[发明专利]用于确定行驶通道的方法和系统

说明书

本发明涉及一种用于确定机动车辆(1)的行驶通道的方法。机动车辆(10)包括控制单元(24)和至少一个相机(22)，相机(24)被设计成生成机动车辆(10)前方的前部区域(30)的图像并将这些图像转发给控制单元(24)。控制单元(24)包括具有人工神经网络的机器学习模块(28)。该方法包括以下步骤：通过至少一个相机(22)获得机动车辆(10)前方的前部区域(30)的图像；借助于人工神经网络来提取图像的表征图像特征；借助于同一人工神经网络基于所提取的表征图像特征来确定界定机动车辆(10)的行驶通道和/或与该行驶通道相邻的至少一个行驶通道的图像点(32)。本发明还涉及一种用于确定车辆通道的系统(20)。

本发明涉及一种用于确定行驶通道的方法、一种用于确定行驶通道的系统的控制设备、一种用于确定行驶通道的系统、一种用于执行该方法的计算机程序以及一种包含这种计算机程序的计算机可读数据载体。

许多现代机动车辆具有驾驶员辅助系统，该驾驶员辅助系统以至少部分自动化的方式控制机动车辆的一个子系统或几个子系统。其中的一个示例是主动车道保持系统，该系统识别无意间偏离车道并通过主动干预车辆转向和/或车辆加速来对这种偏离加以反作用。因此，这些驾驶员辅助系统以至少部分自动化的方式控制机动车辆的纵向和/或横向移动。

这种驾驶员辅助系统通常基于生成机动车辆周围环境图像的至少一个相机。通过图像处理算法自动地处理图像，并且驾驶员辅助系统基于处理后的图像以至少部分自动化的方式、特别是以完全自动化的方式控制机动车辆。举例来说，基于处理后的图像，为车道保持辅助装置认定与要保持的车道相对应的行驶通道。

特别是在农村地区，经常出现的情况是，并非所有的道路标记都存在，例如在较窄的道路上可能会缺少中央标志。然而，在城市地区也存在可能缺少道路标记的路段，例如在建筑工地区域或步行区。在其他城市区域，特别是在繁忙的十字路口区域，道路标记可能非常复杂并且/或者重叠，并且/或者标记可能被其他机动车辆暂时遮盖。在所有这些情况下，当前的图像处理算法都不能针对机动车辆的行驶通道提供可靠的结果。

因此，本发明的目的是提供一种用于确定机动车辆的行驶通道的方法和系统，该方法和系统保证了在许多不同情况下可靠且鲁棒地识别行驶通道。

根据本发明，该目的通过一种用于确定机动车辆的行驶通道的方法来实现。所述机动车辆具有控制设备和至少一个相机，其中，所述相机被设计成生成所述机动车辆前方的前部区域的图像并将所述图像转发给所述控制设备。所述控制设备包括包含人工神经网络的机器学习模块。所述方法包括以下步骤：

-从所述至少一个相机获得所述机动车辆前方的前部区域的图像；

-通过所述人工神经网络提取所述图像的表征图像特征；以及

-通过同一人工神经网络基于所提取的表征图像特征来确定界定所述机动车辆的行驶通道和/或与所述行驶通道相邻的至少一个行驶通道的图像点。

根据本发明，该方法的所有步骤由同一机器学习模块执行。更准确地说，图像的表征图像特征和行驶通道均由同一神经网络确定。已经发现，由此实现了对行驶通道和/或相邻行驶通道的特别可靠且鲁棒的确定。

在此和下文中，“行驶通道”应理解为道路、小路等上机动车辆能够安全移动的区域。例如是有标记的车道，或者是无标记道路或小路的与车道相对应的区域。因此，总是存在机动车辆当前所在的行驶通道，在下文中将其称为“当前行驶通道”。此外，例如在每个行进方向具有多个车道的道路上，存在这样的路段，在这些路段中，至少一个进一步的可能的机动车辆行驶通道与机动车辆的当前行驶通道相邻。

根据本发明的方法被用于确定界定机动车辆的当前行驶通道和/或与机动车辆的当前行驶通道相邻的至少一个行驶通道的那些图像点。在这种情况下，图像点构成了对应的行驶通道的侧向边界。从机动车辆驾驶员的角度来看，图像点各自形成对应的行驶通道的左手边界或右手边界的一部分。换句话说，因此为机动车辆认定了至少一个可能的行驶通道，优选地认定了多个可能的行驶通道，因为两个相互相对的侧向边界限定了对应的行驶通道。