[发明专利]用于运行具有至少一个用于检测自主车辆环境的环境传感器的自主车辆的驾驶员辅助系统的方法、计算机可读介质、系统和车辆

说明书

本发明涉及一种用于运行自主车辆的驾驶员辅助系统的方法，所述自主车辆具有至少一个用于检测自主车辆环境的环境传感器，所述方法包括：借助所述至少一个环境传感器在自主车辆环境中检测多个车辆的运动；借助检测到的相应车辆的运动生成运动模型，该运动模型包括相应车辆之间的运动以及相应车辆与自主车辆之间的运动；借助机器学习方法基于所生成的运动模型确定交通状况和正确分类交通状况的概率，其中，借助机器学习方法学习所生成的运动模型的一个或多个对于交通状况而言表征性的运动特征，并且借助机器学习方法基于运动模型的经学习的表征性特征确定交通状况和正确分类交通状况的概率；并且使自主车辆的驾驶员辅助系统适应特定的交通状况。

技术领域

本发明涉及一种用于运行具有至少一个用于检测自主车辆(Egofahrzeug)环境的环境传感器的自主车辆的驾驶员辅助系统的方法。本发明还涉及一种计算机可读介质、一种系统和一种车辆，该车辆包括用于运行具有至少一个用于检测自主车辆环境的环境传感器的自主车辆的驾驶员辅助系统的系统。

背景技术

当前的车辆利用车辆周围的物体、位置信息或地图数据来说明状况。车辆周围的物体通常通过车辆的环境模型来阐明。WO2010/127650A1描述了一种用于处理车辆传感器数据的方法。借助占用栅格(Belegungsgitter)评估传感器数据。DE102006059068A1描述了一种用于说明交通状况的方法，其中可利用物体相对于车道的位置来说明交通状况。但物体可能被遮挡并且因此无法用于说明交通状况。此外，被遮挡物体的基于卫星的位置数据和地图数据通常过于不准确或过时，以致无法利用被遮挡物体来说明交通状况。

发明内容

因此，本发明的任务是更有效地说明交通状况。本发明的任务还在于针对交通状况更好地运行车辆的驾驶员辅助系统。

根据第一方面，本发明的特征在于一种用于运行具有至少一个用于检测自主车辆环境的环境传感器的自主车辆的驾驶员辅助系统的方法。所述自主车辆可以是部分、高度或全自动行驶的车辆。环境传感器可以是雷达传感器、激光传感器、相机传感器和/或超声波传感器。该方法包括借助所述至少一个环境传感器在自主车辆环境中检测多个车辆的运动。车辆可在自主车辆的车道上和/或一个或多个相邻车道上行驶并且可被所述至少一个环境传感器检测到。该方法借助检测到的相应车辆的运动生成运动模型，该运动模型包括相应车辆之间的运动以及相应车辆与自主车辆之间的运动。该方法借助机器学习方法基于所生成的运动模型确定交通状况和正确分类交通状况的概率，其中，借助机器学习方法学习所生成的运动模型的一个或多个对于交通状况而言表征性的运动特征，并且借助机器学习方法基于运动模型的经学习的表征性特征确定交通状况和正确分类交通状况的概率。该方法使自主车辆的驾驶员辅助系统适应特定的交通状况。

通过更精确地确定和/或分类交通状况可有利地使驾驶员辅助系统更有效地运行。由于街道和/或车道的表征性特征不会被遮挡，因此不必使用自主车辆不准确的位置信息和/或不必使用不准确或过时的地图数据，因此运动模型可在评估交通状况时使可靠性提高。通过运动模型来描述车辆交互可通过自主车辆环境中各车辆的车辆交互来检测和确定交通状况。自主车辆可借助车辆交互来对交通状况进行分类并使驾驶员辅助系统适应分类的交通状况。例如可预调整驾驶员辅助系统，使得驾驶员辅助系统可为自主车辆的乘员更精确且更安全地执行驾驶操纵。

根据一种有利的实施方式，运动可包括车辆的至少一个位置、速度以及正加速度或负加速度。

根据另一种有利的实施方式，自主车辆的驾驶员辅助系统可在自主车辆如下位置之前适应特定的交通状况，在该位置处自主车辆的驾驶员辅助系统实施关于交通状况的操纵。由此驾驶员辅助系统能够前瞻性地适应所识别的交通状况并及时准备操纵。

根据另一种有利的实施方式，交通状况可通过运动模型的一个或多个表征性特征来说明。

根据另一种有利的实施方式，所述运动模型的表征性特征可以是环境中的两个或更多车辆之间和/或环境中的车辆与自主车辆之间的距离、距离变化、加速度变化、位置变化和/或速度变化。