-
Die Erfindung betrifft ein Verfahren zur Optimierung einer Pfadplanung für ein Fahrzeug gemäß dem Oberbegriff des Patentanspruchs 1.
-
Autonome Fahrzeuge sind aus dem Bereich der Robotik bekannt, z.B. im Bereich der Logistik oder des Transportwesens. Die Hauptaufgabe solcher Fahrzeuge besteht darin, ihre Umwelt zu erkennen und ihre Bewegungen so anzupassen, dass die ihr Ziel erreichen und dabei Hindernisse möglichst zu vermeiden. In neueren Ansätzen werden auch unbekannte Umgebungen in die Planung der möglichen Pfade zur Erreichung des Ziels miteinbezogen.
-
Pfadplanung wird auch im Bereich der Automobilindustrie immer wichtiger, um die Entwicklung in Richtung (teil-)automatisiertes Fahren bis hin zu autonomem Fahren voranzutreiben. Als Pfadplanungsproblem wird die Suche nach einem Weg von einer Startposition zu möglichen Zielbereichen bezeichnet, welche auch mögliche Kollisionen mit Hindernissen berücksichtigen kann. Für unterschiedliche Szenarien werden bisher keine unterschiedliche Kriterien bzw. Randbedingungen berücksichtigt, obwohl dies großes Optimierungspotential hätte.
-
Deshalb ist es eine Aufgabe dieser Erfindung, ein Verfahren bereitzustellen, das eine Optimierung einer Pfadplanung für unterschiedliche Aufgaben bzw. Szenarien ermöglicht. Diese Aufgabe wird erfindungsgemäß durch die Merkmale der unabhängigen Patentansprüche gelöst. Vorteilhafte Ausgestaltungen sind Gegenstand der abhängigen Ansprüche.
-
Vorgeschlagen wird erfindungsgemäß ein Verfahren zur Optimierung einer Pfadplanung eines Fahrzeugs, um einen Pfad von einer Startposition zu einem Zielbereich zu bestimmen, wobei in einem ersten Schritt eine Situationserkennung erfolgt, in einem weiteren Schritt ein Detailszenario der erkannten Situation erfasst wird, und in einem weiteren Schritt eine Approximation der Kontur einer abstrahierten Nachbildung des Fahrzeugs abhängig von dem erfassten Detailszenario vorgenommen wird.
-
Durch die individuelle Anpassung der Approximation der Kontur einer abstrahierten Nachbildung des Fahrzeugs abhängig von der ermittelten Situation bzw. Aufgabe kann Rechenleistung eingespart werden ohne dabei die Kollisionswahrscheinlichkeit zu erhöhen.
-
In einer Ausführung wird in einem weiteren Schritt nach Approximation ein kollisionsfreier Pfad zum Zielbereich ausgewählt, und die Auswahl des Pfads unter Verwendung von Bewegungsprimitiven oder einer Manövervorlage erfolgt.
-
Je nach Verfügbarkeit kann eine Auswahl getroffen werden, ob eine Manövervorlage, welche mögliche Pfade zum Zielbereich abhängig von der vorliegenden Situation vorgibt bzw. einschränkt, gewählt wird, oder ob eine Berechnung erfolgen soll.
-
In einer Ausführung erfolgen die Situationserkennung und/oder die Erfassung des Detailszenarios basierend auf einer vorhandenen oder einer erzeugten Karte oder einer Kombination daraus. In einer Ausführung erfolgen die Situationserkennung und/oder die Erfassung des Detailszenarios basierend auf durch Fahrzeugsensorik oder von extern bereitgestellten Daten oder einer Kombination daraus erfolgen.
-
Durch Verwenden möglichst umfangreicher Informationen kann die Pfadplanung verbessert werden.
-
In einer Ausführung erfolgt die Approximation der Kontur einer abstrahierten Nachbildung des Fahrzeugs über einen oder mehrere Kreise, welche den äußeren Endbereich des Fahrzeugs festlegen, der bei der Pfadplanung als Kollisionsbereich auszusparen ist.
