DE102017223632A1 - System zur Berechnung einer Fehlerwahrscheinlichkeit von Fahrzeugsensordaten - Google Patents
System zur Berechnung einer Fehlerwahrscheinlichkeit von Fahrzeugsensordaten Download PDFInfo
- Publication number
- DE102017223632A1 DE102017223632A1 DE102017223632.9A DE102017223632A DE102017223632A1 DE 102017223632 A1 DE102017223632 A1 DE 102017223632A1 DE 102017223632 A DE102017223632 A DE 102017223632A DE 102017223632 A1 DE102017223632 A1 DE 102017223632A1
- Authority
- DE
- Germany
- Prior art keywords
- sensor data
- data
- sensor
- error probability
- central computer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000004888 barrier function Effects 0.000 claims description 2
- 230000002123 temporal effect Effects 0.000 abstract 1
- 230000005540 biological transmission Effects 0.000 description 3
- 230000002950 deficient Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- BUHVIAUBTBOHAG-FOYDDCNASA-N (2r,3r,4s,5r)-2-[6-[[2-(3,5-dimethoxyphenyl)-2-(2-methylphenyl)ethyl]amino]purin-9-yl]-5-(hydroxymethyl)oxolane-3,4-diol Chemical compound COC1=CC(OC)=CC(C(CNC=2C=3N=CN(C=3N=CN=2)[C@H]2[C@@H]([C@H](O)[C@@H](CO)O2)O)C=2C(=CC=CC=2)C)=C1 BUHVIAUBTBOHAG-FOYDDCNASA-N 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
- G09B29/003—Maps
- G09B29/006—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes
- G09B29/007—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes using computer methods
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/0205—Diagnosing or detecting failures; Failure detection models
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/0205—Diagnosing or detecting failures; Failure detection models
- B60W2050/0215—Sensor drifts or sensor failures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3602—Input other than that of destination using image analysis, e.g. detection of road signs, lanes, buildings, real preceding vehicles using a camera
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Ecology (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Traffic Control Systems (AREA)
- Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)
Abstract
System (10) und Verfahren (100) zum Berechnen einer Fehlerwahrscheinlichkeit (38) eines fahrzeugbasierten Sensordatensatzes (12) mit einer Sensoreinheit (32) und Sensoren (24), eine Referenzdatenbank (34) mit Referenzdaten (36) und einem Zentralrechner (26). Die Referenzdaten (36) haben einen zeitlichen und örtlichen Bezug zum Sensordatensatz (12). Der Zentralrechner (26) berechnet auf Basis geeigneter Referenzdaten (36) aus den Referenzdatenbanken (34) eine Fehlerwahrscheinlichkeit (38) des Sensordatensatzes (12).
Description
- Gebiet der Erfindung
- Die Erfindung betrifft eine Analyse von Sensordaten von Fahrzeugen. Insbesondere betrifft die Erfindung ein System und ein Verfahren zur Berechnung einer Fehlerwahrscheinlichkeit von Sensordaten eines Fahrzeuges.
- Hintergrund der Erfindung
- In modernen Fahrzeugsystemen sind zunehmend intelligente Sensoren verbaut, die eine Vielzahl von physikalischen Größen und Betriebsgrößen erfassen, verarbeiten und auch weiterleiten. Durch die Entwicklung der Sensorik und durch steigende Rechnerkapazitäten ist es möglich, immer detailliertere Informationen über das Fahrzeug selbst, aber auch über eine Umgebung eines Fahrzeuges zu sammeln und aufzubereiten. Eine wichtige Rolle spielen anwendungsseitig digitale Kartenanwendungen und Navigationssysteme. Diese Unterstützungssysteme sollen einem Fahrer verkehrsrelevante Informationen möglichst umfassend und früh bereitstellen, beispielsweise für eine prädiktive Fahrzeugsteuerung. Hierbei kann beispielsweise in Voraussicht eines nahenden Hindernisses oder einer gefährlichen Situation eine Geschwindigkeit automatisch gedrosselt werden, Warnhinweise ausgegeben werden oder beispielsweise auch eine Federung angepasst werden.
