einen Wert aus dem Intervall [0...1] an.
Wird nun ein Bereich temporär durch ein Objekt belegt, so kann die zuvor ermittelte Konfidenz für den Belegungszustandswert frei der zugehörigen Zelle gespeichert werden. Wird der Bereich erneut als frei detektiert, d.h. hat sich das Objekt aus dem zugehörigen Bereich wieder wegbewegt, so kann der Zelle wieder die gespeicherte Konfidenz oder eine hieraus und der aktuellen Messung abgeleitete Konfidenz zugeordnet werden.
Ausgehend von diesen Grundannahmen können der Belegungszustand und die Konfidenz einer beliebigen Zelle wie folgt ermittelt bzw. anhand von neuen Messungen aktualisiert werden:

Zum Zeitpunkt t=0 (Messungsstart) haben alle Zellen der Umfeldkarte den Zustand „unbekannt“ und die Konfidenz von 0. Danach werden jeweils der gespeicherte Zustand Z, (k -1) und der aus einer aktuellen Messung abgeleitete Zustand $Z_{i}^{M e s s} (k)$
verglichen.

Wenn sich der Belegungszustand der Zelle nicht ändert, z. B. $Z_{i} (k - 1) = Z_{i}^{M e s s} (k) = B,$
wird nur die Konfidenz P_i nach Bayes'schem Theorem aktualisiert. Der neue Belegungszustand bleibt der Alte. Für die Konfidenz gilt: $P_{i} (k) = \frac{P_{i} (k - 1) \cdot P_{i}^{M e s s} (k)}{[1 - P_{i} (k - 1)] \cdot [1 - P_{i}^{M e s s} (k)] + P_{i} (k - 1) \cdot P_{i}^{M e s s} (k)} .$
Wenn sich der Zustand von „belegt“ oder „frei“, d.h. einem erkannten Zustand, auf „unbekannt“ ändert, z.B. Z_i(k-1) = B; $Z_{i}^{M e s s} (k) = U,$
wobei dieser Fall in der Praxis wegen Messungenauigkeiten, Zellenverdeckungen durch Objektsbewegung oder anderen Faktoren regelmäßig auftritt, wird der gespeicherte Belegungszustand beibehalten (Z_i (k -1) = Z_i(k)), während die Konfidenz nach einem passenden Alterungsmodell reduziert wird. Bevorzugt wird die Alterung gemäß folgender Formel ausgeführt: $P_{i} (k) = C_{1} \cdot P_{i} (k - 1) \cdot e^{c_{2} Δ k},$
wobei C₁, C₂ optimierte Alterungskonstanten sind und Δk eine Zeitdifferenz zwischen den Zeitpunkten k und k-1 repräsentiert.
Wenn sich der Belegungszustand von Z_i (k - 1) = F von dem aktuell ermittelten erkannten Belegungszustand belegt, $Z_{i}^{M e s s} (k) = B$
unterscheidet, das heißt eine Änderung des Belegungszustands von frei auf belegt auftritt, kann angenommen werden, dass sich ein Objekt in den der Zelle i zugeordneten Bereich bewegt hat. In diesem Fall übernimmt die Zelle i den Belegungszustand Z_i (k) = B. Die Konfidenz P wird wegen der Zustandsänderung neu initialisiert, basierend auf der aktuellen Messung (z. B. eine Anzahl der rekonstruierten 3D-Punkte auf Zelle i zum Zeitpunkt k). Die alte Konfidenz P_i (k -1) für den Zustand Z_i (k -1) = F wird in einem Sicherungsspeicher gespeichert, da erwartet wird, dass die Zelle irgendwann zu einem späteren Zeitpunkt wieder frei sein wird, sobald sich das Objekt aus dem zugeordneten Bereich wegbewegt hat.
