[发明专利]在周围环境模型中的行驶过程预估

说明书

本发明涉及一种用于建立道路模型的方法，所述方法用于规划本车轨迹，所述方法具有以下步骤：借助至少一个周围环境采集传感器采集(S1)车辆周围环境；在车辆周围环境中识别(S2)目标物体；生成(S3)具有多个网格单元格(1a、1b)的网格图(1)；在网格图(1)中输入(S4)识别结果，其中，在输入前放大(V)识别结果；确定(S5)穿过网格图(1)的、仅由未占用网格单元格(1a)组成的至少一个路径(P1、P2)；逐步扫描(S6)至少一个路径(P1、P2)，其中，在与路径(P1、P2)扫描方向正交的两侧确定出识别结果；将沿至少一个路径(P1、P2)的识别结果分配(S7)给道路边界(Sb)；基于先前所确定的信息建立(S8)道路模型。

技术领域

本发明涉及一种在周围环境模型中的行驶过程预估。

背景技术

支持驾驶员完成其驾驶任务的驾驶员辅助系统被广泛使用。

为此，使用雷达传感器、激光雷达传感器、超声波传感器和摄像机传感器对车辆周围环境进行采集。采集到的数据优选在周围环境模型中加以综合。周围环境模型能以空间部分区域形式分段显示车辆周围环境，这类部分区域也称为(周围环境)网格的单元格。在周围环境模型中，优选为单个网格单元格分配一个或多个属性，例如未占用、被占用、可通行、静态障碍等，或单元格的状态可根据一个或多个概率描述为例如未占用或被占用、可通行和不可通行。

周围环境分析的重要部分是对道路走向的判断。为判断道路及其界限，当前的雷达系统将其传感器数据划分为静态识别和动态识别。

静态识别要么被组合成较大的集群(累积)并被追踪(被跟踪)，要么被输入到网格(具有网格单元格的周围环境模型，被占用网格)中。对道路的识别，必须在数据中辨别出道路左侧和右侧或左右道路边界。为此，尝试辨别特别显著的点，并使用复杂算法将其分类为属于左侧道路边界的点和属于右侧道路边界的点。

这些点优选使用卡尔曼滤波器(或任一其他近似方法)转换成用于例如根据回旋曲线模型等描述道路走向的模型。

在此，所用模型的区别在于分离的道路边缘(道路左右边缘可有完全不同的走向)或相关的道路边缘(左右边缘表现相同，只是彼此之间距离不同)。

上述方法(及其常见的变型方案)应被改进，尤其是：

·道路边缘左侧和右侧的分离很复杂，局部不准确，尤其是容易出错，

·“显著的点”尽管显著，但通常并不代表道路边界/可行驶区域边界，而只代表反射特别好的静态目标物体(例如护栏、建筑物墙壁、院子围栏等)。实际车道边界通常却比所提取的显著点更近，

·十字路口、分支路口、出口、拓宽区域等无法被识别并导致不正确的道路边界，

·用于描述道路边缘的数学模型限制性太强，仅能在高速公路上使用，

·或所用模型过于灵活，往往只能反映出较短部分或单侧道路边缘，

·当前的方法仅限于如高速公路等简单的周围环境，在城市环境中运作效果不佳。

发明内容

因此，本发明的目的是根据传感器数据建立道路模型，该模型提供足够的信息，能以改进的方式映射所有与此相关的(行驶)功能。

力争尤其是对具各种不同的应用领域，尤其是城市区域中使用的紧急制动辅助系统(EBA)进行的改进。然而，这并不代表对下面的可用于所有可想象的行驶功能和操控的本发明应用领域的限制。

本发明的基本观点是，道路必须为汽车的行驶提供足够的空间。即，最终产生的行驶通路(车辆实际车道)需要最小宽度(例如2.5米的)，以供汽车的行驶。

为此，本发明提出一种用于建立规划本车轨迹的道路模型的方法，所述方法具有以下步骤：