[go: up one dir, main page]

WO2018197122A1 - Verfahren zum automatischen erstellen und aktualisieren eines datensatzes für ein autonomes fahrzeug - Google Patents

Verfahren zum automatischen erstellen und aktualisieren eines datensatzes für ein autonomes fahrzeug Download PDF

Info

Publication number
WO2018197122A1
WO2018197122A1 PCT/EP2018/057463 EP2018057463W WO2018197122A1 WO 2018197122 A1 WO2018197122 A1 WO 2018197122A1 EP 2018057463 W EP2018057463 W EP 2018057463W WO 2018197122 A1 WO2018197122 A1 WO 2018197122A1
Authority
WO
WIPO (PCT)
Prior art keywords
vehicle
traffic light
vehicles
traffic
lane
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.)
Ceased
Application number
PCT/EP2018/057463
Other languages
English (en)
French (fr)
Inventor
Hanno Homann
Fabian GIGENGACK
Max Schneider
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Robert Bosch GmbH filed Critical Robert Bosch GmbH
Priority to US16/605,966 priority Critical patent/US11335188B2/en
Priority to EP18713870.6A priority patent/EP3616181A1/de
Priority to CN201880027099.0A priority patent/CN110546696B/zh
Publication of WO2018197122A1 publication Critical patent/WO2018197122A1/de
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • 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
    • B60W30/10—Path keeping
    • B60W30/12—Lane keeping
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3811—Point data, e.g. Point of Interest [POI]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • 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
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/42—Simultaneous measurement of distance and other co-ordinates
    • 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

