增强车辆操作的制作方法

1.本发明涉及一种用于通过确定当前传感器范围来控制具有驾驶员辅助系统的车辆的方法以及设计用于执行该方法的车辆。


背景技术：

2.驾驶员辅助系统(高级驾驶员辅助系统，adas)和自动化系统需要一系列的传感器信号。为了控制车辆在纵向和横向方向上的运动，在l1应用(sae国际(国际自动机工程师学会)分类；l0：无自动化驾驶，l1：自动驾驶驾驶员的驾驶辅助，l2：部分自动化驾驶，l3：有条件的自动化驾驶，l4：高度自动化驾驶，l5：完全自动化驾驶)中检测道路车道以及车行道上的物体已经是特别重要的。为了控制相应车辆的速度，使用特定范围的传感器是必要的。比如天气条件和脏的传感器这样的外部影响对传感器的范围有不利的影响。在传统系统中，如果检测到传感器有故障，则系统关闭并且通知驾驶员。
3.关闭驾驶员辅助系统可能导致无效。例如，自适应巡航控制可能需要比紧急制动辅助更大的传感器范围，然而在系统关闭时自适应巡航控制和紧急制动辅助同时停用。对于现代驾驶员辅助系统来说，特别是对于l3以及更高的分类来说，在考虑到有限的传感器范围时控制用于自动化驾驶的系统将是可取的。


技术实现要素：

4.本公开涉及用于通过确定当前传感器范围并且基于该当前传感器范围来控制车辆来控制具有驾驶员辅助系统的车辆的方法。
5.用于在确定当前传感器范围时控制主车辆的方法，其中车辆具有传感器、驾驶员辅助系统和控制装置，方法包括：
[0006]-通过传感器检测在主车辆前方运动方向上的至少一个物体，
[0007]-基于检测到的至少一个物体来确定当前传感器范围，
[0008]-基于传感器来确定最大传感器范围，
[0009]-将当前传感器范围与最大传感器范围相比，
[0010]-一确定当前传感器范围比最大传感器范围小至少预定阈值，就基于当前传感器范围来更新主车辆的驾驶参数。
[0011]
根据本公开的方法是有利的，因为驾驶员辅助系统可以在了解当前传感器范围的情况下工作。当检测到有限的传感器功能时，系统不关闭，但是传感器继续使用并且当自动控制主车辆时考虑到测量结果。
[0012]
方法适合用于具有驾驶员辅助系统的车辆，特别是l3级以上的车辆。驾驶参数是表征车辆的运动(特别是车辆速度，以及进一步地例如制动行为和加速行为，但不限于这个列表)的特性。根据自动化程度，例如可以向相应车辆的驾驶员建议最高速度或可以自动地设置最高速度。例如，这意味着当确定有限的传感器范围时降低当前最高速度。此外，时间可以根据当前传感器范围进行调整，在该时间内必须作出关于直行行驶的特定决定。
[0013]
相应地，控制策略根据横向驾驶行为进行调整：在短传感器范围的情况下通过快速决策和相应的突然控制运动表征控制策略，在长传感器范围的情况下有更多的时间用于平衡决策和温和的控制运动。如果检测到少数物体，则方法还使调整控制策略成为可能，例如当直行行驶时可以更严格地控制车道控制。
[0014]
要检测的物体可以位于车行道的外部以及在主车辆正在其上运动的车行道的区域中。车行道特别是理解为由沥青、混凝土或类似物制成的铺好的道路。方法还适用于未铺好的道路和地形。例如，检测车行道外部比如植物(特别是树)这样的环境特征或例如建筑物这样的人工建筑物。例如，检测在车行道区域中的道路标记、栏杆、交通标志和其他车辆(特别是移动车辆)。
[0015]
最大传感器范围是以经验确定的距主车辆的最长距离，可以检测到在该最长距离内的物体，该最大传感器范围是在主车辆的运行过程中确定的。由此假设在运行开始之后的一段特定时间内，检测到用于稳定信息的足够数量的物体。可替代地，或与指定持续时间结合，可以设置最小数量的检测到的物体。如果在方法的连续重复过程中反复地检查最大传感器范围并且如果必要的话重新定义最大传感器范围，则是特别有利的。例如，可以通过与具有相同或相似尺寸的物体的已知距离相比来确定物体的距离。
[0016]
物体优选地选自包含在车行道的区域中的目标车辆、道路标志、道路边界、道路标记和植物的组。
[0017]
优选地，传感器选自包含摄像机、雷达装置和激光雷达装置的组。当然，选择不限于这些装置，还可以使用其他合适的传感器。在使用的传感器之间切换是可能的。同时还可以使用多个传感器。
[0018]