- Dafür werden möglichst aktuelle Informationen benötigt, die beispielsweise in digitalen Kartenanwendungen oder Navigationsanwendungen hinterlegt werden können. Heutzutage werden Kartendaten vorwiegend über speziell ausgestattete Fahrzeuge in bestimmten zeitlichen Zyklen von Monaten, teilweise auch Jahren erfasst. Folglich sind die Kartendaten, gerade durch die geringere Anzahl solcher Messfahrten in ländlichen Gebieten, oftmals veraltet. Im Stand der Technik sind Lösungen bekannt, die die meist bereits vorhandenen Sensoren im Fahrzeug dazu nutzen, die Umgebung eines Fahrzeugs durch Sensoren zu erfassen und die gewonnenen Sensordaten zur Aktualisierung der Kartendaten zu nutzen. Dabei sind die Anforderungen an Aktualität und Genauigkeit der zur Verfügung gestellten Sensordaten hoch, um aus dem digitalen Kartenmaterial relevante Informationen gewinnen zu können.
- Aus der
DE 10 2008 012661 A1 ist eine Aktualisierungseinrichtung zur Aktualisierung einer digitalen Karte für ein Fahrzeug bekannt, welche eine Vielzahl an Sensoren aufweist, die die aktuelle Verkehrssituation, die Bewegung des Fahrzeugs oder aber auch die Straßenverhältnisse messen. Diese Messwerte werden an eine Zentrale übergeben, die diese auswertet und dann entsprechende Aktualisierungsdaten zur Aktualisierung der digitalen Karte an andere Fahrzeuge schickt. - Offenbarung der Erfindung
- Ausführungsformen der Erfindung können eine Datenqualität und Zuverlässigkeit von fahrzeugbasierten Sensordaten erhöhen und so fehlerhafte Informationen für nachfolgende Anwendungen verringern oder vermeiden. Der im Folgenden beschriebenen Erfindung liegen die folgenden Überlegungen zugrunde: Um eine Aktualität der digitalen Kartendaten deutlich zu verbessern, wäre es wünschenswert, idealerweise in Echtzeit oder mit nur geringen Verzögerungen mögliche Änderungen in der Umgebung eines Fahrzeuges möglichst schnell als digitale Kartendaten zu hinterlegen, damit diese Informationen allen Beteiligten unmittelbar zur Verfügung gestellt werden können. Nun existiert eine Vielzahl von Herstellern, Sensoren und Systemen, die eine ebenfalls große Zahl von physikalischen Größen messen und verschiedenste Arten von Daten erfassen. Insbesondere kann es häufig vorkommen, dass beispielsweise von fehlerhaften Sensoren folglich fehlerhafte Daten erfasst und an eine Zentrale übermittelt werden. Es wäre also wünschenswert, diese fehlerhaften Daten zu identifizieren und gegebenenfalls zu eliminieren, sodass sie ein Ergebnis nicht verfälschen.
- Es wird daher ein System zur Berechnung einer Fehlerwahrscheinlichkeit von Sensordaten in Fahrzeugen vorgeschlagen. Das System weist eine Sensoreinheit mit Sensoren in einem Fahrzeug auf. Bei dem Fahrzeug handelt es sich beispielsweise um ein Kraftfahrzeug, wie Auto, Bus oder Lastkraftwagen, oder aber auch um ein Schienenfahrzeug, ein Schiff, ein Luftfahrzeug, wie Helikopter oder Flugzeug, oder beispielsweise um ein Fahrrad.
- Die Sensoreinheit ist ausgestaltet, einen Sensordatensatz zu einem Objekt in der Umgebung des Fahrzeugs bereitzustellen. Der Begriff Objekt soll in diesem Zusammenhang sehr weit auszulegen sein und soll zum einen statische Objekte wie beispielsweise Verkehrsschilder, Hindernisse, Straßenschilder, andere Fahrzeuge, Personen und Tiere usw., aber auch dynamische Objekte wie Ampelzustände, Wetterphänomene, Straßenzustände wie Glatteis, Nebel, Verlaufsänderungen einer Spurmarkierung und Ähnliches beschreiben. Mit anderen Worten können auch alle durch Sensoren erfassbaren Gegebenheiten, also Impressionen, Ereignisse und Beobachtungen als Objekt verstanden werden. Die Umgebung des Fahrzeuges kann folglich je nach Sensortyp das Fahrzeug selbst, aber auch mehrere Meter oder mehrere hundert Meter um das Fahrzeug herum bedeuten.
