用于预测由施工工地决定的行驶路段改变的设备和方法与流程

本发明涉及一种用于预测车辆的行驶路段的、由施工工地决定的行驶路段改变的设备或方法。本发明也涉及一种计算机程序。

背景技术：

高度自动化的车辆在事先建立的、例如包含行车道的地图中定位自己。如果地图与车辆的传感器测量由于行驶路段改变而不一致，那么这可能导致高度自动化行驶的车辆的不希望或不正确行为。因此，对行驶路段改变的快速识别是非常重要的，但要求也非常高，因为传感器分辨率通常在远处很低，并且待识别的行驶路段改变通常也可能被噪声或干扰如反射叠加。

de102014201210a1描述一种用于通过识别车辆环境中的危险地点和人员求取车辆环境中的危险地点的方法。

技术实现要素：

在该背景下，借助在此提出的方案提出一种用于预测车辆的行驶路段的、由施工工地决定的行驶路段改变的方法，此外提出一种使用该方法的设备以及最后提出一种相应的计算机程序。通过在优选实施方式中列举的措施能够实现本发明设备的有利扩展方案和改进方案。

借助所提出的方案可实现的优点在于，可以通过在此提出的方法识别行驶路段上的未来施工工地和与此相关的未来行驶路段改变，其方式是：考虑行驶路段环境中的施工工地参数，所述施工工地参数可以推断出行驶路段上的未来施工工地。由于在前期(imvorfeld)识别到极可能面临的施工工地，可以使地图改变探测器对所述行驶路段的该区域灵敏，由此有利地确保道路交通中的提高的安全性。

提出一种用于预测车辆的行驶路段的、由施工工地决定的行驶路段改变的方法。该方法包括至少一个读取步骤和识别步骤。在读取步骤中，读取至少一个图像信号，该图像信号代表行驶路段环境中的施工工地参数的由车辆拍摄的图像。在识别步骤中，在使用所述图像信号的情况下识别面临的行驶路段改变。

所述车辆可以是可高度自动化地行驶的车辆，其构造为用于在不通过车辆驾驶员互动或控制的情况下被引导经过该行驶路段。例如可以在软件或硬件方面或以由软件和硬件构成的混合形式例如在用于车辆的设备或控制器中实现在此提出的方法。因为行驶路段、如行车道或道路的区域中的施工工地常常经历可预知的过程，所以根据在行驶路段环境中所识别的施工工地参数已能可能性非常大地预知这样的施工工地。面临的行驶路段改变可以被理解为预计在未来进行的、由施工工地决定的行驶路段改变，例如由未来被封锁的行车道所引起。在此，面临的行驶路段改变可以包括关于预计的未来行驶路段走向的信息和/或关于以下事实的信息：预计将会发生相对于当前行驶路段走向的改变。在实施所述方法步骤时的当前时间点，施工工地可能还不存在，使得当前还不存在由施工工地决定的行驶路段改变。行驶路段的环境可以被理解为位于行车道旁的区域。施工工地参数可以被理解为一种对象，该对象的存在可以推断出未来存在施工工地。这样的对象目前还不能够导致行驶路段改变，例如因为该对象目前仍然位于行车道旁。可以使用关于面临的行车道路改变的信息，以便准备更新还不包括该面临的行驶路段改变的地图材料。

在读取步骤中，施工工地参数的由车辆拍摄的图像因此可以代表布置在行驶路段旁边或以外的施工工地参数。因此，可以在前期特别早地识别出在该行驶路段上面临的施工工地。

在此，在读取步骤中，拍摄的图像可以代表施工工地参数，该施工工地参数代表至少一个施工工地车辆和/或施工工地工人和/或施工工地集装箱和/或施工工地指示牌。这种施工工地参数对于面临的施工作业而言是典型的，并且常常在即将采取施工措施之前已经被安置在行驶路段旁。

在读取步骤中，可以读取图像信号，该图像信号代表行驶路段区域中的施工工地参数的由车辆的摄像机装置、尤其3d摄像机和/或全景摄相机和/或视频装置、尤其立体视频装置拍摄的图像。之前在接收步骤中，通过摄像机装置和/或视频装置可以接收和提供相应于该图像信号的信号。

