用于运行驾驶员辅助系统的方法和装置以及驾驶员辅助系统和机动车制造方法及图纸

本发明专利技术涉及一种用于运行驾驶员辅助系统(12)的方法和装置(14)、以及驾驶员辅助系统(12)和机动车(10)，其中，在该方法中预测在机动车(10)的环境(17)中的至少一个活的对象(16)的运动，方法包括以下步骤：a)针对对象类别的组合存储表征运动的运动模型；b)接收涉及环境(17)的测量数据；c)识别在环境(17)中的活的对象(16)和至少一个另外的对象(18、20、22)以及确定对象(16、18、20、22)彼此间的相对位置；d)鉴别所识别的对象(16、18、20、22)的对象类别；e)对于活的对象(16)：i)至少根据活的对象(16)相对于另外的对象(18、20、22)的相应的相对位置以及针对鉴别出的对象类别的组合存储的运动模型来建立运动方程；ii)借助运动方程预测运动；以及f)在将预测的运动考虑在内的情况下运行驾驶员辅助系统(12)。

Methods and devices for operating driver assistance systems and driver assistance systems and motor vehicles

【技术实现步骤摘要】
【国外来华专利技术】用于运行驾驶员辅助系统的方法和装置以及驾驶员辅助系统和机动车
本专利技术涉及用于运行机动车的驾驶员辅助系统的方法，在该方法中预测在机动车的环境中的至少一个活的对象的运动。本专利技术还涉及用于执行所述方法的装置以及驾驶员辅助系统和机动车。
技术介绍
当今的机动车通常装备有驾驶员辅助系统，例如导航系统或定速控制系统。驾驶员辅助系统中的一些还设计用于保护车辆乘员和其他交通参与者。它们可在确定的危险情况下辅助机动车的驾驶员。因此，碰撞警告装置大多通过摄像机或也经由雷达传感器或激光雷达传感器识别与其他车辆的距离，还包括速度差在内，并且在识别到碰撞的危险时警告驾驶员。还存在这样的驾驶员辅助系统，其构造成至少部分自动地或在确定的情况下甚至全自动地驾驶机动车。在此，当前自动驾驶的应用场景非常受限，例如限于泊车或具有非常好地限定的边界条件、如在高速公路上的行驶情况。机动车越自动，对于机动车的环境的探测和监测的要求越高。机动车必须借助于传感器单元尽可能精确地探测环境，以便识别在环境中的对象。机动车对环境“了解”得越精确，就能越好地例如避免事故。例如DE102014215372A1示出了一种机动车的驾驶员辅助系统，其具有环境摄像机和用于对环境摄像机的图像数据进行处理的图像处理单元。驾驶员辅助系统还包括图像评估单元，其设计用于评估处理过的图像数据。
技术实现思路
本专利技术的目的在于，提供进一步降低事故风险的可行方案。该目的通过独立权利要求的主题来实现。本专利技术的有利的改进方案通过从属权利要求、下文的说明以及附图来说明。本专利技术基于的认识是，虽然在现有技术中很好地识别了很大的和/或静态的对象，然而很难识别和监测动态对象、例如行人。尤其是从中得到的积极效果在运行驾驶员辅助系统时尚未充分利用。即，如果成功预测到行人的运动并且在运行驾驶员辅助系统时加以考虑，可显著降低事故的风险。为了能尽可能好地监测动态的活的对象、例如行人，有帮助的是，可预测其运动，即可估计其将来的行为。对于静态监测摄像机，已经存在用于监测的方法。因此，Helbing为模拟行人的运动提出了所谓的“社会力模型(SocialForceModel)”[HELBING,Dirk；MOLNAR,Peter.Socialforcemodelforpedestriandynamics.PhysicalreviewE,1995年，第51卷，第5册，第4282页]。在该模型中，每个行人都处在一个力场中，由于该力场，通过力的相加得到作用于行人的总力。该模型在模拟人群时已经得到了证实，因此它已经在过去用于追踪人群。当前，“社会力模型”的实施例如用在借助于静态监测摄像机对行人的监测中，然而未用于驾驶员辅助系统中。在当前的文献中，对此的示例是：[K.Yamaguchi,A.C.Berg,L.E.Ortiz,T.L.Berg,“Whoareyouwithandwhereareyougoing？”