- Das System weist weiterhin einen Zentralrechner auf, der ausgeführt ist, den Sensordatensatz von der Sensoreinheit zu empfangen. Gemäß einem Beispiel kann dieser Zentralrechner ein cloudbasierter Server sein, der an einem zentralen oder auch mehreren zentralen Standorten angeordnet ist. Wesentlich ist hier, dass die Sensordatensätze von verschiedenen Fahrzeugen an einem logisch zentralen Ort in ihrer Gesamtheit auswertbar sind. Eine kabellose Übertragung der Sensordatensätze von der Sensoreinheit zum Zentralrechner kann über verschiedenste Funkstandards wie beispielsweise per Bluetooth, WLAN (z. B. WLAN 802.11a/b/g/n oder WLAN 802.11p), ZigBee, WiMax oder aber auch zellulärer Funksysteme wie GPRS, UMTS oder LTE. Es ist auch die Verwendung anderer Übertragungsprotokolle möglich. Die genannten Protokolle bieten den Vorteil der bereits erfolgten Standardisierung.
- Das System weist weiterhin eine Referenzdatenbank mit Referenzdaten auf, wobei die Referenzdaten einen Bezug zu einer Position des Fahrzeugs zum Zeitpunkt der Erzeugung des Sensordatensatzes aufweisen. Referenzdaten können verschiedenste Arten von Informationen und Daten sein, die in einem Kontext mit den Sensordaten stehen. Beispielsweise können dies Referenzdaten aus einer Datenbank eines Verkehrsleitzentrale sein, wenn die Sensordaten die optische Erfassung eines dynamischen Verkehrszeichens repräsentieren. Der Bezug zur Position des Fahrzeugs sowie zum Zeitpunkt hat den Vorteil bzw. Zweck, dass sich sowohl die Sensordaten als auch die Referenzdaten auf dasselbe Objekt bzw. Ereignis oder Beobachtung beziehen, und somit einen Bezug zueinander aufweisen.
- Der Zentralrechner ist ausgeführt, mit den Referenzdaten aus der Referenzdatenbank eine Fehlerwahrscheinlichkeit des Sensordatensatzes zu berechnen. Mit anderen Worten wird anhand der Referenzinformationen aus den Referenzdatensätzen geprüft, ob ein Sensordatensatz plausibel im Lichte der aus anderen, unabhängigen Quellen bezogenen Informationen erscheint. Eine Vielzahl von Referenzdaten aus verschiedenen Quellen kann folglich eine Aussage darüber treffen, ob ein Sensordatensatz mit einer gewissen Wahrscheinlichkeit fehlerhaft ist oder nicht. Vorteil einer nunmehr bekannten Fehlerwahrscheinlichkeit kann es sein, dass insbesondere Ausreißer und unwahrscheinliche Extremwerte besser erkannt werden können und gegebenenfalls verworfen werden können.
- Gemäß einem Beispiel sind die Referenzdaten aus Sensordaten anderer Fahrzeuge generiert. Dies soll den Fall beschreiben, wo eine Richtigkeit eines Sensordatensatzes eines Fahrzeuges dadurch geprüft wird, dass eine gewisse Anzahl weiterer Fahrzeuge gleiche oder ähnliche Datensätze übertragen.
- Insbesondere in ländlichen Bereichen kann aber eine Anzahl von Fahrzeugen, die ein Objekt passieren, innerhalb eines Zeitraumes sehr gering sein, sodass möglicherweise falsche Informationen erst sehr viel später korrigiert werden können. Vorteil der hier dargestellten Lösung ist es, dass eine Vielzahl weiterer, externer Datenquellen und Datenbanken als Referenz genutzt und zur Berechnung einer Fehlerwahrscheinlichkeit auch bei Abwesenheit weiterer Fahrzeuge genutzt werden kann.
