DE60202341T2

DE60202341T2 - System zur Fahrspurerkennung

Info

Publication number: DE60202341T2
Application number: DE60202341T
Authority: DE
Inventors: Yuji Hitachi-shi Otsuka; Shoji Hitachi-shi Muramatsu; Hiroshi Naka-gun Takenaga; Jiro Takezaki; Tatsuhiko Monji
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2001-10-17
Filing date: 2002-10-11
Publication date: 2005-12-22
Anticipated expiration: 2022-10-12
Also published as: DE60202341D1; JP4327389B2; US7295682B2; EP1304607B1; EP1304607A1; JP2003123058A; US20030072471A1

Description

Hintergrund der Erfindung
Die vorliegende Erfindung betrifft ein System zur Fahrspurerkennung zur Erkennung einer Fahrspur eines Fahrzeugs durch Durchführen einer Bildverarbeitung eines von einer Kamera aufgenommenen Bildes der Straßenoberfläche und insbesondere ein System zur Fahrspurerkennung zum Fahren auf einer richtigen Fahrspur, entsprechend einer Vielzahl von Fahrbahnmarkierungsformen (-arten).
Eine Technologie zur Erkennung einer Fahrspur eines Fahrzeugs ist eine Technologie, die für ein Warnsystem für ein Fahrzeug, wenn es von der Fahrspur abzukommen droht, für ein Unterstützungssystem zum Beibehalten der Fahrspur bei einer Lenkhilfssteuerung, usw., notwendig ist. Hinsichtlich der Fahrspurerkennungs-Technologie gibt es ein Verfahren, in dem magnetische Fahrbahnmarkierungen in eine Straße eingebaut sind, um eine Fahrspur aus den Positionen des magnetischen Felds zu erkennen; ein Verfahren, in dem eine Position eines Fahrzeugs unter Verwendung eines differentiellen GPS oder eines kinematischen GPS mit hoher Genauigkeit gemessen wird, um eine Fahrspur aus sehr genauen Straßenkarte-Daten zu berechnen; usw. Jedoch erfordert jedes dieser Verfahren den Aufbau einer Infrastruktur und dementsprechend ist der anwendbare Bereich begrenzt.
Andererseits hat ein Verfahren, das eine Bildverarbeitung durch Erfassen einer Fahrspur aus einem Kamerabild verwendet, einen Vorteil darin, dass der anwendbare Bereich groß ist, da keine Infrastruktur aufgebaut werden muss.
Bei der Fahrspurerkennung unter Verwendung der Bildverarbeitung ist immer eine zuverlässige Erkennung erforderlich, unter Berücksichtigung verschiedener Zustände einer Straßenoberfläche. In der offengelegten japanischen Patentanmeldung Nr. 7-128059, die ein Verfahren offenbart, in dem ein Parameter oder ein Schwellenwert entsprechend einem Zustand einer Straßenoberfläche verändert wird, wird erläutert, dass der Schwellenwert, der zum Gewinn einer Kante einer weißen Linie einer Fahrbahnmarkierung verwendet wird, aus der Intensität der Kante bestimmt wird. Ferner wird in der offengelegten japanischen Patentanmeldung Nr. 6-341821 beschrieben, dass der Erkennungsbereich verändert wird, indem unabhängig von den Intensitäten der Kanten von rechten und linken weißen Linien Schwellenwerte gesetzt werden. Wie oben beschrieben, können, durch Verändern eines Schwellenwerts oder eines Parameters entsprechend dem Zustand einer Straßenoberfläche, zuverlässige Erkennungsergebnisse für verschiedene Zustände einer Straßenoberfläche erhalten werden.
Obwohl die herkömmlichen Technologien mit den verschiedenen Zuständen einer Straßenoberfläche zurecht kommen, indem sie den Schwellenwert oder den Parameter ändern, wird die Erkennung unter Verwendung des Bildverarbeitungsalgorithmus durchgeführt, der unter der Voraussetzung erstellt wird, dass es sich bei den Fahrbahnmarkierungen um weiße Linien handelt.
Die meisten der Fahrbahnmarkierungen sind in Japan weiße Linien (gelbe Linien), aber erhöhte Fahrbahnmarkierungen und Pfosten werden zusätzlich zu den weißen Linien in verschiedenen anderen Ländern verwendet. Die Erfassung einer Fahrspur wird durchgeführt, um einen Versatz eines Fahrzeugs und eine Krümmung der Fahrspur zu erhalten. Wenn verschiedene Arten der Fahrbahnmarkierungen, wie die weiße Linie, erhöhte Fahrbahnmarkierungen, Pfosten, usw. unter Verwendung eines herkömmlichen Bildverarbeitungsalgorithmus einer Bildverarbeitung unterzogen werden, besteht ein Problem darin, dass die Erkennungsgenauigkeit der resultierenden Erkennungsrate schlechter ist.
US-A-5835028 betrifft einen Fahrbahnmarkierungs-Positionssensor und ein Warnsystem zum Erfassen aufgemalter Fahrbahnmarkierungen und eine Signalisierung, wenn sich ein Fahrzeug weiter als eine vorgegebene Schwellenentfernung hinsichtlich der Fahrbahnmarkierung bewegt hat. Darin ist aber nicht offenbart, dass einer aus einer Vielzahl verschiedener Arten von Bildverarbeitungsalgorithmen ausgewählt werden soll, die einzeln verschiedenen Fahrbahnmarkierungen entsprechen.
Zusammenfassung der Erfindung
Die vorliegende Erfindung soll das oben erwähnte Problem lösen, und eine Aufgabe der vorliegenden Erfindung ist es, ein System zur Fahrspurerkennung vorzusehen, das die Genauigkeit der Fahrspurerkennung durch zuverlässiges Erfassen der verschiedenen Arten von Fahrbahnmarkierungen verbessern kann.
Ein System zur Fahrspurerkennung gemäß der vorliegenden Erfindung ist charakterisiert durch ein Bildverarbeitungsmittel zur Bildverarbeitung eines Bilds der Straße mit einer Vielzahl verschiedener Arten von Bildverarbeitungsalgorithmen. Eine Fahrspur kann durch Auswahl eines Bildverarbeitungsalgorithmus erfasst werden, der für die Fahrspur geeignet ist, aus der Vielzahl von Bildverarbeitungsalgorithmen, die der Straße, auf der das Fahrzeug fährt, entsprechen.
Genauer gesagt, der Bildverarbeitungsalgorithmus wird ausgewählt durch Identifizieren einer Art von Fahrbahnmarkierung auf der Stra ße, auf der das Fahrzeug fährt, und/oder ein zum Erfassen der Fahrspur des Fahrzeugs eingesetzter Bildverarbeitungsalgorithmus wird zu einem Zeitpunkt ausgewählt auf Grundlage eines Erkennungs-Zuverlässigkeitsmaßes durch einen Bildverarbeitungsalgorithmus, der zum Erfassen der Fahrspur des Fahrzeugs vorher eingesetzt wurde.
