DE102020210421A1 - Method and system for creating and teaching in a map of the surroundings for a trained parking process - Google Patents
Method and system for creating and teaching in a map of the surroundings for a trained parking process Download PDFInfo
- Publication number
- DE102020210421A1 DE102020210421A1 DE102020210421.2A DE102020210421A DE102020210421A1 DE 102020210421 A1 DE102020210421 A1 DE 102020210421A1 DE 102020210421 A DE102020210421 A DE 102020210421A DE 102020210421 A1 DE102020210421 A1 DE 102020210421A1
- Authority
- DE
- Germany
- Prior art keywords
- features
- map
- environment
- surroundings
- relevant
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000001514 detection method Methods 0.000 claims abstract description 50
- 238000000605 extraction Methods 0.000 claims abstract description 4
- 230000004807 localization Effects 0.000 claims description 6
- 239000002689 soil Substances 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 241000519995 Stachys sylvatica Species 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- 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
- B60W30/06—Automatic manoeuvring for parking
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/86—Combinations of sonar systems with lidar systems; Combinations of sonar systems with systems not using wave reflection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
- G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
-
- 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
- B60W2556/40—High definition maps
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
- G01S2013/9314—Parking operations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
- G01S2013/9323—Alternative operation using light waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
- G01S2013/9324—Alternative operation using ultrasonic waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
- G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
- G01S2015/932—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles for parking operations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
Die Erfindung betrifft ein Verfahren zum Erstellen und Einlernen einer Umgebungskarte für einen trainierten Parkvorgang mit den folgenden Schritten:- Anfordern (S1) eines neuen Einlernvorgangs für einen trainierten Parkvorgang;- Starten (S2) eines Abfahrens einer Trajektorie;- Lokalisieren (S3) des Ego-Fahrzeugs;- Abrufen (S4) zumindest eines Luftbildes basierend auf einer aktuellen Position des Ego-Fahrzeugs;- Extraktion (S5) von Merkmalen aus dem zumindest einen Luftbild;- Starten (S6) eines Einlernvorgangs;- Aufzeichnen (S7) eines Umfelds des Ego-Fahrzeugs mit zumindest einem Umfelderfassungssensor (2) des Ego-Fahrzeugs;- Matching (S8) der Merkmale des Luftbilds mit den detektierten Merkmalen des zumindest einen Umfelderfassungssensors (2);- Bewerten (S9) der Merkmale des zumindest einen Umfelderfassungssensors (2) als relevant oder nicht relevant;- Selektion (S10) der als relevant bewerteten Merkmale der Detektion des zumindest einen Umfelderfassungssensors (2) und Verknüpfen dieser Merkmale mit den Merkmalen des Luftbilds zu einer Umgebungskarte;- Überprüfen (S11) ob ein Zielpunkt der Trajektorie erreicht wurde;- Abspeichern (S12) der zurückgelegten Trajektorie sowie der Umgebungskarte bei Erreichen des Zielpunkts.The invention relates to a method for creating and teaching in a map of the surroundings for a trained parking process with the following steps: requesting (S1) a new teaching process for a trained parking process; starting (S2) following a trajectory; localizing (S3) the ego - vehicle;- retrieval (S4) of at least one aerial image based on a current position of the ego vehicle;- extraction (S5) of features from the at least one aerial image;- starting (S6) of a learning process;- recording (S7) of an environment of the Ego vehicle with at least one surroundings detection sensor (2) of the ego vehicle; - Matching (S8) the features of the aerial image with the detected features of the at least one surroundings detection sensor (2); - Evaluating (S9) the features of the at least one surroundings detection sensor (2) as relevant or not relevant;- selecting (S10) the features of the detection of the at least one environment detection sensor (2) that are evaluated as relevant and linking them r features with the features of the aerial photograph for a map of the surroundings; - checking (S11) whether a destination point of the trajectory has been reached; - storing (S12) the trajectory covered and the map of the surroundings when the destination point is reached.
Description
Die Erfindung betrifft ein Verfahren und ein System zum Erstellen und Einlernen einer Umgebungskarte für einen trainierten Parkvorgang.The invention relates to a method and a system for creating and teaching in a map of the surroundings for a trained parking process.