，IEEE计算机视觉和模式识别(CVPR，2011)国际会议，2011年，第1345-1352页]或[S.Yi,H.Li,X.Wang,“Understandingpedestrianbehaviorsfromstationarycrowdgroups”，IEEE计算机视觉和模式识别国际会议论文集，2015年，第3488-3496页]。本专利技术的基础是，可将在预测人群运动方面的知识用于单个人的运动，并且因此可特别有利地在运行驾驶员辅助系统时加以利用。因此，通过本专利技术提供了一种用于运行机动车的驾驶员辅助系统的方法，借助于该方法预测在机动车的环境中的至少一个活的对象、尤其是行人的运动。在方法的步骤a)中，存储运动模型，其中，每个相应的运动模型描述了活的对象的运动的与另外的对象相关的至少一个变化。活的对象和至少一个另外的对象属于各一个对象类别。运动模型是针对对象类别的组合来存储的。在方法的步骤b)中，接收涉及机动车环境的测量数据。在方法的步骤c)中，借助接收的测量数据识别在机动车的环境中的至少一个活的对象和至少一个另外的对象，以及确定对象彼此间的相对位置。在方法的步骤d)中，鉴别所识别的对象的对象类别。在方法的步骤e)中，针对至少一个探测到的活的对象，在第一子步骤e)i中建立活的对象的运动方程。在此，运动方程至少依赖于活的对象相对于至少一个另外的对象的相应的相对位置以及至少一个针对在步骤d)中鉴别出的、活的对象和至少一个另外的对象的对象类别的组合所存储的运动模型。在第二子步骤e)ii中，借助在第一子步骤e)i中建立的运动方程来预测活的对象的运动。在方法的步骤f)中，在考虑在步骤e)中预测出的、至少一个活的对象的运动的情况下运行驾驶员辅助系统，这就是说，对运动的预测影响驾驶员辅助系统的行为。例如，在借助于根据本专利技术的方法预测到运动的行人将与行驶的机动车相撞的情况下，可例如在至少半自动行驶时进行辅助制动和/或路线修正。至少一个活的对象尤其可理解成行人，在此，例如可在儿童、成年人和老年人之间进行区分。例如还可考虑到具有限制了该人员的行动能力的身体缺陷的人员。此外，可考虑到例如儿童是否在轮滑上，和/或成年人是否在骑自行车等等。在此，任意的组合都是可能的。此外，活的对象可为动物，例如狗。至少一个另外的对象可为到目前为止提到的对象中的一个，即，一个活的对象和/或一组活的对象，或者别的对象，例如机动车、球、机器人、自动取款机和/或入口门。尤其是，另外的对象是动态的对象、即本身可运动的对象。然而，另外的对象可为半静态或静态对象。提到的对象中的每个单个对象可分配给或分类成各一个对象类别。对象类别的示例是：“成年行人”、“狗”或“机动车”。在步骤a)中存储的运动模型至少含有活的对象如何对另外的对象中的一个进行反应的信息，即，相应的另外的对象将或能将哪些影响施加给活的对象的运动。在“社会力模型”的场景中谈及了另外的对象将哪些力施加给活的对象。换句话说，运动模型表征了对象(例如狗)对活的对象(例如行人)的影响。为此，针对各组合、例如针对组合“行人-狗”存储相应的运动模型。简言之，在步骤a)中，针对至少一个活的对象的对象类别和至少一个另外的对象的对象类别的组合来存储运动模型，其中，运动模型分别描述了与相应的运动模型的对象类别相关联的活的对象的基于与相应的运动模型的对象类别相关联的另外的对象的运动变化。此外，可在相应的运动模型中存储这样的信息，其例如预给定在活的对象的运动中的确定的极限值，例如活的对象的最大速度和/或最大可能的制动减速和/或对活的对象的自由的或无作用力的运动进行描述的参数。在此，“自由的”或“无作用力的”可理解成，活的对象的运动不受别的对象的影响，即，没有力被别的对象作用于活的对象。这些表征活的对象的运动的附加信息可概括称为活的对象的动态性。该动态性受到至少一个另外的对象的影响。对活的对象(例如行人)的影响基于活的对象对相应的别的对象的了解，并且因此对于行人来说用作相应的信息源，该信息源影响其动态性。通过存储的运动模型可对相应的信息源单个地、即没有彼此的影响地建本文档来自技高网...

