用于确定当前存在的行驶情况的方法和设备与流程

本发明涉及一种用于确定当前存在的、车辆当前所处的行驶情况的方法和设备。本发明还涉及一种相应的系统以及相应的计算机程序。

背景技术：

驾驶员辅助系统和未来的自动化行驶功能设计成仅用于确定的应用领域，在该应用领域中，这些驾驶员辅助系统必须可靠地运转。对在实时或当前行驶情况中功能能否在该功能的系统边界内运行并且因此能被安全地激活的评估，对于一般驾驶员会随着不断增加的功能从而变得越来越难。因此有意义的是，当存在能掌控的情况时，针对驾驶员减少所述评估，并且仅提供所述功能的激活(例如仅当实时上存在拥堵时激活拥堵辅助系统，仅在施工地点内激活施工地点辅助系统，仅在停车场/立体停车场内激活行驶策略辅助系统)。

在用于高度自动化行驶的系统中，由于安全原因(没有驾驶员作为后备方案：rueckfallebene)必须无条件避免在系统边界外的激活。因此，用于可靠地确定实时行驶情况的方法对于引入自动化行驶而言是关键技术。

技术实现要素：

因此，本发明所基于的任务在于，提供一种用于确定当前存在的、车辆当前所处的行驶情况的方法。

本发明所基于的任务也在于，提供一种相应的设备。

此外，本发明所基于的任务在于，说明一种相应的系统。

此外，本发明所基于的任务在于，说明一种相应的计算机程序。

借助独立权利要求的对应主题解决这些任务。本发明的有利构型是各个从属权利要求的主题。

根据一个方面，提供一种用于确定当前存在的、车辆当前所处的行驶情况的方法，该方法包括以下步骤：

-接收基于感测到的车辆周围环境的周围环境数据，

-借助图形识别从这些周围环境数据中提取特征，

-仅基于借助图形识别提取出的特征执行对当前存在的行驶情况的分类，

-提供所述分类的结果。

根据另一方面，提供一种用于确定当前存在的、车辆当前所处的行驶情况的设备，该设备包括：

-用于接收基于感测到的车辆周围环境的周围环境数据的通信接口，

-用于借助图形识别从周围环境数据中提取特征并且用于仅基于借助图形识别提取出的特征来执行对当前存在的行驶情况的分类的处理装置，其中，

-所述通信接口构造成用于提供分类的结果。

因为该设备由此执行对当前存在的行驶情况的分类，因此该设备例如也能够被称为分类装置。

还根据一个方面，提供一种用于确定当前存在的、车辆当前所处的行驶条件的系统，该系统包括：

-本发明的设备，

-用于感测车辆周围环境的周围环境传感装置，其中，所述周围环境传感装置构造成用于求取基于感测到的车辆周围环境的周围环境数据并且将其发送给所述设备，

-用于基于所提供的结果至少部分地自动化地引导车辆的控制装置。

还根据一个方面，提供一种计算机程序，该计算机程序包括用于在计算机上实施该计算机程序时执行本发明方法的程序代码。

本发明尤其包括这样的构思，即仅基于借助图形识别提取出的特征来执行当前存在的行驶情况的分类。这与用于情况分类的现有方案不同，这些现有方案试图描述其它交通参与者与也能被称作自身车辆的本车辆的关系，例如“以距离x在先行驶”、“在相邻车道上行驶”、“已停泊”等，以便从中又导出实时的行驶情况，例如“在交通灯处等待”、“在拥堵中行驶”等。这些信息、即其它交通参与者与自身车辆的这些关系仅能够根据感测到的车辆周围环境的图形分析来求取。但是与此不同，根据本发明设置，仅执行用于提取特征的图形识别。根据本发明，不必要进行超出上述范围的图形分析，以便从感测到的车辆周围环境中还提取更进一步信息。借助图形识别提取出的特征足够用。通常，图形识别与图形分析相比能更快且更容易地被执行。就此而言，本发明的步骤可以说能实时地、即在行驶期间或在车辆运行期间被执行。因此，与用于场景解释(基于图形分析)的已知方法相比，本方法需要明显减少的计算费用，这对于在车辆中的在线使用而言意义重大。同时，对周围环境数据直接分类能够以有利的方式明显提高分类的品质。