-
Durch Approximation mittels Kreisen kann Rechenleistung eingespart werden. In einer Ausführung sieht die Approximation der Kontur einer abstrahierten Nachbildung des Fahrzeugs bei einem Detailszenario, welches die Aufgabe Parken aufweist, an definierten Bereichen der Kontur, welche eine erhöhte Kollisionswahrscheinlichkeit beim Abfahren des Pfades aufweisen, mehr Kreise als an einem mittleren Bereich davon vor. In einer Ausführung sieht die Approximation der Kontur einer abstrahierten Nachbildung des Fahrzeugs bei einem Detailszenario, welche die Aufgabe Fahren aufweist, eine minimale Anzahl an Kreisen vor.
-
Durch Verwenden mehrerer Kreise an kritischen Stellen und weniger Kreise an für die Situation unkritischen Stellen kann die Rechenintensität auf die kritischen Bereiche konzentriert und beschränkt werden.
-
In einer Ausführung wird eine Kollisionsprüfung zur Bestimmung des kollisionsfreien Pfades mittels einer LSTM-Methode durchgeführt, welche eine Berechnung der Trajektorien der Objekte vornimmt und basierend darauf die Ego-Bewegung über zukünftige Zeitschritte auf Kollisionsfreiheit prüft.
-
Somit wird die Genauigkeit der Kollisionsprüfung erhöht.
-
Ferner wird ein Computerprogrammprodukt vorgeschlagen, das dazu eingerichtet ist, das Verfahren nach einem der vorhergehenden Ansprüche auszuführen.
-
Ferner wird ein Steuergerät vorgeschlagen, das dazu eingerichtet ist, eine Optimierung einer Pfadplanung eines Fahrzeugs vorzunehmen, wobei das Steuergerät Mittel aufweist, um eine Situationserkennung durchzuführen, ein Detailszenario zu erfassen, und eine Approximation der Kontur einer abstrahierten Nachbildung des Fahrzeugs abhängig von dem erfassten Detailszenario vorzunehmen, um daraus einen Pfad von einer Startposition zu einem Zielbereich zu bestimmen
-
Weitere Merkmale und Vorteile der Erfindung ergeben sich aus der nachfolgenden Beschreibung von Ausführungsbeispielen der Erfindung, anhand der Figuren der Zeichnung, die erfindungsgemäße Einzelheiten zeigt, und aus den Ansprüchen. Die einzelnen Merkmale können je einzeln für sich oder zu mehreren in beliebiger Kombination bei einer Variante der Erfindung verwirklicht sein.
-
Bevorzugte Ausführungsformen der Erfindung werden nachfolgend anhand der beigefügten Zeichnung näher erläutert.
- 1a und 1b zeigen jeweils eine mögliche festgelegte Approximation der Kontur einer abstrahierten Nachbildung des Fahrzeugs für unterschiedliche Szenarien gemäß dem Stand der Technik.
- 2 zeigt einen Ablaufplan der Pfadplanung gemäß einer Ausführung der vorliegenden Erfindung.
-
In den nachfolgenden Figurenbeschreibungen sind gleiche Elemente bzw. Funktionen mit gleichen Bezugszeichen versehen.
-
Zur Pfadplanung für automatisiertes Fahren können unterschiedlichste Suchalgorithmen verwendet werden, um einen kollisionsfreien Pfad für ein virtuelles Fahrzeug bzw. eine abstrahierte Nachbildung eines realen Fahrzeugs zu finden. Häufig verwendet werden der sogenannte ARA* Algorithmus (Anytime Repairing A*), welcher eine Variante des klassischen A* Algorithmus zur Grafensuche ist, aber zusätzlich Heuristiken verwendet, um die Suche zu beschleunigen. Auch der RRT Algorithmus (rapidly exploring random tree), welchem eine Baum-Datenstruktur zugrunde liegt, und der hochdimensionale Suchräume zufällig nach möglichen Pfaden absucht, wird häufig verwendet, auch in Kombination mit dem ARA* oder anderen verwandten Algorithmen. Ferner werden gefaltete Karten und eine geschätzte Fahrzeugrepräsentation für eine rechenleichte Kollisionsprüfung verwendet.
