用于为具有自动车辆系统的机动车规划路线的方法技术方案

本发明专利技术提出了一种用于为具有自动车辆系统的机动车规划路线的方法，该方法考虑到了路线特定的可定位性和自动车辆系统的性能，从而可实现适应情况的路线规划，其中创建至少一个路线的可通行性分析，其中该可通行性分析包括以下步骤：选择从起点到目标点的待考察的路线；测定所选路线上与车辆无关的环境条件；通过使用与车辆无关的环境条件确定在所选路线上适用于车辆定位的地标的预期检测率；通过使用预期检测率确定所选路线上的预期定位精度；测定预期定位精度是否足以由自动车辆系统支持地驶过所选路线。

A Method for Planning Routes for Vehicles with Automatic Vehicle Systems

The present invention provides a method for vehicle routing planning with automatic vehicle system. This method takes into account the specific location of the route and the performance of the automatic vehicle system, so as to realize the route planning with adaptability. In this method, at least one route passability analysis is created. The passability analysis includes the following steps: selecting the starting point to the target point; The routes to be inspected; the vehicle-independent environmental conditions on the selected routes are determined; the expected detection rate of landmarks suitable for vehicle positioning on the selected routes is determined by using vehicle-independent environmental conditions; the expected positioning accuracy of the selected routes is determined by using the expected detection rate; and whether the expected positioning accuracy is sufficient to drive through the selected routes supported by the automatic vehicle system. Line.

【技术实现步骤摘要】
用于为具有自动车辆系统的机动车规划路线的方法
本专利技术涉及一种用于为具有自动车辆系统的机动车规划路线的方法。此外，本专利技术涉及一种具有自动车辆系统的机动车，其中该车辆系统被设计用于执行路线规划方法。
技术介绍
现代驾驶辅助系统(英语：AdvancedDriverAssistanceSystems(ADAS))和用于UAD(城市自动驾驶)的高度自动化车辆系统越来越需要详细了解车辆环境和情况认知。传感器测量数据被用作感知车辆环境的基础。由此可借助于所谓的检测算法来提取物体，借助于这些物体可描述和分析车辆环境。现代环境传感器(如立体视频摄像机或激光扫描仪)与检测算法相结合可从车辆环境中获取例如呈地标形式的大量信息。这些地标包括交通标志、交通信号灯、车道标线等。检测到的物体或检测到的地标又可用于进行车辆定位。在此，整个自动车辆系统的性能主要取决于环境传感器的性能。现代车道保持辅助系统依靠车道标线的可靠检测和车辆相对位置。从Borrmann,J.M.等人的“STELLaR—关于交通灯识别的系统嵌入的案例研究”，智能交通系统(ITSC)，2014年IEEE，第17届国际会议，第1258、1265、8-11页，2014年10月中已知一种交通灯识别方式，其中探讨了对物体检测算法的非常高的硬件要求。在Thrun,S.的“寻找移动机器人导航的地标”，机器人与自动化，1998年会议记录，1998年IEEEE国际会议，第2卷，第958、963页，1998年5月16-20日中说明了一种用于选择车辆定位地标的方法。自动车辆系统所需的车辆定位精度不只是取决于环境传感器系统的性能。此外，环境条件和检测算法的选择也可能会产生重大影响。整个车辆系统的性能与待通行的路线和在该路线上已知的环境条件直接相关。
技术实现思路
本专利技术的目的在于，提供一种用于为具有自动车辆系统的机动车规划路线的方法，该方法考虑了路线特定的可定位性和自动车辆系统的性能，从而可实现适应情况的路线规划。此外，本专利技术的目的还在于，提供一种具有自动车辆系统的机动车，其提供适应情况的路线规划。为了实现该目的，提出了一种用于为具有自动车辆系统的机动车规划路线的方法，其中创建至少一条路线的可通行性分析，其中该可通行性分析包括以下步骤：-选择从起点到终点的待考察的路线，-测定所选路线上与车辆无关的环境条件，-通过使用与车辆无关的环境条件确定适合于在所选路线上进行车辆定位的地标的预期检测率，-通过使用预期检测率确定所选路线上的预期定位精度，-测定预期定位精度是否足以由自动车辆系统支持地驶过所选路线。自动车辆系统可以是用于辅助驾驶和/或高度自动化驾驶和/或自动驾驶的驾驶员辅助系统。有利的是，在路线规划方法中，考虑足够精确的路线特定的可定位性和整个系统的性能，特别是自动车辆系统的性能。以下路线可被归类为不可通行，即沿着该路线在已知的环境条件下并且利用车辆系统可使用的环境传感器系统无法实现满足需求的定位。则可绕过这样的路线或路线区段。该方法使用与车辆无关的沿待考察路线的环境条件作为输入变量。适用于车辆定位的地标可从定位地图中获取。该方法可实现规划路线，在这些路线上以较高的可能性确保了车辆系统的满足需求的性能，从而有助于对自动车辆系统的鲁棒性产生有利的影响。与已知的用于自动车辆系统的路线规划方法相比，另外还使用与车辆无关的环境条件，即不涉及车辆和/或自动车辆系统的环境条件。然而，车辆相关的环境条件也可包含在预期定位精度的计算中。车辆相关的环境条件例如可为传感器效率或者地标检测算法的鲁棒性。环境传感器可以是立体摄像机或激光扫描仪或其他合适的传感器装置。在该方法中，确定适于车辆定位的地标的预期检测率的步骤不一定在单独的方法步骤中进行，而是也可隐含在预期定位精度的确定中。路线规划方法的关键在于，通过使用在所选路线上与车辆不相关的环境条件确定预期定位精度并且随后测定预期定位精度是否足以由自动车辆系统支持地驶过所选路线。例如还可行的是，借助于参数化模型和/或神经网络或机器训练的其他方法和/或统计模型来确定预期定位精度或测定预期定位精度是否足以由自动车辆系统支持地驶过所选路线。在参数化模型的情况下，呈参数形式的检测率可明确或隐含地包括在该方法中。如果借助于神经网络等来测定定位精度，则在神经网络中训练到的权重中隐含地考虑预期检测率。在统计模型中也将检测率通过统计权重包括在定位精度的测定中。对于理解本专利技术重要的是，定位精度隐含或明确地取决于检测率(即在所选路线上可检测的地标的百分比)与存在于所选路线上的地标数量之积。此外，隐含或明确地输入该方法中的检测率还可取决于所选路线上存在的地标的类型。例如，交通标志、车道边界、交通灯信号、树木或建筑物的检测率可能不同。另外，检测率还可取决于环境传感器系统的传感器装置的效率。所使用的检测算法对于特定类型的地标的检测率也可具有不同的效率。通过明确或隐含地考虑检测率，可单独或共同结合所有上述因素来确定预期定位精度并且随后测定该预期定位精度是否足以由自动驾驶系统支持地驶过所选路线。优选地规定，与车辆无关的环境条件是所选路线的交通密度和/或天气条件和/或道路状况。天气条件、交通总量和交通密度以及道路状况可能影响传感器系统的检测性能，从而影响不同类型地标的检测率。较高的交通密度特别是可能导致所选路线上一定比例的地标至少暂时被周围环境传感器系统前方的车辆遮挡，由此会降低检测率和定位精度。因此，有利地考虑定位精度与当前天气条件和交通总量的相关性。例如可通过查询天气数据库或交通数据库来确定与车辆无关的环境条件，特别是天气条件和交通总量。优选地规定，确定所选路线上的地标的遮挡率，其中优选通过使用环境条件和/或合适的地标类型来确定遮挡率，其中通过使用遮挡率来确定定位精度和/或检测率。遮挡率有利地映射了与路线相关且与车辆无关的环境条件对定位精度的影响。在此，遮挡率还可取决于地标的类型。因此，对于环境传感器系统来说位于路面上方较低高度处的地标更可能被增加的交通总量和车辆总量遮挡，这从而降低了这种地标的检测率。相反，布置得较高的地标(例如交通灯信号)的遮挡率更低。在该方法中也可隐含或明确地考虑遮挡率。在参数化模型或神经网络中，可通过参数或训练权重进行隐含考虑。更优选地规定，通过使用参数化模型确定遮挡率和/或检测率和/或定位精度，其中参数化模型优选为机器训练模型，其中更优选地通过使用先前的可通过性分析，特别是通过使用先前的环境条件和/或先前确定的检测率和/或先前确定的遮挡率和/或先前确定的定位精度和/或传感器装置的性能和/或自动车辆系统的检测算法来训练机器训练模型。可有利地通过使用参数化模型或通过使用神经网络来确定遮挡率和/或检测率和/或定位精度。在此，参数化模型或神经网络基于先前进行的可通行性分析，即通过使用在当前执行该方法之前进行的可通行性分析的结果来确定遮挡率和/或检测率和/或定位精度。因此可规定，在进行可通行性分析之前，特别是在执行待考察路线的选择之前，参数化模型或神经网络会经历训练阶段。在一个优选的实施方式中，通过使用参数化模型确定遮挡率，其中作为参数化模型的输入变量使用当前天气信息和/或所选路线上的当前交通总量和/或所选路线上存在的地标类型。该系统基于以机器训练方法参数化的模型，本文档来自技高网...