本发明跳过这样的步骤，即描述场景的各个物体、即在感测到的车辆周围环境中的各个物体并且在存在的周围环境模型上直接执行情况分类。该做法所基于的本发明想法在于，为了分类全部情况、即车辆当前所处的现有行驶情况，例如“在拥堵中行驶”，各个车辆在车辆周围环境中的准确特性、位置或意图不是必要的，而是从明显更一般性的场景特征例如车辆的数量、车辆的绝对速度就能得出结论。以有利的方式借助图形识别从感测到的车辆周围环境中能提取这些更一般性的特征。

根据一个实施方式设置，周围环境传感装置被构成。周围环境传感装置例如包括一个或多个用于感测车辆周围环境的周围环境传感器。所述多个周围环境传感器尤其相同或者优选不同地构成。周围环境传感器例如是以下周围环境传感器中的一种：雷达传感器、激光传感器、激光雷达传感器、超声波传感器和视频传感器。

根据一个实施方式设置，车辆包括具有多个周围环境传感器的周围环境传感装置，其中，这些周围环境传感器分别感测车辆周围环境并且提供相应于感测到的对应车辆周围环境的个别周围环境传感器数据，其中，这些个别周围环境传感器数据被相互融合，使得融合后的周围环境传感器数据被求取，其中，基于融合后的周围环境传感器数据求取这些周围环境数据。

也就是说，在存在多个周围环境传感器时，不是单个传感器的数据而是尤其所有周围环境传感器的融合结果作为用于分类的输入数据被利用或被使用。由此，以有利的方式能够提高分类的准确性。因为，这样周围环境传感器例如能够在感测车辆周围环境方面相互地抵消可能存在的个别弱点。

根据另一实施方式设置，基于感测到的车辆周围环境求取包括多个单元的占用栅格，这些单元分别具有一个占用概率，其中，基于各个占用概率来求取周围环境数据。

通过单元的栅格形布置，周围环境数据具有与图像数据一样的形式并且因此尤其能够以有利的方式作为针对用于从图像中进行场景分类的方法的输入数据直接被利用或被使用。这也以有利的方式减少了计算费用。尤其，计算时间被减少。

根据一个实施方式设置，基于融合后的周围环境传感器数据求取占用概率，其中，基于各个占用概率求取这些周围环境数据。因为周围环境数据基于各个占用概率并且这些占用概率基于融合后的周围环境传感器数据，因此就此而言周围环境数据也至少间接基于融合后的周围环境传感器数据。

在另一实施方式中设置，将基于感测到的车辆周围环境而求取的另一特性附加地配属给这些单元。由此，尤其实现这样的技术优点，即占用栅格更好地描绘了车辆周围环境，这最后导致更准确的分类。

根据另一实施方式设置，车辆具有用于提供至少部分自动化、优选全自动化行驶功能的驾驶员辅助系统，其中，用于引导车辆的所述驾驶员辅助系统仅在行驶功能能被用于分类好的当前存在的行驶情况时才被激活。由此，尤其实现这样的技术优点，即保证了，当自动化行驶功能应仅能在确定的行驶条件中被使用时(例如仅在停车场上或仅在高速路上等)，该自动化行驶功能的激活条件被满足。

在另一实施方式中设置，基于用于从图像中进行场景分类的方法来执行该分类。

根据一个实施方式，用于场景分类的方法是所谓的“深度学习”方法。如在图6中所示，在此基于所有传感器求取周围环境的图像(占用图像)。根据一个实施方式，求出的图像被缩小比例，以便以有利的方式减少用于分类的计算时间。

根据另一个实施方式，借助记录好的数据(占用图像)的一部分来训练分类装置，这些数据优选根据场景被贴标签或被分类，其中，根据另一实施方式，借助这些数据的另一部分测试该分类装置。