Definitions

  • the invention relates to a method for automatic creation and
  • HAD highly automated driving
  • the maps contain information about lane connectivity, such as intersections at intersections.
  • traffic lights can be manually assigned to specific lanes.
  • some systems from different vehicles transmit landmarks detected at different times, as well as trajectory data and GPS information, to an off-board server where the data is used to create and update maps. This can be done, for example, by a graph Balancing procedure done.
  • the automated assignment of a traffic light to a specific lane is not possible here.
  • the object underlying the invention can be seen to propose a method for automatically creating and updating a data set with a crowd-supported traffic light lane assignment, as well as an autonomous or partially autonomous vehicle for performing the method and for using the data set.
  • a method for automatically creating and updating an autonomous vehicle record is provided. At least one traffic light and one switching state of the at least one traffic light are registered. Furthermore, at least one
  • At least one traffic lane is assigned to at least one traffic light based on the at least one detected trajectory, the at least one switching state of the at least one traffic light and the at least one determined lane marking.
  • a trajectory of at least one vehicle in front is registered by at least one sensor, such as a camera or an LI DAR (light detection and ranging) sensor, and derived based on the determined switching states of the respective traffic lights and the lanes defined by the registered lane markings, Whether the respective lane is, for example, a turning lane or intended for straight ahead driving.
  • a directional function can be assigned automatically to each traffic light and the corresponding lanes without having to recognize a directional marking arrow on the road. This is also possible with a missing or hidden direction marking on the roadway.
  • the driving trajectory of vehicles ahead is observed and used for the assignment. Changes, for example, a circuit state of a traffic light and it is on a lane a vehicle with a timely movement (eg start and
  • Turning process determined it can be determined by evaluating the data that the traffic light and the lane is a turning lane. In contrast to today's manual assignment, this makes possible HAD maps with large area coverage even for complex
  • Procedure be carried out by one or more vehicles.
  • each vehicle uses sensors to determine the described factors in the form of data.
  • the collected data is used to create and update a record.
  • This data record can be transferred from the respective compatible vehicles to an off-vehicle server unit.
  • the method makes it possible to rapidly advance one or more vehicles in traffic by possibly predicting a "green wave" in which several traffic lights are switched to green in succession Traffic lights and possibly the position of others
  • Vehicles to be known In this way, the fuel consumption can be reduced, the driving time can be optimized or shortened, and the ride comfort can be increased, for example, in an automatic driving function.
  • a prediction of the braking action of preceding vehicles on the own lane of a vehicle by means of the known switching cycle can be made.
  • the measurements are made by different vehicles at different times and are transmitted to an external server unit for evaluation.
  • Vehicle-external server unit can use the data from different
  • Observations that come from different vehicles and at different times, are collected and evaluated together. It can be assigned to the respective traffic lights from the information in which traffic light phase or switching state vehicles from which lane have passed the intersection, the respective traffic lights. According to a further embodiment of the method, a switching cycle of at least one traffic light as a data record is detected and / or supplemented by the measurements of different vehicles at different times.
  • Switching cycle at least one traffic light or, for example, an entire traffic signal or traffic lights of an intersection are detected. This is also possible if each individual vehicle has only observed the traffic light or traffic light system for a short time segment. The duration of the individual traffic light phases can also be recorded. Furthermore, observation errors,
  • Wrong or wrong benders can be recognized and sorted out by the repeated measurements.
  • a duration of at least one switching state of the at least one traffic light is determined from at least two vehicle-based measurements. Since a single vehicle can not always detect an entire switching cycle of a traffic light, it is advantageous if from the individually determined data of different vehicles an entire switching cycle of one or more traffic lights can be determined.
  • changes in the switching state of traffic lights for example, can be used as common time reference points in a merging of data.
  • Cycle durations of the switching cycles or lengths of the individual traffic signal phases, in particular the green phase, and thus also the length of an entire switching cycle of traffic lights can be detected by measurements of vehicles and transmitted to a vehicle-external server unit.
  • the relative switching times of multiple traffic lights along a route to each other can be detected and stored. In this way, for example, a detected "green wave" can be exploited for a time-optimized passage of several coupled traffic lights by an autonomous vehicle.
  • participating vehicles can be collected on the server unit and a
  • the traffic light model is returned from the server unit to the
  • Vehicles distributed This can also be used to optimize the scheduling of other autonomous or semi-autonomous vehicles.
  • a start-up or stop behavior of the vehicles before a traffic light or a speed profile between two traffic lights adapt, so that, for example, a total driving time and / or fuel consumption of the vehicle can be minimized.
  • Such a model can be used, for example, for a future prediction of a total driving time of a driving route.
  • the model and the at least one recorded data record are automated in one
  • Autonomous or semi-autonomous vehicles can access the HAD map and automatically navigate along a route.Through the traffic light model and the constantly updated data sets, such a vehicle can navigate undisturbed along defined routes and optimally and automatically consider traffic light phases during navigation.
  • the at least one lane is assigned to the at least one traffic light in the external server unit or in a vehicle.
  • Modern vehicles have various control devices and computer units.
  • autonomous or semi-autonomous vehicles need powerful computing operations for
  • the already existing computer units can take over or pre-process the assignment of the lanes or the direction information to corresponding traffic lights and traffic light phases. This can be a
  • Inquiries from vehicles or to incoming records can react.
  • the external server unit can assume the assignment of the lanes, since a stationary computing unit can generally have a higher computing power and larger storage capacities.
  • both the vehicles and the external server unit may have communication devices which
  • the vehicle has at least one sensor for detecting lane markings, for detecting vehicles ahead and their trajectories and for detecting traffic lights and switching states of the traffic lights. Furthermore, the vehicle has at least one communication device for transmitting the acquired data and for receiving collected and processed data records of an external server unit.
  • At least one sensor installed in the vehicle such as a camera or a LIDAR sensor, for the detection of
  • Lane markings preceding vehicles and traffic lights.
  • the vehicle trajectories and the switching states of the traffic lights can be detected. From the interplay of the vehicle trajectories and the switching states of the traffic lights, the vehicles in front can be assigned to specific lanes. In particular, this can
  • Directional functions are assigned to different lanes. These data are sent by the communication device to at least one off-vehicle server unit.
  • the server unit collects and collects these data sets from multiple observations originating from different vehicles and at different times
  • the vehicle has only observed a short time frame. Furthermore, observation errors, wrong-way drivers or false benders can be detected and sorted out by the repeated measurements. According to one embodiment, the vehicle is a vehicle external
  • HAD map can be used for navigation. This allows the vehicle to access the vehicle-external HAD card stored on the server unit and use it to navigate. Alternatively or additionally, the vehicle may also buffer the card temporarily or from a buffer
  • traffic light positions and determined data records relating to traffic lights from the HAD map can be projected into an in-vehicle image coordinate system of at least one vehicle-internal camera.
  • respective positions of traffic lights from the HAD map can be transmitted to the in-vehicle sensors and database and visualized in the camera image, provided that a presentation unit is present.
  • a detection accuracy and range of a traffic light recognition algorithm can be increased by the projection.
  • the time planning horizon and the robustness of an automatic driving function can be improved so that driving comfort, safety and fuel consumption can be optimized.
  • FIG. 1 is a schematic representation of a method for automatically creating and updating a data set for an autonomous vehicle according to a first embodiment
  • Fig. 2 is a schematic representation of a vehicle according to a first embodiment
  • Fig. 3 is a traffic signal at the example of the method according to the first
  • Embodiment is performed.
  • FIG. 1 shows a schematic representation of a method 1 for
  • Vehicle 2 according to a first embodiment.
  • the method 1 has a vehicle-side part 4 and a vehicle-external part 6.
  • the vehicle-side part 4 of the method 1 is performed by a vehicle 2 with corresponding sensor and computer unit.
  • the vehicle-external part 6 of the method 1 is performed by an external server unit.
  • At least one traffic light and a switching state of the at least one traffic light are registered by a vehicle-side sensor system 10.
  • at least one traffic light and a switching state of the at least one traffic light are registered by a vehicle-side sensor system 10.
  • at least one traffic light and a switching state of the at least one traffic light are registered by a vehicle-side sensor system 10.
  • Lane marker 12 is determined. Next, a vehicle trajectory is registered and tracked by at least one preceding vehicle 14. The collected data is used to create and update an off-board data set. For this purpose, the collected data is transmitted to a vehicle-external server unit 16. The said steps can be carried out parallel to each other or one after the other.
  • the vehicle-external server unit 28 receives the collected data 18. Based on the at least one switching state of the at least one traffic light 34, on the at least one determined lane marking 36 and on the at least one detected trajectory of a preceding vehicle 40 at least one lane 38 is identified and at least one traffic light 34 assigned by the assignment, the lane 38 a
  • Direction function can be assigned, which can be used by subsequent autonomous or semi-autonomous vehicles 2 in order to be able to navigate optimally, especially in the range of traffic lights.
  • 2 shows a schematic representation of a vehicle 2 is shown according to a first embodiment.
  • the vehicle 2 is designed to carry out the vehicle-side part 4 of the method 1 for the automatic creation and updating of a vehicle-external data record.
  • the vehicle 2 has a camera 22 which on a front side of the vehicle. 2
  • the camera 22 picks up an environment of the vehicle 2 and forwards the generated images to a vehicle-side computer unit 24.
  • the computer unit 24 evaluates the generated images and determines
  • Lane markings registered vehicles ahead and tracks the trajectory or directions of driving ahead of the images
  • the computer unit detects 24 traffic lights and their switching states by analyzing the images.
  • the determined and analyzed information can be transmitted continuously or packetwise via a
  • Communication device 26 are sent to an off-board server unit 28.
  • the server unit 28 also has a
  • FIG. 3 shows a traffic light system 32 to which the method 1 according to the first exemplary embodiment is applied by way of example.
  • an image is shown, which was taken by the camera 22 of the vehicle 2.
  • the computer unit 24 has already detected the traffic lights 34 of the traffic light system 32.
  • lane markings were 36 of the
  • the preceding vehicles 40 detected. With each further image, the preceding vehicles 40 are registered and in particular their movement speed and direction are detected. Thus, based on the movement starting from the respective lanes 38 and the switching states of the traffic lights 34 direction information can be determined.
  • the arrows on the lanes 38 illustrate the
  • Directional information it can be determined on the basis of the image that on the right lane the preceding vehicle 40 turns to the right and this lane 38 is therefore likely to leave a traffic lane 38 to the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Automation & Control Theory (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

Offenbart ist ein Verfahren zum automatischen Erstellen und Aktualisieren eines Datensatzes für ein autonomes Fahrzeug, bei dem mindestens eine Ampel und ein Schaltzustand der mindestens einen Ampel registriert wird, mindestens eine Fahrbahnmarkierung ermittelt wird, eine Trajektorie von mindestens einem vorausfahrenden Fahrzeug registriert wird und die gesammelten Daten zum Erstellen und Aktualisieren des Datensatzes verwendet werden, wobei basierend auf der mindestens einen erfassten Trajektorie, dem mindestens einen Schaltzustand der mindestens einen Ampel und der mindestens einen ermittelten Fahrbahnmarkierung mindestens eine Fahrspur mindestens einer Ampel zugeordnet wird. Des Weiteren ist ein autonomes oder teilautonomes Fahrzeug zum Durchführen des Verfahrens offenbart.

