用于提供用于车辆的障碍物地图的方法与流程

本发明涉及一种用于提供障碍物地图的方法以及一种相应设置的电子控制器。

背景技术：

对于车辆的许多未来的行驶功能和驾驶员辅助系统尤其是自动化驾驶、停车辅助系统等来说，对车辆环境的检测是不可缺少的。尤其是必须通常确定，环境的哪些区段未被障碍物阻挡并且因此可不受限制地驶过。环境检测在此以不同的传感器系统如照相机联合、雷达、激光雷达和超声传感器实施。为了针对不同的基于照相机或一般基于传感器的驾驶员辅助系统(例如停车辅助系统)对车辆的环境建模，典型地使用经常也称为占据网格(occupancygrid)的环境地图作为模型。

环境地图具有环境数据，所述环境数据由对环境的传感器测量的处理而产生并且代表所述传感器测量。环境数据在此通常按照环境的区段整理。每个区段配置这样的环境数据，其由在该区段中的测量产生。环境数据可以对于每个单元包括不同的信息类型，例如相应单元的占据概率(亦即单元被障碍物占据的概率)、障碍物的高度等。

一些驾驶员辅助功能对于环境的建模不需要抽象的占据概率作为信息，而是需要如下信息，即，环境的区段是否被障碍物占据。在区段中的障碍物在此表示，环境的所述区段不可以或只在一定条件下可以由车辆驶过。

用于提供障碍物信息，典型地产生障碍物地图，所述障碍物地图具有单元，所述单元分别配置给车辆的环境的区段并且给所述区段分别分派如下信息，即，环境的相应区段是否被障碍物占据。典型地障碍物地图的单元对应于环境地图的单元并且所配置的区段是相同的。区段是否被障碍物占据的信息通过将环境地图的配置给所述区段的占据概率与阈值相比较而确定。在一些表达中可以此外考虑对于所述区段确定的障碍物高度。

在车辆领域中已知传感器系统，其借助称为“运动中恢复结构(structurefrommotion)”(sfm)的方法通过车辆从不同的位置相继的照相机照片可以识别障碍物。当然所述识别经常有错误。因此，为了在环境地图中产生有说服力的占据概率，经常将一个区段的通过sfm识别的占据概率与相同区段的在前识别的占据概率计算(verrechnen)。亦即发生环境地图的单元的识别的占据概率的累加。

同时在sfm方法中，区段中被障碍物占据的占据概率的正确的识别根据相对于车辆的距离和相对于车辆纵轴线的角度。例如在车辆前面的障碍物经常的不如在车辆侧向的障碍物被正确识别。即使在累加时间上依次确定的占据概率时，在环境地图中的障碍物也通过不同的占据概率所代表。

这样在基于环境地图通过阈值形成产生障碍物地图时产生问题，即，基于sfm的识别特性仅不足以通过占据概率所代表的障碍物未记录在障碍物地图中。

技术实现要素：

本发明的任务是，解决在前产生的问题。

该任务通过按照独立权利要求所述的方法、控制单元和车辆解决。有利的进一步扩展方案在从属权利要求中定义。

本发明的一方面涉及用于提供障碍物地图的方法，其中，所述障碍物地图具有单元，所述单元分别配置给车辆的环境的区段并且给所述区段分别分派如下信息，即，环境的相应区段是否被障碍物占据；其中，所述方法包括：提供环境地图，其中，所述环境地图具有单元，所述单元分别配置给车辆的环境的区段并且给所述区段分别分派障碍物概率，所述障碍物概率代表环境的相应区段被障碍物占据的概率；提供阈值规定；其中，所述阈值规定为环境地图的各单元给出不同的阈值；其中，所述阈值规定根据车辆的轨迹、尤其是以前的轨迹的部分确定；基于环境地图并且根据阈值规定确定障碍物地图。阈值规定可以包括对于环境地图的每个单元的阈值的明确说明(也称为阈值地图)或以封闭的形式描述(公式)，由所述形式能够确定对于环境地图的各个单元的阈值。有时阈值地图也称为勘探网。多个传感器系统的传感器测量值可以进入环境地图的提供中，例如由照相机系统和超声系统的测量。同时，所述阈值规定可以考虑车辆的传感器系统的识别特性(尤其是方向和距离相关性)，利用所述传感器系统确定环境区段的占据概率。

亦即在这方面提出，不使用如现有技术中恒定的阈值，而是使用与区段相关(或与单元相关)变化的阈值。所述阈值的变化可以这样选择，使得考虑车辆的传感机构对于障碍物的不同识别特性。对于如下区段选择高的阈值，传感器的识别特性对于所述区段以高的占据概率代表障碍物。而对于如下区段选择低的阈值，障碍物在所述区段中通过较小的占据概率代表。同样，用于所述区段的通过阈值图案预定的阈值可以屈居于行驶功能，所述行驶功能基于障碍物地图实施。

