用于避免碰撞的系统和方法

1.一种用于控制交通工具以自动避免交通工具与障碍物碰撞的方法；该方法包括下列步骤：
对交通工具之前的障碍物进行识别和定位，其中障碍物相对于交通工具的相对位置通过其坐标来确定；
测量所识别的障碍物的相对速度；
根据相应的相对位置和相对速度来判断在交通工具与障碍物之间是否存在碰撞危险；
当存在与障碍物碰撞的危险时执行下列步骤：
根据已知的测量误差计算障碍物周围的不确定区域；
计算不确定区域的边缘内或边缘处的避开点；
定义围绕避开点的具有一半径的保护区；
定义具有预先给定的曲率半径的圆形轨道状避开路线；
在离障碍物的临界距离的情况下对交通工具进行控制，使得交通工具遵循圆形轨道状避开路线，其中圆形轨道状避开路线与保护区相切。
2.根据权利要求1所述的方法，其中在测量穿过交通工具延伸的水平面之下或之上的障碍物的相对位置和相对速度以后，将相应的相对位置及相对速度投影到该水平面中，并且将所投影的位置及速度用作为用于计算不确定区域、避开点以及保护区的测量值。
3.根据权利要求2所述的方法，其中在交通工具位于圆形轨道状避开路线上期间，测量到障碍物的距离，并且如果到障碍物的距离增加，则离开圆形轨道状避开路线并且发起反向运动。
4.根据权利要求3所述的方法，其中在发起反向运动以后，当航路点与方位基点以及交通工具与方位基点之间的角度差小于预先给定的阈值时启用航路点方向上的轨道调节。
5.根据权利要求1所述的方法，其中所识别的障碍物被分类成组，即第一组“静止障碍物”、第二组“运动的协作障碍物”、以及第三组“运动的非协作障碍物”，其中协作障碍物遵守预先定义的用于避开的规则并且非协作障碍物忽略交通工具。
6.根据权利要求5所述的方法，其中根据作为静止障碍物、运动的协作障碍物或运动的非协作障碍物的分类来确定不确定区域并且由此确定避开点。
7.根据权利要求5所述的方法，其中在静止障碍物的情况下根据下列公式确定静止的不确定区域的四个角点：
点1：
点2：
点3：
点4： ，
其中不确定区域由方位角和距离的标称值 、 以及相应的不确定性量 、
、 、 来表征，其中， 表示观察到障碍物的方位角，并且 表示自交通
工具到障碍物的测量距离。
8.根据权利要求7所述的方法，其中在应当向右避开时点4是避开点，并且在应当向左避开时点1是避开点。
9.根据权利要求5所述的方法，其中针对运动的协作障碍物，将保护区扩宽协作障碍物的避开半径。
10.根据权利要求5所述的方法，其中在静止障碍物的情况下，一旦满足下列不等式，就达到临界距离：
，
其中 是避开轨道的半径， 是圆形保护区的半径， 是障碍物的所测量的方位角，并且 是障碍物与交通工具之间的所测量的距离。
11.根据权利要求5所述的方法，其中在静止障碍物的情况下，一旦对于来自不确定区域 的任意方位角 以及对于来自不确定区域 的任意距离 满足下列不等式，就达到临界距离：
，
其中 是避开轨道的半径， 是圆形保护区的半径，并且
以及
，
其中， 表示观察到障碍物的方位角，并且 表示自交通工具到障碍物的测量距离， 以及 、 、 、 表示相应的不确定性量。
12.根据权利要求5所述的方法，其中在运动的协作障碍物的情况下，一旦满足下列不等式，就达到临界距离：
,
其中 并且 是避开轨道的半径， 是圆形保护区的半径， 是障
碍物的所测量的方位角，并且 是障碍物与交通工具之间的所测量的距离。
13.根据权利要求12所述的方法，其中在静止障碍物的情况下，一旦对于来自不确定区域 的任意方位角 以及对于来自不确定区域 的任意距离 满足下列不等式，就达到临界距离：
,
其中 并且 是避开轨道的半径， 是圆形保护区的半径，并且
以及
，
其中， 表示观察到障碍物的方位角，并且 表示自交通工具到障碍物的测量距离，以及 、 、 、 表示相应的不确定性量。
14.根据权利要求5所述的方法，其中在运动的非协作障碍物的情况下预先计算碰撞。
15.根据权利要求14所述的方法，其中通过分析不等式