优选地，在根据本公开的方法的情况下，使用基于其他车辆的对象表示来确定传感器范围。有利地，可以特别准确地确定最大传感器范围以及当前传感器范围。以与主车辆的速度不同的速度移动的目标车辆优选地选作为物体，其中较快的车辆被追踪到它们不能再被检测到的距离和时间点，而较慢的车辆从首次检测到它们的距离和时间点开始被追踪。
[0019]
在这个过程中，优选地从分析中移除以与主车辆相同速度移动的目标车辆。由于被其他目标车辆遮挡、车道变换和/或转弯而已经超出传感器范围的目标车辆或在被其他目标车辆遮挡、车道变换和/或转弯之后已进入到传感器范围内的目标车辆，也优选地从分析中移除。因此淘汰这些目标车辆。如果仍然在分析中的目标车辆接着不再被检测到，则它们很有可能已经超出传感器范围，或如果它们刚刚被检测到，则它们很有可能已经正好进入到传感器范围内即在当前传感器范围的点内或在可能最大传感器范围的点内。
[0020]
优选地，在根据本发明的方法的情况下，通过借助于图像处理检查对应于特定距离的物体来确定当前传感器范围。为了这个目的，例如，使用图像处理算法(例如canny算法、霍夫变换)，该图像处理算法检测最远的物体(例如道路标记、道路边缘、护栏)并且将距离与其相关。
[0021]
在根据本公开的方法的情况下，优选地通过图像处理评估在图像的至少一个选定区域中的像素，其中特定颜色的像素对应于导致有限传感器范围的特定场景。为了检查当前传感器范围，系统可以在图像区域中用不同颜色的像素检测图像中的最高点并且可以将特定距离与其相关，例如，在该图像区域中像素朝向图像的上部区域完全转变成白色。这个
距离然后将对应于当前传感器范围。例如，这是用雾、雨或雪限制传感器范围的情况，在这种情况下在上部图像区域只有白色像素并且没有对应于比如蓝天、树木或交通标志的特征的颜色像素。与(例如降水传感器的)其他信号结合，环境或天气条件可以被指定并且向驾驶员发信号。然后将在主车辆中发出有限传感器范围的信号。例如，可以通过黄色像素充分地检测到沙尘暴限制传感器范围或可以通过模糊像素充分地检测到强烈的太阳辐射。
[0022]
对象表示和图像处理两者都可以彼此独立地使用。例如，如果由于天气条件而无法执行对象表示则这可能是必要的，并且系统接着访问图像处理。然而，在本公开的意义范围内明确地表示的是对象表示和图像处理两者并行地使用，并且它们的结果相互比较。结果，得到比只使用一种方法时的结果更可靠的结果。
[0023]
优选地，一达到有限传感器范围的阈值，就调整主车辆的速度。可以指定多个阈值，每个阈值都对应于一定程度的限制。可以根据达到的阈值逐步地调整速度或可以根据确定的有限传感器范围连续地调整速度。
[0024]
优选地，一达到传感器的有限传感器范围的特定阈值就使用另外的传感器。例如，如果摄像机的范围严重地受到雾的限制，则可以执行切换到基于雷达的传感器。
[0025]
一种车辆包含至少一个传感器、至少一个驾驶员辅助系统以及控制装置，其中驾驶员辅助系统和控制装置配置用于控制根据本公开的方法。车辆的优势对应于根据本公开的方法的优势。
附图说明
[0026]
根据附图更详细地解释本公开。在附图中：
[0027]
图1显示车辆的示例的示意图；
[0028]
图2显示方法的示例的流程图；
[0029]
图3显示用于通过对象表示检测传感器范围的车行道上的情况的图示；
[0030]
图4显示通过对象表示的方法的示例的流程图；
[0031]
图5显示通过对象表示的方法的示例的流程图；
[0032]
图6显示用于通过图像处理检测传感器范围的车行道上的情况的图示；
[0033]
图7显示使用图像处理的方法的示例的流程图。
具体实施方式
[0034]
在根据图1的图示的实施例中，主车辆1具有作为传感器2的摄像机21和雷达装置22，摄像机21和雷达装置22旨在用于检测其他车辆，特别是与其他车辆的距离。主车辆1具有更多传感器，例如降水传感器23和明暗传感器24，旨在用于检查影响能见度的天气或日光条件。主车辆1包含控制装置3和驾驶员辅助系统4。驾驶员辅助系统4在控制装置3中实施。主车辆1具有l3级的自动化，即驾驶员辅助系统识别环境并且可以作出关于主车辆1的速度的决定，但是驾驶员的注意力是必要的以便在情况需要时驾驶员进行干预。
[0035]