【技术保护点】
1.一种用于为具有自动车辆系统的机动车规划路线的方法，其中创建至少一个路线的可通行性分析，其中所述可通行性分析包括以下步骤：‑选择从起点到目标点的待考察的路线，‑测定所选路线上与车辆无关的环境条件，‑通过使用所述与车辆无关的环境条件确定在所选路线上适用于车辆定位的地标的预期检测率，‑通过使用所述预期检测率确定所选路线上的预期定位精度，‑测定所述预期定位精度是否足以由所述自动车辆系统支持地驶过所选路线。

【技术特征摘要】
2017.07.06 DE 102017211556.41.一种用于为具有自动车辆系统的机动车规划路线的方法，其中创建至少一个路线的可通行性分析，其中所述可通行性分析包括以下步骤：-选择从起点到目标点的待考察的路线，-测定所选路线上与车辆无关的环境条件，-通过使用所述与车辆无关的环境条件确定在所选路线上适用于车辆定位的地标的预期检测率，-通过使用所述预期检测率确定所选路线上的预期定位精度，-测定所述预期定位精度是否足以由所述自动车辆系统支持地驶过所选路线。2.根据权利要求1所述的方法，其中所述与车辆无关的环境条件是所选路线的交通密度和/或天气条件和/或道路状况。3.根据权利要求1或2所述的方法，其中确定所选路线上的地标的遮挡率，其中优选地通过使用环境条件和/或合适的地标类型来确定所述遮挡率，其中通过使用所述遮挡率来确定所述定位精度和/或所述检测率。4.根据权利要求3所述的方法，其中通过使用参数化模型来测定所述遮挡率和/或所述检测率和/或所述定位精度，其中所述参数化模型优选是机器训练模型，其中进一步优选地通过使用先前的可通行性分析，特别是通过使用先前的环境条件和/或先前确定的检测率和/或先前确定的遮挡率和/或先前确定的定位...

【专利技术属性】
技术研发人员：H·米伦茨，J·罗德，
申请(专利权)人：罗伯特·博世有限公司，
类型：发明
国别省市：德国,DE