Aus dem Stand der Technik ist unter anderem die Assistenzfunktion des trainierten Parkens bzw. „Trained Parking“ bekannt. Hierbei werden eine Umgebungskarte und eine Trajektorie erstellt und eingelernt, welche es einem Fahrzeug ermöglicht, automatisiert von einem Startpunkt zu einem Endpunkt (z.B. Parkplatz, Garage etc.) zu fahren, ohne, dass ein Eingriff oder eine Kontrolle durch den Fahrer notwendig ist.Among other things, the assistance function of trained parking or “trained parking” is known from the prior art. A map of the surroundings and a trajectory are created and taught in, which enable a vehicle to drive automatically from a starting point to an end point (e.g. parking lot, garage, etc.) without the driver having to intervene or check it.
Während des Einlernvorgangs wird mittels der am Fahrzeug verbauten Sensorik (Kamera, Radar, Ultraschall, Laser) eine Umgebungskarte erstellt, die zwei Funktionen erfüllt. Zum einen dient die Karte der Lokalisation des Ego-Fahrzeugs in der Karte, wenn nach dem Training das automatisierte Parkmanöver durchgeführt werden soll. Zum anderen dient sie der Identifikation von Hindernissen (z.B. Mülltonne, Blumenkübel, etc.) die beim Training nicht vorhanden waren und denen ausgewichen werden muss (= neue Bahnplanung und Trajektorie, die eine Kollision mit dem Hindernis vermeidet, aber dennoch ein Fortsetzen des automatisierten Parkmanövers ermöglicht.During the learning process, a map of the surroundings is created using the sensors installed on the vehicle (camera, radar, ultrasound, laser), which fulfills two functions. On the one hand, the map is used to localize the ego vehicle on the map if the automated parking maneuver is to be carried out after the training. On the other hand, it serves to identify obstacles (e.g. garbage can, flower pot, etc.) that were not present during training and which have to be avoided (= new path planning and trajectory that avoids a collision with the obstacle, but still allows the automated parking maneuver to be continued allows.
Ein Problem des Standes der Technik ist, dass die Ego-Sensorik falsche Detektionen (false positives) generieren kann und es teilweise nicht möglich ist zu erkennen und zu unterscheiden, welche Detektionen eine sehr wichtige Bedeutung haben, insbesondere für eine spätere Neu-Planung der Trajektorie, und welche eventuell nur temporärer Natur sind.A problem of the prior art is that the ego sensor system can generate false detections (false positives) and it is sometimes not possible to recognize and differentiate which detections have a very important meaning, in particular for a later re-planning of the trajectory , and which may only be of a temporary nature.
Es ist somit eine Aufgabe der vorliegenden Erfindung ein Verfahren und ein System bereitzustellen, mittels welchem ein Einlernvorgang einer Karte für das trainierte Parken verbessert werden kann und somit die Robustheit und Zuverlässigkeit der in der abgespeicherten Karte vorhandenen Informationen erhöht.It is therefore an object of the present invention to provide a method and a system by means of which a learning process of a card for trained parking can be improved and thus increase the robustness and reliability of the information present in the stored card.
Diese Aufgabe wird durch den Gegenstand der unabhängigen Ansprüche 1 und 6 gelöst.This object is solved by the subject matter of
Erfindungsgemäß ist ein Verfahren zum Erstellen und Einlernen einer Umgebungskarte für einen trainierten Parkvorgang mit den folgenden Schritten vorgesehen:
- - Anfordern eines neuen Einlernvorgangs für einen trainierten Parkvorgang;
- - Starten eines Abfahrens einer Trajektorie;
- - Lokalisieren des Ego-Fahrzeugs;
- - Abrufen zumindest eines Luftbildes basierend auf einer aktuellen Position des Ego-Fahrzeugs;
- - Extraktion von Merkmalen aus dem zumindest einen Luftbild;
- - Starten eines Einlernvorgangs;
- - Aufzeichnen eines Umfelds des Ego-Fahrzeugs mit zumindest einem Umfelderfassungssensor des Ego-Fahrzeugs;
- - Matching der Merkmale des Luftbilds mit den detektierten Merkmalen des zumindest einen Umfelderfassungssensors;
- - Bewerten der Merkmale des zumindest einen Umfelderfassungssensors als relevant oder nicht relevant;
- - Selektion der als relevant bewerteten Merkmale der Detektion des zumindest einen Umfelderfassungssensors und Verknüpfen dieser Merkmale mit den Merkmalen des Luftbilds zu einer Umgebungskarte;
- - Überprüfen ob ein Zielpunkt der Trajektorie erreicht wurde;
- - Abspeichern der zurückgelegten Trajektorie sowie der Umgebungskarte bei Erreichen des Zielpunkts.
