【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及用于对挂车定方位的方法、用于执行该方法的处理单元和具有处理单元的车辆。
技术介绍
1、在牵引车周围环境中对挂车进行精确的定方位是至关重要的，以便例如能够在接近或联接过程中规划精确的轨迹，或者以便估计已联接的挂车与牵引车之间的偏转角以例如用于稳定功能。为了对挂车定方位，在此有必要获知挂车定位和/或挂车定向，即，相应的挂车在三维空间中的挂车姿态，这通常是通过相应的传感器和/或借助图像处理来执行的。因此例如规定：借助激光雷达传感器或3d立体相机在空间上对挂车定方位，和/或借助挂车上的附加的平面标记结构(qr码或aruco标记)来估计挂车定位和/或挂车定向。此外还已知如何借助单目相机通过使安装有相机的车辆向前和向后运动而基于摄影测量方法(即所谓的运动恢复结构(structure from motion)(sfm))来确定场景的3d结构。
2、例如在de 10 2016 011 324 a1、de 10 2018 114 730 a1、wo 2018/210990a1或de 10 2017 119 968 a1中描述了借助图像处理导出相应对象或挂车相对于相机或牵引车的挂车定位和挂车定向。根据该挂车定位和挂车定向，可以获知偏转角或距离。利用单目相机也可通过下述方式来获知挂车姿态：在所拍摄的单幅图像中对至少三个标记(优选平面地布设在挂车上)定方位，并在知晓挂车上的标记定位的情况下获知可导出挂车姿态的变换矩阵。
3、us2014 200759a中也介绍了通过相机来识别偏转角的方法，其中，从牵引车上随时间观察
4、us2018 039 266a中补充性地描述了对二维条形码或qr码的信息的使用。de 102016 209 418 a1中也可以利用相机读取qr码，以便辨识出挂车并向倒车辅助系统传达挂车参数。替代地或补充地，位于挂车上的rfid读取设备可对例如以标签形式安置在牵引车上的rfid应答器进行读取。这样就可以计算出qr码或rfid应答器的定位。在此并没有获知定向。wo18060192a1中也给出了借助基于无线电的应答器的解决方案。de 10 2006 040879 b4中也使用了挂车上的rfid元件，以用于在驶近时进行三角测量。
5、wo 2008064892 a1中提供了具有可由相机识别的至少三个辅助点或测量点的观测元件。根据几何上的考量来获知辅助点重心的坐标或矢量，并据此来获知测量点相对于相机或图像传感器的坐标。由此可以获知偏转角。
6、所描述的解决方案的缺点是：这些方法或系统要么执行起来非常复杂，要么需使用成本高昂的传感器和额外要安置的标记或类似物，要么无法在不同环境条件下可靠地检测标记。例如，在黑暗中和/或在极端或平直的闪光角度下，无法可靠地检测到平面标记，这意味着无法可靠地确定挂车姿态或挂车相对于牵引车的偏转角。此外，没有这种标记的挂车无法被定方位。
技术实现思路
1、本专利技术的任务是给出一种方法，利用这种方法可以以少的结构上的耗费和较低的成本耗费对环境中几乎任何挂车进行定方位。任务还在于给出处理单元和车辆。
2、该任务通过根据独立权利要求所述的方法、处理单元和车辆来解决。从属权利要求给出优选的扩展方案。
3、因此，根据本专利技术，提供了在牵引车环境中、尤其在后部空间对挂车定方位的方法，该方法至少具有以下步骤：
4、-读取至少一个单幅图像，在单幅图像中牵引车周围的环境是二维成像的，即读取在二维坐标系中的场景表示；
5、-在使用图像处理算法的情况下从至少一个读取的单幅图像中获知特征表示，其中，在特征表示中表现出待定方位的挂车的限定的特征，即，从二维场景表示生成其中仅表现出场景的特定特征(空间上的特性、边缘、强度值等)的表示，其中，该表示可以是二维或三维的；-从挂车数据库中读取至少一个模型数据集，其中，在每个模型数据集中典范性地建模有限定的挂车模型；
6、-改变至少一个读取的模型数据集中的相应的挂车模型的模型定向和/或模型定位和/或模型姿态来使相应的挂车模型与获知的特征表示匹配或吻合，
7、其中，对于相应的挂车模型在考虑到公差的情况下与所获知的特征表示基本上匹配或吻合的情况：
8、-从调设的模型定向获知待定方位的挂车的挂车定向，和/或-从调设的模型定位获知待定方位的挂车的挂车定位，和/或-从调设的模型姿态获知待定方位的挂车的挂车姿态。