Description

Beschreibung Titel
Verfahren zum automatischen Erstellen und Aktualisieren eines Datensatzes für ein autonomes Fahrzeug
Die Erfindung betrifft ein Verfahren zum automatischen Erstellen und
Aktualisieren eines Datensatzes für ein autonomes Fahrzeug sowie ein autonomes oder teilautonomes Fahrzeug zum Durchführen eines derartigen Verfahrens und geeignet für die Nutzung der mit dem Verfahren gesammelten Daten.
Stand der Technik
Für autonome und teilautonome Fahrzeuge sind hochgenaue Karten von essentieller Bedeutung. Hierbei sind zentimeter-genaue Informationen über Straßen- und Spurgeometrie durch das Fahrzeug abrufbar, so dass hierdurch eine Trajektorien-Planung für die autonomen Fahrzeuge und Fahrerassistenten erfolgen kann. Des Weiteren enthalten so genannte HAD („highly automated driving")-Karten Landmarken wie statische 3D-Objekte, Fahrbahnmarkierungen, Leitpfosten, Verkehrsschilder und Ampeln. Diese können von fahrzeuginternen Sensoren wie beispielsweise 3D-Laserscannern, Videokameras und Radar- Sensoren wahrgenommen werden und ermöglichen eine hochgenaue
Lokalisierung des Fahrzeuges innerhalb der Karte. Zusätzlich enthalten die Karten Informationen über Konnektivitäten der Fahrspuren, beispielsweise Abbiegemöglichkeiten an Kreuzungen. Dabei können insbesondere Ampeln manuell bestimmten Fahrspuren zugeordnet werden. Teilweise senden einige Systeme von verschiedenen Fahrzeugen zu unterschiedlichen Zeitpunkten detektierte Landmarken, sowie Trajektorien-Daten und GPS-lnformationen an einen fahrzeugexternen Server, wo die Daten zum Erstellen und Aktualisieren von Karten genutzt werden. Dies kann beispielsweise durch ein Graph- Ausgleichsverfahren erfolgen. Die automatisierte Zuordnung einer Ampel zu einer bestimmten Fahrspur ist hierbei jedoch nicht möglich.
Offenbarung der Erfindung
Die der Erfindung zugrunde liegende Aufgabe kann darin gesehen werden, ein Verfahren zum automatischen Erstellen und Aktualisieren eines Datensatzes mit einer crowdgestützten Ampel-Fahrspur-Zuordnung, sowie ein autonomes oder teilautonomes Fahrzeug zum Durchführen des Verfahrens und zum Verwenden des Datensatzes vorzuschlagen.
Diese Aufgabe wird mittels des jeweiligen Gegenstands der unabhängigen Ansprüche gelöst. Vorteilhafte Ausgestaltungen der Erfindung sind Gegenstand von jeweils abhängigen Unteransprüchen.
Nach einem Aspekt der Erfindung wird ein Verfahren zum automatischen Erstellen und Aktualisieren eines Datensatzes für ein autonomes Fahrzeug bereitgestellt. Dabei werden mindestens eine Ampel und ein Schaltzustand der mindestens einen Ampel registriert. Des Weiteren wird mindestens eine
Fahrbahnmarkierung ermittelt und eine Trajektorie von mindestens einem vorausfahrenden Fahrzeug registriert. Die gesammelten Daten werden zum Erstellen und Aktualisieren des Datensatzes verwendet. Erfindungsgemäß wird basierend auf der mindestens einen erfassten Trajektorie, dem mindestens einen Schaltzustand der mindestens einen Ampel und der mindestens einen ermittelten Fahrbahnmarkierung mindestens eine Fahrspur mindestens einer Ampel zugeordnet.
Hierbei wird eine Trajektorie mindestens eines vorausfahrenden Fahrzeuges durch mindestens einen Sensor, wie beispielsweise eine Kamera oder ein LI DAR (Light detection and ranging)-Sensor, registriert und basierend auf den ermittelten Schaltzuständen der jeweiligen Ampeln und den aus den registrierten Fahrbahnmarkierungen definierten Fahrspuren hergeleitet, ob die jeweilige Fahrspur beispielsweise eine Abbiegerspur ist oder für eine Geradeausfahrt bestimmt ist. Somit kann auf automatisiertem Wege jeder Ampel und den korrespondierenden Fahrspuren eine Richtungsfunktion zugewiesen werden ohne einen Richtungsmarkierungspfeil auf der Fahrbahn erkennen zu müssen. Dies ist auch bei einer fehlenden oder verdeckten Richtungsmarkierung auf der Fahrbahn ebenfalls möglich. Hierbei wird die Fahr-Trajektorie vorausfahrender Fahrzeuge beobachtet und für die Zuordnung genutzt. Ändert sich beispielsweise ein Schaltungszustand einer Ampel und es wird auf einer Fahrspur ein Fahrzeug mit einer zeitlich entsprechenden Bewegung (z.B. Anfahren und
Abbiegevorgang) ermittelt, so kann durch Auswertung der Daten festgestellt werden, dass es sich bei der Ampel und der Fahrspur um eine Abbiegerspur handelt. Im Gegensatz zur heutigen manuellen Zuordnung wird es dadurch möglich HAD-Karten mit großer Flächenabdeckung auch für komplexe
Kreuzungen effizient und automatisiert zu erstellen. Insbesondere kann das
Verfahren von einem oder mehreren Fahrzeugen durchgeführt werden.
Vorzugsweise ermittelt jedes Fahrzeug mit Hilfe von Sensoren die beschriebenen Faktoren in Form von Daten. Die gesammelten Daten werden zum Erstellen und Aktualisieren eines Datensatzes verwendet. Dieser Datensatz kann von den jeweiligen kompatiblen Fahrzeugen auf eine fahrzeugexterne Servereinheit übertragen werden. Des Weiteren ermöglicht das Verfahren durch eine mögliche Vorhersage einer„Grünen Welle", bei der mehre Ampel hintereinander auf grün geschaltet sind, ein schnelles Vorrankommen eines oder mehrerer Fahrzeuge im Verkehr. Den Fahrzeugen muss hierfür die eigene Fahrspur, der aktuelle Schaltzustand und der Schaltzyklus der Ampeln und ggf. die Position anderer
Fahrzeuge bekannt sein. Auf die Art kann der Spritverbrauch reduziert, die Fahrzeit optimiert bzw. verkürzt und der Fahrkomfort beispielsweise in einer automatischen Fahrfunktion erhöht werden. Zudem kann eine Vorhersage des Bremsvorganges vorausfahrender Fahrzeuge auf der eigenen Fahrspur eines Fahrzeuges mittels des bekannten Schaltzyklus getätigt werden.
Gemäß eines Ausführungsbeispiels des Verfahrens erfolgen die Messungen durch unterschiedliche Fahrzeuge zu unterschiedlichen Zeitpunkten und werden an eine externe Servereinheit zum Auswerten übermittelt. Auf der
fahrzeugexternen Servereinheit können die Daten aus unterschiedlichen
Beobachtungen, die von verschiedenen Fahrzeugen und zu verschiedenen Zeiten stammen, gesammelt und gemeinsam ausgewertet werden. Dabei können aus den Informationen, bei welcher Ampelphase bzw. Schaltungszustand Fahrzeuge von welcher Fahrspur aus die Kreuzung passiert haben, den jeweiligen Ampeln entsprechende Fahrspuren zugeordnet werden. Gemäß eines weiteren Ausführungsbeispiels des Verfahrens wird durch die Messungen unterschiedlicher Fahrzeuge zu unterschiedlichen Zeitpunkten ein Schaltzyklus mindestens einer Ampel als Datensatz erfasst und/oder ergänzt. Durch die Nutzung von Daten, die von mehreren Fahrzeugen zu
unterschiedlichen Zeitpunkten aufgenommen wurden, kann der vollständige
