用于檢測車輛周圍區(qū)域中的移動物體的方法和裝置的制造方法
【專利說明】用于檢測車輛周圍區(qū)域中的移動物體的方法和裝置
[0001]說明書
[0002]本發(fā)明涉及一種如獨立權利要求的前序部分所述的用于檢測車輛周圍區(qū)域中的移動物體的方法和裝置。
[0003]例如比如車道變更輔助這樣的駕駛員輔助系統(tǒng)需要車輛周圍區(qū)域中的物體的傳感器檢測和識別。傳感器常常設計成用于車輛的整個族或輔助系統(tǒng)并且通常不允許全方位的視野；相反，有也稱為盲區(qū)的檢測缺口。
[0004]具有駕駛員輔助系統(tǒng)的許多車輛僅具有前部雷達和/或前部照相機和后部雷達。在這種情況下，在車輛的左邊和右邊的大區(qū)域保持未被觀察到。因此，通過示例，超車車輛將從后部雷達的檢測區(qū)域消失并且一段時間以后在前部雷達的檢測區(qū)域中再次出現。這會對輔助系統(tǒng)產生問題。
[0005]專利文獻DE 10 2006 047 634 Al公開了一種根據獨立專利權利要求的前序部分的方法和裝置，在該方法和裝置中，傳感器的檢測區(qū)域之間的檢測缺口通過預測彌合，不僅將第一方車輛和觀察到的目標車輛之間的相對速度納入考慮是可能的，而且將第一方車輛的加速度和交通狀況納入考慮也是可能的。一俟目標車輛明顯地在檢測缺口中，第一方車輛中輸出警告。當在預測的一段時間已經過去之后在預期位置中沒有再次檢測到目標車輛時，也結束警告。
[0006]專利文獻DE 10 2011 010 864 Al公開了用于預測機動車輛和所述機動車輛周圍區(qū)域中的物體一一尤其在傳感器的盲點區(qū)域中的行人和騎自行車者一一之間的碰撞的方法和裝置，同時不是根據線性運動模型確定碰撞概率，而是根據隨機可獲得值確定碰撞概率。在不能觀察到的區(qū)域中沒有發(fā)生插值。
[0007]本發(fā)明是基于實現當沒有通過傳感器的全方位視野、駕駛員沒有被不必要地打擾的情況下跟蹤車輛周圍區(qū)域中的移動物體時的更大可靠性的目的。
[0008]這個目的是通過具有獨立專利權利要求的特征的方法和裝置實現。
[0009]本發(fā)明的有利發(fā)展在從屬權利要求中詳細說明。
[0010]根據本發(fā)明，根據類型一一特別是尤其機動車輛、騎自行車者或行人的道路使用者的類型，對檢測物體進行分類。選擇與確定的物體類型匹配的運動模型，物體正被預期穿過根據所述運動模型的檢測缺口移動。運動模型包含在運動模型中的它的位置上的物體的位置概率，同時將關于當前正在駕駛的路線區(qū)段的行車道配置文件中的特殊特征的信息納入考慮，根據車輛的位置和運動變量以及檢測物體的位置和運動變量計算位置概率。
[0011]在一種情況下，在該情況中，對于當前正在駕駛的路線區(qū)段，有檢測物體的可能性，檢測物體擁有運動模型并且在沒有被識別的情況下離開路線區(qū)段進入檢測缺口，尤其在例如比如高速公路出口匝道的岔道車道這樣的分支行車道的情況下，可以減少這個物體的運動模型中的位置概率。
[0012]在一種情況下，在該情況中，對于當前正在駕駛的路線區(qū)段，有物體的可能性，物體在沒有被識別的情況下未檢測到進入檢測缺口，尤其在例如比如高速公路入口匝道的加速車道這樣的行車道交叉路口的情況下，創(chuàng)建用于這種假想物體的具有不同于零的位置概率的運動模型。
[0013]在優(yōu)選實施例中，沒有檢測到或不再檢測到的物體的位置概率傾向于逐步地減少并且最后根據經過時間和/或通過的距離設置為零，除非由于在周圍區(qū)域中的情況，在該情況下沒有在沒有被識別的情況下這個物體已經離開檢測缺口的可能性。
[0014]可以從地圖數據和/或傳感器數據一一例如從車輛導航系統(tǒng)中的數字地圖和/或從作為車輛的傳感器的數碼照相機上的圖像一一獲得關于在當前正在駕駛的路線區(qū)段的行車道配置文件中的特殊特征的信息。
[0015]移動物體通常是其他道路使用者，尤其是機動車輛、騎自行車者和行人，并且車輛的運動變量和移動物體的運動變量通常是二維或三維空間中的位置、速度以及可能的加速度。
[0016]與形成通用類型的現有技術相比，在本發(fā)明的情況下，對檢測物體進行分類，這允許初始化并形成與物體匹配的運動模型。物體不是簡單地轉移，而是分類的物體的位置和運動變量建模并且儲存在“存儲器”中，當位置概率降到低于極限時存儲器再次忘記物體。此外，這個存儲器耦接至地圖數據或關于當前正在駕駛的路線區(qū)段的行車道配置文件中的特殊特征的其他信息，例如，似乎使物體消失或者使新物體(例如，在高速公路入口匝道上)在傳感器沒有檢測到的區(qū)域中出現是可能的。在觀察區(qū)域中的物體已經由濾波器觀察到，并且模型也初始化或適應于以現有的合適方式與物體匹配。然后相同的算法繼續(xù)在檢測缺口中運行。檢測缺口中的差異僅在于傳感器數據丟失并且算法必須依靠它的運動模型(也就是說，發(fā)生純粹的推斷或預測)。然而，在觀察區(qū)域中，發(fā)生過濾，也就是說，除預測之外，濾波器可以進一步地使用測量數據以便描述物體運動。