【技术保护点】
1.一种用于运行机动车(10)的驾驶员辅助系统(12)的方法，在该方法中，预测在机动车(10)的环境(17)中的至少一个活的对象(16)的运动，该方法包括以下步骤：/na)存储运动模型，其中，相应的运动模型说明了所述活的对象(16)的运动的与至少一个另外的对象(18、20、22)相关的变化，其中，所述活的对象(16)和所述至少一个另外的对象(18、20、22)分别属于各自的对象类别，并且针对对象类别的组合存储运动模型；/nb)接收与机动车(10)的环境(17)有关的测量数据；/nc)借助接收到的测量数据识别在机动车(10)的环境(17)中的至少一个活的对象(16)和至少一个另外的对象(18、20、22)以及确定各对象(16、18、20、22)彼此间的相对位置；/nd)鉴别所识别的对象(16至22)的对象类别；/ne)对于至少一个探测到的活的对象(16)：/ni.至少根据所述活的对象(16)相对于至少一个另外的对象(18、20、22)的相应的相对位置以及针对在步骤d)中鉴别出的对象类别的组合所存储的至少一个运动模型来建立所述活的对象(16)的运动方程；/nii.借助在步骤e)i中建立的运动方程预测所述活的对象(16)的运动；以及/nf)在将至少一个活的对象的在步骤e)中预测出的运动考虑在内的情况下运行驾驶员辅助系统(12)。/n...

【技术特征摘要】
【国外来华专利技术】20170926 DE 102017217056.51.一种用于运行机动车(10)的驾驶员辅助系统(12)的方法，在该方法中，预测在机动车(10)的环境(17)中的至少一个活的对象(16)的运动，该方法包括以下步骤：
a)存储运动模型，其中，相应的运动模型说明了所述活的对象(16)的运动的与至少一个另外的对象(18、20、22)相关的变化，其中，所述活的对象(16)和所述至少一个另外的对象(18、20、22)分别属于各自的对象类别，并且针对对象类别的组合存储运动模型；
b)接收与机动车(10)的环境(17)有关的测量数据；
c)借助接收到的测量数据识别在机动车(10)的环境(17)中的至少一个活的对象(16)和至少一个另外的对象(18、20、22)以及确定各对象(16、18、20、22)彼此间的相对位置；
d)鉴别所识别的对象(16至22)的对象类别；
e)对于至少一个探测到的活的对象(16)：
i.至少根据所述活的对象(16)相对于至少一个另外的对象(18、20、22)的相应的相对位置以及针对在步骤d)中鉴别出的对象类别的组合所存储的至少一个运动模型来建立所述活的对象(16)的运动方程；
ii.借助在步骤e)i中建立的运动方程预测所述活的对象(16)的运动；以及
f)在将至少一个活的对象的在步骤e)中预测出的运动考虑在内的情况下运行驾驶员辅助系统(12)。


2.根据权利要求1所述的方法，其特征在于，在步骤e)中附加地根据相应的对象取向确定运动方程，其中，为此在步骤c)中一起确定对象取向。


3.根据权利要求1或2所述的方法，其特征在于，在步骤e)中附加地根据所述活的对象(16)和/或至少一个另外的对象(18、20、22)的相应的运动方向和/或速度和/或加速度来建立运动方程，其中，对所识别的对象(16至22)的从在第一时刻的测量数据中确定的位置与从在至少一个另外的时刻的测量数据中确定的位置进行比较，由此确定各个对象(16至22)的相应的运动方向和/或相应的速度和/或相应的加速度。


4.根据上述权利要求中任一项所述的方法，其特征在于，借助于相应的势场描述相应的运动模型。


5.根据权利要求3所述的方法，其特征在于，由相应的势场形成相应的梯度，并且至少根据相应的梯度来建立运动方程。


6.根据上述权利要求中任一项所述的方法，其特征在于，所述方法在步骤e)中还包括另外的子步骤，在该另外的子步骤中，对运动方程与机动车(10)的环境(17)的地图进行比较，并且如果根据在步骤e)i中确定的运动方程识别出：在步骤e)ii中预测出的运动基于地图信息是不能实施的，则借助地图的信...

【专利技术属性】
技术研发人员：C·费斯特，J·蒂勒克，F·帕蒂克，L·帕蒂诺斯图登茨基，
申请(专利权)人：奥迪股份公司，
类型：发明
国别省市：德国;DE