- - Requesting a new learning process for a trained parking process;
- - Starting a trajectory traversing;
- - locating the ego vehicle;
- - retrieving at least one aerial image based on a current position of the ego vehicle;
- - Extraction of features from the at least one aerial image;
- - Start a learning process;
- - recording an environment of the ego vehicle with at least one environment detection sensor of the ego vehicle;
- - Matching the features of the aerial image with the detected features of the at least one environment detection sensor;
- - Evaluating the features of the at least one environment detection sensor as relevant or not relevant;
- - Selection of the features of the detection of the at least one surroundings detection sensor rated as relevant and linking these features with the features of the aerial image to form a map of the surroundings;
- - Check whether a target point of the trajectory has been reached;
- - Saving the trajectory covered and the map of the area when the destination is reached.
Die Lokalisierung des Ego-Fahrzeugs kann beispielsweise mittels GPS oder GNSS erfolgen. Basierend auf der Position wird daraufhin zumindest ein Luftbild abgerufen. Es können auch mehrere Luftbilder abgerufen werden, je nach zurückzulegender Strecke. Diese Luftbilder sind vorteilhafterweise Sattelitenbilder der Erdoberfläche. (bspw. Google Maps/ Google Earth o.ä.). Dieses Luftbild bzw. die Luftbilder werden dann zur Generierung einer Karte für das trainierte Parken mit herangezogen. Die Luftbilder können beispielsweise bereits für die zu fahrende Trajektorie in eine Speichereinrichtung hinterlegt sein. Denkbar wäre auch ein aktuelles Luftbild für die Trajektorie direkt aus dem Internet abzurufen. Hierfür wäre es denkbar, dass das Fahrzeug eine Verbindung zum Internet mittels eines entsprechenden Moduls herstellt. Dies ist insbesondere bei neuen Trajektorien bzw. einem neuen trainierten Parkszenario vorteilhaft. Wenn für die Trajektorie bereits ein Luftbild hinterlegt ist, kann das Luftbild für das zukünftige Abfahren derselben Trajektorie primär verwendet werden. Für die weitere Verarbeitung des Luftbildes wird der für die Trajektorie relevante Ausschnitt bzw. Bereich betrachtet und weiter analysiert. So werden in diesem Bereich Merkmale extrahiert, wodurch das Training mit Ego-Sensorik vereinfacht wird, da im weiteren Verlauf die mittels des Umfelderfassungssensors erfassten Merkmale mit den Merkmalen des Luftbilds gematched werden. Das bedeutet, dass die Merkmale miteinander verglichen und auf Übereinstimmung geprüft werden. So kann vorteilhaft eine bessere Zuordnung der Merkmale des Luftbilds zu den Detektionen des zumindest einen Umfelderfassungssensors und somit zu realen Gegenständen ermöglicht werden.The ego vehicle can be localized using GPS or GNSS, for example. At least one aerial image is then retrieved based on the position. Several aerial photos can also be called up, depending on the route to be covered. These aerial images are advantageously satellite images of the earth's surface. (e.g. Google Maps/ Google Earth or similar). This aerial photograph or aerial photographs are then used to generate a map for trained parking. The aerial images can, for example, already be stored in a storage device for the trajectory to be driven. It would also be conceivable to retrieve an up-to-date aerial photo for the trajectory directly from the Internet. For this it would be conceivable for the vehicle to establish a connection to the Internet using a corresponding module. This is particularly advantageous in the case of new trajectories or a newly trained parking scenario. If an aerial image is already stored for the trajectory, the aerial image can primarily be used for future travel along the same trajectory. For further processing of the aerial image, the section or area relevant to the trajectory is considered and further analyzed. In this way, features are extracted in this area, which simplifies training with ego sensors, since the features recorded by means of the environment detection sensor are then matched with the features of the aerial image. This means that the features are compared with each other and checked for consistency. So a better assignment of the features of the aerial image to the detections of the at least one environment detection sensor and thus to real objects can advantageously be made possible.
Das Anfordern des Einlernvorgangs kann beispielsweise fahrerseitig ausgelöst werden.The request for the learning process can be triggered by the driver, for example.
