DE-102024139552-A1 - Detektion und Klassifizierung von Tunneln unter Verwendung von LiDAR

Abstract

Ein Fahrerassistenzsystem umfasst einen Sensor zur lichtgestützten Detektion und Abstandsmessung (LiDAR). Ein Detektionsmodul ist so konfiguriert, dass es Tunnel in einem Weg des Fahrzeugs detektiert. Das Detektionsmodul enthält ein Zonenbildungsmodul, das so konfiguriert ist, dass es die Rückmeldungen vom LiDAR-Sensor in eine Vielzahl von Zonen zusammenfasst. Ein Cluster-Bildungs- und Merkmalsextraktionsmodul ist so konfiguriert, dass es Cluster in den Zonen identifiziert, Zentren und Varianzen der Cluster in x-Achsen-, y-Achsen- und z-Achsenrichtungen in der Vielzahl von Zonen bestimmt, eine Vielzahl von Merkmalen auf der Grundlage der Zentren und der Varianzen der Cluster identifiziert und die Vielzahl von Merkmalen zu einem oder mehreren verketteten Merkmalen verkettet. Ein Klassifizierungsmodul ist so konfiguriert, dass es das eine oder die mehreren verketteten Merkmale empfängt und als Reaktion auf das eine oder die mehreren verketteten Merkmale einen Annäherung-Zustand, einen Innen-Zustand oder einen Frei-Zustand für einen Tunnel deklariert.

Inventors

• Siva Chinthalapudi
• Brent Navin Roger Bacchus
• Thanura Elvitigala

Assignees

• GM Global Technology Operations LLC

Dates

Publication Date

20260507

Application Date

20241222

Priority Date

20241101

Claims (10)

1. Fahrerassistenzsystem für ein Fahrzeug, umfassend: einen Sensor zur lichtgestützten Detektion und Abstandsmessung (LiDAR), der so konfiguriert ist, dass er Lichtimpulse aussendet und Rückmeldungen empfängt; und ein Detektionsmodul, das so konfiguriert ist, dass es Tunnel in einem Weg des Fahrzeugs detektiert, aufweisend: ein Zonenbildungsmodul, das so konfiguriert ist, dass es die Rückmeldungen vom LiDAR-Sensor in eine Vielzahl von Zonen zusammenfasst; ein Cluster-Bildungs- und Merkmalsextraktionsmodul, das so konfiguriert ist, dass es: Cluster in den Zonen identifiziert, Zentren und Varianzen der Cluster in x-Achsen-, y-Achsen- und z-Achsenrichtungen in der Vielzahl der Zonen bestimmt, eine Vielzahl von Merkmalen auf der Grundlage der Zentren und der Varianzen der Cluster identifiziert und die Vielzahl von Merkmalen zu einem oder mehreren verketteten Merkmalen verkettet; und ein Klassifizierungsmodul, das so konfiguriert ist, dass es das eine oder die mehreren verketteten Merkmale empfängt und als Reaktion auf das eine oder die mehreren verketteten Merkmale einen Annäherung-Zustand, einen Innen-Zustand und/oder einen Frei-Zustand für einen Tunnel deklariert.