来预先计算碰撞，并且当不满足该不等式时假定有碰撞危险，其中 是障碍物的所测量的方位角， 是交通工具与障碍物之间要保持的最小距离， 是从交通工具到障碍物的所测量的距离，并且 是障碍物的相对速度矢量与交通工具的运动方向所成的角度。
16.根据权利要求15所述的方法，其中考虑 、 和 的不确定区域。
17.根据权利要求5或14所述的方法，其中保护区是障碍物的运动走廊，该运动走廊的宽度对应于交通工具与障碍物要保持的最小距离 的两倍。
18.根据权利要求5或14所述的方法，其中保护区是障碍物的运动走廊，该运动走廊的最小宽度是交通工具与障碍物要保持的最小距离 的两倍，其中该走廊每长度单位加宽 的值，其中 对应于障碍物的所测量的速度矢量的最大角度误差。
19.根据权利要求18所述的方法，其中障碍物之前的由走廊定义的保护区仅在长度上伸展，其中 是障碍物与交通工具之间要保持的最小距离， 是障碍物
的所测量的速度，并且t是交通工具在避开轨道上再次离开走廊所需的时间。
20.根据权利要求5至16之一所述的方法，其中在流体的情况下，将静止障碍物作为动态非协作障碍物来处理，该动态非协作障碍物具有相对于交通工具的与流体速度相反但是具有与流体速度相同的绝对值的相对速度。
21.一种用于识别障碍物并且计算交通工具中的避开动作的系统，其中该系统包括下列部件：
自动驾驶单元，用于控制交通工具的运动，其中该自动驾驶单元具有用于接收描述交通工具的额定运动的运动参数的接口，并且该自动驾驶单元被构造为根据运动参数将交通工具控制为使得交通工具的实际运动近似地对应于额定运动；
传感器单元，具有至少一个第一环境传感器，所述第一环境传感器被构造为对障碍物进行定位并且提供与障碍物的相对位置和障碍物的相对速度有关的传感器数据；
数据处理单元，其被构造为编辑传感器数据并且提供所述相对位置和相对速度的测量值；
用于计算避开动作的单元，其被构造为按照权利要求1的方法根据测量值来计算避开动作的额定运动的运动参数并且将所述运动参数提供给自动驾驶单元的接口。
22.根据权利要求21所述的系统，其中障碍物以特定的方位角和特定的仰角位于交通工具之前并且与交通工具具有特定距离，并且其中环境传感器检测交通工具之前的区域并且作为传感器数据提供障碍物的距离、方位角、仰角以及相对速度。
23.根据权利要求21所述的系统，其中传感器单元具有第二环境传感器，其中第一环境传感器是光学传感器并且第二环境传感器是雷达传感器。
24.根据权利要求23所述的系统，其中传感器单元被构造为将至少第一和第二环境传感器的传感器数据汇集并且从包含在传感器数据中的信息中计算障碍物的方位角、仰角以及距离和相对速度。
25.根据权利要求24所述的系统，其中第一光学传感器是提供交通工具的环境图像的平面摄像机，并且传感器单元被构造为：
－对图像上潜在的障碍物进行识别和分类；
－基于所述分类从数据库中确定障碍物的实际大小；以及
－从每个障碍物和图像的实际大小中计算相应障碍物与交通工具之间的距离。
26.根据权利要求24所述的系统，其中雷达传感器能够摆动，并且光学传感器是提供交通工具的环境图像的平面摄像机，并且传感器单元被构造为：
－对图像上潜在的障碍物进行识别并且近似地确定所述障碍物与交通工具的相对位置；
－根据预先给定的标准按照所识别的障碍物的危险性对所述所识别的障碍物进行排序并且选出最危险的障碍物；
－基于近似地确定的相对位置使雷达传感器在最危险的障碍物的方向上摆动；以及－借助于雷达传感器以比近似地确定的相对位置更高的精确度测量相对位置。
27.根据权利要求26所述的系统，其中障碍物的危险性的标准是相应障碍物的相对位置，其中与圆形避开路线的中心点相距最小的障碍物被选为最危险的障碍物。
28.根据权利要求22至27之一所述的系统，其中数据处理单元被构造为将障碍物的相对位置投影到水平面中，以便确定水平距离并且将该水平距离作为相对位置的测量值来提供。
29.根据权利要求22至27之一所述的系统，其中每个障碍物的相对位置的由传感器单元所提供的传感器数据分别处于一个不确定区域中，并且数据处理单元被构造为通过如下方式来简化传感器数据：将多个彼此接近的障碍物合并成一个障碍物，并且针对合并的障碍物计算具有相应扩大的不确定区域的总相对位置。