Das System zur Fahrspurerkennung gemäß der vorliegenden Erfindung weist die Vielzahl verschiedener Arten von Bildverarbeitungsalgorithmen in dem Bildverarbeitungsmittel zur Bildverarbeitung eines Bilds einer Straße auf. Eine Fahrspur kann erfasst werden durch Auswahl eines für die Fahrspur geeigneten Bildverarbeitungsalgorithmus aus der Vielzahl von Bildverarbeitungsalgorithmen, die einer Straße entsprechen, auf der das Fahrzeug fährt. Demgemäß kann die vorliegende Erfindung die Genauigkeit der Erkennung einer Fahrspur durch zuverlässiges Erfassen einer der vielen Arten von Fahrbahnmarkierungen verbessern.
Kurze Beschreibung der Zeichnungen
1 ist eine Blockdarstellung, die den Aufbau eines Ausführungsbeispiels gemäß der vorliegenden Erfindung zeigt.
2 ist ein Ablaufdiagramm für die Verarbeitung, das den Betrieb der vorliegenden Erfindung darstellt.
3 ist ein Ablaufdiagramm für die Verarbeitung eines Erkennungsalgorithmus für eine weiße Linie.
4 ist ein Ablaufdiagramm für die Verarbeitung eines Erkennungsalgorithmus für eine erhöhte Fahrbahnmarkierung.
5 ist ein Ablaufdiagramm für die Verarbeitung eines Erkennungsalgorithmus für einen Pfosten.
6 ist ein Ablaufdiagramm für die Verarbeitung eines Erkennungsalgorithmus für Muster auf der Straßenoberfläche.
7 ist ein Ablaufdiagramm für die Verarbeitung eines Beispiels eines gängigen Erkennungsalgorithmus für eine Linienmarkierung.
8 ist eine Blockdarstellung, die den Aufbau der vorliegenden Erfindung zeigt.
9 ist eine Blockdarstellung, die einen weiteren Aufbau der vorliegenden Erfindung zeigt.
10 ist ein Ablaufdiagramm für die Verarbeitung, das den Betrieb gemäß 9 darstellt.
11 zeigt beispielhafte Darstellungen, die verschiedene Formen von Fahrbahnmarkierungen darstellen.
12 zeigt Darstellungen, die eine in dem Erkennungsalgorithmus für Straßenoberflächemuster verwendete Densitäts-Projektion darstellen.
Detaillierte Beschreibung bevorzugter Ausführungsbeispiele
1 ist eine Blockdarstellung eines Systems zur Fahrspur-Beibehaltung gemäß der vorliegenden Erfindung.
Das System zur Fahrspurerkennung gemäß der vorliegenden Erfindung bildet das System zur Fahrspur-Beibehaltung. Der gesamte Aufbau des Systems zur Fahrspur-Beibehaltung wird im Folgenden zuerst beschrieben und anschließend wird die Erfindung detailliert beschrieben.
Unter Bezugnahme auf 1 besteht das System zur Fahrspur-Beibehaltung aus einem Fahrspurerkennungsteil 1 zum Erhalt von Fahrspur-Positionsinformation, die zur Steuerung der Beibehaltung der Fahrspur erforderlich ist, einem Fahrspur-Beibehaltung-Steuerungsteil 2 zum Steuern eines Fahrzeugs und einem Fahrspur-Beibehaltung-Durchführungsteil 3, das den Betrieb der Beibehaltung der Fahrspur betrifft.
Das Fahrspurerkennungsteil 1 besteht aus einer Kamera 5 als ein Abbildungsmittel zum Aufnehmen eines Bildes der Straße vor dem Fahrzeug, einem Bildverarbeitungsmittel 6 mit Bildverarbeitungsalgorithmen, die einzeln Formen (Arten) von Fahrbahnmarkierungen entsprechen und einem Bildverarbeitungsalgorithmus-Auswahlmittel 4, um einen auszuführenden Bildverarbeitungsalgorithmus aus der Vielzahl von in dem Bildverarbeitungsmittel 6 gespeicherten Bildverarbeitungsalgorithmen auszuwählen.
Das von der Kamera 5 erhaltene Bild der Straße vor dem Fahrzeug wird von dem Bildverarbeitungsmittel 6 verarbeitet, um ein Ergebnis der Fahrspurerkennung zu bekommen. Das Ergebnis der Fahrspurerkennung enthält eine Versatzinformation des Fahrzeugs bezüglich der Fahrbahn und eine Krümmungsinformation der Fahrbahn. Die Versatzinformation wird durch 0 ausgedrückt, wenn das Fahrzeug in der Mitte der Fahrspur fährt, durch einen negativen Wert, wenn das Fahrzeug bei der Fahrt zur linken Seite hin versetzt ist, durch einen positiven Wert, wenn das Fahrzeug bei der Fahrt zur rechten Seite hin versetzt ist, und der Wert ist umso größer, je größer der Versatz ist.
Das Ergebnis der Fahrspurerkennung des Bildverarbeitungsmittels 6 wird von dem Fahrspur-Beibehaltung-Steuerungsteil 2 verarbeitet, um eine Steuerung des Fahrspur-Beibehaltung-Durchführungsteils 3 durchzuführen. Konkret unterstützt das Fahrspur-Beibehaltung-Durchführungsteil 3 die Lenkung, so dass das Fahrzeug entlang der Fahrspur durch Steuern eines Lenk-Aktuators 7 gefahren wird, oder warnt den Fahrer, indem es ein Fahrspur-Abweichungs-Warnsystem 8 startet, wenn das Fahrzeug von der Fahrspur abzukommen droht.
Das System zur Fahrspurerkennung (das Teil zur Fahrspurerkennung) 1 weist auf das Bildverarbeitungsmittel 6 mit der Vielzahl von Bildverarbeitungsalgorithmen 9 bis 12 und das Bildverarbeitungsalgorithmus-Auswahlmittel 4 zur Auswahl eines Bildverarbeitungsalgorithmus, der einer Art einer Fahrbahnmarkierung entspricht, aus der Vielzahl von Bildverarbeitungsalgorithmen.
Die in dem Bildverarbeitungsmittel 6 gespeicherten Bildverarbeitungsalgorithmen 9 bis 12 werden im Folgenden erläutert.
Das Bildverarbeitungsmittel 6 weist vier Arten der Bildverarbeitungsalgorithmen auf. Hinsichtlich der Bildverarbeitungsalgorithmen, die den Formen der Fahrbahnmarkierungen entsprechen, sind vorgesehen ein Erkennungsalgorithmus 9 für eine weiße Linie, um eine Position einer weißen Linie (einschließlich einer gelben Linie) zu erfassen, ein Erkennungsalgorithmus 10 für eine erhöhte Fahrbahnmarkierung, um eine Position einer erhöhten Fahrbahnmarkierung zu erfassen, ein Erkennungsalgorithmus 11 für einen Pfosten, um eine Position eines Pfostens zu erfassen und ein Erkennungsalgorithmus 12 für Muster auf der Straßenoberfläche, um ein Straßenoberflächemuster (zum Beispiel Radspuren, usw.) in einem Fall zu erfassen, wenn es auf einer alten bedeckten Straße schwierig ist, die Fahrbahnmar kierungen aufgrund von Störungen oder Verunreinigungen zu sehen, wenn es auf einer unbedeckten Straße nicht möglich ist, Fahrbahnmarkierungen zu entdecken, oder wenn eine Straße in einem schlechten Zustand ist, z. B. durch Schneeablagerungen.