-
Allerdings wird für unterschiedliche Szenarien bzw. Aufgaben, z.B. Parken und Fahren auf einer Straße, bisher kein Unterschied bei der Pfadplanung gemacht. Dies führt dazu, dass je nach Aufgabe die Suche nach einem optimierten Pfad sehr rechenintensiv ist, ohne dabei einen Mehrwert zu bieten. Oder es kommt zu falschen Detektionen, wenn z.B. sehr kleine Parklücken als Hindernis oder Kollisionsszenario erkannt werden. Wenn Heuristiken verwendet werden, ist es häufig der Fall, dass nicht-holonome Systembeschränkungen unberücksichtigt bleiben.
-
Unter Heuristik ist in diesem Zusammenhang eine Schätzfunktion der Suchrichtung zu verstehen, welche die Suche (oder Rechenzeit) beschleunigt.
-
Unter nicht-holonom ist zu verstehen, dass das System seine Zustände auf höhere Ableitungen der Positionen nach der Zeit eingeschränkt ist.
-
Beispielsweise kann es bei einem Fahrzeug nicht möglich sein, es parallel zu seiner Längsachse zu bewegen. Somit unterliegt die Lösungssuche einer nicht-holonomen Systembeschränkung.
-
Kern der Erfindung ist es, eine Pfadplanung bereitzustellen, welche abhängig von erfassten unterschiedlichen Szenarien bzw. Aufgaben die Suchstrategie so anpasst, dass eine wenig rechenintensive, möglichst optimale Lösung gefunden wird.
-
Wie im Ablaufdiagramm in 2 schematisch dargestellt, ist der Grundgedanke, dass in einem ersten Schritt S1 eine Situationserkennung erfolgt. Basierend auf einer vorhandenen oder für die entsprechende Situation in einem weiteren Schritt S2 erzeugten Karte wird im nächsten Schritt S3 das Detailszenario bzw. die Detailsituation bzw. relevante Situation erfasst. Abhängig von dem erfassten Detailszenario bzw. relevanten Situation wird in einem nächsten Schritt S4 eine Approximation der Kontur einer abstrahierten Nachbildung des Fahrzeugs vorgenommen und in nächsten Schritt S5 eine Bewegungsprimitive oder eine für die Situation vorhandene Manövervorlage ausgewählt, um den optimalen Pfad zum Zielbereich zu bestimmen.
-
Die im ersten Schritt S1 durchgeführte Situationserkennung dient dazu, die Aufgabe zu erfassen. Das heißt, dass z.B. die Situation „Parken“ oder „Fahren auf Straße“ erkannt wird. Dabei kann auch bereits in diesem Schritt eine genauere Erfassung der Situation erfolgen, d.h. beispielsweise, dass erkannt wird, ob es sich beim „Parken“ um ein „Parken im Parkhaus“, ein „Parken auf einer Parkfläche“ etc. handelt. Auch kann erfasst werden, ob es sich beim Fahren um ein „Fahren auf einer Landstraße“, ein „Fahren auf einer Autobahn“, ein „Fahren in der Stadt“ etc. handelt. Hierzu können vorhandene Karteninformationen, Informationen aus der Fahrzeugsensorik, von extern verfügbarer Sensorik oder über eine Schnittstelle von extern bereitgestellte Daten, oder eine Kombination daraus verwendet werden.
-
Im gleichen Schritt S1 oder in einem nachfolgenden Schritt S2 können dieselben Informationen wie zur Situationserkennung verwendet werden, um das Detailszenario zu erkennen. Hierzu kann vorteilhaft eine Karte genutzt werden, welche entweder vorhanden ist, d.h. im Fahrzeug hinterlegt oder von extern an das Fahrzeug gesendet, oder direkt für die Aufgabe bzw. das Szenario erstellt wird, z.B. durch Verwendung eigener erfasster und/oder von extern erhaltener Daten, wie gerade beschrieben. Als Detailszenario ist eine noch höhere Detaillierung als bei der Erfassung der Situation in Schritt S1 nötig. Beispielsweise wird hier erfasst, dass sich das Fahrzeug bereits in einer Einfahrt zu einem Parkhaus oder vor einem bzw. in der Nähe eines Parkplatzes oder in der Nähe einer leeren Parkfläche befindet. Auch kann erfasst werden, dass beim Szenario „Fahren auf einer Straße“ die Straße eine Landstraße oder eine viel oder wenig befahrene Straße in einer Stadt, oder eine Kreuzung oder eine Mautstation ist.