在根据图2中显示的流程图的根据本公开的方法的一示例中，在第一步骤s1中检测在主车辆1前方运动方向上的物体。在方法中主车辆1的摄像机21主要用作为传感器2。物体可以是另一(例如目标)车辆12(图3)或在车行道5的区域中的特征，例如道路标记6(图6)。
[0036]
在第二步骤s2中，确定摄像机21的当前传感器范围r
eff
(eff代表有效的)。检测不同的物体直到它们不能再被检测到或正好再次进入到图像中。通过与已知的变量(例如对应于正在被追踪的目标车辆12的特定相对高度即例如当该目标车辆12在摄像机图像中出现时的特定距离)的比较来确定距离。如果目标车辆12在没有被遮住、离开车行道5或围绕车行道5的弯道行驶的情况下超出图像，则在目标车辆12消失的距离处达到当前范围r
eff
。类似地，例如离刚刚进入到摄像机21的图像中的道路标记6的距离可以对应于当前范围r
eff
。
[0037]
在第三步骤s3中，确定使用的传感器2(摄像机21)的最大范围r
max
。方法对应于步骤s2的方法，其中开始生效的是方法不是执行一次而是不断地重复。方法从步骤s3运行返回到步骤s1。最大范围r
max
是以经验确定的距主车辆1的最长距离，该最大范围r
max
是在主车辆1的运行过程中确定的。
[0038]
在步骤s4中，如果当前传感器范围r
eff
与根据步骤s2确定的当前传感器范围r
eff
相似或相等，则将当前传感器范围r
eff
与最大传感器范围r
max
相比，当前范围r
eff
被评估为在最大范围r
max
的区域中。如果最大传感器范围r
max
较短，则传感器2的范围是受限的。传感器范围可以以长度单位指定或指定为最大范围r
max
的百分比。为了对有限的传感器范围进行分类，例如以10％水平指定阈值。
[0039]
在第五步骤s5中，根据当前传感器范围r
eff
调整主车辆1的控制。驾驶员被通知并且如果必要的话可以再次提高速度或如果驾驶员认为必要的话就甚至更进一步地降低速度。当达到由阈值定义的特定传感器范围时，设置特定的速度限制。通过示例，在90％和100％之间的传感器范围被分类为近似最大范围r
max
。从90％开始并且接着以10％的步长下降，则速度相应地降低。例如，在当前传感器范围r
eff
是最大范围r
max
的90％时，速度降低到允许速度的90％，在当前传感器范围r
eff
是最大范围r
max
的80％时，速度降低到允许速度的80％等。如果当前传感器范围r
eff
对应于最大传感器范围r
max
，则速度没有变化。如果当前传感器范围r
eff
暂时被(例如雾)限制并且速度相应地降低，则在接近最大传感器范围r
max
时再次提高速度。
[0040]
当摄像机21的当前传感器范围r
eff
降到低于最大传感器范围r
max
的20％时，用于根据有限的传感器范围调整主车辆1的控制的另一措施，从使用摄像机21变成使用雷达装置22。结果，确保主车辆1的自动驾驶模式的进一步运行。如果摄像机的当前传感器范围r
eff
提到高于最大传感器范围r
max
的20％，则调整主车辆1的控制切换回使用摄像机21。在这里所有的百分比都是示例性的并且可以由本领域技术人员调整。
[0041]
在图3中，显示车行道5上的情况，在该情况下摄像机21的能见度范围和当前传感器范围r
eff
是受到天气条件(通过图像的上半部分中的深色背景图案说明的雾)的限制。通过降水传感器23检测由雾导致的主车辆1的挡风玻璃上的弱降水。通过明暗传感器24检测有限的日光。由于车行道5上存在多个车辆，情况适用于通过对象表示来检查传感器范围。要说明的是在30m距离处的目标车辆12、同样在10m距离处的第二目标车辆13以及在100m距离处的第四目标车辆15是通过摄像机21检测到的，但没有检测到第三目标车辆14，虽然在没有雾或强降水的条件下第三目标车辆14将在最大传感器范围r
max
的区域中。
[0042]
为了检查在图3的情况下的主车辆1的(即摄像机21的)当前传感器范围r
eff
，根据图4的对象表示算法是合适的。
[0043]
在步骤s1中，检测到新的物体(目标车辆12)。检查目标车辆12相对于主车辆1的速度。如果目标车辆12和主车辆1具有相同的速度(vn＝vo)，则不继续分析并且从分析中移除目标车辆12。在这里vn代表新检测到的车辆的速度(n代表新的)并且vo代表主车辆1的速度(o代表特有的)。