- In einer Ausführungsform der Erfindung ist der Zentralrechner ausgeführt, die Sensordaten in Objektklassen zu klassifizieren und die Referenzdaten objektklassenspezifisch auszuwählen. Mit anderen Worten ist der Zentralrechner derart ausgeführt, dass er zunächst die Art und Herkunft der Sensordaten analysiert und erkennt und anhand der identifizierten Objektklasse die geeigneten Referenzdaten zum Berechnen der Fehlerwahrscheinlichkeit auswählt und anwendet.
- Unter einer Objektklasse können beispielsweise landestypische Beschilderungen, Straßenzustände, Wetterphänomene, Verkehrsflussdaten, Daten von vergleichbaren Straßenobjekten oder auch vorherige Beobachtungen von Objekten sein. Gemeint ist hier eine grobe Einteilung in die Art der Beobachtung, denen dann zu einer sinnvollen Berechnung einer Fehlerwahrscheinlichkeit bestimmte, geeignete Referenzdaten zugeordnet sind. Diese Zuordnung von Referenzdaten zu Objektklassen kann beispielsweise vorab definiert und im Zentralrechner hinterlegt sein.
- In einer Ausführungsform der Erfindung ist den Referenzdaten in der Referenzdatenbank eine jeweilige Fehlerwahrscheinlichkeit zugeordnet. Mit anderen Worten weist nicht nur der Sensordatensatz eine Fehlerwahrscheinlichkeit auf, sondern auch die Referenzdaten selbst können verschiedene Grade von Verlässlichkeit oder Glaubwürdigkeit aufweisen. Der Zentralrechner berücksichtigt bei der Berechnung der Fehlerwahrscheinlichkeit des Sensordatensatzes die Fehlerwahrscheinlichkeit der Referenzdaten derart, dass bei steigender Fehlerwahrscheinlichkeit die zugehörigen Referenzdaten geringer gewichtet sind.
- Wird beispielsweise durch einen Sensordatensatz Eis auf einem Straßenabschnitt gemeldet, können Informationen von einem sozialen Netzwerk hinzugezogen werden. Werden dort in Bezug auf dieselbe geographische Position und Zeitpunkt Informationen zum Straßenzustand veröffentlicht, so sind diese in der Regel nicht geprüft und daher eher anfällig für falsche Informationen. Eine Fehlerwahrscheinlichkeit des Referenzdatensatzes kann diesen Umstand in eine Berechnung der Fehlerwahrscheinlichkeit des Sensordatensatzes mit einfließen lassen.
- In einer Ausführungsform der Erfindung ist der Zentralrechner ausgeführt, die Fehlerwahrscheinlichkeit der Referenzdaten auf Basis weiterer Referenzdaten und/oder auf Basis der Sensordaten zu berechnen. Mit anderen Worten ist der Zentralrechner in der Lage, aufgrund vorheriger Berechnungen im Kontext der übrigen Referenzdaten und der Sensordaten eine Verlässlichkeit oder Glaubwürdigkeit von Referenzdaten zu errechnen. Zeigt sich also aufgrund der Historie, dass ein Referenzdatensatz überwiegend konträre Informationen im Vergleich zu den anderen Referenzdaten aufweist, ist es wahrscheinlich, dass dieser Referenzdatensatz weniger glaubwürdig ist und somit eine Fehlerwahrscheinlichkeit dieser Referenzdatenquelle steigt.
- Gemäß einer Ausführungsform berechnet die Sensoreinheit im Fahrzeug eine vorläufige Fehlerwahrscheinlichkeit der Sensordaten. Dies kann beispielsweise auf Basis weiterer Sensordaten des Fahrzeugs, aber auch auf Basis von Referenzdaten von Referenzdatenbanken erfolgen. Hierzu kann das Fahrzeug selbst über eigene Kommunikationseinrichtungen externe Referenzdaten oder auch Informationen aus dem eigenen Bordsystem einbinden und eine vorläufige Fehlerwahrscheinlichkeit berechnen, die dann optional in einem zweiten Schritt mit weiteren Daten im Zentralrechner zu einer resultierenden Fehlerwahrscheinlichkeit berechnet wird. Vorteil kann hier sein, dass beispielsweise zur direkten Verwendung der Sensordaten im Fahrzeug bereits eine Evaluierung anhand von Referenzdaten stattfindet und somit eine Fehlerquote der Sensordatensätze sinken kann. Beispielsweise können Kameras in Situationen mit eingeschränkten Sichtverhältnissen, beispielsweise bei Nebel, eine niedrigere Erkennungsrate haben. Die Sensoreinheit weiß aus Bordinformationen, beispielsweise durch eingeschaltetes Nebellicht, dass offensichtlich Nebelbedingungen vorherrschen und kann so eine vorläufige Fehlerwahrscheinlichkeit auch autark ohne Hinzuziehen externer Datenquellen errechnen.