-
Ferner ist es für die Durchführung der Pfadplanung wichtig, dass Informationen über das Szenario, d.h. über die Straße, die Umgebung etc. bekannt sind oder erfasst werden können. Darunter fällt beispielsweise für das Szenario „Fahren auf einer Straße“, dass Information über (nicht) vorhandenen Gegenverkehr, über fehlende oder unvollständige Straßenbahnmarkierungen, Anzahl der Spuren der Straße, (nicht) vorhandene Bordsteine etc. vorhanden sind bzw. erfasst werden. Für das Szenario „Parken“ wären solche Informationen die Anzahl der Stockwerke eines Parkhauses, erlaubte Fahrtrichtungen, stehende Hindernisse wie Säulen, parkende Fahrzeuge etc.
-
In einem nächsten Schritt S3 wird abhängig von der erfassten Aufgabe bzw. der erfassten Situation und dem erfassten Detailszenario die Kontur einer abstrahierten Nachbildung das Fahrzeug approximiert. Dies ist nötig, um die äußeren Enden des Fahrzeugs zu definieren, welche sich nicht mit dem geplanten Pfad überschneiden dürfen, da ansonsten eine Kollision mit einem Hindernis geschieht oder zumindest vom Planer angenommen wird. Zur Approximation der Kontur einer abstrahierten Nachbildung des Fahrzeugs wird der Ansatz von Ziegler und Stiller („Fast Collision Checking for Intelligent Vehicle Motion Planning", 21.-24. Juni 2010, in IEEE Intelligent Vehicles Symposium University of California, San Diego, CA, USA, ISBN 978-1-4244-7868-2) als Basis verwendet, bei dem die Kontur der abstrahierten Nachbildung des Fahrzeugs durch mehrere Kreise approximiert wird, welche derart über das als Rechteck angenommene Fahrzeug gelegt werden, um die äußeren Enden zu definieren bzw. zu begrenzen, siehe 1a und 1b. Dieser Ansatz wird derart erweitert, dass das Fahrzeug nicht wie von Ziegler und Stiller vorgeschlagen, lediglich einmalig fix über definierte Kreise approximiert wird, sondern die Kreise abhängig von dem jeweils erkannten Szenario gewählt werden. Das heißt konkret, dass die Kontur der abstrahierten Nachbildung des Fahrzeugs bei erfasster Situation „Fahren auf Straße“ über eine geringere Anzahl an Kreisen approximiert wird, als in der Situation „Parken“. In der Situation „Parken“ ist es wichtig, die Eckbereiche des Fahrzeugs möglichst genau zu erfassen, um ein Kollidieren an diesen Stellen zu vermeiden. Hierzu können an diesen Bereichen mehrere kleinere Kreise angelegt werden, wobei der Mittelbereich der Kontur der abstrahierten Nachbildung des Fahrzeugs über einen oder mehrere größere Kreise approximiert wird. Dies ist beim Fahren auf einer Straße, z.B. auf einer Landstraße oder Autobahn, wiederum nicht nötig, da hier in der Regel keine Manöver gefahren werden, bei denen eine genaue Kenntnis der Eckbereiche des Fahrzeugs nötig ist. Insofern kann hier die Kontur der abstrahierten Nachbildung des Fahrzeugs über einen oder mehrere größere Kreise approximiert werden. Somit kann Rechenleistung eingespart werden ohne die Kollisionsgefahr zu erhöhen.
-
In einem weiteren Schritt S4 kann nach der Approximation ein Pfad zum Zielbereich unter Verwendung von Bewegungsprimitiven oder Manövervorlagen ausgewählt werden. Dies ist wichtig, da oft unvollständige Informationen in Bezug auf das Detailszenario zur Verfügung stehen. Beispielsweise sind Fahrbahnmarkierungen nur teilweise vorhanden oder erfassbar, oder es sind zusätzliche Markierungen vorhanden. Der unbekannte Bereich bzw. zu bestimmende Pfad wird über eine Startposition, ab der die Informationen unvollständig sind, und ein Zielbereich, ab dem wieder vollständige bzw. ausreichende Informationen zum Bestimmen der Bewegungsrichtung des Fahrzeugs zur Verfügung stehen, definiert. Um von der Startposition zum Zielbereich zu gelangen, werden mögliche Pfade z.B. über eine Grafensuche bestimmt. Aus diesen Pfaden wird dann der optimale Pfad durch entsprechende Gewichtung über ein Kostenfunktional bestimmt.