9、因此，相应读取的挂车模型通过相应的二维或三维运动(平移、旋转、必要时缩放)与之前从场景表示生成的特征表示基本上相一致，即两个表示在公差内或非常良好地相互叠合。一旦发生这种情况，相应地针对在相应的单幅图像中成像的挂车采用挂车模型当前的或调设的定位和定向。因此，有利地只需要一台能够拍摄二维图像的单目相机、相应的图像处理算法以及具有相应存储的挂车模型(从该挂车模型中可以根据几何上的考量直接导出匹配或吻合后的挂车定位和挂车定向或挂车姿态)的数据库。因此，无需在相应的挂车上的额外的标记或牵引车辆上的昂贵的传感器，从而无需进行耗费的改装即可灵活使用。
10、根据本专利技术，还提供了处理单元和具有这种处理单元的车辆。
11、根据一个实施方式规定：获知作为特征表示的点云表示，其中，点云表示包含由多个对象点组成的点云，其中，对象点至少也配属给环境中的挂车(并且在必要时配属给其它对象)。因此，在点云表示中，至少挂车优选通过其三维挂车形状或其三维特性来表现出限定的特征，这样就能清楚地辨识出挂车或与所读取的挂车模型进行比较。在点云中还可表现出挂车的一系列空间上的细节或特征。
12、此外优选规定：在使用sfm算法的情况下来获知点云表示的点云，其中，通过sfm算法借助对挂车上的多个对象点进行三角测量从至少两个读取的单幅图像来获知深度信息，并依赖于相应的深度信息从多个对象点中生成点云。通过这种方式，仅利用单目相机就能借助相应的图像处理(sfm，structure from motion(运动恢复结构))来获得挂车的三维特征表示。
13、于是在该实施方式中优选规定：读取作为模型数据集的3d模型数据集，其中，3d模型数据集中的相应的挂车模型通本文档来自技高网...
【技术保护点】
1.用于在牵引车(1a)的环境(U)中对挂车(1b)定方位的方法，所述方法至少具有以下步骤：
2.根据权利要求1所述的方法，其特征在于，获知作为特征表示(FD)的点云表示(FDPW)，其中，所述点云表示(FDPW)包含由所述环境(U)中的多个对象点(POn)组成的点云(PW)，其中，至少一些对象点(POn)被配属给所述环境(U)中的挂车(1b)。
3.根据权利要求2所述的方法，其特征在于，在所述点云表示(FDPW)中，至少所述待定方位的挂车(1b)的三维挂车形状(AF)表现为限定的特征(F)。
4.根据权利要求2或3所述的方法，其特征在于，在使用SfM算法(AS)的情况下获知所述点云表示(FDPW)的点云(PW)，其中，通过SfM算法(AS)借助对所述环境(U)中的多个对象点(POn)进行三角测量(T)从至少两个读取的单幅图像(EBk)获知深度信息(TIn)，并且依赖于相应获知的深度信息(TIn)由所述多个对象点(POn)生成点云(PW)。
5.根据权利要求2至4中任一项所述的方法，其特征在于，读取作为模型数据集(Dp)的3D模型数
6.根据权利要求2至5中任一项所述的方法，其特征在于，使相应的3D模型数据集(D3Dp)的模型点(PMq)与所述点云表示(FDPW)中的对象点(POn)重合，从而使相应的挂车模型(AMp)与获知的点云表示(FDPW)匹配。
7.根据前述权利要求中任一项所述的方法，其特征在于，获知作为特征表示(FD)的边缘表示(FDK)，其中，在所述边缘表示(FDK)中，至少挂车边缘(AE)表现为所述待定方位的挂车(1b)的限定的特征(F)。
8.根据权利要求7所述的方法，其特征在于，在使用边缘算法(AK)的情况下，从至少一个读取的单幅图像(EBk)获知所述边缘表示(FDK)的挂车边缘(AE)。
9.根据权利要求7或8所述的方法，其特征在于，读取作为模型数据集(Dp)的边缘模型数据集(DKp)，其中，通过对于建模的挂车模型(AMp)具有表征性的模型边缘(ME)来描述所述边缘模型数据集(DKp)中的相应的挂车模型(AMp)。
10.根据权利要求7至9中任一项所述的方法，其特征在于，获知的边缘表示(FDK)中的挂车边缘(AE)和/或读取的边缘模型数据集(DKp)中的模型边缘(ME)是二维或三维描述的。
11.根据前述权利要求中任一项所述的方法，其特征在于，在使用强度算法(AI)的情况下获知作为特征表示(FD)的强度表示(FDI)，其中，在所述强度表示(FDI)中，至少挂车强度值(AW)在空间分辨率上表现为所述待定方位的挂车(1b)的限定的特征(F)。
12.根据权利要求11所述的方法，其特征在于，读取作为模型数据集(Dp)的强度模型数据集(DIp)，其中，所述强度模型数据集(DIp)中的相应的挂车模型(AMp)通过对于建模的挂车模型(AMp)具有表征性的模型强度值(MW)在空间分辨率上优选二维地描述。
