用于控制机动车的方法以及控制器技术

本发明专利技术描述了用于控制机动车的方法，该机动车在道路上正在当前的车道内行驶。借助传感器获知环境数据。基于环境数据获知至少一个效用值泛函，其中，效用值泛函在预先限定的时刻给当前的车道和/或至少一个另外的车道的不同的空间区域分别配属针对至少一个另外的交通参与者的效用值。获知至少一个效用值泛函的二维表示。通过对二维表示运用图样识别，基于效用值泛函的二维表示获知至少一个另外的交通参与者的至少一个预测的轨迹。此外，本发明专利技术描述了控制器、机动车和计算机程序。机动车和计算机程序。机动车和计算机程序。

【技术实现步骤摘要】
【国外来华专利技术】用于控制机动车的方法以及控制器


[0001]本专利技术涉及用于控制机动车的方法。本专利技术还涉及针对用于控制机动车的系统的控制器、机动车以及计算机程序。

技术介绍

[0002]驾驶辅助系统的任务之一是部分自动化地控制机动车的纵向运动和横向运动，并且特别是针对完全自动化行驶的机动车的任务在于，分析机动车所正处于的具体情况，并且基于此实时地获知相应的有意义的针对机动车的驾驶操纵并进行实施。
[0003]驾驶操纵的计算的复杂性一般随各个驾驶操纵的持续时间而增加。如果要确定较长的时间段的、例如长于三秒的时间段的不同的可能的驾驶操纵或如果涉及到具有多次变道的复杂的驾驶操纵，则迄今已知的方法往往不再能够实时地获知这些驾驶操纵。
[0004]这特别是在另外的交通参与者正处在行车道上时尤其如此，这是因为在此情况中必须也要考虑到另外的交通参与者可能变道、制动、加速等。