-
Zur Bestimmung des optimalen Pfads können Bewegungsprimitiven (motion primitives) verwendet werden. Bewegungsprimitive werden verwendet, um komplexe Bewegungen in einfachere Einheiten zu zerlegen und damit darstellbar bzw. handhabbar für Berechnungen zu machen.
-
Um den beschränkten Zeithorizont der Bewegungsprimitiven zu erweitern und weniger Rechenleistung zu benötigen, können auch sogenannte Manövervorlagen oder Manövertemplates verwendet werden, um die mögliche Anzahl an Pfaden für die Lösungssuche, also die Suche nach dem optimalen Pfad, zu vereinfachen und zu beschleunigen. Solche Manövervorlagen können für unterschiedliche Szenarien offline erzeugt und dann nach Erkennen der Situation für die Pfadplanung verwendet werden. Das heißt z.B., dass bei Erfassen einer Fahrt auf einer Landstraße der unbekannte Bereich durch eine entsprechende Manövervorlage „Fahrt auf Landstraße“ auf offline berechnete mögliche Pfade für genau dieses Szenario eingeschränkt wird.
-
Die Manövervorlage kann durch Auswertung von Umgebungsinformationen, aufgrund von Informationen aus einem sogenannten kollektiven Fahrschlauch, bei dem vorausfahrende Fahrzeuge Punkte fallen lassen, aus denen dann ein Bahnverlauf erzeugt wird, oder anderen Informationen für unterschiedlichste Situationen erzeugt werden. Beispielsituationen sind „Kreuzung“, „Straße gerade“, „Straße kurvig“, „Mautstelle“ etc. Je mehr Informationen vorhanden sind, desto besser wird die Manövervorlage für spätere Situationen geeignet sein.
-
Zusätzlich zur Manövervorlage wird bei der Pfadplanung das Szenario berücksichtigt, d.h. es werden Informationen über die Umgebung (Gegenverkehr, Anzahl Spuren, Örtlichkeit etc.), Straßenbeschaffenheit (Spurmarkeirungen nur teilweise vorhanden, Bordstein etc.), Raumbeschaffenheit (Parkhaus, Parkfläche etc.) ausgewertet und in die Pfadplanung integriert.
-
Bei der Bestimmung des Pfads können auch Heuristiken einfließen und nicht-holonome Systembeschränkungen berücksichtigt werden.
-
Die Bestimmung des besten Pfads erfolgt dann, indem z.B. eine Kostenkarte für die Situation erstellt wird und ein Gütefunktional für den verwendeten Suchalgorithmus aufgestellt wird, welches dann z.B. über eine Minimierung den optimalen Pfad berechenbar macht.
-
Um das Vorgehen zu veranschaulichen werden zwei Aufgaben nachfolgend detailliert beschrieben. Allerdings ist die Erfindung nicht auf diese Aufgaben beschränkt, da die Ausführung auf andere Aufgaben und Szenarien vom Fachmann übertragbar ist.
-
Betrachtet wird zuerst die Aufgabe „Parken“, d.h. die Situationserkennung liefert die Situation „Parken“. Danach wird die Aufgabe „Fahren auf einer Straße“, betrachtet, d.h. die Situationserkennung liefert die Situation „Fahren auf Straße“.