Der zumindest eine Umfelderfassungssensor ist beispielsweise eine Mono-Kamera, eine Stereokamera, ein Radarsensor, ein Lidarsensor oder ein Ultraschallsensor. Denkbar wäre auch die Verwendung von mehreren Kameras, beispielsweise als Bestandteil eines Surroundview-Systems. Weiter wäre denkbar mehrere Sensoren bzw. eine Kombination der vorgenannten Sensoren zu verwenden. Dies ist vorteilhaft, da mehrere und auch verschiedene Sensoren unterschiedliche Objekte besser detektieren und über eine Sensordatenfusion die Detektionen verifiziert werden können.The at least one environment detection sensor is, for example, a mono camera, a stereo camera, a radar sensor, a lidar sensor or an ultrasonic sensor. The use of several cameras would also be conceivable, for example as part of a surround view system. It would also be conceivable to use a plurality of sensors or a combination of the aforementioned sensors. This is advantageous since a number of sensors and also different sensors detect different objects better and the detections can be verified via a sensor data fusion.
Die Merkmale des zumindest einen Umfelderfassungssensors können als relevant oder nicht relevant bewertet werden. Dies ist vorteilhaft, da für die Trajektorienplanung nicht alle Merkmale verwendet werden müssen, sondern nur die als relevant bewerteten Merkmale genutzt werden, was wiederum zu einer Reduzierung des Rechenaufwands beiträgt. Weiterhin werden die als relevant bewerteten Merkmale der Detektion des zumindest einen Umfelderfassungssensors selektiert und mit den Merkmalen des Luftbilds zu einer Umgebungskarte verknüpft. Durch die Kombination dieser beiden Informationen kann eine zuverlässigere und Robustere Karte erstellt werden. Anschließend wird geprüft, ob der Zielpunkt der Trajektorie erreicht wurde. Falls der Zielpunkt noch nicht erreicht wurde, werden die Verfahrensschritte nach dem Start des Einlernvorgangs so lange wiederholt, bis der Zielpunkt erreicht wurde. Dies ist vorteilhaft, da auf diese Weise sichergestellt ist, dass die gesamte Fahrstrecke mit allen relevanten Merkmalen abgespeichert werden kann. Abschließend werden die zurückgelegte Trajektorie sowie die Umgebungskarte bei Erreichen des Zielpunkts abgespeichert.The features of the at least one environment detection sensor can be evaluated as relevant or not relevant. This is advantageous because not all features have to be used for the trajectory planning, but only the features evaluated as relevant are used, which in turn contributes to a reduction in the computing effort. Furthermore, the features of the detection of the at least one environment detection sensor that are evaluated as relevant are selected and linked to the features of the aerial image to form an environment map. By combining these two pieces of information, a more reliable and robust map can be created. It is then checked whether the target point of the trajectory has been reached. If the target point has not yet been reached, the procedural steps are repeated after the start of the teach-in process until the target point has been reached. This is advantageous because it ensures that the entire route can be saved with all relevant features. Finally, the trajectory covered and the map of the area are saved when the destination is reached.
In einer bevorzugten Ausführungsform ist vorgesehen, dass die Merkmale des Luftbilds Landmarken und Strukturen umfassen.In a preferred embodiment, it is provided that the features of the aerial image include landmarks and structures.
In einer weiteren besonders bevorzugten Ausgestaltung wird die Bewertung als relevant oder nicht relevant basierend auf dem Ergebnis des Matchings der Merkmale vorgenommen. Auf diese Weise kann vorteilhaft eine robustere Karte für das trainierte Parken erstellt werden. Weiterhin können auch Fehldetektionen der Umfelderfassungssensoren erkannt werden. Beispielsweise können Detektionen von Wänden und Gebäuden besser diesen zugeordnet werden und sie erhalten ein größeres Gewicht / Vertrauenswert und somit eine höhere Relevanz. Die mittels des zumindest einen Umfelderfassungssensors gewonnenen Daten können somit gemäß den aus dem Luftbild extrahierten Merkmalen gelabelt werden. Weiterhin ist es möglich zu bestimmen, ob in relevanten Bereichen, z.B. Hausecke, Garageneinfahrt, jeweils extrahiert aus dem Luftbild, ausreichend viele und sichere Detektionen des zumindest einen Umfelderfassungssensors vorhanden sind, so dass ungewollte „weiße Flecken“ in der Umgebungskarte für das trainierte Parken vermieden werden.In a further particularly preferred refinement, the assessment as relevant or not relevant is carried out based on the result of the matching of the features. In this way, a more robust map for trained parking can advantageously be created. Furthermore, faulty detections of the surroundings detection sensors can also be recognized. For example, detections of walls and buildings can be better assigned to them and they receive a greater weight/confidence value and thus greater relevance. The data obtained by means of the at least one environment detection sensor can thus be labeled according to the features extracted from the aerial image. Furthermore, it is possible to determine whether in relevant areas, e.g. house corner, garage entrance, extracted from the aerial photo, there are sufficiently many and reliable detections of the at least one environment detection sensor, so that unwanted "white spots" in the environment map for the trained parking avoided will.