[0044]
目标车辆12更快(vn》vo)并且在步骤s11a中被追踪直到不再检测到目标车辆12。在目标车辆12不能再被检测到之后，分析损失的原因。如果目标车辆12围绕弯道行驶或转弯，则从分析中移除目标车辆12。如果目标车辆12被另一(第三)目标车辆13遮挡，则从分析中移除目标车辆12。如果后面的原因都不适用，则可能超出摄像机21的范围。因此，方法通过测量离消失点的距离作为摄像机21的当前传感器范围r
eff
而运行到步骤s2。在步骤s3中连续地存储在主车辆1的运行过程中测量的最长范围。在步骤s4中，将当前传感器范围r
eff
与最大传感器范围r
max
相比。如果当前传感器范围r
eff
与最大传感器范围r
max
相同或达到最大传感器范围r
max
的90％，则当前传感器范围r
eff
被分类为最优的。如果当前传感器范围r
eff
小于最大传感器范围r
max
的90％，则当前传感器范围r
eff
被分类为有限的。
[0045]
第三目标车辆14比主车辆1慢(vn《vo)并且当在步骤s11b中通过摄像机21检测到第三目标车辆14时被摄像机21捕获到。分析检测到第三目标车辆14的原因。如果第三目标车辆14已经围绕弯道行驶或转弯，则从分析中移除第三目标车辆14。如果第三目标车辆14被另一车辆(第四目标车辆15)遮挡，则从分析中移除第三目标车辆14。如果后面的原因都不适用，则可能刚刚进入到摄像机21的范围内(在这里：在雾之外)。因此，方法运行到步骤s2，在步骤s2中离出现点的距离测量为摄像机21的当前传感器范围r
eff
。在步骤s3中连续地存储在主车辆1的运行过程中测量的最长范围，该最长范围对应于最大传感器范围r
max
。在步骤s4中，将当前传感器范围r
eff
与最大传感器范围r
max
相比。如果当前传感器范围r
eff
与最大传感器范围r
max
相同或达到最大传感器范围r
max
的90％，则当前传感器范围r
eff
被分类为最优的。如果当前传感器范围r
eff
小于最大传感器范围r
max
的90％，则当前传感器范围r
eff
被分类为有限的。由此在这里可以假设雾将当前传感器范围r
eff
限制到最大传感器范围r
max
的40％。因此，在根据图2的步骤s5中，速度降低到在区域中允许的速度的40％。
[0046]
在图5中，更详细地呈现对象表示算法。在vn》vo的情况下，在步骤s11a之后，确定最后测量的到通过检测捕获到的物体(目标车辆12)的角距离并且确定该物体的运动方向。为了距离评估，在步骤s12a中确定最后已知的角距离并且在步骤s13a中确定该角距离是否接近摄像机21的视场的边缘或目标车辆12是否已离开车道。如果是(y代表是)，则评估物体已经转弯或围绕弯道行驶并且从分析中移除物体。如果否(n代表否)，则在步骤16a中执行关于目标车辆12是否被另一目标车辆13遮挡的检查。如果是，则从分析中移除目标车辆12。如果否，则评估目标车辆12已经超出摄像机21的范围，并且方法运行到步骤s2并且如图4所描述的连续地继续。
[0047]
关于运动的方向，在步骤s14a中确定最后已知的运动方向，并且在步骤s15a中执行关于运动方向是否暗示目标车辆12已经脱离车道的检查。如果是，则评估目标车辆12已经转弯或围绕弯道行驶并且从分析中移除目标车辆12。如果否(n代表否)，则在步骤16a中执行关于目标车辆12是否被另一目标车辆15遮挡的检查。如果是，则从分析中移除目标车辆12。如果否，则评估目标车辆12已经超出摄像机21的范围，并且方法运行到步骤s2并且如图4所描述的连续地继续。
[0048]
在vn《vo的情况下，在步骤s11b之后，确定到进入检测的物体(第三车辆14)的第一测量的角距离并且确定物体的运动方向。为了距离估计，在步骤s12b中确定已知的第一角距离，并且在步骤s13b中确定该角距离是否接近摄像机21的视场的边缘或物体是否已经驶入到车道中。如果是(y代表是)，则评估物体已经转弯或围绕弯道行驶，并且从分析中移除物体。如果否(n代表否)，则在步骤16b中执行关于第三目标车辆14是否被另一目标车辆15遮挡的检查。如果是，则从分析中移除第三车辆14。如果否，则评估第三目标车辆14已经进入到摄像机21的范围中，并且方法运行到步骤s2并且如图4所描述的连续地继续。