技术实现思路

[0005]因此，本专利技术的任务是提供用于控制机动车的方法和控制器，以便预告另外的交通参与者的可能的驾驶操纵。
[0006]该任务根据本专利技术通过一种用于控制机动车的方法来解决，机动车在道路上正在当前的车道内行驶，其中，机动车具有至少一个传感器，传感器被构造成至少用于检测当前的车道的位于机动车前方的区域，并且其中，在当前的车道上和/或在至少一个另外的车道上存在至少一个另外的交通参与者。方法包括如下步骤：
[0007]‑
借助至少一个传感器检测环境数据，其中，环境数据包括关于当前的车道的特性的信息、关于至少一个另外的车道的特性的信息、和/或关于至少一个另外的交通参与者的信息；
[0008]‑
基于环境数据获知至少一个效用值泛函，其中，效用值泛函在预先限定的时刻给当前的车道和/或至少一个另外的车道的不同的空间区域分别配属针对至少一个另外的交通参与者的效用值；
[0009]‑
获知至少一个效用值泛函的二维表示；并
[0010]‑
通过对二维表示运用图样识别，基于效用值泛函的二维表示获知至少一个另外的交通参与者的至少一个预测的轨迹。
[0011]效用值表示前往相应的区域内的至少一个另外的交通参与者的代价
‑
效用衡量。
[0012]在此，高的效用值相应于高代价或低效用，而低的效用值相应于低代价或高效用。
[0013]如果必须破坏交通规则以到达相应的区域，则效用值例如升高。此外，如果低于与另外的交通参与者的预先限定的纵向距离和/或横向距离，需要高的加速等，则效用值升高。
[0014]如果道路的相应的区域能够实现快速到达目的地，可靠地避免碰撞，相应的驾驶
操纵仅需要低的加速等，则效用值例如降低。
[0015]二维表示是在机动车环境中在确定的时刻的交通情况的呈现。对应地，二维表示具有两个空间轴，尤其是其中，其中一个空间轴相应于机动车的驾驶方向，并且其中，其中另一空间轴相应于横向方向。
[0016]根据本专利技术的方法基于如下基本构思，即，至少一个另外的交通参与者的预测的轨迹不根据常规的算法直接从效用值泛函计算，而是替代地获知效用值泛函的二维表示，并且对二维表示运用图样识别。然后基于此图样识别获知预测的轨迹。
[0017]以此方式模拟出人类的自然的驾驶方式，此驾驶方式较少地基于所有相关参数的直接计算，而是更多地基于经验的代价
‑
效用评估。
[0018]预测的轨迹可以是轨迹群。换言之，针对至少一个另外的交通参与者可以获知不同的可能的轨迹及其各自的概率。
[0019]本专利技术的一个方面设置的是，在多个预先限定的时刻，尤其是在过去的多个预先限定的时刻，分别获知相应的效用值泛函的二维表示，并且其中，通过对二维表示运用图样识别，基于二维表示获知至少一个另外的交通参与者的至少一个预测的轨迹。
[0020]不同时刻的二维表示的集合表示了在观测时间段内的交通情况的时间变化过程。换言之，在观测时间段内获知多个效用值泛函及其各自的二维表示，二维表示分别表示了固定的时刻。来自观测时间段的数据被用于预告至少一个另外的交通参与者的未来的轨迹。
[0021]观测时间段可以例如在一秒至五秒之间，尤其是在两至三秒之间。
[0022]根据本专利技术的另一个方面，基于二维表示获知三维张量，其中，通过对张量运用图样识别，基于张量获知至少一个另外的交通参与者的预测的轨迹。换言之，来自观察时间段可用的数据被组合为单独的三维张量，从而使得来自观察时间段的所有数据都可以被用于图样识别。
[0023]优选地，二维表示沿时间维度相互堆叠，以便获知张量。三维张量因此具有两个相应于道路的空间维度的维度和一个时间维度。
[0024]在本专利技术的一个设计方案中，将不同的空间区域表示为栅格点。换言之，道路被划分为二维栅格，其中，栅格的各个栅格点分别表示道路的一个区域。
[0025]效用值泛函给每个栅格点分别配属针对至少一个另外的交通参与者的相应的效用值。
[0026]优选地，图样识别借助人工神经网络执行，尤其是借助卷积神经网络执行。人工神经网络、尤其是卷积神经网络特别好地适用于多维结构的图样识别。
[0027]本专利技术的另一个方面设置的是，人工神经网络具有二维和/或三维滤波器核，和/或人工神经网络具有二维和/或三维池化层。
[0028]尤其地，人工神经网络具有二维滤波器核和二维池化层。三维张量的全部时间带在此借助二维滤波器核被同时处理，其中，滤波器核沿时间方向的深度相应于输入信道的数量。输入信道的数量在此等于三维张量的时间带的数量，即等于观察时间段内的二维表示的数量。已发现的是，在本专利技术的设计方案中的人工神经网络可以更容易以及更快地被训练，并且需要存储的数据量更少。
[0029]例如，人工神经网络包括三维滤波器核和三维池化层。对应地，在此只有预定数量
的三维张量的时间带借助三维滤波器核被同时处理。对应地，此处滤波器核沿时间方向的深度也小于三维张量的时间带的数量。除沿空间维度移动外，滤波器核也沿时间维度移动，从而使得图样识别也沿时间维度发生。已发现的是，虽然在本专利技术的此设计方案中的人工神经网络更难训练，但至少一个另外的交通参与者的预测轨迹的准确性得到显著改善。
[0030]更优选地，人工神经网络在使用在机动车内之前以训练数据库被训练。一方面，这提供的优点是对于每个机动车可以使用相同的训练数据库，从而使得不必每个机动车只有在使用时才被训练。另一方面，这提供的优点是，使得人工神经网络的耗时的且计算要求强的训练可以集中在对应的配备有计算资源的计算机或计算机网络上执行。
[0031]根据本专利技术的一个设计方案，二维表示是二维图像，尤其是其中，各个图像点的颜色基于相应的效用值的值来获知。换言之，将当前的交通情况转化为一个或多个图像。对至少一个另外的交通参与者的预测的轨迹的预估则基于对一个或多个图像运用图样识别来进行。
[0032]例如，二维表示中的效用值的值以灰度级进行编码，尤本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.用于控制机动车(10)的方法，所述机动车(10)在道路(12)上正在当前的车道(14)内行驶，其中，所述机动车(10)具有至少一个传感器(28)，所述传感器被构造成至少用于检测所述当前的车道(14)的位于所述机动车(10)前方的区域，并且其中，在所述当前的车道(14)上和/或在至少一个另外的车道(16)上存在至少一个另外的交通参与者(18、20、21)，所述方法具有如下步骤：
‑
借助所述至少一个传感器(28)检测环境数据，其中，所述环境数据包括关于所述当前的车道(14)的特性的信息、关于所述至少一个另外的车道(16)的特性的信息、和/或关于所述至少一个另外的交通参与者(18、20、21)的信息；
‑
基于所述环境数据获知至少一个效用值泛函，其中，所述效用值泛函在预先限定的时刻给所述当前的车道(14)的和/或所述至少一个另外的车道(16)的不同的空间区域分别配属针对所述至少一个另外的交通参与者(18、20、21)的效用值；
‑
获知所述至少一个效用值泛函的二维表示；并
‑
通过对所述二维表示运用图样识别，基于所述效用值泛函的二维表示获知所述至少一个另外的交通参与者(18、20、21)的至少一个预测的轨迹。2.根据权利要求1所述的方法，其特征在于，在多个预先限定的时刻，尤其是在过去的多个预先限定的时刻，分别获知相应的效用值泛函的二维表示，并且其中，通过对所述二维表示运用图样识别，基于所述二维表示获知所述至少一个另外的交通参与者(18、20、21)的至少一个预测的轨迹。3.根据权利要求2所述的方法，其特征在于，基于所述二维表示获知三维张量，并且其中，通过对所述张量运用图样识别，基于所述张量获知所述至少一个另外的交通参与者(18、20、21)的至少一个预测的轨迹，其中尤其地，将所述二维表示沿时间维度相互堆叠，以便获知所述张量。4.根据前述权利要求中任一项所述的方法，其特征在于，将不同的空间区域表示为栅格点，和/或所述二维表示是二维图像，尤其是其中，各个图像点的颜色基于相应的效用值的值来获知。5.根据前述权利要求中任一项所述的方法，其特征在于，所述图样识别借助人工神经网络(42...

【专利技术属性】
技术研发人员：安妮，
申请(专利权)人：采埃孚股份公司，
类型：发明
国别省市：