该考虑的一部分是车辆的轨迹。所述轨迹确定，对于哪些区段传感器特性起作用，亦即在环境的哪些区段中以高的占据概率代表障碍物，并且在哪些区段中以低的占据概率代表障碍物。典型地阈值规定为沿行驶方向在车辆之前的环境区段比对于以前的行驶轨迹侧向引导经过的区段取更小的阈值。

以这种方式，沿行驶方向在车辆之前更远离的障碍物在构建障碍物地图时也被正确识别。同时同样识别基于传感器特性以更高的程度识别(并且在环境地图中具有相应更高的占据概率)的障碍物。在如下区域中经常出现的噪声同样有效地在构建障碍物地图时被抑制，在所述区域中，基于传感器特性，障碍物通过高的占据概率代表。

在一种有利的实现方案，为了确定所述阈值规定重复地考虑阈值图案；其中，所述阈值图案对于一组单元中的不同单元给出不同的阈值增量。所述组的单元可以在数量方面小于环境地图的单元的数量。所述阈值图案可以是阈值图案地图，所述阈值图案地图对于各个单元预定阈值增量。有利地，图案给出的阈值遵循高斯函数或线性函数。阈值图案在此给出在单个测量时传感器系统的障碍物识别的特性(其中单个测量在这里理解为数据基础，在所述数据基础上实施环境地图的更新并且完全可以联合多个粗测量)。阈值图案也可以考虑不同的传感器系统、例如sfm照相机系统和超声的特性。由此可以产生复杂的阈值图案。

阈值图案典型地未改变地重复使用或考虑。出发点可以在此是预定的初始阈值规定。向该初始阈值规定重复地增加阈值图案，并且更确切地说是根据车辆的轨迹。环境地图的各个单元的阈值可以在此限定于最大值、例如0.9。

阈值规定的增量的进一步改进方案隐藏着如下优点，即，对于每次相继地确定障碍物地图可以构建在以前的阈值规定上。向最后确定的阈值规定仅增加按照当前的车辆位置的阈值图案。新的车辆位置也可以通过环境地图的移动或其内容来反映。

只要环境地图的更新(基于新的传感器测量)以规律的时间或行程区段发生，则可以以相同的时间区段实施累加(或更新的阈值图案的提供)，或只要加入取决于行驶路程的经过，在行驶轨迹的预先确定的路程之后实施所述累加。

在两个障碍物地图的确定之间可以进行阈值图案的一个或多个考虑或累加(增加)，以便确定然后要使用的阈值规定。这可以根据新的传感器测量的加入的数量(亦即环境的区段的其新识别的占据概率)。同样阈值图案、尤其是阈值增量的高度可以取决于环境地图通过环境的相应新的传感器测量的更新的数量。

可以根据在确定阈值规定时车辆在环境地图中的位置和/或定向考虑所述阈值图案。因此这表示，在将阈值图案应用到初始阈值地图上时，在阈值地图的各个单元中要增加的阈值增量(基于阈值图案的预先规定)借助车辆位置来确定。换句话说：阈值图案具有基准点、例如图案的对称点(和必要时参考方向)，其在车辆位置(并且必要时车辆定向)上取向。

在一种有利的实现方案中，所述环境地图的单元分别配置有与障碍物地图的单元相同的环境区段；其中，用于障碍物地图的单元的信息通过将环境地图的相应单元的占据概率与对于环境地图的相应单元按照阈值规定给出的阈值相比较而获得。障碍物地图和环境地图因此从单元构造起就对应于彼此。

本发明的另一方面涉及一种用于车辆的电子控制器，其中，控制器设置用于实施以上所述方法之一。所述控制器可以是微控制器、cpu、asic或risc。本发明的另一方面涉及一种车辆、尤其是客车，其包括控制器。

附图说明

测量图表1示出按照一种实施例的环境地图。

测量图表2示出按照现有技术产生的障碍物地图。

测量图表3示出按照本发明的一种实施例的障碍物地图。

图表4示例性地示出按照本发明的阈值地图，如其为了确定测量图表3而使用的。

图1示出按照一种实施例的方法的流程图。

具体实施方式

相同的附图标记跨图表地涉及相应的元件。

测量图表1示出按照一种实施例的环境地图1。环境地图具有256x256个单元，配置给这些单元的占据概率借助灰阶示出。白色表示，环境的相应区段检测为未被占据，亦即占据概率确定为0％。灰色表示，没有关于占据的报告，亦即存在50％的占据概率。黑色表示，存在占据，因此为所述单元分派100％的占据概率。如在测量图表1的示例中可看出的，多数单元分派有未知的占据概率。