[0049]
关于运动的方向，在步骤s14b中确定已知的第一运动方向，并且在步骤s15b中确定运动的方向是否暗示第三目标车辆14已经移动到车道中。如果是，则评估第三目标车辆14已经转弯或围绕弯道行驶并且从分析中移除第三目标车辆14。如果否(n代表否)，则在步骤16b中执行关于第三目标车辆14是否被另一目标车辆15遮挡的检查。如果是，则从分析中移除第三目标车辆14。如果否，则评估第三目标车辆14已经超出摄像机21的范围，并且方法运行到步骤s2并且如图4所描述的连续地继续。
[0050]
在图6中，显示在车行道5上的另一情况，在该情况下视野受到天气条件(通过在图像的上半部分中的深色背景图案说明的雾)的限制。由于在车行道5上看不到车辆并且只能朦胧地可识别在车行道5的侧边的物体，这种情况适用于通过图像处理来检查摄像机21的传感器范围。
[0051]
在这里检测到雾，因为在图像的上半部分中只有白色像素并且没有对应于表示树木或天空的其他颜色的像素。在方法的第一分支中，图像处理程序定向于在车行道5上的物体或靠近车行道5的物体，比如道路标记6、道路边缘、路标和护栏。例如，图像处理程序使用比如canny算法和/或霍夫变换的算法以检测物体并且将距离与检测到的物体相关。距最远物体的距离对应于当前传感器范围r
eff
。
[0052]
在方法的第二分支中，可替代地或除此之外，系统/程序还可以以像素层对传感器范围执行分类。在图像朝向上部区域变成白色之前，选择图像中的最高的非白色像素即在图6中街道的最高非白色像素。对应于当前传感器范围r
eff
的距离，并且该距离在图6中用绘制的箭头指示，然后还与通过最高的非白色像素标记的这个区域相关。
[0053]
为了检查在图6的情况下的主车辆1的(即摄像机21的)当前传感器范围r
eff
，根据图7的图像处理算法是合适的。在这里，在步骤s1中在已经检测到雾或雨(例如通过降水传感器23和/或通过在图像的上半部分中的白色像素)的条件下选择图像域中的区域，该区域适用于确定当前传感器范围r
eff
(也被称为roi，感兴趣区域)。在面向对象的方法中，在步骤s17a中检测中央带的标记6以便在步骤s18a中将距离与最远的道路标记6(参照绘制的箭头)相关。步骤s18a对应于总方法的第二步骤s2。在步骤s3中，在多次重复方法的过程中连续地存储最大值以便检测最大传感器范围r
max
。在步骤s4中，将当前传感器范围r
eff
与最大传感器范围r
max
相比。在有雾的条件下，摄像机21的当前传感器范围r
eff
显著地降低到最大传感器范围r
max
的30％。根据依照图2的方法的步骤s5，速度因此降低到初始速度的30％。
[0054]
在面向像素的方法中，在步骤s17b中检测车行道5的像素即与表征雾的白色像素不同的非白色像素。在步骤s18a中，将距离与最远的道路标记6相关。步骤s18b对应于总方法的第二步骤s2。在步骤s3中，在多次重复方法的过程中连续地存储最大值以便检测最大传感器范围r
max
。在步骤s4中，将当前传感器范围r
eff
与最大传感器范围r
max
相比。在有雾的
条件下，摄像机21的当前传感器范围r
eff
显著地降低到最大传感器范围r
max
的30％。根据依照图2的方法的步骤s5，速度因此降低到初始速度的30％。
[0055]
通过这种方式，可以确定摄像机21的当前传感器范围r
max
。如果对象表示是不可能的则可以执行图像处理方法。然而，除对象表示之外还可以执行图像处理方法，其中方法的结果彼此一致并且因此变得更准确。
[0056]
附图标记列表
[0057]
1 主车辆
[0058]
12 目标车辆
[0059]
13 第二目标车辆
[0060]
14 第三目标车辆
[0061]
15 第四目标车辆
[0062]
2 传感器
[0063]
21 摄像机
[0064]
22 雷达装置
[0065]
23 降水传感器
[0066]
24 明暗传感器
[0067]
3 控制装置
[0068]
4 驾驶员辅助系统
[0069]
5 车行道
[0070]
6 道路标记