In dem Fall des Algorithmus zum Erfassen der Fahrbahnmarkierungen kann, wenn eine Position einer Fahrbahnmarkierung erfasst wird, der Versatz des Fahrzeugs auf der Fahrspur berechnet werden. Ferner kann, wenn mehrere Positionen von Fahrbahnmarkierungen mit bestimmten Abständen in Metern (zum Beispiel 10 m) vor dem Fahrzeug erhalten werden, eine Krümmung der Fahrspur berechnet werden. Andererseits können, in dem Fall des Erkennungsalgorithmus 12 für Muster auf der Straßenoberfläche, Positionen der Fahrbahnmarkierungen nicht bekannt sein. Durch Erfassen einer Position eines Endes einer Seite der Straße oder einer Position des vorausfahrenden Fahrzeugs wird ein Versatz des Fahrzeugs bezüglich der Fahrspur berechnet. Die Krümmung der Fahrspur kann durch Analysieren eines Musters der Straßenoberfläche vor dem Fahrzeug berechnet werden.
Jeder der Bildverarbeitungsalgorithmen 9 bis 12 führt die folgende Verarbeitung durch.
Der Erkennungsalgorithmus 9 für eine weiße Linie erfasst Positionen von weißen Linien 41, die auf der Straßenoberfläche gemalt (angeordnet) sind, wie in 11(a) gezeigt wird. Der Verarbeitungsablauf des Erkennungsalgorithmus 9 für eine weiße Linie wird in 3 gezeigt. Da ein Densitätswert des Teils der weißen Linie 41 höher ist als ein Densitätswert der Straßenoberfläche, wird die Position der weißen Linie unter Verwendung dieser Charakteristik erfasst.
In Schritt S21 wird zuerst eine Kantenerfassung durchgeführt, um die Abgrenzung zwischen der weißen Linie 41 und der Straßenoberfläche zu erfassen. In Schritt S22 wird an den erfassten Punkten eine Hough-Transformation durchgeführt, um eine gerade Linienkomponente zu erfassen, die aus den Kantenpunkten besteht. Wo die Fahrbahn eine Kurve aufweist, wird die weiße Linie 41 eine gebogene Linie. Durch Durchführung der Hough-Transformation kann jedoch durch Aufteilen der Kantenpunkte in den Teil nahe dem eigenen Fahrzeug und den von dem eigenen Fahrzeug entfernten Teil die gebogene Linie durch gerade Linien approximiert werden.
Nach dem Erfassen von Kandidaten für Komponenten von geraden Linien für die weiße Linie 41 wird in Schritt S23 die Breite der Fahrspur überprüft, indem bewertet wird, ob die erfasste gerade Linie die weiße Linie 41 ist oder nicht. Die Breite der Fahrspur beträgt im Allgemeinen ungefähr 3.5 m und eine tatsächliche weiße Linie 41 kann aus den Kandidaten für weiße Linien auf Grundlage dieser Information ausgewählt werden. Die Überprüfung der Breite der Fahrspur kann nicht nur für den Erkennungsalgorithmus 9 für eine weiße Linie verwendet werden, sondern auch für den Erkennungsalgorithmus 10 für eine erhöhte Fahrbahnmarkierung und den Erkennungsalgorithmus 11 für einen Pfosten.
Nach der Erfassung der Position der weißen Linie 41 auf einem Bild werden die Ergebnisse der Fahrspurerkennung aus Information über ein Versatz des Fahrzeugs bezüglich der Fahrspur und Information über die Krümmung der Fahrspur in Schritt S24 berechnet. Das Verfahren geht von Schritt S24 zu Schritt S25, um ein Zuverlässigkeitsmaß der Fahrspurerkennung der weißen Linie 41 zu berechnen. Das Verfahren zum Berechnen des Zuverlässigkeitsmaßes der Fahrspurerkennung wird später beschrieben.
Obwohl die Kantenpunkte verwendet werden, die auf der Abgrenzungslinie zwischen der weißen Linie 41 und der Straßenoberfläche erscheinen, kann eine Erfassung der weißen Linie durchgeführt werden durch Extrahieren eines Teils eines höheren Densitätswertes, da der Teil der weißen Linie einen hohen Densitätswert aufweist. Folglich kann die Genauigkeit einer Erfassung weiter verbessert werden, indem dieses Extraktions-Verfahren und das Kanten-Punkt-Verfahren kombiniert werden.
Der Erkennungsalgorithmus 10 für eine erhöhte Fahrbahnmarkierung ist ein Algorithmus zum Erfassen der Positionen von erhöhten Fahrbahnmarkierungen 42, die in die Straßenoberfläche eingelassen sind, wie in 11(b) gezeigt wird. Der Verarbeitungsablauf des Erkennungsalgorithmus 10 für eine erhöhte Fahrbahnmarkierung wird in 4 gezeigt.
In den meisten Fällen der erhöhten Fahrbahnmarkierung 42 ist der Densitätsunterschied zwischen der erhöhten Fahrbahnmarkierung und der Straßenoberfläche kleiner als im Fall der weißen Linie. Zuerst wird in Schritt S31 die Kantenerfassung durchgeführt und in Schritt S32 wird die Verarbeitung eines Mustervergleichs der erhöhten Fahrbahnmarkierung in der Nähe einer Position durchgeführt, an der die Kante erfasst wird.
Die Kantenerfassung von Schritt S31 wird verwendet, um einen Suchbereich des Mustervergleichs (pattern matching) einzugrenzen. Der Mustervergleich in Schritt S32 wird durchgeführt durch vorheriges Registrieren von Mustern der erhöhten Fahrbahnmarkierungen 42 als Vorlagen (templates) und Erfassen der Position des Musters durch Vergleich mit den Vorlagen.
Danach wird in Schritt S33 die Breite der Fahrspur überprüft, ähnlich zu dem Fall der weißen Linie 41, um diejenigen Kandidaten von erhöhten Fahrbahnmarkierungen auszuschließen, welche die Bedingung nicht erfüllen. Weiter wird, da die erhöhten Fahrbahnmarkierungen mit gleichmäßigem Abstand angeordnet sind, eine Überprüfung des Abstands der Anordnung zwischen den erhöhten Fahrbahnmarkierungen in Schritt S34 durchgeführt, um die Kandidaten von erhöhten Fahrbahnmarkierungen weiter zu identifizieren. Die in Schritt S35 durchgeführte Berechnung des Ergebnisses der Fahrspurerkennung ist dieselbe wie im Fall der weißen Linie 41, und das Verfahren geht von Schritt S35 zu Schritt S36, um ein Zuverlässigkeitsmaß der Fahrspurerkennung zu berechnen. Das Verfahren zum Berechnen des Zuverlässigkeitsmaßes der Fahrspurerkennung in Schritt S36 wird später beschrieben.
Der Erkennungsalgorithmus 11 für einen Pfosten ist ein Algorithmus zum Erfassen von Positionen von auf der Straßenoberfläche angeordneten Pfosten 43, die ein Abkommen von der Fahrspur verhindern sollen, wie in 11(c) gezeigt wird. Der Verarbeitungsablauf des Erkennungsalgorithmus 11 für einen Pfosten wird in 5 gezeigt.