为了能够对所识别的面临的行驶路段改变在空间和/或时间上进行估计，有利的是，所述方法具有联想步骤，该联想步骤响应于识别步骤而实施。在联想步骤中，可以在空间和/或时间方面联想面临的行驶路段改变。这例如可以在使用空间联想方法的情况下通过例如读取车辆的至少一个位置信号和/或读取地图信号来进行。附加或替代地，联想步骤可以在使用时间联想方法的情况下例如通过读取例如显示当前时间的时间信号来进行。通过时间联想方法例如可以推断出可能的夜间施工工地。

此外，在识别步骤中，可以在使用神经元网络的情况下对面临的行驶路段改变进行分类。因此，也可以快速和容易地分配所识别的、另外的面临的行驶路段改变，所述行驶路段改变已被本车辆或另外车辆识别到。

如果所述方法根据一个有利实施方式还具有提供步骤，在该提供步骤中对识别步骤作出响应地例如以图像形式为至少一个布置在车辆外部的装置提供面临的行驶路段改变，那么这使得能够实现，例如通过服务器来组合或评价所识别的面临的行驶路段改变。这样的服务器可以访问所识别的、该车辆面临的多个行驶路段改变或所识别的、多个车辆面临的多个行驶路段改变。在提供步骤中，不仅可以提供面临的行驶路段改变而且可以将其发送给相应的装置。在提供步骤中，例如可以通过c2c连接为至少一个另外车辆或多个另外车辆提供所识别的面临的行驶路段改变。c2c通信(英文car-to-car：车对车)被理解为机动车之间的信息和数据交换。附加或替代地，例如可以通过c2i连接为至少一个基础设施装置或多个基础设施装置提供面临的行驶路段改变。c2i通信(英文car-to-lnfrastructure：车对基础设施)被理解为机动车与周围基础设施之间的数据交换。

为了能够使地图改变探测器灵敏，所述方法可以具有匹配步骤，在该匹配步骤中，在使用所识别的面临的行驶路段改变的情况下匹配地图改变探测器的至少一个识别参数。在此，可以在使用在空间和/或时间上被联想的和/或被分类的、所识别的面临的行驶路段改变情况下匹配地图改变检探器。因此，可以有利地通过地图改变探测器更快地稳健地对接下来实际出现在行驶路段上的施工工地进行探测。

此外，在此提出的方案实现一种设备，该设备构造为用于在相应的装置中执行、操控或者说转化在此提出的方法的变型的步骤。通过呈设备形式的本方案的该实施变型也可以快速和有效地解决本方案所基于的任务。

为此，所述设备可以具有至少一个用于处理信号或数据的计算单元、至少一个用于存储信号或数据的存储单元、至少一个接至传感器或促动器的、用于读取传感器的传感器信号或用于将控制信号输出给促动器的接口和/或至少一个用于读取或输出被嵌入到通信协议中的数据的通信接口。所述计算单元例如可以是信号处理器、微型控制器等，其中，所述存储单元可以是闪存、eprom或磁性存储单元。所述通信接口可以构造为用于无线地和/或有线地读取或输出数据，其中，可以读取或输出有线传输的数据的通信接口例如可以电地或光学地从相应的数据传输线路读取所述数据或将所述数据输出到相应的数据传输线路中。

设备当前可以被理解为一种电器具，该电器具处理传感器信号并且根据所述传感器信号输出控制信号和/或数据信号。该设备可以具有能够在硬件和/或软件方面构造的接口。在硬件方面的构造中，所述接口例如可以是所谓的系统asic的一部分，该部分包含所述设备的各种不同功能。然而也可能的是，该接口是自有的集成电路或者至少部分地由离散结构元件组成。在软件方面的构造中，所述接口可以是软件模块，所述软件模块与其他软件模块一起存在于微型控制器上。

在一个有利构型中，通过所述设备来控制对车辆的行驶路段的、由施工工地决定的行驶路段改变的预测。为此，所述设备例如可以访问传感器信号，如至少一个图像信号。所述操控至少通过促动器进行，如用于读取图像信号的读取装置和用于在至少使用所述图像信号的情况下识别面临的行驶路段改变的识别设备。