- In einer Ausführungsform der Erfindung sind die Referenzdaten beispielsweise Wetterdaten, Verkehrsflussdaten, Verkehrssteuerdaten, Sensordaten des gleichen Fahrtzeugs, Sensordaten anderer Fahrzeuge und/oder digitale Kartendaten. Unter dem Begriff „digitale Karten“ oder „digitale Kartendaten“ sind auch Karten für fortschrittliche Fahrerassistenzsysteme (ADAS, Advanced Driver Assistance System) zu verstehen, ohne dass eine Navigation stattfindet. In einer weiteren Ausführungsform der Erfindung sind die Objekte beispielsweise Verkehrsschilder, Spurmarkierungen, Wetterzustände, Fahrspuren, Ampelzustände, Straßenzustände, Fahrzeuge, Hindernisse und/oder Absperrungen.
- In einem weiteren Aspekt der Erfindung wird ein Verfahren zur Berechnung einer Fehlerwahrscheinlichkeit von Sensordatensätzen eines Sensors vorgestellt, das die im Folgenden dargestellten Schritte aufweist. Es erfolgt ein Empfangen von Sensordaten durch einen Zentralrechner. Danach werden die Sensordaten durch den Zentralrechner klassifiziert. Dies bedeutet, es werden, wie oben beschrieben, Objektklassen erkannt, die eine grobe Einteilung in gleichartige Objekte erlauben. In einem weiteren Schritt erfolgt ein Auswählen und Auslesen von objektklassenspezifischen Referenzdaten aus einer Referenzdatenbank durch den Zentralrechner. Auf Basis der im vorherigen Schritt erkannten Objektklasse werden also geeignete Referenzdaten zur Validierung und Beurteilung einer Richtigkeit oder Plausibilität der Sensordaten ausgewählt und aus der Referenzdatenbank ausgelesen.
- In einem folgenden Schritt wird eine Fehlerwahrscheinlichkeit der Sensordaten auf Basis der selektierten Referenzdaten durch den Zentralrechner berechnet. Diese berechnete Fehlerwahrscheinlichkeit kann durch den Zentralrechner, gemäß einer Ausführungsform der Erfindung, zusammen mit den Sensordaten inklusive Positionsdaten einer digitalen Kartenanwendung zur Verfügung gestellt werden. Das bedeutet, dass die gewonnenen Daten unter Verwendung von Positionsdaten beispielsweise graphisch auf einer Kartenoberfläche dargestellt werden können, gegebenenfalls unter Anzeige der berechneten Fehlerwahrscheinlichkeit.
- Gemäß einer Ausführungsform der Erfindung nimmt der Zentralrechner ein Vergleichen der berechneten Fehlerwahrscheinlichkeit der Sensordaten mit einem festgelegten Schwellenwert vor und kennzeichnet die Sensordaten als fehlerhaft, wenn dieser Schwellenwert überschritten wird. Mit anderen Worten werden als fehlerhaft erkannte Sensordaten verworfen und können somit vorteilhaft eine Verfälschung oder Fehlinterpretation der Sensordaten, beispielsweise im Rahmen einer darauf aufbauenden Anwendung, vermeiden.
- Figurenliste
- Im Folgenden werden Ausführungsbeispiele der Erfindung anhand von grafischen Darstellungen beschrieben. Die Figuren sind lediglich schematisch und nicht maßstabsgetreu. Gleiche oder ähnliche Elemente sind mit den gleichen Bezugszeichen versehen.