Schaltzyklus mindestens einer Ampel oder beispielsweise einer gesamten Lichtsignalanlage bzw. Ampelanlage einer Kreuzung erfasst werden. Dies ist auch möglich, wenn jedes einzelne Fahrzeug nur einen kurzen Zeitausschnitt die Ampel oder Ampelanlage beobachtet hat. Auch die Dauer der einzelnen Ampel- Phasen kann dabei erfasst werden. Ferner können Beobachtungsfehler,
Falschfahrer oder Falschabbieger durch die wiederholten Messungen erkannt und aussortiert werden.
Nach einem weiteren Ausführungsbeispiel des Verfahrens wird eine Dauer mindestens eines Schaltzustandes der mindestens einen Ampel aus mindestens zwei fahrzeuggestützten Messungen ermittelt. Da ein einziges Fahrzeug nicht immer einen gesamten Schaltzyklus einer Ampel erfassen kann, ist es vorteilhaft, wenn aus den individuell ermittelten Daten unterschiedlicher Fahrzeuge ein gesamter Schaltzyklus einer oder mehrerer Ampeln ermittelt werden kann.
Hierbei können beispielsweise Änderungen im Schaltzustand von Ampeln als gemeinsame zeitliche Anhaltspunkte bei einem Zusammenführen von Daten verwendet werden.
Nach einem weiteren bevorzugten Ausführungsbeispiel des Verfahrens werden Schaltzustände von mindestens zwei Ampelanlagen entlang einer
Fahrzeugstrecke relativ zueinander erfasst und gespeichert. Hierbei können Zyklusdauern der Schaltzyklen bzw. Längen der einzelnen Ampelphasen, insbesondere der Grünphase, und damit auch die Länge eines gesamten Schaltzyklus von Ampeln durch Messungen von Fahrzeugen erfasst und an eine fahrzeugexterne Servereinheit übertragen werden. Insbesondere können auch die relativen Schaltzeitpunkte mehrerer Ampeln entlang einer Fahrstrecke zueinander erfasst und gespeichert werden. Hierdurch kann beispielsweise eine erfasste„Grüne Welle" für ein zeit-optimiertes Passieren mehrerer gekoppelter Ampelanlagen durch ein autonomes Fahrzeug ausgenutzt werden. Gemäß eines weiteren Ausführungsbeispiels des Verfahrens werden die ermittelten Daten von mindestens zwei Fahrzeugen auf der externen
Servereinheit gesammelt und zu einem Modell von Ampelanlagen und deren Abhängigkeiten zueinander verarbeitet. Die ermittelten Daten aller
teilnehmenden Fahrzeuge können auf der Servereinheit gesammelt und ein
Modell aller Ampeln und Abhängigkeiten der Ampeln zueinander ermittelt werden. Das Ampelmodell wird von der Servereinheit wieder an die
datenerfassenden Fahrzeuge und optional auch an passiv teilnehmende
Fahrzeuge verteilt. Damit kann eine Fahrplanung anderer autonomer oder teilautonomer Fahrzeuge ebenfalls optimiert werden. Somit kann beispielsweise ein Anfahr- oder Stopp-Verhalten der Fahrzeuge vor einer Ampel oder ein Geschwindigkeitsprofil zwischen zwei Ampeln anpassen, so dass beispielsweise eine Gesamtfahrzeit und/oder ein Spritverbrauch des Fahrzeuges minimiert werden können. Ein derartiges Modell kann beispielsweise für eine zukünftige Vorhersage einer Gesamtfahrzeit einer Fahrstrecke verwendet werden.
Gemäß eines weiteren Ausführungsbeispiels des Verfahrens werden das Modell und der mindestens eine erfasste Datensatz automatisiert in einer
fahrzeugexternen HAD-Karte gespeichert oder zur Korrektur einer
fahrzeugexternen HAD-Karte verwendet werden. Vorzugsweise kann das erstelle
Modell bzw. mehrere Modelle von Ampeln oder ganzen Ampelanlagen, sowie die ermittelten Daten in Form eines Datensatzes in einer Karte hinterlegt oder zum Aktualisieren bzw. zur Korrektur der Karte verwendet werden, die für das sogenannte„highly automated driving" geeignet ist. Es können somit autonome oder teilautonome Fahrzeuge auf die HAD-Karte zugreifen und automatisch entlang einer Route navigieren. Durch das Ampelmodell und die stets aktualisierten Datensätze kann ein derartiges Fahrzeug störungsfrei entlang definierter Strecken navigieren und Ampelphasen optimal und automatisch während der Navigation berücksichtigen.
Nach einem weiteren Ausführungsbeispiel des Verfahrens erfolgt die Zuordnung der mindestens einen Fahrspur zu der mindestens einer Ampel in der externen Servereinheit oder in einem Fahrzeug. Moderne Fahrzeuge weisen diverse Steuergeräte und Rechnereinheiten auf. Insbesondere autonome oder teilautonome Fahrzeuge müssen leistungsfähige Rechenoperationen zum
Auswerten der Sensoren und zum Steuern des Fahrzeuges aufweisen. Die bereits vorhandenen Rechnereinheiten können hierbei die Zuordnung der Fahrspuren bzw. der Richtungsinformationen zu entsprechenden Ampeln und Ampelphasen übernehmen oder vorverarbeiten. Hierdurch kann ein
Rechenaufwand der externen Servereinheit reduziert werden. Somit kann eine schnellere Servereinheit realisiert werden, die dynamischer bzw. schneller auf
Anfragen von Fahrzeugen oder auf ankommende Datensätze reagieren kann. Alternativ kann die externe Servereinheit die Zuordnung der Fahrspuren übernehmen, da eine stationäre Recheneinheit grundsätzlich eine höhere Rechenleistung und größere Speicherkapazitäten aufweisen kann. Zum
Übertragen der relevanten Daten können sowohl die Fahrzeuge als auch die externe Servereinheit Kommunikationsvorrichtungen aufweisen, die
untereinander bidirektional kommunizieren und Daten austauschen können.
Nach einem weiteren Aspekt der Erfindung wird ein autonomes oder
teilautonomes Fahrzeug zum Durchführen des Verfahrens gemäß dem vorherigen Aspekt der Erfindung bereitgestellt. Das Fahrzeug weist mindestens einem Sensor zum Erfassen von Fahrbahnmarkierungen, zum Erfassen von vorausfahrenden Fahrzeugen und deren Trajektorien und zum Erfassen von Ampeln und von Schaltzuständen der Ampeln auf. Des Weiteren weist das Fahrzeug mindestens eine Kommunikationsvorrichtung zum Senden der erfassten Daten und zum Empfangen von gesammelten und verarbeiteten Datensätzen einer externen Servereinheit.
Hierbei kann beispielsweise mindestens ein im Fahrzeug verbauter Sensor, wie beispielsweise eine Kamera oder ein LIDAR-Sensor, zur Detektion von
Fahrbahnmarkierungen, vorausfahrenden Fahrzeugen und Ampeln verwendet werden. Zusätzlich können die Fahrzeug-Trajektorien und die Schaltzustände der Ampeln erfasst werden. Aus dem Zusammenspiel der Fahrzeug-Trajektorien und der Schaltzustände der Ampeln können die vorausfahrenden Fahrzeuge bestimmten Fahrspuren zugeordnet werden. Insbesondere können hierdurch
Richtungsfunktionen unterschiedlichen Fahrspuren zugeordnet werden. Diese Daten werden durch die Kommunikationsvorrichtung zu mindestens einer fahrzeugexternen Servereinheit gesendet. Durch die Servereinheit werden diese Datensätze aus mehreren Beobachtungen, die von verschiedenen Fahrzeugen und zu verschiedenen Zeiten stammen, gesammelt und gemeinsam
ausgewertet. Dafür werden aus den ermittelten Informationen, bei welcher Ampelphase Fahrzeuge von welcher Fahrspur die Kreuzung passiert haben, die Ampeln den Fahrspuren zugeordnet und entsprechende Ampelmodelle erstellt. Durch die Nutzung der Datensätze, die von mehreren Fahrzeugen zu