Da der Pfosten 43 ein zylinderförmiger Pfahl der Farbe rot oder grün ist, wird in Schritt S41 eine senkrechte Kante, ähnlich wie im Fall des Erkennungsalgorithmus 9 für eine weiße Linie, erfasst. Da die Pfosten 43 ferner mit einem Abstand ähnlich wie die erhöhten Fahrbahnmarkierungen 42 angeordnet sind, wird in Schritt S42 eine Überprüfung des Abstands der Anordnung zwischen den Pfosten durchgeführt, um die möglichen Pfosten weiter zu identifizieren.
Danach wird in Schritt S43 die Überprüfung der Breite der Fahrspur ähnlich wie die Fälle der weißen Linie 41 und der erhöhten Fahrbahnmarkierung 42 durchgeführt, um diejenigen Kandidaten für Pfosten auszuschließen, welche die Bedingung nicht erfüllen. Da jedoch der Pfosten 43 hoch ist, wird die Überprüfung der Breite der Fahrspur mit dem Abstand zwischen den Fußbereichen der Pfosten 43 durchgeführt. Die in Schritt S44 durchgeführte Berechnung des Ergebnisses der Fahrspurerkennung ist dieselbe wie im Fall der weißen Linie 41 und das Verfahren zum Berechnen des Zuverlässigkeitsmaßes der Fahrspurerkennung in Schritt S45 wird später erläutert.
Der Erkennungsalgorithmus 12 für Muster auf der Straßenoberfläche ist ein Algorithmus zum Durchführen einer Erfassung der Fahrspur, indem ein Muster auf der Straßenoberfläche analysiert wird, wenn die Erkennung der Fahrspur schwierig ist, da die Fahrbahnmarkierung 44 fast verschwindet, wie in 11(d) gezeigt wird. Der Verarbeitungsablauf des Erkennungsalgorithmus 12 für Muster auf der Straßenoberfläche wird in 6 gezeigt.
Der Erkennungsalgorithmus 12 für Muster auf der Straßenoberfläche setzt voraus, dass ein Densitätsmuster auf der Straßenoberfläche in die Querrichtung, das von einer Abgasspur oder einer Radspur auf einer alten bedeckten Straßenoberfläche stammt, auf ähnliche Weise ohne Veränderung nach vorne erscheint.
In Schritt S51 wird eine Verarbeitung der Densität in der Querrichtung durchgeführt, um Zonen 51 auf der in 12 gezeigten Straßenoberfläche mit Streifen zu versehen, um Densitätsmuster auf der Straßenoberfläche in der Querrichtung zu erfassen. 12(b) zeigt die Densitäts-Projektionen in der Querrichtung und die Ordinate zeigt den kumulativen Densitätswert und die Abszisse zeigt die Abszisse von 12(a). Indem das Muster von 12(b) auf ein Referenz-Densitätsmuster der Straßenoberfläche gesetzt wird, wird eine Mustervergleich zwischen dem Referenz-Densitätsmuster der Stra ßenoberfläche und einem Densitätsmuster der Straßenoberfläche des nächsten Rahmenbildes nur in der Querrichtung durchgeführt.
Das Densitätsmuster der Straßenoberfläche des nächsten Rahmenbildes stimmt mit dem Referenz-Densitätsmuster der Straßenoberfläche an einer fast gleichen Position überein, wenn sich das Fahrzeug auf einer Einzelspur bewegt. Jedoch stimmt das Densitätsmuster der Straßenoberfläche des nächsten Rahmenbildes mit dem Referenz-Densitätsmuster der Straßenoberfläche mit einer Position auf der rechten Seite überein, wenn das Fahrzeug auf die linke Seite der Straße versetzt wird, und das Densitätsmuster der Straßenoberfläche des nächsten Rahmenbildes stimmt mit dem Referenz-Densitätsmuster der Straßenoberfläche mit einer Position auf der linken Seite überein, wenn das Fahrzeug auf die rechte Seite der Straße versetzt wird.
Der Erkennungsalgorithmus 12 für Muster auf der Straßenoberfläche kann nur einen relativen Versatz zu dem vorhergehenden Rahmen erfassen (die vorherige Fahrspurerkennung), da er die Fahrbahnmarkierungen (die Abgrenzungslinie der Fahrspur) nicht erfassen kann. Um den absoluten Versatz in Bezug zu der Fahrspur zu messen, ist es notwendig, zu bewerten, welcher Teil des Densitätsmusters die Fahrbahnmarkierung ist.
Deswegen wird eine Fahrposition eines vorausfahrenden Fahrzeugs 52 unter der Voraussetzung als Bezug genommen, dass das vorausfahrende Fahrzeug 52 entlang der Mitte der Fahrspur fährt. Zuerst wird das vorausfahrende Fahrzeug in Schritt S52 erfasst. Die Erfassung des vorausfahrenden Fahrzeugs 52 wird durchgeführt, indem ein rechteckiger Bereich mit vielen Kanten in der Querrichtung gewannen wird, da das vorausfahrende Fahrzeug 52 viele Linien in der Querrichtung hat.
Nach dem Erfassen des vorausfahrenden Fahrzeugs 52 geht das Verfahren zu Schritt S53, um eine Verarbeitung für die Schätzung der Position der Fahrbahnmarkierung durchzuführen. Das ist, wie in 12 gezeigt, ein Straßenoberflächemuster 61 in der seitlichen Richtung in einem Abschnitt, in dem das vorausfahrende Fahrzeug 52 fährt, und dann wird eine Schätzung für die Positionen der Fahrbahnmarkierung an der Position des vorausfahrenden Fahrzeugs 52 durchgeführt. Eine Schätzung für die Positionen der Fahrbahnmarkierung in der Nähe des eigenen Fahrzeugs wird durchgeführt, indem ein Abschnitt gesucht wird, der mit dem Densitätsmuster der Straßenoberfläche übereinstimmt.
Deswegen wird das vorausfahrende Fahrzeug 52 als klein betrachtet, da es in der Entfernung zu dem eigenen Fahrzeug existiert. Das heißt, da der Zyklus des Densitätsmusters der Straßenoberfläche an der Position des vorausfahrenden Fahrzeugs aufgrund der Entfernung kleiner ist als der des Densitätsmusters der Straßenoberfläche in der Nähe des eigenen Fahrzeugs auf dem Bildrahmen, wird der Vergleich durch Anpassen des Zyklus durchgeführt. Durch Durchführen des Densitätsmustervergleichs der Straßenoberfläche mit der Position des vorausfahrenden Referenz-Fahrzeugs, wie oben beschrieben, kann der Versatz von der Fahrspur berechnet werden.
In einem Fall, in dem kein vorausfahrendes Fahrzeug existiert, wird die Erkennung unmöglich, indem in Schritt S56 das Zuverlässigkeitsmaß für die Fahrspurerkennung auf 0 gesetzt wird, da nicht beurteilt werden kann, welcher Teil in dem Densitätsmuster der Straßenoberfläche in der Querrichtung die Fahrbahnmarkierung ist.