在该分类装置中，以有利的方式不必提取在训练期间由分类装置独立地求取的特殊特征。

在一些情况中这种分类方式良好地运转，这些情况例如是：高速路行驶相对于拥堵行驶相对于乡村公路相对于十字路口情况相对于停车场情况相对于城市行驶。

在此能够但不必连带使用车辆的本身运动作为用于分类的附加参数。

有利的是，本方法不建立物体和自身车辆之间的关系。基于本发明想法的做法在于，各个车辆的准确特性、位置或意图对于对全部情况、例如“在拥堵中行驶”的分类来说不是必要的，而是从明显更一般性的场景特征，例如车辆的数量(例如：在占用栅格中的占用密度)、绝对速度等确定或得出结论，即得出所述分类。

通信优选通过通信网络，例如can总线来执行。尤其，通信接口通过通信网络接收相应的数据(例如周围环境数据)。尤其，通信接口通过通信网络提供结果，“提供”尤其指发送。

在一个实施方式中，车辆的引导尤其包括车辆的纵向和/或横向引导。尤其设置部分自动化、优选全自动化的引导。

在方法方面的实施方式与在设备和/或系统方面的实施方式类似地以任意组合得到并且反之亦然。也就是说，如结合发明、设备或系统描述的那样的实施方式、特征和/或技术效果和/或技术优点类似地适用于设备、方法或系统。

附图说明

下面根据优选实施例详细描述本发明。在此示出：

图1用于确定当前存在的、车辆当前所处的行驶情况的方法的流程图，

图2用于确定当前存在的、车辆当前所处的行驶情况的设备，

图3用于确定当前存在的、车辆当前所处的行驶情况的系统，

图4情况分类的方框图，

图5另一情况分类的方框图和

图6代表两种不同情况的、用于占用栅格中周围环境描述的两个示例。

具体实施方式

图1示出用于确定当前存在的、车辆当前所处的行驶情况的方法的流程图。

在步骤101中，周围环境数据被接收，其中，这些周围环境数据基于感测到的车辆周围环境。例如设置，借助周围环境传感装置感测车辆周围环境。在步骤103中从周围环境数据中提取特征。这借助图形识别来进行。之后在步骤105中发生对当前存在的行驶情况的分类。这仅基于借助图形识别提取出的特征来进行。也就是说，为了该分类没有执行周围环境数据的图形分析。在步骤107中提供该分类的结果。

图2示出用于确定当前存在的、车辆当前所处的行驶情况的设备201。

设备201包括用于接收基于感测到的车辆周围环境的周围环境数据的通信接口203。设备201还包括用于借助图形识别从周围环境数据中提取特征和用于仅基于借助图形识别提取出的特征来执行当前存在的行驶情况的分类的处理装置205。通信接口203构造成用于提供或发出所述分类的结果。

图3示出用于确定当前存在的行驶情况的系统301，车辆当前处于该行驶情况中。

系统301包括根据图2的设备201。系统301还包括用于感测车辆周围环境的周围环境传感装置303。周围环境传感装置303构造成用于求取基于感测到的车辆周围环境的周围环境数据并且将这些周围环境数发送给设备201。因此，设备201的通信接口203能够接收并且继续处理这些周围环境数据。系统301还包括用于基于所提供的结果至少部分自动化、优选全自动化引导车辆的控制装置305。

车辆的引导尤其包括车辆的纵向和/或横向引导。

图4示出基于图像的情况分类的方框图。

周围环境传感装置303的传感器401被示出。该传感器401例如是视频传感器。传感器401感测车辆周围环境。在视频传感器的情况下，车辆周围环境是视频图像。用参考标记403象征性地标明感测到的周围环境。感测到的周围环境403被用于在使用用于在图像中进行场景分类的方法的情况下执行基于图像的情况分类。对此，感测到的周围环境403，更确切地基于该周围环境的周围环境数据，被输送给设备201。该设备从感测到的车辆周围环境中、即例如从视频图像中借助图形识别提取特征。当前存在的行驶情况的分类借助设备201仅基于借助图形识别提取出的特征来进行。之后提供所述分类的结果。分类结果例如能够是以下结果：高速公路行驶405、拥堵行驶407、在十字路口409上行驶和在立体停车场411中行驶。