unterschiedlichen Zeitpunkten aufgenommen wurden, kann ein vollständiger Schaltzyklus von Ampelanlage erfasst werden, auch wenn jedes einzelne
Fahrzeug nur einen kurzen Zeitausschnitt beobachtet hat. Ferner können Beobachtungsfehler, Falschfahrer oder Falschabbieger durch die wiederholten Messungen erkannt und aussortiert werden. Nach einem Ausführungsbeispiel ist für das Fahrzeug eine fahrzeugexterne
HAD-Karte zur Navigation verwendbar. Hierdurch kann das Fahrzeug auf die fahrzeugexterne, auf der Servereinheit hinterlegte, HAD-Karte zugreifen und diese zum Navigieren nutzen. Alternativ oder zusätzlich kann das Fahrzeug auch die Karte zeitweise Puffern bzw. Zwischenspeichern und von einer
fahrzeuginternen Rechnereinheit abrufen.
Gemäß eines weiteren Ausführungsbeispiels sind Ampelpositionen und ermittelte Datensätze zu Ampeln aus der HAD-Karte in ein fahrzeuginternes Bild- Koordinatensystem mindestens einer fahrzeuginternen Kamera projizierbar. Es können beispielsweise jeweilige Positionen von Ampeln aus der HAD-Karte in die fahrzeuginterne Sensorik und Datenbank übertragen und im Kamerabild visualisiert werden, sofern eine Darstellungseinheit vorhanden ist. Durch die Projektion kann insbesondere eine Detektionsgenauigkeit und Reichweite eines Ampel-Erkennungs-Algorithmus erhöht werden. Hierdurch können der zeitliche Planungshorizont sowie die Robustheit einer automatischen Fahrfunktion verbessert werden, so dass ein Fahrkomfort, Sicherheit und Treibstoffverbrauch optimiert werden können.
Im Folgenden werden anhand von stark vereinfachten schematischen
Darstellungen bevorzugte Ausführungsbeispiele der Erfindung näher erläutert.
Hierbei zeigen
Fig. 1 eine schematische Darstellung eines Verfahrens zum automatischen Erstellen und Aktualisieren eines Datensatzes für ein autonomes Fahrzeug gemäß eines ersten Ausführungsbeispiels, Fig. 2 eine schematische Darstellung eines Fahrzeuges gemäß eines ersten
Ausführungsbeispiels und
Fig. 3 eine Ampelanlage an der beispielhaft das Verfahren gemäß des ersten
Ausführungsbeispiels durchgeführt wird.
In den Figuren weisen dieselben konstruktiven Elemente jeweils dieselben Bezugsziffern auf.
Figur 1 zeigt eine schematische Darstellung eines Verfahrens 1 zum
automatischen Erstellen und Aktualisieren eines Datensatzes für ein autonomes
Fahrzeug 2 gemäß eines ersten Ausführungsbeispiels. Das Verfahren 1 weist einen fahrzeugseitigen Teil 4 und einen fahrzeugexternen Teil 6 auf. Der fahrzeugseitige Teil 4 des Verfahrens 1 wird von einem Fahrzeug 2 mit entsprechender Sensorik und Rechnereinheit durchgeführt. Der fahrzeugexterne Teil 6 des Verfahrens 1 wird von einer externen Servereinheit durchgeführt.
Bei dem Verfahren 1 wird in einem ersten Schritt von einer fahrzeugseitigen Sensorik mindestens eine Ampel und ein Schaltzustand der mindestens einen Ampel registriert 10. In einem weiteren Schritt wird mindestens eine
Fahrbahnmarkierung ermittelt 12. Anschließend wird eine Fahrzeug-Trajektorie von mindestens einem vorausfahrenden Fahrzeug registriert und nachverfolgt 14. Die gesammelten Daten werden zum Erstellen und Aktualisieren eines fahrzeugexternen Datensatzes verwendet. Hierzu werden die gesammelten Daten an eine fahrzeugexterne Servereinheit übermittelt 16. Die genannten Schritte können dabei parallel zueinander oder nacheinander erfolgen.
Die fahrzeugexterne Servereinheit 28 empfängt die gesammelten Daten 18. Basierend auf dem mindestens einen Schaltzustand der mindestens einen Ampel 34, auf der mindestens einen ermittelten Fahrbahnmarkierung 36 und auf der mindestens einen erfassten Trajektorie eines vorausfahrenden Fahrzeuges 40 wird mindestens eine Fahrspur 38 identifiziert und mindestens einer Ampel 34 zugeordnet 20. Durch die Zuordnung kann der Fahrspur 38 eine
Richtungsfunktion zugewiesen werden, die von nachfolgenden autonome oder teilautonome Fahrzeugen 2 verwendet werden können, um insbesondere im Bereich von Ampeln optimal navigieren zu können. In der Figur 2 ist eine schematische Darstellung eines Fahrzeuges 2 gemäß einem ersten Ausführungsbeispiel dargestellt. Das Fahrzeug 2 ist dazu ausgelegt den fahrzeugseitigen Teil 4 des Verfahrens 1 zum automatischen Erstellen und Aktualisieren eines fahrzeugexternen Datensatzes durchzuführen. Das Fahrzeug 2 weist eine Kamera 22 auf, die an einer Frontseite des Fahrzeuges 2
angeordnet ist. Die Kamera 22 nimmt eine Umgebung des Fahrzeuges 2 auf und leitet die erzeugten Bilder an eine fahrzeugseitige Rechnereinheit 24. Die Rechnereinheit 24 wertet die erzeugten Bilder aus und ermittelt
Fahrbahnmarkierungen, registriert vorausfahrende Fahrzeuge und verfolgt anhand der Bilder die Trajektorie bzw. Fahrtrichtungen von vorausfahrenden
Fahrzeugen 40. Des Weiteren erkennt die Rechnereinheit 24 Ampeln und deren Schaltzustände durch Analysieren der Bilder. Die ermittelten und analysierten Informationen können kontinuierlich oder packetweise über eine
Kommunikationsvorrichtung 26 an eine fahrzeugexterne Servereinheit 28 gesendet werden. Hierzu weist die Servereinheit 28 ebenfalls eine
fahrzeugexterne Kommunikationsvorrichtung 30 auf, die zum Empfangen von ermittelten Daten und zum Senden von ausgewerteten oder angeforderten Daten dient. Die Figur 3 zeigt eine Ampelanlage 32, an der beispielhaft das Verfahren 1 gemäß des ersten Ausführungsbeispiels angewendet wird. Insbesondere ist ein Bild dargestellt, welches von der Kamera 22 des Fahrzeuges 2 aufgenommen wurde. Die Rechnereinheit 24 hat bereits die Ampeln 34 der Ampelanlage 32 erkannt. Des Weiteren wurden Fahrbahnmarkierungen 36 von der
Rechnereinheit 24 registriert. Die Fahrbahnmarkierungen 36 dienen somit der
Identifizierung von Fahrspuren 38 im Bild. Des Weiteren wurden von der
Rechnereinheit 24 die vorausfahrenden Fahrzeuge 40 erkannt. Mit jedem weiteren Bild werden die vorausfahrenden Fahrzeuge 40 registriert und insbesondere deren Bewegungsgeschwindigkeit und -richtung erfasst. Somit kann basierend auf der Bewegung ausgehend von den jeweiligen Fahrspuren 38 und den Schaltzuständen der Ampeln 34 eine Richtungsinformation ermittelt werden. Die Pfeile auf den Fahrspuren 38 verdeutlichen die
Richtungsinformationen. Insbesondere kann anhand des Bildes ermittelt werden, dass auf der rechten Fahrspur das vorausfahrende Fahrzeug 40 nach rechts abbiegt und diese Fahrspur 38 somit voraussichtlich eine Fahrspur 38 zum
Rechtsabbiegen ist. Diese Information kann nun anhand weiterer von anderen Fahrzeugen 2 ermittelten Daten evaluiert oder korrigiert werden. Anhand der Fahrzeug-Trajektorien der vorausfahrenden Fahrzeuge 40 auf den drei mittleren Fahrspuren 38 können den Fahrspuren 38 jeweils eine Geradeausfahrt zugeordnet werden.