Wenn sich der Belegungszustand von belegt auf frei ändert, d.h. Z_i (k -1) = B und $Z_{i}^{M e s s} (k) = F$
gilt, kann angenommen werden, dass das Objekt den der Zelle i zugeordneten Bereich verlassen hat. In diesem Fall übernimmt die Zelle den Zustand Z_i (k) = F. Als Konfidenz wird bei einer Ausführungsform der abgespeicherte Wert des Sicherungsspeichers verwendet. Bevorzugter wird jedoch die aktualisierte Konfidenz aus der bei aktueller Messung ermittelten Konfidenz und der gespeicherten Konfidenz unter Verwendung der oben angegebenen Formel des Theorems von Bayes ermittelt.
Die bisherige Betrachtung hat vernachlässigt, dass ein gemessener Belegungszustand durch Rauschen des Messsensors beeinflusst sein kann. Eine festgestellte Änderung des Belegungszustands einer Zelle kann also ihre Ursache außer in der Bewegung eines Objekts auch in dem Rauschen des Messsensors haben.
Bei dem beschriebenen Verfahren können die Zellen dynamisch auf bewegende Objekte reagieren. Es ist zu jedoch zu beachten, dass Rauschen dadurch auch stärkeren Einfluss gewinnt. Im Prinzip kann bei einer festgestellten Belegungszustandsänderung auf dem ersten Blick nicht festgestellt werden, ob diese von einem sich bewegenden Objekt oder Rauschen verursacht ist. In der Praxis hat sich beim Einsatz von Stereo-Kameras gezeigt, dass für die durch Rauschen verursachten Zustände ermittelte Konfidenz wesentlich geringer ist als für die durch Objekte verursachten Belegungszustände. Für die einzelnen Sensoren sind somit geeignete Kriterien festzulegen, um möglichst zuverlässig einen Belegungszustandwert aufgrund von Rauschen zu erkennen.
Um eine effektive Rauscherkennung zu realisieren, ist bei einer Ausführungsform ein Einsatz einer Fuzzy-Logik in Form eines Fuzzy-Inferenz-Systems vorgesehen.
Wie bereits von Timothy J. Ross, Jane M. Booker, W. Jerry Parkinson: „Fuzzy Logic and Probability Applications - Bridging the Gap“ ASA-SIAM Series on Statistics and Applied Probability, SIAM, Philadelphia, 2002. S. 29-53 festgestellt ist, liegt ein Vorteil für die Anwendung von Fuzzy-Logik in einer Effektivität einer Modellierung von Zusammenhängen unterschiedlicher Größen, ohne hoch komplexe Gleichungen angehen zu müssen. Mit Fuzzy-Sets und Zugehörigkeitsfunktionen lassen sich viele Parameter beschreiben. Folgende Kriterien können als Input (Eingangsgrößen) für ein Fuzzy-Inferenz-System dienen, die hier nur stichwortartig erwähnt werden sollen:

Konfidenzänderung: Man definiert als Konfidenzänderung: $Δ P = P_{i}^{k - 1} (B) - P_{i}^{k, M e s s} (B),$
wobei $P_{i}^{k - 1} (B),$
die Konfidenz für den Belegungszustand „belegt“ der Zelle i zum Zeitpunkt k-1 und $P_{i}^{k,Mess} (B)$
die Konfidenz für den Belegungszustand „belegt“ der Zelle i zum Zeitpunkt k ausschließlich aufgrund der Messdaten angeben. Es ergibt sich für den Fachmann, dass ebenfalls die Konfidenz für den Belegungszustand „frei“ verwendet werden kann. Ferner wird angemerkt, dass es möglich ist, aus der Konfidenz für den Belegungszustand „belegt“ eine Konfidenz für den Belegungszustand „frei“ und umgekehrt zu errechnen. Hierbei wird vorausgesetzt, dass ein der Zelle zugeordneter Bereich jeweils entweder frei oder belegt sein kann.

Clustergröße: Eine Clustergröße wird durch eine Anzahl der Zellen ermittelt, die zeitgleich dieselbe Belegungszustandsänderung erfahren. Je höher die Clustergröße, desto wahrscheinlicher ist eine Belegungszustandsänderung durch eine Objektbewegung verursacht. Bei der Zellengröße von 10 cm × 10 cm hat ein Cluster im Fall vom bewegten Objekt normalerweise eine Mindestgröße von drei Zellen.