30.根据权利要求21至27之一所述的系统，其中用于计算避开动作的单元被构造为在障碍物的距离小于临界距离时计算非避开动作的运动参数。
31.根据权利要求21至27之一所述的系统，其中用于计算避开动作的单元包括用于对障碍物进行分类的单元，该单元被构造为基于测量数据对障碍物进行分类以便由此推断出障碍物的行为。
32.根据权利要求31所述的系统，其中用于对障碍物进行分类的单元被构造为从传感器数据中确定该障碍物是静态对象、运动协作对象、还是运动非协作对象。
33.根据权利要求31所述的系统，其中用于计算避开动作的单元被构造为根据危险障碍物的相对位置和相对速度以及所述分类的结果来计算避开路线的运动参数并且将所述运动参数提供给自动驾驶单元的接口。

用于避免碰撞的系统和方法\n技术领域\n[0001] 本发明涉及用于自动避免交通工具与其他对象的碰撞的系统和方法。该系统或方法例如适用于自动避免无人驾驶的可控飞行器与其他飞行器或与静止障碍物的碰撞。\n背景技术\n[0002] 本发明所基于的任务在于，提供用于控制交通工具的系统和方法，该系统和方法保证交通工具可靠地避开静止或运动的障碍物。可能的碰撞将被避免。下面应将概念“交通工具”理解成陆地交通工具、水上交通工具（例如船舶）、水下交通工具（例如潜艇）、空中交通工具（例如飞机）、以及太空交通工具。\n发明内容\n[0003] 本发明的一个示例涉及一种用于控制交通工具以自动避免该交通工具与障碍物碰撞的方法。该方法包括下列步骤：对该交通工具之前的障碍物进行识别和定位，其中障碍物相对于交通工具的相对位置通过其坐标被确定；测量所识别的障碍物的相对速度；根据相应的相对位置和相对速度判断在交通工具与障碍物之间是否存在碰撞危险；当存在与障碍物碰撞的危险时执行下列步骤：根据已知的测量误差计算障碍物周围的不确定区域；计算不确定区域的边缘处的避开点；定义围绕避开点的具有一半径的保护区；定义具有预先给定的曲率半径的圆形轨道状避开路线；在临界距离的情况下将交通工具控制为使得交通工具遵循圆形轨道状避开路线，其中圆形轨道状避开路线与保护区相切。\n[0004] 本发明的另一示例涉及一种用于识别障碍物并且计算交通工具中的避开动作（Ausweichmanöver）的系统。该系统包括下列部件：自动驾驶单元，用于控制交通工具的运动，其中该自动驾驶单元具有用于接收描述交通工具的额定运动的运动参数的接口，并且该自动驾驶单元被构造为根据运动参数将交通工具控制为使得交通工具的实际运动近似地对应于额定运动；传感器单元，具有至少一个第一环境传感器，所述第一环境传感器被构造为对障碍物进行定位并且提供与障碍物的相对位置和障碍物的相对速度有关的传感器数据；数据处理单元，其被构造为编辑传感器数据并且提供相对位置和相对速度的测量值；\n用于计算避开动作的单元，其被构造为根据测量值计算避开动作的额定运动的运动参数并且将这些运动参数提供给自动驾驶单元的接口。\n[0005] 本发明的另一示例涉及一种用于识别障碍物并且计算交通工具中的避开动作的方法。该方法包括下列步骤：借助于第一环境传感器对障碍物进行定位并且提供相应的表示障碍物的相对位置和相对速度的传感器数据；编辑传感器数据并且提供相对位置和相对速度的测量值；根据测量值计算避开动作的额定运动的运动参数；以及将这些运动参数输送给自动驾驶单元的接口以控制交通工具的运动，其中该自动驾驶单元被构造为根据运动参数将交通工具控制为使得交通工具的实际运动近似地对应于额定运动。\n附图说明\n[0006] 下面的附图和进一步的描述将有助于更好地理解本发明。不一定将附图中的元素理解为是限制，更确切地说重点在于示出本发明的原理。在附图中，相同的附图标记表示相应的部分。