13.根据前述权利要求中任一项所述的方法，其特征在于，建模的挂车模型(AMp)在相应的模型数据集(Dp)中缩放地表现。
14.根据前述权利要求中任一项所述的方法，其特征在于，通过对相应读取的模型数据集(Dp)应用几何变换(TG)来改变相应的挂车模型(AMp)的模型定向(MO)和/或模型定位(MP)和/或模型姿态(MPO)。
15.根据权利要求14所述的方法，其特征在于，从如下的几何变换(TG)来获知所述待定方位的挂车(1b)的挂车定向(AO)和/或所述待定方位的挂车(1b)的挂车定位(AP)和/或所述待定方位的挂车(1b)的挂车姿态(APO)，在应用所述几何变换(TG)的情况下，相应的挂车模型(AMp)与获知的特征表示(FD)匹配。
16.根据前述权利要求中任一项所述的方法，其特征在于，相应的挂车模型(AMp)与获知的特征表示(FD)的匹配以多个迭代步骤(STI)来实现，其中，相应的挂车模型(AMp)的模型定向(MO)和/或模型定位(MP)和/或模型姿态(MPO)在相应的迭代步骤(STI)中迭代地被改变。
17.根据权利要求16所述的方法，其特征在于，在退出标准(EK)成立时，中止相应的挂车模型(AMp)与获知的特征表示(FD)的迭代匹配，
18.根据前述权利要求中任一项所述的方法，其特征在于，通过相应读取的模型数据集(Dp)的挂车模型(AMp)典范性地对底盘(21)和/或车身(22)和/或耦联器(23)...
【技术特征摘要】
【国外来华专利技术】
1.用于在牵引车(1a)的环境(u)中对挂车(1b)定方位的方法，所述方法至少具有以下步骤：
2.根据权利要求1所述的方法，其特征在于，获知作为特征表示(fd)的点云表示(fdpw)，其中，所述点云表示(fdpw)包含由所述环境(u)中的多个对象点(pon)组成的点云(pw)，其中，至少一些对象点(pon)被配属给所述环境(u)中的挂车(1b)。
3.根据权利要求2所述的方法，其特征在于，在所述点云表示(fdpw)中，至少所述待定方位的挂车(1b)的三维挂车形状(af)表现为限定的特征(f)。
4.根据权利要求2或3所述的方法，其特征在于，在使用sfm算法(as)的情况下获知所述点云表示(fdpw)的点云(pw)，其中，通过sfm算法(as)借助对所述环境(u)中的多个对象点(pon)进行三角测量(t)从至少两个读取的单幅图像(ebk)获知深度信息(tin)，并且依赖于相应获知的深度信息(tin)由所述多个对象点(pon)生成点云(pw)。
5.根据权利要求2至4中任一项所述的方法，其特征在于，读取作为模型数据集(dp)的3d模型数据集(d3dp)，其中，所述3d模型数据集(d3dp)中的相应的挂车模型(amp)通过模型点(pmq)三维描述。
6.根据权利要求2至5中任一项所述的方法，其特征在于，使相应的3d模型数据集(d3dp)的模型点(pmq)与所述点云表示(fdpw)中的对象点(pon)重合，从而使相应的挂车模型(amp)与获知的点云表示(fdpw)匹配。
7.根据前述权利要求中任一项所述的方法，其特征在于，获知作为特征表示(fd)的边缘表示(fdk)，其中，在所述边缘表示(fdk)中，至少挂车边缘(ae)表现为所述待定方位的挂车(1b)的限定的特征(f)。
8.根据权利要求7所述的方法，其特征在于，在使用边缘算法(ak)的情况下，从至少一个读取的单幅图像(ebk)获知所述边缘表示(fdk)的挂车边缘(ae)。
9.根据权利要求7或8所述的方法，其特征在于，读取作为模型数据集(dp)的边缘模型数据集(dkp)，其中，通过对于建模的挂车模型(amp)具有表征性的模型边缘(me)来描述所述边缘模型数据集(dkp)中的相应的挂车模型(amp)。
10.根据权利要求7至9中任一项所述的方法，其特征在于，获知的边缘表示(fdk)中的挂车边缘(ae)和/或读取的边缘模型数据集(dkp)中的模型边缘(me)是二维或三维描述的。
11.根据前述权利要求中任一项所述的方法，其特征在于，在使用强度算法(ai)的...
【专利技术属性】
技术研发人员：托比亚斯·克林格，拉尔夫卡斯滕·吕尔芬，
申请(专利权)人：采埃孚商用车系统全球有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。