In einer weiteren bevorzugten Ausführungsform wird zusätzlich zu der Bewertung als relevant oder nicht relevant ein Beweglichkeits-Hypothesenwert basierend auf dem Ergebnis des Matchings der Merkmale vorgenommen. Der Wert wird demnach festgelegt, wenn Merkmale zwar von dem Umfelderfassungssensor detektiert werden, aber nicht bzw. nicht immer in dem Luftbild auftauchen. Hierbei kann es sich bei den Merkmalen um Gegenstände handeln, die zwar während des Abfahrens der Trajektorie bzw. dem Einlernen der Trajektorie vorhanden sind, allerdings ggf. auf dem Luftbild nicht auftauchen, da die Gegenstände nur temporär vorhanden sind. Dies können beispielsweise Mülltonnen sein oder auch andere parkende Fahrzeuge, abgestellte Fahr- oder Motorräder sein. Diese Merkmale können beispielsweise als potentiell bewegliches Hindernis gekennzeichnet werden, um eine Unterscheidung zwischen diesen Merkmalen und den dauerhaft statischen Hindernissen wie Hauswänden zu erreichen. Der Beweglichkeits-Hypothesenwert beschreibt also eine Kenngröße die festlegt, dass ein Merkmal nur zu bestimmten Zeiten bzw. nur Möglicherweise an der detektierten Position auftritt.In a further preferred embodiment, in addition to the assessment as relevant or not relevant, a mobility hypothesis value based on the result of the matching of the features is undertaken. Accordingly, the value is defined when features are indeed detected by the environment detection sensor, but do not or not always appear in the aerial image. The features can be objects that are present while the trajectory is being followed or the trajectory is being taught in, but may not appear on the aerial image because the objects are only present temporarily. This can be garbage cans, for example, or other parked vehicles, parked bicycles or motorbikes. These features can, for example, be marked as potentially moving obstacles in order to differentiate between these features and permanently static obstacles such as house walls. The mobility hypothesis value thus describes a parameter that specifies that a feature only occurs at certain times or only possibly at the detected position.
Dieser Hypothesenwert wird bevorzugt auch in die Umgebungskarte eingetragen, so dass dieser Wert für nachfolgende Fahrten dieser Trajektorie vermerkt ist. Dies ist vorteilhaft, da auf diese Weise die mit einem derartigen Wert versehenen Bereiche der Umgebungskarte als potentiell belegt angesehen werden können. Weiterhin ist ein solcher Hypothesenwert vorteilhaft, da eine Nicht-Detektion solcher Merkmale während eines erneuten Abfahrens der Trajektorie nicht zu Unsicherheiten oder Fehlern in der Karte führt, da durch den Hypothesenwert erkenntlich ist, dass die Merkmale nicht dauerhaft vorhanden sind.This hypothetical value is preferably also entered in the map of the surroundings, so that this value is noted for subsequent journeys along this trajectory. This is advantageous because in this way the areas of the map of the surroundings provided with such a value can be regarded as potentially occupied. Furthermore, such a hypothetical value is advantageous since non-detection of such features when the trajectory is traversed again does not lead to uncertainties or errors in the map, since the hypothetical value indicates that the features are not permanently present.
Weiterhin werden in einer weiteren Ausführungsform aus dem Luftbild zusätzlich Höheninformationen eines Bodenprofils extrahiert. Diese Informationen sind insbesondere relevant für eine Bordsteinerkennung oder wenn die Trajektorie des trainierten Parkens ein starkes vertikales Profil aufweist, beispielsweise eine steile Rampe, die auf einem Abschnitt der Trajektorie liegt. Mit diesem Wissen kann die Umgebungskarte für das trainierte Parken so gestaltet werden, dass berücksichtigt wird, dass die Ego-Sensoren während des Befahrens der Rampe andere Merkmale der Umgebung wahrnehmen als vor bzw. hinter der Rampe.Furthermore, in a further embodiment, height information of a soil profile is additionally extracted from the aerial image. This information is particularly relevant for curb detection or when the trained parking trajectory has a strong vertical profile, such as a steep ramp lying on a portion of the trajectory. With this knowledge the environment map for trained parking can be designed in such a way that it is taken into account that the ego sensors perceive different features of the environment while driving on the ramp than in front of or behind the ramp.