Kartenauftösung: je feiner die Kartenauflösung, desto präziser kann die Clustergröße bestimmt werden.
Assoziationsgüte: Ein Zusammenhalt der in einem Cluster segmentierten Zellen kann durch die Assoziationsgüte beschrieben werden. Der Zusammenhalt wird über den Abstand der Zellen des Clusters zueinander festgelegt. Eine Assoziationsgüte ist groß, wenn die Zellen zueinander geringe Abstände aufweisen.
Korrelation zwischen Cluster: wenn ein Objekt sich auf der Karte bewegt, hinterlässt es logischerweise sowohl Cluster, die einer Belegungszustandsänderung von frei nach belegt zugeordnet werden können, als auch Cluster, die einer Belegungszustandsänderung von belegt nach frei zugeordnet werden können. Diese Cluster sind in der Regel ähnlich.
Korrelation zwischen verschiedenen Sensoren: Ein Einsatz von mehreren Sensoren bietet die Möglichkeit, eine Verifizierung über eine Korrelation der gemessenen Belegungszustände für dieselben Bereiche vorzunehmen. Hierdurch wird eine höhere Zuverlässigkeit erreicht. Expertenwissen über Sensorenaussetzer und falsche Detektion: Jeder Sensor unterliegt bestimmten Messbedingungen. z. B. Es ist bei Kameras bekannt, dass.bei starken Regen, Sonnenlicht oder Spiegelungen zu Aussetzer oder unzuverlässige Messungen auftreten können. Deshalb können Kenntnisse über solche Mess- und/oder Umgebungszustände verwendet werden, um die Messergebnisse der Sensoren richtig zu verarbeiten.
Die obigen Kriterien werden fuzzyfiziert und wie schon erwähnt als Eingangsgrößen (die auch als Input bezeichnet werden) für das Fuzzy-Inferenz-System 1 verwendet, das vereinfacht schematisch in 1 dargestellt ist. Dieses Fuzzyfizieren ist schematisch für eine Eingangsgröße in 2 dargestellt. Anhand der Eingangsgröße Zellenanzahl in einem Cluster wird der Grad einer Zugehörigkeit zu den Elementen „kleiner Cluster“ und „großer Cluster“ ermittelt. Der Grad der Zugehörigkeit wird durch eine Größe eines Wertes µ angegeben, der auf der Ordinate für die jeweiligen Zugehörigkeitsfunktionen (Memberschip- Funktionen) an dem Abszissenwert, an dem die aktuell ermittelte Zellenanzahl abgetragen wird, abgelesen werden kann.
Bei dem Fuzzy-Inferenz-System 1 werden anschließend die einzelnen Regeln 2-1, 2-2, ... 2-r, die das Expertenwissen hinsichtlich eines Vorliegens eines Rauschens oder eines bewegten Objekts in Abhängigkeit von den einzelnen Elemente darstellen; ausgewertet. Die Regeln können z.B. wie folgt lauten:

• WENN die Clustergröße klein ist UND die Kartenauflösung hoch ist, DANN ist die Wahrscheinlichkeit von Rauschen hoch (sehr wahrscheinlich Rausch).