根据图4的实施方式，借助单个周围环境传感器实现的对车辆周围环境的感测用于特征的提取。也就是说，所谓的从单个周围环境传感器来提取特征，并且根据这些提取出的特征执行分类为不同的、预期的行驶情况。

因为，设备201因此最后执行当前存在的行驶情况的分类，所以设备201例如也能够被称为分类装置。

图5示出在使用用于在图像中进行场景分类的方法的情况下根据占用栅格进行另一情况分类的方框图。

在这里，周围环境传感装置303包括多个传感器401，501，503。传感器401例如是视频传感器。传感器501例如是雷达传感器。传感器503例如是超声波传感器或激光雷达传感器。在存在所述多个周围环境传感器401，501，503的情况下优选不使用单个传感器的传感器数据，而是所有传感器401，501，503的融合结果被用作分类的输入，即作为用于设备201的输入。也就是说，周围环境传感器401，501，503分别感测车辆周围环境并且提供相应于感测到的对应车辆周围环境的个别周围环境传感器数据，其中，个别周围环境传感器数据相互融合，使得融合后的周围环境传感器数据被求取，其中，基于融合后的周围环境传感器数据求取周围环境数据。之后，将这些周围环境数据提供给设备201。在方框505中执行该融合。融合后的周围环境传感器数据能够被用于求取占用栅格507，该占用栅格包括多个单元，这些单元分别具有一个占用概率。在这里，以占用栅格的形式设置周围环境描述，在该周围环境描述中，全部车辆周围环境以具有占用概率和例如可选地具有其它特性(例如单元的速度)的单元的形式被示出。通过占用栅格的单元的栅格形布置，配属于这些单元的数据具有与图像数据一样的形式并且能够以此直接被用作用于从图像中进行场景分类的方法的输入。在此，根据本发明设置，在使用用于从图像中进行场景分类的这样的方法的情况下执行该分类。分类的结果例如与图3类似地是以下结果：高速公路行驶405、拥堵行驶407、在十字路口409上行驶和在立体停车场411中行驶。

图6示出代表两中不同情况的、用于占用栅格中的周围环境描述的两个示例。

参考标记601和603分别表示一个占用栅格，该占用栅格描述一个周围环境。此外，指示周围环境中的物体的箭头被画入。带有参考标记605的箭头表示房屋墙壁。带有参考标记607的箭头表示正在停泊的车辆。带有参考标记609的箭头表示车辆。带有参考标记611的箭头表示周边建筑(例如房屋)。带有参考标记613的箭头表示斜坡。带有参考标记615的箭头表示障碍物。占用栅格601和603中的白色面或单元表示被占用的面或单元。占用栅格601和603中的黑色面或单元表示空闲的面或单元。占用栅格601和603是针对图5的占用栅格507的示例。

总结地，本发明尤其包括这样的构思：使用用于从图像中进行场景分类的一个或多个方法，以便基于借助周围环境传感装置感测到的车辆周围环境来执行当前存在的行驶情况的分类。这样的方法通常基于从图像数据中提取合适特征并且基于接下来的分类。以有利的方式，这些方法以简单的方式直接转用在行驶辅助系统和/或在自动化行驶功能中，其方式是：例如由单个周围环境传感器提取特征并且根据这些特征执行分类为不同的、预期的行驶情况(参见图4的方框图)。特别有利的是，在存在多个周围环境传感器的情况下，不是单个传感器的数据、而是所有周围环境传感器的融合结果被用作分类的输入(参见图5的方框图和相应的实施)。

由此，以有利的方式尤其能够确定车辆当前所处的行驶情况，例如“在高速公路上行驶”、“在拥堵中行驶”、“在十字路口处等待”、“在停车场上进行操作”。因此，该确定能够以有利的方式在线地、即可以说实时地在车辆中进行，其中，由于使用前述方法能够实现快速并且同时可靠的分类。这样的方法例如能够被用在自动化车辆中，用于使车辆行为与实时行驶情况匹配，或者用于保证，在自动化行驶功能仅能在确定的行驶情况中被使用时(参见例如仅在停车场上、仅在高速公路上)满足用于自动化行驶功能的激活条件。根据一个实施方式也设置了上述的使用。