车辆2的测量借助车辆的照相机和sfm方法实施。对于环境的区段的在此确定的占据概率和高度信息，在测量图表1中只示出占据信息。在车辆2中，后桥通过横梁象征。向前行驶的车辆2的以前的轨迹通过白的轨迹3可看出。在测量图表1中，示出在驶过轨迹3之后对环境的占据识别的结果。

障碍物分别处于车辆之前的区域a和b中。基于使用的sfm方法的识别特性，当然为这些障碍物分派小的占据概率。基于相对于车辆的距离和沿行驶方向在车辆之前的布置结构，在sfm方法中很少测量到障碍物。

同样在测量图表1中标出区域e中的噪声。

在区域c中，为各单元错误地分派大于50％的占据概率，尽管在那里没有障碍物存在。这由重复出现的系统的测量误差造成。

障碍物处于区域d中，所述障碍物在测量中经常识别为这样。因此所述障碍物也以在环境地图中的高的占据概率所代表。

测量图表2示出按照一种实施例的障碍物地图4，所述障碍物地图按照现有技术的阈值使用基于按照测量图表1的环境地图确定。这些障碍物地图4示出高度信息，所述高度信息配置给各个识别为被障碍物占据的单元。黑色象征没有识别出障碍物的单元。灰色并且白色象征障碍物和障碍物的高度。为了决定单元是否被障碍物占据，单元的占据概率(在测量图表1中示出)分别与相同的阈值比较、例如0.6。如可看出的，通过该比较更确切地说是有效地抑制区域e中的噪声和区域c中的系统的误差。当然在区域a和b中的障碍物也未被正确地识别或代表。

使用比测量图表2中更低的阈值虽然导致代表了区域a和b中的障碍物，但也错误地显示在区域c和e中的障碍物。亦即使用如由现有技术已知的恒定的阈值，在借助sfm的传感器测量的本示例中不提供在同时抑制噪声的情况下对障碍物的使人满意的识别。

测量图表3示出按照本发明的一种实施例的障碍物地图5。所述障碍物地图通过使用按照图表4的阈值地图6产生。地图6的阈值具有和环境地图1一样多的单元。环境地图的每个单元通过阈值地图6配置有一个阈值。在图表4中，最高的阈值(区域7)、例如0.95通过白色示出，最低的阈值(区域9)、例如0.3，通过黑色示出。灰色(区域8)象征在其间的值。如可看出的，阈值的分布取决于车辆的以前的轨迹。同时考虑在sfm方法中的传感器特性，即在车辆前方较大的距离且在前面的障碍物的变得困难的检测。

如为了产生测量图表2，环境地图1的单元的占据概率与阈值比较。当然按照本发明，用于环境地图1的各个单元的阈值不统一或恒定，而是如所阐述的那样分别按照单元的位置(例如行和列)而不同。结果是代表在区域a和b中的障碍物，而抑制区域e和c中的噪声和错误识别。此外正确识别在区域d中的障碍物。因此障碍物地图5总体上比按照现有技术的在障碍物地图4中示出的方法结果更好地给出环境中的障碍物。

阈值地图6和障碍物地图借助重复的方法产生，其在图1中阐述。在步骤s1中提供初始阈值地图。该初始阈值地图可以对于所有单元设置相同的阈值、例如0.3。该阈值地图在步骤s2中按照车辆的改变的位置(和定向)适配。典型地这包括阈值地图的移动和旋转，只要阈值地图总是应该对称并且以相对于车辆不变的定向设置。

在步骤s3中将阈值图案应用于阈值地图的各个单元的阈值。所述阈值图案同样可以作为阈值地图看待，所述阈值地图的各个单元分派有阈值增量。彼此相应的单元的阈值增量和阈值相加，以便用于达到更新的阈值地图。

阈值增量典型地小于初始阈值地图的阈值，例如0.03；0.05或0.07。只要加法超过最大阈值、例如0.95，则将考虑的单元的阈值设置到最大阈值。在阈值图案中的单元中的阈值增量的高度的分布可以遵循圆锥函数或高斯曲线。

直接可理解地，通过将阈值图案重复地应用于相应之前出现的阈值地图上，阈值地图的阈值反映车辆的以前的轨迹。

在步骤s4中提供当前的环境地图。如之前说明的，当前的环境地图基于传感器测量值的重复的登记(占据概率)。在此在传感器测量中确定的占据概率增加到之前对于相同的区段识别的占据概率上。阈值地图的构建因此如环境地图的构建是迭代的。在所述方法中可以规定，传感器测量值多次加入环境地图中，然后基于此而构建新的障碍物地图。阈值图案的阈值增量相应地适配(亦即更高)。

在最后的步骤s5中确定障碍物地图。为此只对于识别为被占据的单元将高度信息记录到障碍物地图中。这样的单元识别为被占据，共占据概率处于阈值之上，所述阈值对于相应单元通过阈值地图预定。

步骤s2至s5基于新构建的阈值地图而重复。