Weiter wird bevorzugt das Luftbild in vorgebbaren Zeitintervallen automatisch aktualisiert. Hierbei kann verglichen werden, ob sich aus dem aktualisierten Luftbild bessere/genauere/neue Merkmale ergeben, die in der alten Fassung nicht vorhanden waren. Denkbar wäre beispielsweise ein Zeitintervall von 1 Monat. Längere Zeitintervalle wären ebenfalls denkbar.Furthermore, the aerial image is preferably automatically updated at definable time intervals. A comparison can be made here as to whether the updated aerial photo reveals better/more precise/new features that were not present in the old version. For example, a time interval of 1 month would be conceivable. Longer time intervals would also be conceivable.
Weiterhin wird in einer bevorzugten Ausgestaltung der Erfindung vor dem Abspeichern der Umgebungskarte ein Konfidenzwert für die Umgebungskarte ermittelt. Dieser Konfidenzwert wird durch eine Überprüfung der Umgebungskarte auf Vollständigkeit ermittelt. Je vollständiger die Karte desto höher der Konfidenzwert. Bereiche ohne Detektionen oder ohne Merkmale aus dem Luftbild führen zu einer Unvollständigkeit und somit zu einem geringeren Konfidenzwert. Lokale Bereiche mit zu geringem Konfidenzwert können während des Einlernvorgangs dazu verwendet werden, um die Art und Repräsentierung der Sensormesswerte und Umgebungsmodellierung zu steuern (z.B. Abspeichern dichterer Sensormesswerte oder sogar Rohwerte, was für die ganze Karte nicht möglich wäre). Beim Anwenden und Ausführen eines Parkvorgangs basierend auf der gespeicherten Karte können die Konfidenzwerte für die Trajektorienplanung herangezogen werden, so dass die Trajektorie derartig geplant wird, dass lokale Bereiche mit geringer Konfidenz bewusst vermieden oder umfahren werden.Furthermore, in a preferred embodiment of the invention, a confidence value for the map of the environment is determined before the map of the environment is stored. This confidence value is determined by checking the map of the surroundings for completeness. The more complete the map, the higher the confidence value. Areas without detections or without features from the aerial image lead to incompleteness and thus to a lower confidence value. Local low-confidence areas can be used during the learning process to control the type and representation of sensor readings and environment modeling (e.g. storing denser sensor readings or even raw values, which would not be possible for the whole map). When applying and executing a parking process based on the stored map, the confidence values can be used for trajectory planning, so that the trajectory is planned in such a way that local areas with low confidence are deliberately avoided or bypassed.
Allgemein ist das Verfahren vorteilhaft, da normale Navi-Karten und HD-Karten für Fahrerassistenzsysteme keine privaten Gelände abdecken, auf welchen das trainierte Parken sehr relevant wäre. Auch sind auf dem Luftbild Bereiche sichtbar, die von der öffentlichen Straße nicht einsehbar sind (z.B. Hinterhöfe) Die Luftbilder sind weltweit verfügbar und haben in Städten und bebauten Gebieten eine sehr hohe Auflösung und Genauigkeit (z.B. Google Maps / Google Earth).In general, the method is advantageous since normal navigation maps and HD maps for driver assistance systems do not cover private areas on which trained parking would be very relevant. Areas that are not visible from the public road (e.g. backyards) are also visible on the aerial photo. The aerial photos are available worldwide and have a very high resolution and accuracy in cities and built-up areas (e.g. Google Maps / Google Earth).
Relevante Strukturen und Informationen (Vegetation, Bordstein, Gebäude) lassen sich mit Methoden des Standes der Technik der maschinellen Bildverarbeitung automatisiert aus den Liftbildern extrahieren. Dies kann sogar im Fahrzeug durchgeführt werden, wenn nur das Pixel-basierte Luftbild zum Fahrzeug übertragen wird.Relevant structures and information (vegetation, curb, building) can be automatically extracted from the lift images using state-of-the-art machine image processing methods. This can even be done in the vehicle if only the pixel-based aerial image is transmitted to the vehicle.