计算机程序产品或具有程序代码的计算机程序也是有利的，所述程序代码可以储存在机器可读的载体或存储介质上，例如半导体存储器、硬盘存储器或光学存储器并且被用于尤其在所述程序产品或程序在计算机或设备上实施时执行、转化和/或操控根据前述实施方式所述的方法的步骤。

附图说明

在附图中示出并且在下面的说明书中详细阐述在此提出的方案的实施例。附图示出：

图1具有根据一个实施例的设备的车辆的示意图，所述设备用于预测行驶路段的由施工工地决定的行驶路段改变；和

图2根据一个实施例的方法的流程图，所述方法用于预测车辆的行驶路段的、由施工工地决定的行驶路段改变。

在接下来对本方案有利实施例的描述中，对于在不同附图中示出并且类似作用的元件使用相同或类似的附图标记，其中，省去对这些元件的重复描述。

如果一个实施例包括第一特征和第二特征之间的“和/或”连接，那么这应当解读为，该实施例根据一个实施方式既具有第一特征又具有第二特征，而根据另一实施方式或者仅具有第一特征或者仅具有第二特征。

具体实施方式

图1示出具有根据一个实施例的设备105的车辆100的示意图，该设备用于预测行驶路段110的由施工工地决定的行驶路段改变107。

设备105构造为用于预测车辆100的行驶路段110的、由施工工地决定的行驶路段改变107。为此，设备105具有至少一个读取装置115和识别设备120。

读取装置115构造为用于读取至少一个图像信号125，该图像信号代表行驶路段110的环境中的施工工地参数135的由车辆100拍摄的图像130。识别设备120构造为用于在使用图像信号125的情况下对面临的行驶路段改变107进行识别。

设备105的在下面所述的特征是可选的：

根据该实施例，读取装置115读取图像信号125，该图像信号代表行驶路段110的区域中的施工工地参数135的由车辆100的摄像机装置137，在此是3d摄像机和/或根据一个替代的实施例是全景摄像机和/或视频装置，尤其立体视频装置，拍摄的图像130。

此外，根据该实施例，读取装置115读取图像信号125，该图像信号代表布置在行驶路段110旁的施工工地参数135的所拍摄的图像130。

在该实施例中，所拍摄的图像130代表施工工地参数135，该施工工地参数代表至少一个施工工地车辆140和/或根据一个替代的实施例代表施工工地工人和/或施工工地集装箱和/或施工工地指示牌。

此外，设备105构造为，用于对识别面临的行驶路段改变107作出响应地在空间和/或时间方面联想面临的行驶路段改变107并且在使用神经元网络的情况下对其进行分类。

此外，设备105构造为，用于为至少一个布置在车辆100外部的装置提供面临的行驶路段改变107或将其发送给至少一个布置在车辆100外部的装置。

根据该实施例，设备105构造为，用于在使用所识别的面临的行驶路段改变107的情况下匹配地图改变探测器的至少一个识别参数。

下面再次更详细地描述设备105的细节：

在此提出的设备105使得能够基于用于高度自动化驾驶的路段环境对施工工地区域中的路段改变进行基于图像的预测。

未来将会有许多用于车辆100的高度自动化/全自动化行驶功能。在这些行驶功能的情况下，车辆100高度自动化地行驶，也就是说驾驶员不再负责驾驶。对于高度自动化/全自动化行驶而言重要是在高度精确的地图中定位。也就是说，车辆100或者说所述功能必须始终了解车辆100的非常精确的位置。这当然以正确的、也就是说无错误的和符合真实情况的地图为前提。

用于高度自动化行驶的基于地图的已知行驶功能的前提是，所利用的地图是有效的。换言之，这意味着，可以认为地图正确地反映现实情况。然而，如果现实情况已改变，那么地图已过时并且不再有效。对于这样的改变的一些示例是：行车道标记在重新划线(überstreichen)之后沿不同于之前的方向延伸、道路基础设施装置如护栏和/或桥梁的位置改变、设立的施工区域、新添加的或移除的或换位安置的交通标志如交通指示牌。在这种改变之后，基于地图的高度自动化行驶功能或辅助功能很可能不再正确地起作用。出于该原因需要进行地图验证，在进行地图验证时，复查地图的正确性并且保证地图与现实情况一致。