• WENN die Clustergröße groß ist UND die Korrelation zwischen Clustern hoch ist, DANN ist die Wahrscheinlichkeit von Rauschen klein (sehr wahrscheinlich bewegendes Objekt)
• WENN die Sensormessbedingung nicht optimal ist, DANN ist die Wahrscheinlichkeit von Rauschen hoch (sehr wahrscheinlich Rausch)
• WENN die Konfidenzänderung groß ist UND die Chlustergröße groß ist, DANN ist die Wahrscheinlichkeit von Rausch klein (sehr wahrscheinlich bewegendes Objekt)

Es ist zu erkennen, dass manche Kriterien voneinander miteinander in Beziehung zueinander stehen, wie z.B. Clustergröße und Kartenauflösung. Daher werden sie mit einer UND-Verknüpfung ausgewertet. In einem Aggregator 3 werden Und- und Oder-Verknüpfungen einzelner logischer Aussagen der Regeln 2-1, 2-2, ..., 2-r kombiniert und die unterschiedlichen Regeln, die von unterschiedlichen Eingangsgrößen abhängen können, akkumuliert. Abschließend findet in einem Defuzzyfizierer 4 eine Defuzzyfikation satt, so dass als Ergebnis angegeben wird, ob die ausschließlich aufgrund der Messdaten angezeigte Änderung des Belegungszustands durch Rauschen oder ein bewegtes Objekt verursacht ist. Die Defuzzyfikation ist exemplarisch schematisch in 3 dargestellt. Zur Berechnung der Ausgabegröße (Outputgröße) kann z.B. die Methode „Center of Gravity“, die von Dirk H. Traeger in „Einführung“ in die „Fuzzy-Logik" - Teubner Stuttgart Verlag, 1993. S. 42-46 beschrieben ist, verwendet werden. Die Ausgabegröße des Fuzzy-Inferenz-Systems ist eine wahrscheinlichkeitsbasierte Aussage, ob die Änderung des Belegungszustands des der Zelle zugeordneten Bereichs durch ein bewegtes Objekt oder Rauschen verursacht ist. Die Outputgröße kann beispielsweise durch eine Defuzzifizierungssfunktion ermittelt werden, die in 3 gezeigt ist.
Anhand der Ausgangsgröße ist es möglich das aktuelle Messergebnis hinsichtlich einer Ursache für die Belegungszustandsänderung zu klassifizieren. Entweder als wird Rauschen oder eine bewegtes Objekt als Ursache für die gemessene Belegungszustandsänderung angenommen.
Wird das Messergebnis durch die Fuzzy-Inferenz als Rauschen gekennzeichnet, so hat der ermittelte Belegungszustand den Wert, den die Zelle vor der Messung inne hatte. Andernfalls wird der aufgrund der Messung festgestellte Belegungszustand als ermittelter Belegungszustand angesehen und verwendet. Dieses bedeutet, der ermittelte Belegungzustand ist bei Ausführungsformen, die eine Rauscherkennung umfassen, von dem Ergebnis der Rauscherkennung abhängig.
Zellen, für die ermittelt ist, dass deren Belegungszustand durch eine bewegtes Objekt festgelegt ist, werden bei einer Ausführungsform entsprechend gekennzeichnet. Hierfür ist für die Zellen ein weiteres Speicherelement je Zelle vorgesehen.
Auf dieser Basis können Objekte aus der Objektfusion (Objekttracing), die als bewegend festgestellt wurden, auf die Umfeldkarte übertragen werden. Es hat sich gezeigt, dass Bereiche in der Umfeldkarte, in denen Belegungszustandsänderungen vorkommen, gut mit den Positionen der sich bewegenden Objekte übereinstimmen. Zellen in diesem Bereich können bei einer Ausführungsform die Konfidenz der Objekte aus dem Objekttracking, die auch Existenzwahrscheinlichkeit genannt wird, übernehmen, da diese durch mehrfaches Tracking (Tracing) ziemlich zuverlässig ermittelt ist.
Angemerkt wird ferner, dass für statische Bereiche die Konfidenz aufgrund mehrerer Beobachtungen anhand des klassischen Bayes'schen Ansatzes immer sicherer ermittelt und in der Umfeldkarte korrekt dargestellt wird.
Das beschriebene Verfahren bietet in den unterschiedlichen Ausführungsformen jeweils eine Lösung der Herausforderung, eine effektive Schnittstelle zu erstellen, in der die Ergebnisse aus den kartenbasierten und objektbasierten Umfeldmodellierungen lückenlos überführt werden können.