Claims

Ansprüche
1 . Verfahren (1 ) zum automatischen Erstellen und Aktualisieren eines
Datensatzes für ein autonomes Fahrzeug (2), wobei
mindestens eine Ampel (34) und ein Schaltzustand der mindestens einen Ampel (34) registriert wird (10), mindestens eine Fahrbahnmarkierung (36) ermittelt wird (12), eine Trajektorie von mindestens einem vorausfahrenden Fahrzeug (40) registriert wird (14),
die gesammelten Daten zum Erstellen und Aktualisieren des
Datensatzes verwendet werden,
dadurch gekennzeichnet, dass basierend auf der mindestens einen erfassten Trajektorie (14), dem mindestens einen Schaltzustand der mindestens einen Ampel (10, 34) und der mindestens einen ermittelten Fahrbahnmarkierung (12, 36) mindestens eine Fahrspur (38) mindestens einer Ampel (34) zugeordnet wird.
2. Verfahren nach Anspruch 1 , wobei die Messungen durch unterschiedliche Fahrzeuge (2) zu unterschiedlichen Zeitpunkten erfolgen und an eine externe Servereinheit (28) zum Auswerten übermittelt werden.
3. Verfahren nach Anspruch 1 oder 2, wobei durch die Messungen
unterschiedlicher Fahrzeuge (2) zu unterschiedlichen Zeitpunkten ein Schaltzyklus mindestens einer Ampel (34) als Datensatz erfasst und/oder ergänzt wird.
4. Verfahren nach einem der Ansprüche 1 bis 3, wobei eine Dauer
mindestens eines Schaltzustandes der mindestens einen Ampel (34) aus mindestens zwei fahrzeuggestützten Messungen ermittelt wird.
5. Verfahren nach einem der Ansprüche 1 bis 4, wobei Schaltzustände von mindestens zwei Ampelanlagen (32) entlang einer Fahrzeugstrecke relativ zueinander erfasst und gespeichert werden.
6. Verfahren nach einem der Ansprüche 1 bis 5, wobei die ermittelten Daten von mindestens zwei Fahrzeugen (2) auf der externen Servereinheit (28) gesammelt und zu einem Modell von Ampelanlagen (32) und deren Abhängigkeiten zueinander verarbeitet werden.
7. Verfahren nach einem der Ansprüche 1 bis 6, wobei das Modell und der mindestens eine erfasste Datensatz automatisiert in einer
fahrzeugexternen HAD-Karte gespeichert werden oder zur Korrektur einer fahrzeugexternen HAD-Karte verwendet werden.
8. Verfahren nach einem der Ansprüche 1 bis 7, wobei die Zuordnung der mindestens einen Fahrspur (38) zu der mindestens einer Ampel (34) in der externen Servereinheit (28) oder in einem Fahrzeug (2, 24) erfolgt.
9. Autonomes oder teilautonomes Fahrzeug (2) zum Durchführen des
Verfahrens gemäß einem der vorherigen Ansprüche, mit mindestens einem Sensor (22) zum Erfassen von Fahrbahnmarkierungen (36), von vorausfahrenden Fahrzeugen (40) und Trajektorien der vorausfahrenden Fahrzeuge (40), von Ampeln (34) und Schaltzuständen der Ampeln (34), mit einer Kommunikationsvorrichtung (26) zum Senden der erfassten Daten und zum Empfangen von gesammelten und verarbeiteten
Datensätzen einer externen Servereinheit (28).
10. Fahrzeug nach Anspruch 9, wobei für das Fahrzeug (2) eine
fahrzeugexterne HAD-Karte zur Navigation verwendbar ist.
1 1 . Fahrzeug nach Anspruch 9 oder 10, wobei Ampelpositionen und
ermittelte Datensätze zu Ampeln (34) aus der fahrzeugexterne HAD-Karte in ein fahrzeuginternes Bild-Koordinatensystem mindestens einer fahrzeuginterne Kamera (22) projiziebar sind.
PCT/EP2018/057463 2017-04-24 2018-03-23 Verfahren zum automatischen erstellen und aktualisieren eines datensatzes für ein autonomes fahrzeug Ceased WO2018197122A1 (de)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US16/605,966 US11335188B2 (en) 2017-04-24 2018-03-23 Method for automatically producing and updating a data set for an autonomous vehicle
EP18713870.6A EP3616181A1 (de) 2017-04-24 2018-03-23 Verfahren zum automatischen erstellen und aktualisieren eines datensatzes für ein autonomes fahrzeug
CN201880027099.0A CN110546696B (zh) 2017-04-24 2018-03-23 用于自主车辆的用于自动生成和更新数据集的方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102017206847.7A DE102017206847B4 (de) 2017-04-24 2017-04-24 Verfahren zum automatischen Erstellen und Aktualisieren eines Datensatzes für ein autonomes Fahrzeug
DE102017206847.7 2017-04-24