2. Fahrerassistenzsystem nach Anspruch 1 , wobei die Vielzahl von Zonen eine erste Zone und eine zweite Zone umfasst.
3. Fahrerassistenzsystem nach Anspruch 2 , wobei die erste Zone den Rückmeldungen vom LiDAR-Sensor mit Werten in der z-Achsenrichtung entspricht, die kleiner als eine vorbestimmte Höhe sind, und die zweite Zone den Rückmeldungen mit Werten in der z-Achsenrichtung entspricht, die größer als die vorbestimmte Höhe sind.
4. Fahrerassistenzsystem nach Anspruch 1 , ferner umfassend ein globales Positionsbestimmungssystem (GPS), wobei der LiDAR-Sensor die Rückmeldungen als Reaktion auf Daten vom GPS-System in einen Fernet-Rahmen umwandelt.
5. Fahrerassistenzsystem nach Anspruch 4 , ferner umfassend ein Trägheitsmesssystem, das so konfiguriert ist, dass es ein Nicken des Fahrzeugs detektiert, wobei der LiDAR-Sensor die Rückmeldungen als Reaktion auf das Nicken des Fahrzeugs kompensiert.
6. Fahrerassistenzsystem nach Anspruch 3 , wobei das Klassifikatormodul ein vorab trainiertes Modell enthält, das so konfiguriert ist, dass es den Annäherung-Zustand, den Innen-Zustand und den Frei-Zustand als Reaktion auf das eine oder die mehreren verketteten Merkmale detektiert.
7. Fahrerassistenzsystem nach Anspruch 6 , ferner umfassend ein Filtermodul, das so konfiguriert ist, dass es eine Ausgabe des Klassifikatormoduls unter Verwendung eines Hidden-Markov-Modells filtert.
8. Fahrerassistenzsystem nach Anspruch 7 , wobei das Hidden-Markov-Modell nicht durchführbare Zustandsübergänge herausfiltert.
9. Fahrerassistenzsystem nach Anspruch 6 , wobei das vorab trainierte Modell so konfiguriert ist, dass es detektiert: den Annäherung-Zustand in Reaktion darauf, dass die Varianzen der Cluster in der x-Achsenrichtung in der zweiten Zone kleiner als eine erste Varianz sind und die Varianzen der Cluster in der z-Achsenrichtung in der zweiten Zone größer als eine zweite Varianz sind; und den Innen-Zustand als Reaktion darauf, dass die Varianzen der Cluster in der x-Achsenrichtung in der zweiten Zone größer als eine dritte Varianz sind und die Varianzen der Cluster in der z-Achsenrichtung in der zweiten Zone kleiner als eine vierte Varianz sind, wobei die erste Varianz kleiner als die dritte Varianz ist und die dritte Varianz größer als die vierte Varianz ist.
10. Fahrerassistenzsystem nach Anspruch 1 , wobei das Klassifikatormodul so konfiguriert ist, dass es als Reaktion auf die Varianzen der Cluster in der x-Achsenrichtung und der z-Achsenrichtung eine Wand in einem Weg des Fahrzeugs detektiert.