Jeder der oben beschriebenen Algorithmen (der Erkennungsalgorithmus 9 für eine weiße Linie, der Erkennungsalgorithmus 10 für eine erhöhte Fahrbahnmarkierung, der Erkennungsalgorithmus 11 für einen Pfosten und der Erkennungsalgorithmus 12 für Muster auf der Straßenoberfläche) gibt das Zuverlässigkeitsmaß für die Fahrspurerkennung als das Ergebnis der Fahrspurerkennung aus.
Das Zuverlässigkeitsmaß für die Fahrspurerkennung stellt einen Index dar, der die Zuverlässigkeit des Ergebnisses der Fahrspurerkennung ausdrückt. Wenn der Wert klein ist, ist die Wahrscheinlichkeit der Erfassung einer korrekten Position der Fahrspur niedrig, da es schwierig ist, die Fahrbahnmarkierung visuell zu beobachten. Da das Verfahren zum Setzen des Zuverlässigkeitsmaßes für die Fahrspurerkennung je nach dem verwendeten Algorithmus unterschiedlich ist, kann es willkürlich gesetzt werden. Jedoch ist das Zuverlässigkeitsmaß für die Fahrspurerkennung ein Index zur Beurteilung, ob die Fahrbahnmarkierungen erkannt werden können oder nicht, wobei der Wert normalisiert ist, damit er in dem Bereich zwischen 0 und 1 variiert. Die Zuverlässigkeit des Ergebnisses der Fahrspurerkennung ist höher, wenn sich das Zuverlässigkeitsmaß nahe bei 1 befindet, und ist niedriger, wenn sich das Zuverlässigkeitsmaß nahe bei 0 befindet.
Das Erkennungs-Zuverlässigkeitsmaß bei der Erfassung von Kantenpunkten, die in dem Erkennungsalgorithmus 9 für eine weiße Linie und in dem Erkennungsalgorithmus 11 für einen Pfosten durchgeführt wird, ist definiert als „Erkennungs-Zuverlässigkeitsmaß = Anzahl der Kantenpunkte der Fahrbahnmarkierung/Anzahl aller Kantenpunkte der Straßenoberfläche".
Das Erkennungs-Zuverlässigkeitsmaß des Mustervergleichs in dem Erkennungsalgorithmus 10 für eine erhöhte Fahrbahnmarkierung und dem Erkennungsalgorithmus 12 für Muster auf der Straßen- Oberfläche ist definiert als „Erkennungs-Zuverlässigkeitsmaß = übereinstimmender Korrelationswert".
Wie oben erläutert, kann die Fahrspur erkannt werden, auch wenn die Form der Fahrbahnmarkierung anders ist, indem eine Vielzahl von Bildverarbeitungsalgorithmen vorbereitet und verwendet werden.
Um die vorliegende Erfindung zu erläutern, wird ein Beispiel eines Ablaufs des Bildverarbeitungsalgorithmus zum allgemeinen Erkennen der weißen Linie, des Pfostens und der erhöhten Fahrbahnmarkierung in 7 gezeigt, d. h. die Verarbeitung geht von Schritt S61 bis Schritt S64.
Unter Bezugnahme wiederum auf 1 wird das Bildverarbeitungsalgorithmus-Auswahlmittel 4 im Folgenden beschrieben.
Eine absolute Position des eigenen Fahrzeugs wird von dem GPS-Empfänger 14 unter Verwendung einer elektromagnetischen Welle von einem Satelliten (nicht gezeigt) identifiziert und eine Fahrstraße des eigenen Fahrzeugs wird aus der Straßenkarte-Datendatei 16 erkannt. Information über die Formen der Fahrbahnmarkierungen (die weiße Linie, die erhöhte Fahrbahnmarkierung und der Pfosten) werden für jede Straße zu der Straßenkarte-Datendatei 16 hinzugefügt.
Das Fahrbahnmarkierungsart-Identifizierungsmittel 15 identifiziert eine Art der Fahrbahnmarkierungsform auf der Straße des eigenen Fahrzeugs und gibt die Art der Form der Fahrbahnmarkierung an das Bildverarbeitungssystem 13 aus. Wenn die Information über die Fahrbahnmarkierung (Bildverarbeitungsalgorithmus-Auswahlinformation) der Straße eingegeben wird, wählt das Bildverarbeitungssystem 13 einen der Bildverarbeitungsalgorithmen aus.
Um den Bildverarbeitungsalgorithmus auszuwählen, kann die Art des Bildverarbeitungsalgorithmus zu den Straßenkarte-Daten 16 hinzugefügt werden. Im Folgenden wird die, wie oben beschriebene, Auswahl des Bildverarbeitungsalgorithmus als ein die Straßenkarte betreffendes Verfahren bezeichnet.
2 zeigt den Verarbeitungsablauf des Bildverarbeitungsmittels 6 in dem die Straßenkarte betreffenden Verfahren.
Zuerst wird in Schritt S1 entweder der Erkennungsalgorithmus 9 für eine weiße Linie (Schritt S2), der Erkennungsalgorithmus 10 für eine erhöhte Fahrbahnmarkierung (Schritt S3) oder der Erkennungsalgorithmus 11 für einen Pfosten (Schritt S4) ausgewählt gemäß der Art der Fahrbahnmarkierung, die von dem Bildverarbeitungsalgorithmus-Auswahlmittel 4 erhalten wird.
Die Verarbeitung von Schritt S2 wird durchgeführt, wenn in Schritt S1 der Erkennungsalgorithmus 9 für eine weiße Linie ausgewählt wird. Die Fahrspur wird unter Verwendung der Kanteninformation der weißen Linie 41 oder des hohen Densitätswerts des Abschnitts der weißen Linie erfasst. Die Ausgabe ist das Ergebnis der Fahrspurerkennung und das Zuverlässigkeitsmaß für die Fahrspurerkennung.
Die Verarbeitung von Schritt S3 wird durchgeführt, wenn in Schritt S1 der Erkennungsalgorithmus 10 für eine erhöhte Fahrbahnmarkierung ausgewählt wird. Das Muster der erhöhten Fahrbahnmarkierung 42 ist als eine Vorlage vorher registriert und Positionen der Muster werden erfasst. Der Schritt S3 wird ausgeführt, wenn in Schritt S1 der Erkennungsalgorithmus 10 für eine erhöhte Fahrbahnmarkierung ausgewählt wird.
Die Verarbeitung von Schritt S4 wird durchgeführt, wenn in Schritt S1 der Erkennungsalgorithmus 11 für einen Pfosten ausgewählt wird. Die Fahrspur wird erfasst durch Verwendung von Kanteninformation in der senkrechten Richtung und/oder Farbinformation oder unter Verwendung einer Bildtechnologie für feste Körper, da der Pfosten eine Höhe aufweist. In dem Fall der erhöhten Fahrbahnmarkierung, die nachts Licht ausstrahlt, kann die erhöhte Fahrbahnmarkierung dieser Art unter Verwendung von Densitätsinformation erfasst werden. Der Schritt S3 wird ausgeführt, wenn in Schritt S1 der Erkennungsalgorithmus 10 für eine erhöhte Fahrbahnmarkierung ausgewählt wird.