\n[0007] 图1是示出根据本发明系统的示例的框图，该系统包括传感器单元、数据处理单元和用于计算避开动作的单元；\n[0008] 图2示出具有摄像机和雷达传感器以确定障碍物的相对位置和相对速度的传感器单元的实际构造；\n[0009] 图3示出由数据处理单元执行的对距离矢量和速度矢量到水平面中的投影，其中交通工具在该水平面内运动；\n[0010] 图4－6示例性地示出根据本发明的用于避开和避免碰撞的方法在静止障碍物情况下的变形方案；\n[0011] 图7示出对障碍物周围的不确定区域的计算，其中选择不确定区域的角点作为避开点；\n[0012] 图8a－c示例性地示出根据本发明的用于避开和避免碰撞的方法在运动非协作障碍物的情况下的变形方案；\n[0013] 图9a、b示例性地示出运动非协作障碍物与所测量和所计算的量之间的关系；\n[0014] 图10示例性地示出用于在运动非协作障碍物的情况下计算避开路线的坐标变换；\n[0015] 图11示出与障碍物的运动走廊交叉的避开路线；\n[0016] 图12示出在考虑到障碍物情况下的障碍物的运动走廊。\n具体实施方式\n[0017] 用于安全地导航和避免碰撞的系统通常履行两个不同的任务，即第一规划要控制的交通工具从其当前位置到给定航路点的路线，并且第二持续地探测该路线上的障碍物并且必要时发起避开动作。第一任务（到航路点的路线规划）一般被提前解决，也就是说，路线规划不在行驶期间进行，而是在出发以前或在飞行器的情况下在起飞以前（Pre-Flight Planning（飞行前规划））进行。第二任务（识别障碍物和避开）必须连续地在行驶或飞行期间进行。在所规划路线的范围内探测到根据先验（a prior）未知的障碍物的情况下，必须决定是否有必要避开。如果是这种情况，则必须规划合适的避开动作并且离开预先规划（飞行前规划）的路线。在避开动作结束以后，计算到原来所规划路线的下一航路点的新路线。\n[0018] 在识别到障碍物以后，对该障碍物进行分类并且根据该分类计算合适的避开动作。该分类根据静止的和运动的障碍物或协作的和非协作的障碍物进行。协作的障碍物本身尝试根据与所观测的交通工具/飞机相同的原理进行避开，而非协作障碍物忽略该交通工具/飞机。因此，可以区分出三类障碍物。第一是静止障碍物，这些障碍物显然总是非协作的，第二是运动的非协作障碍物，并且第三是运动的协作障碍物。属于这三类的计算避开动作的方法是非常类似的，并且基于相同的原理。为简单起见，首先描述针对静态障碍物的避开。在此，利用下面描述的系统所控制的交通工具（例如飞机）也被称为“自有交通工具”。\n[0019] 在计算用于避免碰撞的避开路线时，按照如下方式进行：假定到障碍物的距离不允许低于特定的最小距离（ ）。在较小的局部障碍物周围可以假定交通工具（例如飞机）不允许侵入的圆形安全区域（具有半径 ）。为了考虑到两次测量之间的扫描时间，可以将半径 进一步扩大以自有交通工具以速度 在扫描时间 内所经\n过的路程 。交通工具之前的平面区域——自有交通工具在其\n中运动或将在其中运动并且在其中可能在下一时间出现必须对其做出反应的障碍物——借助于机载传感器单元被持续地监测。在识别到障碍物的情况下，计算自有交通工具经过障碍物的避开轨道。该避开轨道由圆弧（具有半径 ）以及可选地由直线段构成，其中该直线段以相切的方式连接到该圆弧上，并且该圆弧以相切的方式连接到自有交通工具在避开动作开始以前的运动轨道上。圆弧的半径 对应于避开轨道的与相应速度有关的最小曲率半径。最迟在不再能够避免自有交通工具侵入到所识别障碍物周围的安全区域中以前根据预先计算出的避开轨道来控制自有交通工具，其中避开轨道于是与安全区域相切。\n[0020] 但是在专门探讨避开方法以前，首先应当阐述总系统。图1中示意性地示出根据本发明的示例性的系统。为了可以在交通工具中控制该系统以识别障碍物并且计算避开动作，该系统包括控制交通工具的运动的自动驾驶单元。该自动驾驶单元可以具有用于接收运动参数的接口。所述运动参数描述交通工具的额定运动，并且自动驾驶单元根据运动参数将交通工具控制为使得交通工具的实际运动近似地对应于额定运动。在飞机的情况下，这样的运动参数通常是升降舵和方向舵的角度调节或者对滚动角、俯仰角和偏航角或角速度的预先给定。