-
Ziel bei der Pfadplanung für die Situation „Parken“ ist es, einen plausiblen, d.h. kollisionsfreien, Pfad von einer Startposition zu einem Zielbereich zu ermitteln. Plausibel heißt dabei, dass der Pfad Systemeinschränkungen, auch nicht-holonome Systemeinschränkungen, berücksichtigt und frei von Hindernissen ist. Ein Pfad besteht aus Knoten und Pfadsegmenten zwischen den Knoten, sogenannten Kanten. Ein Suchalgorithmus erzeugt Knoten in Richtung des Zielbereichs und überprüft jeden Nachfolger der Knoten. Vorteilhafterweise kann der Suchalgorithmus ARA* gewählt werden, welcher eine Variante des klassischen A* Algorithmus ist, wie oben beschrieben. Hier werden auch Heuristiken verwendet, um den Suchvorgang zu beschleunigen. Ziel der Kollisionsüberprüfung ist es, zu überprüfen, ob die Zellen bzw. Bereiche der nachfolgenden Knoten frei sind. Dabei kann das Fahrzeug als Rechteck angenommen werden und es sollte jede Zelle, welche zumindest einen Teil des Fahrzeugs umfasst, überprüft werden. Da dies zu sehr rechenaufwändigen Modellen führen kann, wird sowohl für das Szenario Parken als auch später die oben genannte Methode verwendet, bei der die Kontur einer abstrahierten Nachbildung des Fahrzeugs bzw. das virtuelle Fahrzeug über einen oder mehrere Kreise approximiert wird, wie oben bereits beschrieben. Im Falle des Szenarios Parken werden dabei an kritischen Stellen, d.h. Stellen, an denen beim Abfahren des Pfades eine erhöhte Kollisionswahrscheinlichkeit auftritt, mehrere, in der Regel auch kleinere Kreise um diese Stellen bzw. Bereiche des Fahrzeugs gelegt, um eine genauere Approximation zu erzielen. Dadurch kann die Kollisionsüberprüfung an diesen Stellen genauer erfolgen, was gerade für Situationen in engen Parkhäusern sehr vorteilhaft ist. Zur Bestimmung eines geeigneten Pfads wird dann die entsprechende Kostenberechnung durchgeführt, d.h. es erfolgt ein Vergleich der ermittelten möglichen Pfade, sei es basierend auf Bewegungsprimitiven oder einer Manövervorlage, sowie eine Gewichtung.
-
Ziel bei der Pfadplanung für die Situation „Fahren auf einer Straße“ ist es ebenfalls, einen plausiblen Pfad von einer Startposition zu einem Zielbereich zu ermitteln. Vorteilhafterweise kann der oben bereits beschriebene Suchalgorithmus RRT mit Erweiterungen wie nachfolgend beschrieben verwendet werden. In jeder Iteration wird ein zufälliger Punkt erzeugt und der dem Baum nächstgelegene Punkt wird ausgewählt. Eine neue Konfiguration wird erzeugt, indem eine Trajektorie in Richtung des zufälligen Punkts berechnet wird. Wenn das Ziel erreicht ist, endet der Algorithmus. Der erfindungsgemäß verwendete Algorithmus erweitert den RRT Algorithmus derart, dass nicht nur der Abstand zum zufälligen Punkt berücksichtigt wird, sondern auch noch Heuristiken. Es wird also nicht nur der Abstand berücksichtigt, sondern es fließen auch noch weitere Informationen in die Kostenberechnung mit ein, unter anderem der Abstand zur rechten und linken Spur, wobei die Suche vorteilhafterweise in die Mitte der Spur zielt, und der Abstand von der neuen Konfiguration zu dem zufälligen Punkt. Es werden zwei Heuristiken verwendet, um die Suche in Richtung Ziel zu führen. Eine, welche den Abstand zwischen der neuen Konfiguration und dem Zielbereich berechnet, und eine, die den inversen Abstand zwischen der neuen Konfiguration und der Startposition berechnet. Ferner wird eine im Vergleich zur Situation „Parken“ verschiedene Kollisionsüberwachung durchgeführt, da beim Fahren höhere Geschwindigkeiten vorhanden und damit schnellere Reaktionszeiten als in der Situation des Parkens gefordert sind. Somit darf die Rechenzeit nicht zu lang sein. Die verwendete Kollisionsüberwachung überprüft, ob die neuen Konfigurationen außerhalb oder innerhalb der gefahrenen Spur sind und ob sie mit anderen Objekten kollidieren. Da das Fahrzeug durch einen oder mehrere Kreise ohne definierte Orientierung dargestellt wird, überprüft die Kollisionsüberwachung lediglich die Koordinaten der neuen Konfiguration. Zur Bestimmung eines geeigneten Pfads wird dann die entsprechende Kostenberechnung durchgeführt, d.h. es erfolgt ein Vergleich der ermittelten möglichen Pfade, sei es basierend auf Bewegungsprimitiven oder einer Manövervorlage, sowie eine Gewichtung.