In Schritt S5 wird aus dem in Schritt S2, Schritt S3 oder Schritt S4 erhaltenen Zuverlässigkeitsmaß für die Fahrspurerkennung beurteilt, ob die Fahrspur erfasst werden konnte. Wenn das Zuverlässigkeitsmaß für die Fahrspurerkennung einen vorgegebenen Schwellenwert überschreitet, geht die Verarbeitung zu Schritt S8 unter der Annahme, dass die Fahrspur erfasst wurde. Wenn das Zuverlässigkeitsmaß für die Fahrspurerkennung den vorgegebenen Schwellenwert nicht überschreitet, geht die Verarbeitung zu Schritt S6 unter der Annahme, dass die Fahrspur nicht erfasst wurde. Hier bedeutet der Schwellenwert einen Beurteilungsindex zur Einschätzung, dass die Fahrspur erkannt wurde, wenn das Zuverlässigkeitsmaß für die Fahrspurerkennung den Wert überschreitet. Der Wert wird anfangs auf ungefähr 0.5 gesetzt und wird dann angepasst, indem er abhängig von der Erfassung erhöht oder verringert wird.
Die Verarbeitung von Schritt S6 wird durchgeführt, wenn die Fahrspur von einem der in Schritt S1 ausgewählten Bildverarbeitungsalgorithmen 9 bis 11 nicht erfasst werden kann. In einem derartigen Fall wird, da die Fahrbahnmarkierungen aufgrund einer Auswirkung einer Verschlechterung oder Verschmutzung durch Abgas oder Schneefall visuell schwierig zu erfassen sein können, die Erfassungsverarbeitung der Fahrspur wiederum durch den Erkennungsalgorithmus 12 für Muster auf der Straßenoberfläche durchgeführt, der die Fahrspur unter Verwendung einer von Fahrbahnmarkierungen unterschiedlichen Information erkennen kann. Die Ausgabe des Verarbeitungsergebnisses in Schritt S6 ist das Ergebnis der Fahrspurerkennung und das Zuverlässigkeitsmaß für die Fahrspurerkennung.
In Schritt S7 wird aus dem in Schritt S6 erhaltenen Zuverlässigkeitsmaß für die Fahrspurerkennung beurteilt, ob die Fahrspur erfasst werden kann oder nicht. Wenn das Zuverlässigkeitsmaß für die Fahrspurerkennung einen vorgegebenen Schwellenwert überschreitet, geht die Verarbeitung zu Schritt S8 unter der Annahme, dass die Fahrspur erfasst wurde. Wenn das Zuverlässigkeitsmaß für die Fahrspurerkennung den vorgegebenen Schwellenwert nicht überschreitet, geht die Verarbeitung zu Schritt S9 unter der Annahme, dass die Fahrspur nicht erfasst wurde.
Die Verarbeitung von Schritt S8 wird durchgeführt, wenn entschieden wurde, dass die Fahrspur erfasst wurde. Das Ergebnis der Fahrspurerkennung wird an den Fahrspur-Beibehaltung-Steuerungsteil 2 ausgegeben. Die Verarbeitung von Schritt S9 wird durchgeführt, wenn entschieden wurde, dass die Fahrspur nicht erfasst wurde. Information über die Unfähigkeit einer Fahrspur-Erfassung wird an den Fahrspur-Beibehaltung-Steuerungsteil 2 ausgegeben.
Gemäß dem die Straßenkarte betreffenden Verfahren kann immer einer der optimalen. Bildverarbeitungsalgorithmen ausgewählt werden; wenn die Form der Fahrbahnmarkierung oder der optimale Bildverarbeitungsalgorithmus in den Straßenkarte-Daten gespeichert ist. Demgemäß können unnötige Versuche verringert werden und ein sehr zuverlässiges System zur Fahrspurerkennung kann bereitgestellt werden.
Ferner kann, obwohl in 1 ein Beispiel der Verwendung eines GPS und der Straßenkarte-Daten beschrieben wird, um die Form der Fahrbahnmarkierung auf der Straßenoberfläche zu erkennen, die Form der Fahrbahnmarkierung erkannt werden unter Verwendung einer Straße-zu-Fahrzeug-Kommunikation unter Verwendung einer Bake (beacon), wie in 8 gezeigt. Dieselbe Funktion kann durch das Verfahren erreicht werden, in dem ein Bakenempfänger 21 an dem Fahrzeug befestigt ist und die Information über die Fahrbahnmarkierung direkt von der in der Straße installierten Bake empfangen wird.
9 zeigt einen weiteren Aufbau der vorliegenden Erfindung. Die in 9 gezeigte Erfindung ist derart aufgebaut, dass der Bildverarbeitungsalgorithmus ohne Verwendung des die Straßenkarte betreffenden Verfahrens ausgewählt wird.
In 9 wird der Teil, der dem von 1 entspricht, mit demselben Bezugszeichen identifiziert. Das Bildverarbeitungsalgorithmus-Auswahlmittel 4 von 9 weist eine Zuverlässigkeitsmaß-Ergebnis-Datei 32 des in dem vorhergehenden Rahmen ausgewählten Bildverarbeitungsalgorithmus auf. Die Zuverlässigkeitsmaß-Ergebnis-Datei 32 speichert die Art des Fahrspurerkennungsalgorithmus und das Zuverlässigkeitsmaß für die Fahrspurerkennung des vorhergehenden Rahmens.
Ein Algorithmus-Auswahlmittel 31 betrifft den vorher ausgewählten Bildverarbeitungsalgorithmus, der in der Zuverlässigkeitsmaß-Ergebnis-Datei 32 gespeichert ist, und verwendet direkt den früheren Bildverarbeitungsalgorithmus, wenn die Fahrspur vorher erkannt werden kann. Dies ist ein Verfahren unter Verwendung der Kontinuität, mit der Fahrbahnmarkierungen derselben Form normalerweise kontinuierlich in Erscheinung treten. Im Folgenden wird die Auswahl des Bildverarbeitungsalgorithmus dieses Typs als ein Verfahren zur kontinuierlichen Verwendung desselben Algorithmus bezeichnet. Bei diesem Verfahren wird der andere Algorithmus nur dann ausprobiert und verwendet, wenn die Fahrspur vorher nicht erkannt werden kann.
10 zeigt den Verarbeitungsablauf des Verfahren zur kontinuierlichen Verwendung desselben Algorithmus.
In Schritt S11 wird gemäß des Zuverlässigkeitsmaßes für die Fahrspurerkennung des in dem vorherigen Rahmen ausgewählten Bildverarbeitungsalgorithmus entschieden, welcher Bildverarbeitungsalgorithmus dieses Mal verwendet werden soll. Wenn der Wert des Zuverlässigkeitsmaßes für die Fahrspurerkennung des in dem vorherigen Rahmen ausgewählten Bildverarbeitungsalgorithmus höher ist als ein vorgegebener Schwellenwert, wird angenommen, dass die Fahrspur-Erfassung durch den in dem vorherigen Rahmen ausgewählten Bildverarbeitungsalgorithmus erfolgreich war, und die Verarbeitung geht zu Schritt S12. Wenn nicht, geht die Verarbeitung zu Schritt S14. Da es jedoch in der anfänglichen Durchführung kein Ergebnis für die Durchführung des vorherigen Rahmens gibt, geht die Verarbeitung beim ersten Mal direkt zu Schritt S14.