Description

Einführung Die in diesem Abschnitt bereitgestellten Informationen dienen dem Zweck, den Kontext der Offenbarung allgemein darzustellen. Die Arbeit der hier genannten Erfinder, soweit sie in diesem Abschnitt beschrieben ist, sowie Aspekte der Beschreibung, die zum Zeitpunkt der Einreichung nicht als Stand der Technik qualifiziert werden können, werden weder ausdrücklich noch stillschweigend als Stand der Technik gegenüber der vorliegenden Offenbarung anerkannt. Die vorliegende Offenbarung bezieht sich auf Fahrerassistenzsysteme und insbesondere auf Fahrerassistenzsysteme, die Sensoren zur lichtgestützten Detektion und Abstandsmessung (LiDAR; engl.: light detection and ranging) enthalten. Fahrzeuge, die verschiedene Niveaus einer Fahrerassistenz aufweisen, (wie etwa vollständig oder teilweise autonome Fahrzeuge) stützen sich häufig auf Systeme zur funkgestützten Detektion und Abstandsmessung (Radar; engl.: radio detection and ranging), um Objekte im Weg des Fahrzeugs zu detektieren und zu vermeiden. Radargestützte Systeme haben Probleme beim Detektieren von Objekten, wenn das Fahrzeug durch Tunnel (oder eine andere ähnliche Infrastruktur wie etwa Überführungen) fährt. Beispielsweise detektieren radargestützte Systeme Geisterobjekte und/oder falsche Spuren, die durch die Tunnelinfrastruktur hervorgerufen werden, wenn sie sich durch Tunnel bewegen. Zusammenfassung Ein Fahrerassistenzsystem für ein Fahrzeug umfasst einen Sensor zur lichtgestützten Detektion und Abstandsmessung (LiDAR; engl.: light detection and ranging), der so konfiguriert ist, dass er Lichtimpulse aussendet und Rückmeldungen empfängt. Ein Detektionsmodul ist so konfiguriert, dass es Tunnel in einem Weg des Fahrzeugs detektiert. Das Detektionsmodul umfasst ein Zoneneinteilungs- bzw. Zonenbildungsmodul, das so konfiguriert ist, dass es die Rückmeldungen vom LiDAR-Sensor in eine Vielzahl von Zonen zusammenfasst. Das Detektionsmodul umfasst ein Cluster-Bildungs- und Merkmalsextraktionsmodul, das so konfiguriert ist, dass es Cluster in den Zonen identifiziert, Zentren und Varianzen der Cluster in x-Achsen-, y-Achsen- und z-Achsenrichtungen in der Vielzahl von Zonen bestimmt, eine Vielzahl von Merkmalen auf der Grundlage der Zentren und der Varianzen der Cluster identifiziert und die Vielzahl von Merkmalen zu einem oder mehreren verketteten Merkmalen verkettet. Ein Klassifizierungsmodul ist so konfiguriert, dass es das eine oder die mehreren verketteten Merkmale empfängt und als Reaktion auf das eine oder die mehreren verketteten Merkmale einen Annäherung-Zustand, einen Innen-Zustand und/oder einen Frei-Zustand (engl.: clear state) für einen Tunnel deklariert. In anderen Merkmalen umfasst die Vielzahl von Zonen eine erste Zone und eine zweite Zone. Die erste Zone entspricht den Rückmeldungen vom LiDAR-Sensor mit Werten in der z-Achsenrichtung, die kleiner als eine vorbestimmte Höhe sind. Die zweite Zone entspricht den Rückmeldungen mit Werten in der z-Achsenrichtung, die größer als die vorbestimmte Höhe sind. Das Fahrerassistenzsystem umfasst ein globales Positionsbestimmungssystem (GPS; engl.: global positioning system). Der LiDAR-Sensor wandelt die Rückmeldungen als Reaktion auf die Daten vom GPS-System in einen Fernet-Rahmen um. In anderen Merkmalen ist ein Trägheitsmesssystem so konfiguriert, dass es eine Nickbewegung bzw. ein Nicken des Fahrzeugs detektiert, wobei der LiDAR-Sensor die Rückmeldungen als Reaktion auf das Nicken des Fahrzeugs kompensiert. Das Klassifikatormodul enthält ein vorab trainiertes Modell, das so konfiguriert ist, dass es den Annäherung-Zustand, den Innen-Zustand und den Frei-Zustand als Reaktion auf das eine oder die mehreren verketteten Merkmale detektiert. Ein Filtermodul ist so konfiguriert, dass es eine Ausgabe des Klassifikatormoduls unter Verwendung eines Hidden-Markov-Modells filtert. Das Hidden-Markov-Modell filtert undurchführbare Zustandsübergänge heraus. In anderen Merkmalen ist das vorab trainierte Modell so konfiguriert, dass es den Annäherung-Zustand in Reaktion darauf, dass die Varianzen der Cluster in der x-Achsenrichtung in der zweiten Zone kleiner als eine erste Varianz sind und die Varianzen der Cluster in der z-Achsenrichtung in der zweiten Zone größer als eine zweite Varianz sind, und den Innen-Zustand in Reaktion darauf detektiert, dass die Varianzen der Cluster in der x-Achsenrichtung in der zweiten Zone größer als eine dritte Varianz sind und die Varianzen der Cluster in der z-Achsenrichtung in der zweiten Zone kleiner als eine vierte Varianz sind, wobei die erste Varianz kleiner als die dritte Varianz ist und die dritte Varianz größer als die vierte Varianz ist. In anderen Merkmalen ist das Klassifikatormodul so konfiguriert, dass es als Reaktion auf die Varianzen der Cluster in der x-Achsenrichtung und der z-Achsenrichtung eine Wand in einem Weg des Fahrzeugs detektiert. Ein Verfahren zum Unterstützen eines Fahrers eines Fahrzeugs umfasst ein Aussenden von Lichtimpulsen und Empfangen von Rückmel