\n[0021] 此外，该系统包括具有至少一个第一环境传感器的传感器单元，所述第一环境传感器被构造为对障碍物进行定位并且提供与障碍物的相对位置和障碍物的相对速度有关的传感器数据。第一环境传感器例如可以是光学传感器，尤其是摄像机。在此，可以使用在可见光范围或红外光范围内工作的摄像机。\n[0022] 作为另外的部件，该系统可以具有数据处理单元，该数据处理单元被构造为编辑传感器数据并且提供所定位的障碍物的相对位置和相对速度的测量值以用于进一步处理。\n该数据编辑例如可以在于数据简化或者将三维现实以数学方式简化到二维模型。在下面还将更详细地探讨该投影（参见关于图3的描述）。\n[0023] 作为第三部件，根据图1的系统包括用于计算避开动作的单元。该单元也可以集成在自动驾驶单元中。但是在飞行的情况下，关键性的经济上的优点可以是，使用已经被认证用于飞行的具有所定义的外部接口的自动驾驶单元。于是为了在飞行中的使用，仅须认证根据本发明的系统，而不是自动驾驶仪。用于计算避开动作的单元被构造为，根据相对位置和相对速度的测量值来计算避开动作的额定运动的运动参数并且将这些运动参数提供给自动驾驶单元的接口。\n[0024] 潜在的障碍物通常在由方位角 和仰角 确定的方向上以距离 位于该交通工具之前。在此，环境传感器（摄像机，雷达传感器）检测交通工具之前的区域并且确定所观测障碍物的距离 、方位角 、仰角 、以及相对速度v，并且提供作为传感器数据的这些量以用于进一步处理。\n[0025] 为了获得更精确的测量结果，传感器单元可以包含雷达传感器作为第二环境传感器。在这种情况下，该传感器单元被构造为对第一和第二环境传感器的传感器数据进行汇集（“sensor fusion（传感器融合）”），并且从包含在传感器数据中的信息中计算出障碍物的方位角 、仰角 和距离 、以及相对速度v。\n[0026] 传感器单元可以从由摄像机所生成的图像数据中识别出潜在的障碍物并且将这些障碍物分类。如果障碍物例如是飞机，则可以基于该图像来识别飞机类型。基于该分类，可以从数据库中确定所观测障碍物（飞机）的实际大小。从每个障碍物的实际大小及其在图像上的大小中可以计算出所观测障碍物与飞机之间的距离。也可以从障碍物在摄像机的图像中的位置中计算出方位角 和仰角 。\n[0027] 当借助于图像处理方法从摄像机图像中（粗略）近似地确定障碍物的相对位置、尤其是方向（即方位角和仰角）并且然后使仅具有显著更小视场（“field of view（视场）”）的雷达传感器在所观测障碍物的方向上摆动时，获得测量中的较高精确度。然后，可以利用雷达传感器以比利用摄像机的近似测量更高的精确度来测量相对位置和相对速度。图2中示出传感器单元，尤其是摄像机和可摆动的雷达传感器的视场。\n[0028] 如果在摄像机图像上可识别出多个障碍物，则传感器单元能够识别潜在的障碍物并且根据其“危险性”对这些障碍物排序。最危险的是由于相对于该交通工具的相对位置和相对速度而最有可能发生碰撞的那种障碍物。尤其是在飞行中，常常将与圆形轨道状的可能的避开路线的中心点最接近的障碍物列为最危险的对象。该中心点在自有交通工具右边或左边与当前飞行轨道相距一法向距离（Normalabstand），该法向距离对应于圆形轨道状避开路线的曲率半径。然后，雷达传感器对准被列为最危险的障碍物。\n[0029] 根据图1的系统如上面提到的那样包括数据处理单元。该数据处理单元可以被构造为将障碍物的相对位置投影到水平面中，以便确定水平距离并且将该水平距离作为相对位置的测量值来提供。利用这样的投影，在现实中为三维的问题被简化成二维问题。该简化在飞行或海下航行中也是适宜的，因为出于效率的原因，通常在特定飞行高度内进行避开动作，并且（除了必须发起非避开动作的例外情况以外）不进行向上或向下的避开。这种避开动作将比平面中的避开动作需要多得多的能量。于是，水平距离 从实际测量的距离 中通过与仰角 的余弦相乘而得出。水平速度 的计算以类似方式进行。\n[0030] 数据处理单元的另一任务是在识别出许多障碍物的情况下进行数据简化。