Publications (1)

Publication Number Publication Date
WO2018197122A1 true WO2018197122A1 (de) 2018-11-01

Family

ID=61801935

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2018/057463 Ceased WO2018197122A1 (de) 2017-04-24 2018-03-23 Verfahren zum automatischen erstellen und aktualisieren eines datensatzes für ein autonomes fahrzeug

Country Status (5)

Country Link
US (1) US11335188B2 (de)
EP (1) EP3616181A1 (de)
CN (1) CN110546696B (de)
DE (1) DE102017206847B4 (de)
WO (1) WO2018197122A1 (de)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7067067B2 (ja) 2018-01-11 2022-05-16 トヨタ自動車株式会社 信号機認識装置、及び自動運転システム
EP3865822B1 (de) * 2018-05-15 2024-10-02 Mobileye Vision Technologies Ltd. Systeme und verfahren zur autonomen fahrzeugnavigation
DE102019212263A1 (de) * 2019-08-15 2021-02-18 Volkswagen Aktiengesellschaft Verfahren zur Erhöhung der Verkehrsflussdichte an einer Ampelkreuzung
CN113905941B (zh) * 2019-10-29 2024-08-23 索尼集团公司 地理控制区中的车辆控制
DE102019217144B4 (de) * 2019-11-06 2021-10-14 Volkswagen Aktiengesellschaft Ampelspurzuordnung aus Schwarmdaten
DE102019217555B4 (de) * 2019-11-14 2022-01-27 Zf Friedrichshafen Ag Verfahren und Steuereinrichtung zur Fahrzeugsteuerung
JP7640197B2 (ja) 2020-01-03 2025-03-05 モービルアイ ビジョン テクノロジーズ リミテッド 車両ナビゲーション用のシステムおよび方法
DE102020200704A1 (de) 2020-01-22 2021-08-05 Volkswagen Aktiengesellschaft Verfahren zur Bestimmung eines Verkehrsregelkriteriums einer Verkehrsampeln, sowie Verkehrsregelbestimmungssystem und Fahrzeug
CN111703422B (zh) * 2020-06-24 2021-06-29 北京经纬恒润科技股份有限公司 智能驾驶车辆的目标跟踪路径选择方法及装置
DE102020208378B3 (de) * 2020-07-03 2021-09-23 Volkswagen Aktiengesellschaft Ampelspurzuordnung aus Schwarmdaten
US11263901B1 (en) * 2020-09-28 2022-03-01 Ford Global Technologies, Llc Vehicle as a sensing platform for traffic light phase timing effectiveness
EP4105818B1 (de) * 2021-06-18 2025-08-13 AUMOVIO Autonomous Mobility Germany GmbH Verfahren und system zur schätzung der fahrbahngeometrie
DE102021209977A1 (de) 2021-09-09 2023-03-09 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Steuergerät
KR102652486B1 (ko) * 2021-09-24 2024-03-29 (주)오토노머스에이투지 라이다를 이용한 신호등 정보 예측 방법 및 이를 이용한 서버
CN114219834B (zh) * 2021-12-09 2025-03-18 苏州挚途科技有限公司 高精地图中交通标志物更新的方法、装置及电子设备
US12073633B2 (en) * 2022-04-22 2024-08-27 Toyota Research Institute, Inc. Systems and methods for detecting traffic lights of driving lanes using a camera and multiple models
DE102022002082A1 (de) 2022-06-10 2023-12-21 Mercedes-Benz Group AG Verfahren zur Erkennung von semantischen Beziehungen zwischen Verkehrsobjekten
US20240386795A1 (en) * 2023-05-19 2024-11-21 Qualcomm Incorporated Traffic camera-based determination of traffic signal-to-lane association for automated vehicle operation

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2486556A1 (de) * 2009-10-08 2012-08-15 Honda Motor Co., Ltd. Verfahren für dynamische schnittpunktzuordnung