Weiterhin ist erfindungsgemäß ein System vorgesehen welches zur Durchführung des erfindungsgemäßen Verfahrens ausgestaltet ist, umfassend zumindest einen Umfelderfassungssensor, zur Aufzeichnung des Umfelds eines Ego-Fahrzeugs, ein Lokalisierungsmodul, zum Lokalisieren der Position eines Ego-Fahrzeugs, eine Recheneinrichtung, mittels welcher Detektionen des zumindest einen Umfelderfassungssensors sowie Merkmale eines Luftbildes auswertbar sind und eine Umgebungskarte erstellbar ist, eine Steuereinrichtung, welche dazu ausgestaltet ist das Ego-Fahrzeug entsprechend einer Trajektorie eines trainierten Parkvorgangs zu steuern sowie eine Speichereinrichtung, welche dazu ausgestaltet ist die erstellte Umgebungskarte sowie eine gefahrene Trajektorie des Ego-Fahrzeugs abzuspeichern.Furthermore, according to the invention, a system is provided which is designed to carry out the method according to the invention, comprising at least one environment detection sensor for recording the environment of an ego vehicle, a localization module for locating the position of an ego vehicle, a computing device, by means of which detections of the at least one Environment detection sensor and features of an aerial image can be evaluated and an environment map can be created, a control device, which is designed to control the ego vehicle according to a trajectory of a trained parking process, and a memory device, which is designed to store the created environment map and a driven trajectory of the ego to save the vehicle.
Das System kann weiterhin ein Modul aufweisen, welches eine Verbindung zum Internet ermöglicht, um die entsprechenden Luftbilder abzurufen. Unter einem Lokalisierungsmodul wird im Lichte der Erfindung ein Modul verstanden, welches zur Positionsbestimmung mittels GPS oder GNSS ausgestaltet ist.The system can also have a module that enables a connection to the Internet in order to call up the corresponding aerial photos. In the light of the invention, a localization module is understood to mean a module which is designed for position determination using GPS or GNSS.
Weitere vorteilhafte Ausgestaltungen und Ausführungsformen ergeben sich aus den Zeichnungen. Darin zeigen:
-
1 : ein schematisches Ablaufdiagramm einer Ausführungsform der Erfindung; -
2 : eine schematische Darstellung eines Systems gemäß einer Ausführungsform der Erfindung.
-
1 : a schematic flow diagram of an embodiment of the invention; -
2 1: a schematic representation of a system according to an embodiment of the invention.
In
BezugszeichenlisteReference List
- 11
- Systemsystem
- 22
- UmfelderfassungssensorEnvironment detection sensor
- 33
- Recheneinrichtungcomputing device
- 44
- Lokalisierungsmodullocalization module
- 55
- Steuereinrichtungcontrol device
- 66
- Speichereinrichtungstorage device
- DD
- DatenverbindungData Connection
- S1-S12S1-S12
- Verfahrenschritteprocess steps
Claims (8)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102020210421.2A DE102020210421A1 (en) | 2020-08-17 | 2020-08-17 | Method and system for creating and teaching in a map of the surroundings for a trained parking process |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102020210421.2A DE102020210421A1 (en) | 2020-08-17 | 2020-08-17 | Method and system for creating and teaching in a map of the surroundings for a trained parking process |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102020210421A1 true DE102020210421A1 (en) | 2022-02-17 |
Family
ID=80000611
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102020210421.2A Pending DE102020210421A1 (en) | 2020-08-17 | 2020-08-17 | Method and system for creating and teaching in a map of the surroundings for a trained parking process |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102020210421A1 (en) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023030858A1 (en) * | 2021-08-31 | 2023-03-09 | Volkswagen Aktiengesellschaft | Method and assistance device for supporting vehicle functions in a parking lot, and motor vehicle |
DE102023108476A1 (en) | 2023-04-03 | 2024-10-10 | Valeo Schalter Und Sensoren Gmbh | Method for training a parking process of a vehicle, and electronic parking system |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014223363A1 (en) | 2014-11-17 | 2016-05-19 | Volkswagen Aktiengesellschaft | Method and device for localizing a motor vehicle in a fixed reference card |
DE102016211182A1 (en) | 2015-09-08 | 2017-03-09 | Volkswagen Aktiengesellschaft | A method, apparatus and system for performing automated driving of a vehicle along a trajectory provided from a map |