每个障碍物的相对位置都具有不确定区域，即具有关于距离 的测量误差以及关于角度和 的测量误差。如果现在多个障碍物彼此接近或者识别出非常大的障碍物（例如墙），则可以将多个测量点合并起来并且针对合并的障碍物（或者大的障碍物）计算出具有相应扩大的不确定范围的总相对位置。\n[0031] 当障碍物突然——例如从上方或从下方——运动到交通工具之前并且然后比临界距离 更接近地位于交通工具之前的区域中时，不实施常规的避开动作。在这种情况下，不能观测到障碍物的靠近，该障碍物实际上突然出现在传感器单元的视场中。这样的情况被称为“Near Miss（危险接近）”，并且要求非避开动作，该非避开动作也可以向右或向左或者向上或向下发起，并且在非避开动作的情况下也可以使飞机短时地超过其负荷极限。\n[0032] 此外，用于计算避开动作的单元可以包括用于对障碍物进行分类的单元。该单元被构造为基于测量数据对障碍物进行分类，以便由此推断出障碍物的行为（Verhalten）。在该分类的情况下，从传感器数据中确定：该障碍物是静态（不运动）的对象、运动的协作对象、还是运动的非协作对象。应将协作对象理解成如下的对象：该对象在避开时遵守预先定义的规则（例如与自有交通工具相同的规则）和行为方式。非协作对象忽略该交通工具并且保持其迄今为止的运动轨道。然后根据相对位置和相对速度（即其在水平面内投影的分量）以及分类的结果，计算出避开路线的运动参数并且将这些运动参数提供给自动驾驶单元的接口。然后，自动驾驶单元控制交通工具处的相应的执行器（例如在飞机情况下为升降舵和方向舵），使得该交通工具执行所计算出的避开路线。\n[0033] 图3至7更详细地示出避开路线的计算。用于计算避开路线以自动避免交通工具与障碍物的碰撞的方法包括在下面进一步描述并且在图3至7中示出的步骤。\n[0034] 上面已经描述的障碍物识别构成该计算的基础。在第一步骤，对交通工具之前的障碍物进行定位，其中障碍物相对于交通工具的相对位置由其坐标（例如球面坐标，即距离、方位角、仰角）来确定。所识别的障碍物的相对速度必须同样被确定。这例如可以利用雷达传感器来进行。此后根据相应的相对位置和相对速度对所识别的障碍物进行判断：在交通工具与相应的障碍物之间是否存在碰撞危险。\n[0035] 如果识别出碰撞危险，则按下面阐述的方式进行避开动作的计算：\n[0036] 根据已知的测量误差计算障碍物周围的不确定区域。这样的不确定区域在静态障碍物的情况下具有圆环段的形式。图7中示出标称位置 处的障碍物周围的不确定区域。\n该障碍物以方位角 以标称距离 位于交通工具 之前。该角度的不确定区域\n是如下区间：\n[0037] \n[0038] 并且该距离的不确定区域 是\n[0039] 。\n[0040] 总不确定区域是由点“点1”、“点2”、“点3”和“点4”构成的圆环段。四个点的笛卡儿坐标（x坐标，y坐标）按如下方式来计算：\n[0041] 点1：\n[0042] 点2：\n[0043] 点3：\n[0044] 点4： 。\n[0045] 从交通工具来看，点“点4”是位于最右边的点，并且在向右避开的情况下是与圆形避开路线的中心点最接近的点。因此，当使用上面提到的关于障碍物“危险性”的标准时，处于不确定区域的最外部的点处的障碍物最危险。因此为了保证鲁棒的避开，必须在最坏的情况下避开点“点4”。在这种情况下，“鲁棒”的意思是，在考虑到测量误差情况下的避开路线更为安全并且与障碍物保持所期望的最小距离。因此，点4是被避开的点，因此该点在下面被称为避开点。在向左避开的情况下，避开点将是点“点1”。\n[0046] 根据图4至6阐述了另一方法，其中为清楚起见不再示出不确定区域。仅仅示出用 表示的避开点。\n[0047] 在静止障碍物的情况下，定义围绕避开点具有半径 的圆形保护区SZ。交通工具不应侵入到该保护区SZ中。因此仍然保证：交通工具不比最小距离 更靠近障碍物。交通工具总是在（近似为）圆形的避开路线上进行避开。该假定对于飞行器以及陆地交通工具和船舶的计算而言足够精确。