在此，通过将车辆100的传感器数据与地图进行比较来验证各个地图要素。如果传感器数据与地图一致，那么该地图要素视为已验证。如果这些数据不匹配，那么地图已过时并且不再能被利用或仅能受限地被利用。

高度自动化的车辆100例如在之前建立的例如包含车道的地图中定位自己。如果地图与传感器测量不一致，那么这可能导致不希望并且也不正确的行为。因此，应当尽可能提前识别到路段改变，使得高度自动化的车辆100保有足够的反应时间。为此，可以测绘所述路段改变的该区段并且将其作为更新升级输入到系统中。在此，通过已知方法来识别已进行的路段改变是要求非常高的，因为传感器分辨率通常在远处很低并且待识别的路段改变常常也可能被噪声或干扰如反射叠加。缓慢进行的过程可能导致车辆100非常晚才识别到施工工地封锁或其它交通参与者。在此提出的设备105可以绕开所有这些问题，因为在出现行驶路段改变107之前该设备就已识别到面临的该行驶路段改变。换言之，因此可以通过设备105有利地提前并且稳健地对未来的地图错误进行识别。

此外，通过设备105改进地图改变探测器(简称)在施工工地环境中的识别速率。

下面换一种说法来重新描述设备105的可能功能：

通过摄像机装置137结合设备105来调查呈行驶路段110形式的道路旁的区域的特征，如施工工地车辆140和/或施工工地工人和/或施工工地集装箱和/或施工工地指示牌，这些施工工地指示牌在行驶路段110上还未被竖起，而是未来才将被竖起。之前被称为施工工地参数135的这些特征在设备105中在空间和时间方面被联想。通过空间联想，可以预知在行驶路段110的后续路段区段上的可能改变，通过时间分量(zeitlichekomponente)例如预知夜间施工工地或者也预知未来在该路段区段上的其它改变。所识别的特征借助c2c被转发给其它车辆和/或借助c2i被转发给基础设施装置。在服务器上，可以将多个车辆100的所识别的特征组合。由此改进接下来基于所识别的特征来匹配的参数，使得这些参数以更高的概率识别到行驶路段改变。在此，可以借助传感器，如视频、例如立体视频，和/或摄像机装置137例如3d摄像机，和/或全景摄像机，来探测所述特征。为此，根据该实施例，使用神经元网络用于对所述特征进行分类。

图2示出根据一个实施例的方法200的流程图，该方法用于预测车辆的行驶路段的、由施工工地决定的行驶路段改变。在此涉及能由根据图1所述的设备实施的方法200。

方法200包括至少一个读取205步骤和识别210步骤。在读取205步骤中，读取至少一个图像信号，该图像信号代表行驶路段环境中的施工工地参数的由车辆拍摄的图像。在识别210步骤中，在使用所述图像信号的情况下识别面临的行驶路段改变。

方法200的在下面所述的实施例和步骤是可选的。

根据该实施例，在读取205步骤中读取施工工地参数的由车辆拍摄的图像，其中，该施工工地参数布置在行驶路段旁。

根据该实施例，在读取205步骤中读取所拍摄的图像，其中，该施工工地参数代表至少一个施工工地车辆和/或施工工地工人和/或施工工地集装箱和/或施工工地指示牌。

根据该实施例，在读取205步骤中读取图像信号，该图像信号代表行驶路段区域中的施工工地参数的由摄像机装置、尤其3d摄像机和/或视频装置、尤其车辆的立体视频装置拍摄的图像。

根据该实施例，在识别210步骤中，在使用神经元网络的情况下对面临的行驶路段改变进行分类。

可选地，该方法还具有联想215步骤、提供220步骤和匹配225步骤。

在联想215步骤中，对识别210步骤作出响应地在空间和/或时间方面联想面临的行驶路段改变。

在提供220步骤中，对识别210步骤作出响应地为至少一个布置在车辆外部的装置提供面临的行驶路段改变。

在匹配225步骤中，在使用所识别的面临的行驶路段改变的情况下匹配地图改变探测器的至少一个识别参数。

在此提出的方法步骤可以重复地以及以不同于所描述的顺序地实施。