-
Erfindungsgemäß wird die Approximation der Kontur einer abstrahierten Nachbildung des Fahrzeugs, also Anzahl, Größe und Lage der verwendeten Kreise in Abhängigkeit von der erkannten Situation gewählt, wie bereits oben beschrieben. Grundsätzlich sind die Kreisradien derart zu wählen, dass sie die Bereiche des Fahrzeugs, welche für die Situation relevant bzw. kritisch sind, einschließen oder diese wenigstens teilweise auf ihrem Umfang liegen. Dies führt dazu, dass eine höhere Rechenleistung nur für benötigte Stellen bzw. Bereiche des Fahrzeugs und in bestimmten Situationen benötigt wird. Somit können Ressourcen effizient genutzt werden.
-
Situation, bei denen die vorgeschlagene Pfadplanung eingesetzt werden kann, sind z.B. Situationen, in denen die Fahrzeugführung über die Fahrspurmitte definiert ist, und/oder Situationen, in denen die Spurmarkierungen (teilweise) fehlen oder keine Spurmarkierungen vorhanden sind, z.B. bei Mautstellen. Auch sind Situationen abgedeckt, in denen alternative Spurmarkierungen vorhanden sind, z.B. im Ausland oder bei Baustellen, oder in denen schlechte Spurmarkierungen vorhanden sind oder diese schwer erkennbar sind, z.B. bei schlechtem Wetter wie bei Regen, Schnee, Hagel etc.. Auch können Situationen abgedeckt werden, in denen ein Sensorfehler oder ein Fehler der Road-Schnittstelle, also der Erfassung von Spurrillen, mehrfachen Spurmarkierungen, etc., oder ein Schatten vom Nebenverkehr oder Bäumen oder Gebäuden, oder eine Blockierung durch ein Vorderfahrzeug vorhanden ist.
-
Auch für Situation, bei denen die Fahrzeugführung menschähnlicher oder komfortabler werden sollte, also eine Beruhigung der Road-Schnittstelle vorzusehen ist, kann das Verfahren angewendet werden, da der Pfadplaner den Zielpfad nicht nur anhand von Spurmarkierungen berechnet, sondern auch Objektinformationen einbezieht. Der Pfadplaner wirkt dabei wie eine Glättung der Road-Schnittstelle über die Zeit. Damit werden Sprünge zwischen unterschiedlichen Zeitschritten gemindert. Dies kann beispielsweise dadurch erfolgen, dass die Gewichtung im Kostenfunktional auf Basis von realen Fahrdaten erfolgt, welche entsprechend aufbereitet wurden.
-
Um die Genauigkeit der Kollisionsprüfung des Pfadplaners zu erhöhen, wurde eine Variante der Neuronalen Netzen (NN), die sogenannte LSTM-Methode (LSTM = Long-Short Term Memory Networks), welche dazu dient, längere zeitlich verzögerte Effekte zu berücksichtigen, weiterentwickelt. Diese weiterentwickelte LSTM-Methode führt eine Berechnung der Trajektorien der Objekte durch, welche dann angewendet wird, um die Ego-Bewegung über zukünftige Zeitschritte auf Kollisionsfreiheit zu prüfen. Dies ist vorteilhaft, da bisher nur die aktuellen Objektpositionen verwendet werden.
-
Vorteilhaft ist der Pfadplaner zumindest teilweise als Computerprogrammprodukt oder Softwareprodukt ausgeführt. Ferner wird das Verfahren vorteilhafterweise auf einem Steuergerät ausgeführt, welches dazu geeignet ist, über Schnittstellen Informationen zu erhalten und weiterzugeben. Ebenso sollte das Steuergerät dazu geeignet sein, entsprechende Rechenoperationen zur Pfadplanung durchführen zu können. Vorteilhafterweise sollte es auch den nächsten Schritt, die Trajektorienplanung, durchführen können, um dann entsprechende Anweisungen an die Aktoren zur Fahrzeugführung bzw. Steuerung des Fahrzeugs auszugeben.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Nicht-Patentliteratur
-
- „Fast Collision Checking for Intelligent Vehicle Motion Planning“, 21.-24. Juni 2010, in IEEE Intelligent Vehicles Symposium University of California, San Diego, CA, USA, ISBN 978-1-4244-7868-2 [0031]