避开路线的圆形轨道具有最小可能的半径 ，但是已知该半径 与交通工具的速度有关。与障碍物的距离被持续地测量。在临界距离的情况下，发起避开动作（也就是说利用相应的运动参数来控制自动驾驶仪），使得圆形轨道状避开路线ER与保护区SZ相切。该临界距离 （参见图4）可以直接从所测量的量中计算出来。作为必须发起避开动作的标准，可以在静止障碍物的情况下给出下列不等式：\n[0048] （1）\n[0049] 其中 是避开轨道ER的曲率半径， 是障碍物周围的圆形保护区的半径，是观察到障碍物的方位角，并且 是自有交通工具到障碍物的所测量距离。对于距离和方位角 使用最坏情况值（ ），以便使该计算对测量不确定\n性是鲁棒的。这以数学表达的方式意味着：\n[0050] ，并且\n[0051] 。\n[0052] 换句话说：当至少对于 和 的组合满足不等式（1）时，\n必须发起避开动作。这样的处理方式对测量障碍物位置时的测量不确定性是鲁棒的。可以示出，该“最坏情况”总是在最小距离 和最大方位角 的情况下。\n[0053] 如上面已经提到那样，为了计算临界距离 使用被投影到水平面中的量（参见图3）。一旦探测到满足不等式（1）的障碍物，就发起避开动作，也就是说使交通工具/飞机偏转到具有半径 的圆形避开轨道上。\n[0054] 在发起避开动作以后，交通工具 位于圆形避开路线上。在此，继续持续地测量到障碍物的距离。一旦在时刻t+1的距离 大于在前一时刻t的距离\n，即该交通工具还进一步地远离障碍物，则可以发起反向\n运动，以便到达原来的目标——即航路点WP（参见图5）。于是，该交通工具在飞行方向相对于北方的角 与障碍物相对于北方的角 之间的（角）距离低于预先定义的阈值以前一直沿着圆形保护区运动。此后，再次启用正常的航路点导航，这例如在飞行中是常见的。\n[0055] 运动的非协作障碍物的特点在于，该障碍物忽略要控制的交通工具/飞行器——即以直线形式继续其迄今为止的运动。在静止障碍物情况下为圆形的保护区在运动障碍物的情况下一起运动。因此在障碍物直线运动的情况下，保护区是走廊，该走廊的宽度对应于静止障碍物的圆形保护区的直径，即 。图8a示出具有如下内容的示意图：具有所测量速度 的运动障碍物 、具有速度 的要控制的交通工具（飞行器） 、障碍物周围的走廊状的保护区SZ、以及交通工具 的与保护区相切的圆形轨道状避开轨道ER。\n图8b示出具有另一运动的非协作障碍物 的类似图示。\n[0056] 如果识别出运动障碍物 、 、 （参见图8a－c），则确定是否由于其速度、 或 以及要控制的交通工具 的自身速度 而有碰撞的危险。如果是，则驶入圆形轨道状避开轨道ER，其中用于计算的方法与在静态障碍物的情况下类似地进行（参见图\n4－6）。\n[0057] 在图8a和8b中所示的情况下，避开轨道ER与障碍物 或 的运动走廊（即保护区SZ）相切，其中在飞行中根据在该区域中适用的规则，避开轨道从要控制的交通工具来看总是向右延伸。与静止障碍物不同，在运动的非协作障碍物的情况下还存在的可能性是，避开轨道在预先给定的方向上（例如在飞行中常见的是向右）被运动走廊（即保护区域）阻挡。在这种情况下（走廊与避开轨道相交），改变“标准避开策略”（例如向右避开）是必要的。图8c中示出了这种情况。\n[0058] 是否存在与运动的非协作障碍物碰撞的危险，可以通过与导出等式（1）类似的几何考虑来确定。图9a示出对运动障碍物 的探测。借助于要控制的交通工具/飞行器的上述机载传感器测量下列值：速度矢量 （轴向和侧向分量 和 ）、交通工具 与障碍物 之间的距离 、方位角 、以及要控制的交通工具的自身速度 。如在避开静止障碍物的情况下那样，在对象 周围定义交通工具 不允许侵入的圆形区域。该圆形区域还定义障碍物在其中运动的走廊的宽度。用符号 来表示x轴与障碍物的速度矢量 之间的角度，其中x轴按照定义处于要控制的交通工具的运动方向上。图9a中所示的图示是在静止的坐标系中绘出的。