In Schritt S12 wird der Bildverarbeitungsalgorithmus, durch den beurteilt wurde, dass die Fahrspur in dem vorherigen Rahmen erfasst wurde, direkt verwendet. Die Arten des Bildverarbeitungsalgorithmus sind der Erkennungsalgorithmus für eine weiße Linie, der Erkennungsalgorithmus für eine erhöhte Fahrbahnmarkierung, der Erkennungsalgorithmus für einen Pfosten und der Erkennungsalgorithmus für Muster auf der Straßenoberfläche. Die Ausgabe des Verarbeitungsergebnisses in Schritt S12 ist das Ergebnis der Fahrspurerkennung und das Zuverlässigkeitsmaß für die Fahrspurerkennung.
In Schritt S13 wird aus dem in Schritt S12 erhaltenen Zuverlässigkeitsmaß für die Fahrspurerkennung beurteilt, ob die Fahrspur erfasst werden kann oder nicht. Wenn das Zuverlässigkeitsmaß für die Fahrspurerkennung einen vorgegebenen Wert übersteigt, geht die Verarbeitung unter der Annahme zu Schritt S17, dass die Fahrspur erfasst wurde. Wenn das Zuverlässigkeitsmaß für die Fahrspurerkennung den vorgegebenen Wert nicht übersteigt, geht die Verarbeitung unter der Annahme zu Schritt S14, dass die Fahrspur nicht erfasst wurde.
Die Verarbeitung von Schritt S14 wird durchgeführt, wenn entschieden ist, dass die Fahrspur als Ergebnis der Durchführung des Bildverarbeitungsalgorithmus nicht erfasst wurde oder wenn die Fahrspur von dem vorher ausgewählten Bildverarbeitungsalgorithmus nicht erfasst werden kann. In diesem Fall werden die bisher noch nicht durchgeführten Bildverarbeitungsalgorithmen einer nach dem anderen ausgeführt. Die Ausgabe des Verarbeitungsergebnisses in Schritt S14 ist das Ergebnis der Fahrspurerkennung und das Zuverlässigkeitsmaß für die Fahrspurerkennung.
In Schritt S15 wird aus dem in Schritt S14 erhaltenen Zuverlässigkeitsmaß für die Fahrspurerkennung beurteilt, ob die Fahrspur erfasst werden kann oder nicht. Wenn das Zuverlässigkeitsmaß für die Fahrspurerkennung einen vorgegebenen Wert übersteigt, geht die Verarbeitung unter der Annahme zu Schritt S17, dass die Fahrspur erfasst wurde. Wenn das Zuverlässigkeitsmaß für die Fahrspurerkennung den vorgegebenen Wert nicht übersteigt, geht die Verarbei tung unter der Annahme zu Schritt S16, dass die Fahrspur nicht erfasst wurde.
Schritt S16 ist eine Verzweigung, die für die Versuche der bisher noch nicht durchgeführten Algorithmen vorgesehen ist, wenn die Erfassung der Fahrspur nicht gelingt. Wenn bisher noch nicht durchgeführte Bildverarbeitungsalgorithmen verbleiben, geht die Verarbeitung zu Schritt S14 zurück. Wenn alle Bildverarbeitungsalgorithmen durchgeführt wurden, geht die Verarbeitung zu Schritt S18.
Da es jedoch lange dauert, alle Algorithmen durchzuführen, kann eine Störung in der Steuerung des Fahrspur-Beibehaltung-Steuerungsteils 2 während der Fahrt des Fahrzeugs mit hoher Geschwindigkeit auftreten. In einem derartigen Fall kann, unter Verwendung von Fahrtgeschwindigkeitsinformation des Fahrzeugs, das Erkennungsergebnis innerhalb einer zulässigen Verarbeitungszeit ausgegeben werden, indem die Anzahl der Verarbeitungen bei einer Fahrt mit hoher Geschwindigkeit begrenzt wird, und die Genauigkeit der Erkennung kann verbessert werden, indem die Anzahl der Verarbeitungen bei einer Fahrt mit geringer Geschwindigkeit erhöht wird.
Die Verarbeitung von Schritt S17 wird durchgeführt, wenn entschieden wird, dass die Fahrspur erfasst wurde. Das Ergebnis der Fahrspurerkennung wird an den Fahrspur-Beibehaltung-Steuerungsteil 2 ausgegeben. Die Verarbeitung von Schritt S18 wird durchgeführt, wenn entschieden wird, dass die Fahrspur nicht erfasst wurde. Information über die Unfähigkeit einer Fahrspur-Erfassung wird an den Fahrspur-Beibehaltung-Steuerungsteil 2 ausgegeben.
Wie oben erläutert, kann man in dem Verfahren zur kontinuierlichen Verwendung desselben Algorithmus, da die tatsächlichen Fahrbahnmarkierungen einer Straße nicht bekannt sind, nicht immer sicher sein, dass der für die Form der Fahrbahnmarkierung der Straße geeignete Bildverarbeitungsalgorithmus durchgeführt wird. Deswegen kann dies, obwohl die Zuverlässigkeit des Ergebnisses der Erkennung im Vergleich zu der Zuverlässigkeit des die Straßenkarte betreffenden Verfahrens geringer ist, genauso sicher sein wie in dem Fall, in dem alle Bildverarbeitungsalgorithmen durchgeführt werden.
Jedoch kann das Verfahren zur kontinuierlichen Verwendung desselben Algorithmus eine Verarbeitung mit hoher Geschwindigkeit durchführen im Vergleich zu dem Fall, in dem alle Bildverarbeitungsalgorithmen durchgeführt werden. Ferner erfordert das Bildverarbeitungsalgorithmus-Auswahlmittel 4 nur die Bildverarbeitungs-Datendatei 11 und nicht den GPS-Empfänger 14 und die Straßenkarte-Daten 16. Deswegen kann das Verfahren zur kontinuierlichen Verwendung desselben Algorithmus ein System zur Fahrspurerkennung liefern, das einfacher als die Struktur des die Straßenkarte betreffenden Verfahrens ist.
Die Fahrspur wird erfasst, wie oben beschrieben wird. In dem Verfahren zur kontinuierlichen Verwendung desselben Algorithmus weist das Bildverarbeitungsmittel zur Bildverarbeitung eines Straßenbilds die Vielzahl verschiedener Arten von Bildverarbeitungsalgorithmen auf, und die Fahrspur wird durch die Auswahl eines Bildverarbeitungsalgorithmus, der für die Fahrspur geeignet ist, aus der Vielzahl verschiedener Arten von Bildverarbeitungsalgorithmen erfasst. Somit kann die Genauigkeit der Fahrspurerkennung verbessert werden, indem die Vielzahl von Fahrbahnmarkierungsarten zuverlässig erfasst wird.