[0017]也就是說，在本發(fā)明的情況下，形成車輛周圍物體的運動模型。每個運動模型在傳感器檢測到的區(qū)域中“在線”更新并且在傳感器沒有檢測到的區(qū)域中“離線”使用(以純粹的預測方式)，以便推斷位置和運動變量，并因此繼續(xù)跟蹤相關的物體。由于在不能觀察到的區(qū)域中的這個跟蹤是純粹的預測，關于每個預測步驟(對于每個時間單元)的不可靠組件增加并且在某一時刻變得如此不準確，以致權宜之計的跟蹤不再值得，因此可以“忘記”這種類型的物體，也就是說，從存儲器中刪除。
[0018]現在接著是參考附圖的示例性實施例的描述，在附圖中:
[0019]圖1表明高速公路上的第一機動車輛，所述機動車輛接近在前方并且在左手側的相鄰車道中行駛的第二機動車輛，并且使用前部傳感器系統(tǒng)檢測所述第二機動車輛；
[0020]圖2表明當第二機動車輛在第一機動車輛的傳感器的盲點中時的圖1的情況。
[0021]圖3表明當第二機動車輛由第一機動車輛的后部傳感器系統(tǒng)檢測到時的圖1的情況；
[0022]圖4表明第一機動車輛使第二機動車輛在右手側的相鄰車道上，所述第二機動車輛在第一機動車輛的傳感器的盲點中；以及
[0023]圖5表明用于檢測機動車輛周圍區(qū)域中的移動物體的方法的詳細流程圖。
[0024]圖1表明三車道高速公路上的典型駕駛狀況。在這種情況下，高速公路理解為意指具有幾條車道并且類似于高速公路的任何道路。
[0025]在下文中稱為第一方車輛2的第一機動車輛在中間車道上行駛并且接近在距離后部的左手側的車道的前方行駛的在下文中稱為第三方車輛4的第二機動車輛。兩個車輛的行駛方向和速度是由相應長度的箭頭指示。
[0026]第一方車輛2具有在這種情況下是前部照相機和/或前部雷達的前部傳感器系統(tǒng)，第三方車輛4由所述前部傳感器系統(tǒng)的典型檢測區(qū)域6、8所覆蓋，并且第一方車輛2也具有例如后部照相機和/或后部雷達這樣的具有典型檢測區(qū)域10的后部傳感器系統(tǒng)。
[0027]第三方車輛4在第一方車輛2中檢測并且根據類型在這種情況下分類為機動車輛。例如，可以根據第三方車輛4的尺寸執(zhí)行分類，然而，例如，也可以根據所述第三方車輛的速度和/或加速度執(zhí)行真實性檢查。
[0028]選擇與確定的車輛類型匹配的運動模型，根據傳感器數據估計的運動變量是基于所述運動模型。尤其，傳感器數據提供車輛2和4之間的橫向和縱向距離，并且也提供車輛2和4之間的橫向和縱向相對速度和可能的加速度。因此，第三方車輛4的運動原則上可以在第一方車輛2的坐標系中建模，然而，在可能的情況下，在借助于第一方車輛2本身的運動獲得的固定的基準坐標系統(tǒng)中這樣做更好，第一方車輛2本身的運動可以從其他車輛系統(tǒng)獲得。
[0029]選擇的運動模型與輸入運動變量一起應用于第三方車輛4。一俟第三方車輛4在第一方車輛2的檢測區(qū)域6、8中的至少一個中，逐步地更新輸入運動模型中并且因此獲得的第三方車輛4的位置、速度和可能的加速度。
[0030]如果圖1中的兩個車輛2和4繼續(xù)以由箭頭的長度指示的速度移動，如圖2所示，則第三方車輛4在某一時刻離開第一方車輛2的前部傳感器系統(tǒng)的兩個檢測區(qū)域6、8并且也不能由所述第一方車輛的后部傳感器系統(tǒng)檢測。在這些檢測缺口中，運動模型根據第三方車輛4的最后已知速度提供第三方車輛4的位置。
[0031]如果第一方車輛2繼續(xù)比第三方車輛4更快地行駛，如圖3所示，則第三方車輛4進入第一方車輛2的后部傳感器系統(tǒng)的檢測區(qū)域10，并且后部傳感器系統(tǒng)現在提供數據以便再次更新輸入運動模型中并且因此獲得的第三方車輛4的位置、速度和可能的加速度。
[0032]相反，如果第三方車輛4超過第一方車輛2，同時第三方車輛4首先進入第一方車輛2的后部傳感器系統(tǒng)的檢測區(qū)域10，然后離開所述檢測區(qū)域并且接著進入第一方車輛2的前部傳感器系統(tǒng)的檢測區(qū)域6、8，則發(fā)生類似的情況。
[0033]第三方車輛4在它的運動模型中的位置各自擁有位置概率，位置概率是考慮關于當前正在駕駛的路線區(qū)段的行車道配置文件中的特殊特征的信息確定的。圖1至3中的路線區(qū)段的地圖數據提供在各種行車道的配置文件中沒有特殊特征一一尤其沒有這個段中的岔道(并且也沒有交叉路口)一一的信息。作為可選方案，例如，可以從來自具有檢測范圍6和/或8的前部數碼照相機的圖像獲