Claims

Verfahren zur Umfeldrepräsentation eines Fahrzeugs umfassend: Unterteilen der Umgebung in Bereiche, und Zuordnen von Zellen zu den Bereichen, wobei die Zellen einen Belegungszustand, frei, belegt oder unbekannt annehmen können und wobei die Belegungszustände frei und belegt als erkannte Belegungszustände bezeichnet sind; Erfassen von Sensordaten über das Umfeld; Ermitteln der Belegungszustände für die Zellen im Umfeld unter Verwendung der Sensordaten; Ermitteln von Konfidenzwerten, die jeweils eine Wahrscheinlichkeitsaussage repräsentieren, dass der Belegungszustand der Zelle einem wahren Belegungszustand des entsprechenden Bereichs entspricht; dadurch gekennzeichnet, dass den Zellen iterativ jeweils der zuletzt ermittelte erkannte Belegungszustand zugewiesen und der Konfidenzwert der Zellen aktualisiert wird.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass der bisherige Konfidenzwert einer Zelle, deren Belegungszustand von frei auf belegt geändert wird, in einem der Zelle zugeordneten Sicherungsspeicher abgelegt wird, und der Zelle als aktueller Konfidenzwert der Konfidenzwert der aktuellen Messung zugewiesen wird.
Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass der Konfidenzwert einer Zelle, deren Belegungszustand nicht verändert wird, mittels einer Fusionierungsformel anhand des bisherigen Konfidenzwerts der Zelle und des aktuell ermittelten Konfidenzwerts für die Zelle fusioniert wird.
Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass als Fusionierungsformel das Bayes'sche Theorem verwendet wird, so dass gilt: $P_{i} (k) = \frac{P_{i} (k - 1) \cdot P_{i}^{M e s s} (k)}{[1 - P_{i} (k - 1)] \cdot [1 - P_{i}^{M e s s} (k)] + P_{i} (k - 1) \cdot P_{i}^{M e s s} (k)},$
wobei P_i(k) den Konfidenzwert der Zelle i zum Zeitpunkt k angibt und $P_{i}^{Mess} (k)$
den aktuell ermittelten Konfidenzwert angibt.
Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass der Konfidenzwert anhand einer Fusionierungsformel aus dem im Sicherungsspeicher abgelegten Konfidenzwert und dem aktuell ermittelten Konfidenzwert fusioniert wird, wenn der Belegungszustand von belegt auf frei geändert wird.
Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass der Konfidenzwert einer Zelle gemäß einem Alterungsmodell verringert wird, wenn der aktuelle ermittelte Belegungszustand unbekannt ist und von dem bisherigen Belegungszustand abweicht.
Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass das Alterungsmodell durch folgende Formel beschrieben ist: P_i(k) =C₁ · P_i(k - 1)· e^C2Δk, wobei Δk die Zeitspanne zwischen der vorherigen Messung und der aktuellen Messung angibt und C₁ und C₂ Konstanten sind.
Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass in die Ermittlung des aktuellen Belegungszustands unter Verwendung der Sensordaten eine Rauscherkennung umfasst, wenn eine Belegungszustandsänderung eines nur aufgrund der Sensordaten festgestellten Belegungszustands gegenüber dem bisherigen Belegungszustand der Zelle festgestellt wird, wobei die Rauscherkennung mittels eines Fuzzy-fnferenz-Systems ausgeführt wird.
Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass als Eingabegröße eine Clustergröße benachbarter Zellen, die zeitgleich ihren Belegungszustand ändern, eine Assoziationsgüte, welche einen Zusammenhang der zu einem Cluster gehörenden Zellen angibt, eine Korrelation zwischen Clustern, die ihren Belegungszustand in entgegengesetzter Richtung ändern, eine Korrelation des anhand der Sensordaten ermittelten Belegungszustands unterschiedlicher Sensoren, Zustandsinformationen über die Messsensoren und Messeinflüsse und/oder eine Konfidenzänderung für den Belegungszustand belegt für die Zelle zwischen dem bisherigen Belegungszustand der Zelle und dem ausschließlich anhand der Sensordaten ermittelten Belegungszustands verwendet werden und als ermittelter Belegungszustand der bisherige Belegungszustand verwendet wird, wenn das Fuzzy-Interferenz-System die Belegungszustandsänderung Rauschen zuschreibt, und andernfalls der ausschließlich anhand der Sensordaten ermittelte Belegungszustand verwendet wird.