Wie oben erläutert, wird die Fahrspur erfasst durch Auswahl des Bildverarbeitungsalgorithmus durch das System zur Fahrspurerkennung selbst. Jedoch kann offensichtlich derselbe Effekt erreicht wer den, indem der Fahrer des Fahrzeugs die Fahrbahnmarkierung visuell identifiziert und manuell einen der Bildverarbeitungsalgorithmen auswählt.
Gemäß der vorliegenden Erfindung weist das Bildverarbeitungsmittel zur Bildverarbeitung eines Straßenbilds die Vielzahl verschiedener Arten von Bildverarbeitungsalgorithmen auf, und die Fahrspur wird durch die Auswahl eines Bildverarbeitungsalgorithmus, der für die Fahrspur geeignet ist, aus der Vielzahl verschiedener Arten von Bildverarbeitungsalgorithmen erfasst. Somit kann die Genauigkeit der Fahrspurerkennung verbessert werden, indem die Vielzahl von Fahrbahnmarkierungsarten zuverlässig erfasst wird.

Claims

System zur Fahrspurerkennung, mit: einem Abbildungsmittel (5) zum Aufnehmen eines Bildes einer Strasse vor einem Fahrzeug, wobei das Abbildungsmittel (5) an dem Fahrzeug befestigt ist; einem Bildverarbeitungsmittel (6) zum Erfassen der Fahrspur des Fahrzeugs aus dem von dem Abbildungsmittel (5) aufgenommenen Bild der Strasse, dadurch gekennzeichnet, dass das Bildverarbeitungsmittel (6) eine Vielzahl verschiedener Arten von Bildverarbeitungsalgorithmen (9, 10, 11) aufweist, die einzeln verschiedenen Fahrbahnmarkierungen (41, 42, 43, 44) der auf der Strasse verlaufenden Fahrspur entsprechen; und ein Bildverarbeitungsalgorithmus-Auswahlmittel (4) vorgesehen ist, um die Art der Fahrbahnmarkierung (41, 42, 43, 44) der Strasse, auf der das Fahrzeug fährt, zu identifizieren, und um einen der von dem Bildverarbeitungsmittel (6) verwendeten Bildverarbeitungsalgorithmen (9, 10, 11) auszuwählen, um die Fahrspur zu erfassen.
System zur Fahrspurerkennung gemäß Anspruch 1, dadurch gekennzeichnet, dass das Bildverarbeitungsmittel (6) einen Straßenoberflächemuster-Erkennungsalgorithmus (12) aufweist, um eine Straßenmuster-Erkennungsverarbeitung der Strasse durchzuführen, wenn die Fahrspur von der Vielzahl von Bildverarbeitungsalgorithmen (9, 10, 11) nicht erfasst werden kann.
System zur Fahrspurerkennung gemäß Anspruch 1 oder 2, gekennzeichnet durch ein Positions-Erfassungsmittel (14) zum Erfassen einer Position der Strasse, auf der ein Fahrzeug fährt; eine Straßenkarte-Datendatei (16) zum Speichern der individuellen Arten von Fahrbahnmarkierungen (41, 42, 43, 44) für die Strassen; und ein Fahrbahnmarkierungs-Identifizierungsmittel (15) zum Erfassen und Identifizieren der Arten von Fahrbahnmarkierung (41, 42, 43, 44) der Strasse, auf der das Fahrzeug fährt, auf Grundlage einer Positionsinformation des Positions-Erfassungsmittel (14), und zum Auswählen des von dem Bildverarbeitungsmittel (6) verwendeten Bildverarbeitungsalgorithmus, um die Fahrspur zu erfassen.
System zur Fahrspurerkennung gemäß zumindest einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass das Abbildungsmittel eine Kamera (5) zum Aufnehmen eines Bildes der Strasse vor einem Fahrzeug ist, wobei die Kamera (5) an dem Fahrzeug befestigt ist.
System zur Fahrspurerkennung gemäß zumindest einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass das Positions-Erfassungsmittel ein GPS-Empfangsmittel (14) zum Empfangen von Positionsinformation von einem Satelliten für die Strasse ist, auf der das Fahrzeug fährt.
System zur Fahrspurerkennung gemäß zumindest einem der Ansprüche 1, 2 oder 4, gekennzeichnet durch ein Signal-Empfangsmittel (21) zum Empfangen von Fahrbahnmarkierungs-Forminformation für die Strasse, auf der das Fahr zeug fährt, von einem Strasse-zu-Fahrzeug-Kommunikationssystem; und ein Fahrbahnmarkierungs-Art-Identifizierungsmittel (22) zum Erfassen und Identifizieren der Art der Fahrbahnmarkierung (41, 42, 43, 44) der Strasse, auf der das Fahrzeug fährt, auf Grundlage der von dem Signal-Empfangsmittel (21) erhaltenen Fahrbahnmarkierungs-Forminformation, und zum Auswählen eines von dem Bildverarbeitungsmittel (6) zum Erfassen der Fahrspur verwendeten Bildverarbeitungsalgorithmus.
System zur Fahrspurerkennung gemäß zumindest einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, dass die Vielzahl verschiedener Arten von Bildverarbeitungsalgorithmen (9, 10, 11) einzeln verschiedenen Arten auf der Strasse angeordneten Fahrbahnmarkierungen entspricht, wie einer weißen Linie (41), einer erhöhten Fahrbahnmarkierung (42) und Pfosten (43).
System zur Fahrspurerkennung gemäß zumindest einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, dass der Bildverarbeitungsalgorithmus (9, 10, 11, 12) des Bildverarbeitungsmittels (6) umfasst Erfassen der Fahrspur auf Grundlage einer Kanteninformation der Fahrbahnmarkierung (41, 42, 43, 44), Erfassen der Fahrspur auf Grundlage eines Mustervergleichs unter Verwendung einer Musterform der Fahrbahnmarkierung (41, 42, 43, 44), und Erfassen der Fahrspur auf Grundlage von Densitäts-Projektions-Information einer Straßenoberfläche.
System zur Fahrspurerkennung gemäß zumindest einem der Ansprüche 1 bis 8, gekennzeichnet durch ein Bildverarbeitungsalgorithmus-Auswahlmittel (4), das einen der Bildverarbeitungsalgorithmen (9, 10, 11, 12) auswählt, der zum Erfassen der Fahrspur des Fahrzeugs zum jetzigen Zeitpunkt auf Grundlage eines Erkennungs-Zuverlässigkeitsmaßes eines Bildverarbeitungsalgorithmus (9, 10, 11, 12) eingesetzt wird, der zum Erfassen der Fahrspur des Fahrzeugs zu einem vorhergehenden Zeitpunkt von dem Bildverarbeitungsmittel (6) eingesetzt wurde.
System zur Fahrspurerkennung gemäß Anspruch 9, dadurch gekennzeichnet, dass das Bildverarbeitungsalgorithmus-Auswahlmittel (4) eine Ergebnis-Datei für die Algorithmus-Erkennungs-Zuverlässigkeitsmaße (32) zum Speichern einer Historie der früher ausgewählten Arten und Zuverlässigkeitsmaße der Bildverarbeitungsalgorithmen (9, 10, 11, 12) aufweist und einen der Bildverarbeitungsalgorithmen (9, 10, 11, 12) auf Grundlage der Historie auswählt.