该图示可以转换成与交通工具/ 飞机 一起运动的坐标系中的等效图，该等效图在图9b中示出。在该图示中，交通工具/飞机的速度为0，障碍物的相对速度用 （分量 和 ）来表示并且x轴与相对速度矢量之间的角用\n来表示。为了获得是否有碰撞危险的标准，观察由相对速度矢量所定义的直线g与在交通工具周围想象的具有半径 的圆k之间的相对位置。如果直线g与圆k相交，则有碰撞的危险。直线g与圆k之间的该关系在数学上可以由下列不等式来表达：\n[0059] （2）\n[0060] 如果满足该不等式，则没有碰撞的危险。角度 可以简单地从下列等式中计算：\n[0061] （3）\n[0062] 其中对于相对速度有下式成立：\n[0063] 。\n[0064] 但是如果x坐标处于交通工具/飞机 的运动方向上，则分量 总是为0。\n[0065] 不等式（2）对于理想精确的测量值成立。为了考虑到测量不确定性，再次进行“最坏情况”考虑，也就是说，搜寻不等式（2）左侧的表达形式的最小值。因此新的标准是：\n[0066] （4）\n[0067] 其 中 对 于 和 有\n和 ，并且其中A是关于 的不确定\n区域（ ，该不确定区域基于已知的测量误差得出）。\n[0068] 不等式（2）和（4）的上面的标准仅仅实现对是否有碰撞危险的判断。在此未检查：\n是否还有可能进行避开以及最晚在哪个可能的时刻可能进行避开。在走廊与交通工具/飞机相距足够远使得可以沿着仍然刚好与该走廊接触的圆形轨道进行避开的情况下可能的是（参见图8a和8b），通过图10中示出的坐标变换从不等式（4）中获得发起避开动作的标准。相应的不等式是：\n[0069] （5）\n[0070] 其中与不等式（4）相比，替代于 使用 的和，并且替代于区域 和\n使用相应的经过变换的区域 和 ，其中：\n[0071] ，\n[0072] 以及\n[0073] 。\n[0074] 当至少对于 、 和 的组合满足不等式\n（5）时，必须发起避开动作。\n[0075] 例如在图8c中所示，可能出现不可能进行标准避开的情况，因为避开轨道被走廊SZ阻挡。在这种情况下，要么可以以另一方向作为标准方向进行避开，要么在可能的情况下在障碍物之前穿越走廊。这在交通工具/飞机 离开走廊SZ所需的时间小于或等于障碍物接近交通工具 直到距离 所需的时间时恰好是可能的。图11中示例性地示出了这种情况。在运动障碍物的情况下，速度测量中的测量不确定性的影响是，运动走廊不直线延伸（如图11中所示的理想情况），而是每长度单位加宽 的值，其中 是速度矢量 的角度的最大不确定性。图12中示出了这种情况。\n[0076] 协作障碍物：将运动的协作障碍物作为第三类障碍物来区分。该障碍物根据与要控制的交通工具相同的规则进行避开。障碍物是否显示出协作行为，例如可以通过与障碍物的无线电连接来确定。也就是说，障碍对象和要控制的交通工具/飞机必须彼此“认识”。\n作为必须发起避开动作的标准，可以在运动的协作障碍物的情况下给出下列不等式：\n[0077] （6）\n[0078] 其中 。与不等式（1）相比，不等式（6）的区别仅在于变量\n（保护区半径）使用 的和。因此，运动的协作障碍物的情况可以看成是静止障碍物的特殊情况。\n[0079] 另一特殊情况是例如风或水的流体。在恒定流体的情况下，交通工具附加地以该流体的恒定速度在流体的方向上运动。为了能够在对地固定的坐标系中描述交通工具的运动，交通工具的自身运动的速度矢量与流体的速度矢量相加。通过流体，交通工具在没有自身运动的情况下也以流体的速度相对于对象运动。\n[0080] 现在在流体的情况下，也可以将静止障碍物作为动态非协作障碍物来处理，因为在流体中交通工具与静止障碍物的相对运动等价于交通工具与动态非协作障碍物的相对运动，该障碍物具有与风相反的速度和相同的绝对值。\n[0081] 因此在根据本发明的方法中，可以在流体的情况下将静止障碍物作为动态非协作障碍物来处理，因为在流体中交通工具与静止障碍物的相对运动等价于交通工具与动态非协作障碍物的相对运动，该障碍物具有与风相反的速度和相同的绝对值。