DE102018100289A1 (en) | 2018-01-09 | 2019-07-11 | Connaught Electronics Ltd. | Superimposition of a learned parking trajectory with a visual representation of an environment of a motor vehicle by a Parkassistzeinrichtung |
-
2020
- 2020-08-17 DE DE102020210421.2A patent/DE102020210421A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014223363A1 (en) | 2014-11-17 | 2016-05-19 | Volkswagen Aktiengesellschaft | Method and device for localizing a motor vehicle in a fixed reference card |
DE102016211182A1 (en) | 2015-09-08 | 2017-03-09 | Volkswagen Aktiengesellschaft | A method, apparatus and system for performing automated driving of a vehicle along a trajectory provided from a map |
DE102018100289A1 (en) | 2018-01-09 | 2019-07-11 | Connaught Electronics Ltd. | Superimposition of a learned parking trajectory with a visual representation of an environment of a motor vehicle by a Parkassistzeinrichtung |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023030858A1 (en) * | 2021-08-31 | 2023-03-09 | Volkswagen Aktiengesellschaft | Method and assistance device for supporting vehicle functions in a parking lot, and motor vehicle |
DE102023108476A1 (en) | 2023-04-03 | 2024-10-10 | Valeo Schalter Und Sensoren Gmbh | Method for training a parking process of a vehicle, and electronic parking system |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102015203016B4 (en) | Method and device for optical self-localization of a motor vehicle in an environment | |
EP3491417B1 (en) | Method and system for detecting landmarks in a traffic environment of a mobile unit | |
EP3731187B1 (en) | Method and device for determining the geographical position and orientation of a vehicle | |
EP3490862B1 (en) | Method and device for determining a roadway model for the surroundings of a vehicle | |
DE102010006828B4 (en) | Method for the automatic creation of a model of the surroundings of a vehicle as well as driver assistance system and vehicle | |
EP2302608B1 (en) | Device and method for determining the orientation of a parking space for a vehicle | |
WO2015120981A1 (en) | Method for determining the absolute position of a mobile unit, and mobile unit | |
EP2568310A2 (en) | Method, system and device for locating a vehicle relative to a predefined reference system | |
DE102013015349A1 (en) | Method for starting-up of vehicle for parking in parking lot, involves determining whether vehicle is to be parked in home parking lot or home parking zone when starting-up vehicle, based on identified environmental data of vehicle | |
DE102016222259A1 (en) | Method and system for providing data for a first and second trajectory | |
DE102017211556A1 (en) | Method for route planning for a motor vehicle with an automated vehicle system and motor vehicle with an automated vehicle system | |
EP3172117A1 (en) | Method for operating a driver assistance system for supporting a parking operation, and associated motor vehicle | |
DE102016003261A1 (en) | Method for self-localization of a vehicle in a vehicle environment | |
DE102018210765A1 (en) | Localization system and method for operating the same | |
EP3867601A1 (en) | Method and system for determining a model of the environment of a vehicle | |
EP3161808A1 (en) | Method for processing measurement data of a vehicle in order to determine the start of a search for a parking space and computer program product | |
DE102020210421A1 (en) | Method and system for creating and teaching in a map of the surroundings for a trained parking process | |
DE102021111325A1 (en) | Method and assistance device for supporting driving operation of a motor vehicle and motor vehicle | |
DE102011084588B4 (en) | Method for assisting a driver in parking | |
DE102016106978A1 (en) | Method for operating a driver assistance system of a motor vehicle, computing device, driver assistance system and motor vehicle | |
EP3721371B1 (en) | Method for position determination for a vehicle, controller and vehicle | |
DE102015214367A1 (en) | Method and device for driver assistance | |
WO2020212242A1 (en) | Method for providing driver assistance and driver assistance system | |
DE102018108358A1 (en) | Method for detecting a construction site and driver assistance system for carrying out such a method | |
DE102010055371A1 (en) | Car position determination method for e.g. driver assistance system, involves comparing detected information with three-dimensional geographical map, and searching map information corresponding to detected information |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R163 | Identified publications notified | ||
R081 | Change of applicant/patentee |
Owner name: CONTINENTAL AUTONOMOUS MOBILITY GERMANY GMBH, DE Free format text: FORMER OWNER: CONTI TEMIC MICROELECTRONIC GMBH, 90411 NUERNBERG, DE |