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101033598A (zh) * 2006-03-07 2007-09-12 程祖本 一种全流通法交叉路口的道路设置、信号灯控制及通行方法
WO2008093891A1 (ja) * 2007-02-02 2008-08-07 Toyota Jidosha Kabushiki Kaisha 車載受信装置
CN101470963A (zh) * 2007-12-26 2009-07-01 奥城同立科技开发（北京）有限公司 智能红绿灯控制系统
CN101572006A (zh) * 2008-04-30 2009-11-04 奥城同立科技开发（北京）有限公司 交通信号灯控制方法
CN101572005A (zh) * 2008-04-30 2009-11-04 奥城同立科技开发（北京）有限公司 车道行驶方向显示和控制方法
CN101719318B (zh) * 2009-03-19 2011-11-30 王苏华 一种交通路口的车辆引导方法
US8738285B2 (en) * 2010-03-11 2014-05-27 Inrix, Inc. Learning road navigation paths based on aggregate driver behavior
CN102117546B (zh) * 2011-03-10 2013-05-01 上海交通大学 车载交通信号灯辅助装置
US9435654B2 (en) * 2013-06-01 2016-09-06 Savari, Inc. System and method for creating, storing, and updating local dynamic MAP database with safety attribute
DE102013220662A1 (de) * 2013-10-14 2015-04-16 Continental Teves Ag & Co. Ohg Verfahren zur Erkennung von Verkehrssituationen beim Betrieb eines Fahrzeugs
DE102014200638A1 (de) * 2014-01-16 2015-07-30 Bayerische Motoren Werke Aktiengesellschaft Verfahren und System zum Schätzen eines Fahrspurverlaufs
DE102014205953A1 (de) * 2014-03-31 2015-10-01 Robert Bosch Gmbh Verfahren zur Analyse einer Verkehrsumfeldsituation eines Fahrzeugs
US9628565B2 (en) * 2014-07-23 2017-04-18 Here Global B.V. Highly assisted driving platform
DE102015206593A1 (de) * 2015-04-14 2016-10-20 Bayerische Motoren Werke Aktiengesellschaft Fahrzeug, Anordnung und Verfahren zur Analyse eines Verhaltens einer Lichtsignalanlage
EP3154043B1 (de) * 2015-10-06 2021-01-13 Volkswagen Aktiengesellschaft Verfahren und system zum bereitstellen von informationen im umfeld einer kreuzung
DE102015016349B4 (de) * 2015-10-07 2023-02-23 Volkswagen Aktiengesellschaft Vorrichtung und Verfahren für ein Fahrassistenzsystem für ein Fahrzeug sowie Vorrichtung und Verfahren für eine Kontrollinstanz für ein kontrollierbares Verkehrszeichen
US9672734B1 (en) * 2016-04-08 2017-06-06 Sivalogeswaran Ratnasingam Traffic aware lane determination for human driver and autonomous vehicle driving system
DE102016008470A1 (de) * 2016-07-12 2017-02-16 Daimler Ag Verfahren zur Aktualisierung einer Straßenkarte
CN106327897B (zh) 2016-09-07 2019-02-19 招商局重庆交通科研设计院有限公司 一种基于车路协同技术的信号灯状态终端显示方法及系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2486556A1 (de) * 2009-10-08 2012-08-15 Honda Motor Co., Ltd. Verfahren für dynamische schnittpunktzuordnung

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CHRISTIAN RUHHAMMER ET AL: "Automated Intersection Mapping From Crowd Trajectory Data", IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS, vol. 18, no. 3, 1 March 2017 (2017-03-01), Piscataway, NJ, USA, pages 666 - 677, XP055481047, ISSN: 1524-9050, DOI: 10.1109/TITS.2016.2585518 *
RUHHAMMER CHRISTIAN ET AL: "Crowdsourced intersection parameters: A generic approach for extraction and confidence estimation", 2014 IEEE INTELLIGENT VEHICLES SYMPOSIUM PROCEEDINGS, IEEE, 8 June 2014 (2014-06-08), pages 581 - 587, XP032620272, DOI: 10.1109/IVS.2014.6856591 *

Also Published As

Publication number Publication date
CN110546696B (zh) 2022-08-30
DE102017206847A1 (de) 2018-10-25
DE102017206847B4 (de) 2020-08-13
EP3616181A1 (de) 2020-03-04
CN110546696A (zh) 2019-12-06
US20200126408A1 (en) 2020-04-23
US11335188B2 (en) 2022-05-17

Similar Documents

Publication Publication Date Title
DE102017206847B4 (de) Verfahren zum automatischen Erstellen und Aktualisieren eines Datensatzes für ein autonomes Fahrzeug
DE102015203016B4 (de) Verfahren und Vorrichtung zur optischen Selbstlokalisation eines Kraftfahrzeugs in einem Umfeld
EP3380811B1 (de) Verfahren und system zum erstellen einer digitalen karte
DE102016222259B4 (de) Verfahren und System zum Bereitstellen von Daten für eine erste und zweite Trajektorie
DE102014015073B4 (de) Verfahren zur Aktualisierung und/oder Erweiterung eines Kartendatensatzes einer begrenzten Umgebung
DE112018006665T5 (de) Verfahren zum zugreifen auf ergänzende wahrnehmungsdaten von anderen fahrzeugen
EP3491339B1 (de) Verfahren, vorrichtung und computerlesbares speichermedium mit instruktionen zur bestimmung der lateralen position eines fahrzeuges relativ zu den fahrstreifen einer fahrbahn
DE112018002143T5 (de) Systeme und verfahren zur kompression von fahrspurdaten
EP3380810B1 (de) Verfahren, vorrichtung, kartenverwaltungseinrichtung und system zum punktgenauen lokalisieren eines kraftfahrzeugs in einem umfeld
WO2017089135A1 (de) Verfahren und system zum erstellen einer spurgenauen belegungskarte für fahrspuren
DE102013205840A1 (de) Automatisches Befahren einer Strecke
DE112020005275T5 (de) Systeme und verfahren zur selektiven verzögerung eines fahrzeugs
DE102021209575B3 (de) Verfahren und Assistenzeinrichtung zum Unterstützen von Fahrzeugfunktionen in einem Parkraum und Kraftfahrzeug
WO2014154614A1 (de) Backend für fahrerassistenzsysteme
DE102008041679A1 (de) Vorrichtung und Verfahren zur erinnerungsbasierten Umfelderkennung
EP2568310A2 (de) Verfahren, System sowie Vorrichtung zur Lokalisation eines Fahrzeugs relativ zu einem vordefinierten Bezugssystem
WO2017194457A1 (de) Verfahren zur erfassung von verkehrszeichen
DE102016213817A1 (de) Verfahren, Vorrichtung und computerlesbares Speichermedium mit Instruktionen zur Bestimmung der lateralen Position eines Fahrzeuges relativ zu den Fahrstreifen einer Fahrbahn
EP3227159B1 (de) Verfahren zur bestimmung der position eines fahrzeugs
EP3781906B1 (de) Verfahren und vorrichtung zum bestimmen einer hochgenauen position eines fahrzeugs
DE102018214971A1 (de) Verfahren zur Erstellung einer Karte eines Umfelds eines Fahrzeugs
DE102020122876A1 (de) Zeitmultiplexierte anzeige für ein fahrzeug
DE102018212219A1 (de) Überprüfen einer geographischen Karte
DE102019132967A1 (de) Verfahren und Vorrichtung zur Ermittlung einer Fahrspur-Hypothese
DE102014216276A1 (de) Positionsbestimmung von Kraftfahrzeugen mittels Radarbaken

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18713870

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2018713870

Country of ref document: EP

Effective date: 20191125