-
1 zeigt ein System gemäß dem Stand der Technik zur zentralen Verarbeitung von fahrzeugbasierten Sensordaten in digitalen Karten. -
2 zeigt in schematischer Darstellung ein System gemäß der Erfindung zur Berechnung einer Fehlerwahrscheinlichkeit von Sensordaten. -
3 zeigt ein erfindungsgemäßes Verfahren zur Berechnung einer Fehlerwahrscheinlichkeit von Sensordaten eines Fahrzeuges. - Detaillierte Beschreibung der Figuren
- In
1 ist ein Beispiel eines Systems aus dem Stand der Technik gezeigt, in dem fahrzeugbasierte Sensordatensätze12 zentral zusammengeführt, verarbeitet und als digitale Kartendaten aufbereitet werden. Auf einem Straßenabschnitt22 befindet sich ein Objekt20 , das hier konkret ein variables Verkehrszeichen zur Geschwindigkeitsbegrenzung ist, welches häufig auf Schilderbrücken von Autobahnen zu finden ist. Die angezeigte maximale Geschwindigkeit kann hier je nach Verkehrssituation durch eine Verkehrsleitzentrale dynamisch angepasst werden. Ändert sich beispielsweise die angezeigte maximale Geschwindigkeit, erfasst ein erstes Fahrzeug14 beim Passieren des Objektes mit einem Sensor24 visuell das Objekt20 . In diesem Falle ist der Sensor24 beispielsweise eine Kamera, die in Fahrtrichtung des Fahrzeugs14 ausgerichtet ist. - Das erste Fahrzeug
14 meldet nun einen Sensordatensatz12 an einen Zentralrechner26 . Dies kann beispielsweise über drahtlose Übertragungsverfahren wie 4G/5G, UMTS, Wi-Fi oder WLAN erfolgen. Passiert nun auch ein zweites Fahrzeug16 und ein drittes Fahrzeug18 das Objekt20 , werden deren Sensordaten12 ebenfalls an den Zentralrechner26 übertragen. Empfängt der Zentralrechner26 übereinstimmende Sensordatensätze12 , kann davon ausgegangen werden, dass die gemeldeten Sensordatensätze12 korrekt sind, woraufhin der Zentralrechner digitale Kartendaten28 für eine Kartenanwendung30 erzeugt und dabei gegebenenfalls vorhandene digitale Kartendaten28 zum gleichen Objekt20 aktualisiert. Problematisch kann es hier sein, wenn nicht übereinstimmende Sensordaten12 vom Zentralrechner26 empfangen werden und unklar bleibt, inwiefern die übertragenen Sensordatensätze12 möglicherweise fehlerhaft sind. - In
2 ist ein erfindungsgemäßes System10 beschrieben, dass diese Problematik löst. Verschiedene Sensoren24 sind mit einer Sensoreinheit32 im Fahrzeug verbunden. Diese Sensoreinheit32 kann verschiedene Funktionen innerhalb eines Fahrzeuges übernehmen. Dies kann beispielsweise eine Vorverarbeitung oder Aufbereitung von Signalen der Sensoren24 oder eine Steuerung der Sensoren24 sein. In einem Beispiel übernimmt die Sensoreinheit32 die Berechnung einer vorläufigen Fehlerwahrscheinlichkeit38 (siehe weiter unten) . Die Sensoreinheit32 ist so ausgestaltet, dass sie aus der Gesamtheit der Sensorsignale der angeschlossenen Sensoren24 einen Sensordatensatz12 erzeugt, der ein Objekt20 (siehe1 ) in der Umgebung des Fahrzeugs14 beschreibt. - Ein Zentralrechner
26 empfängt diesen Sensordatensatz12 . Vorzugsweise klassifiziert der Zentralrechner26 den empfangenen Sensordatensatz12 hinsichtlich vordefinierter Objektklassen. Mehrere Referenzdatenbanken34 sind mit dem Zentralrechner26 verbunden. Der Zentralrechner26 wählt auf Basis der identifizierten Objektklassen geeignete Referenzdatenbanken34 aus und liest Referenzdaten36 aus. Dabei haben diese Referenzdaten36 einen Bezug zu einer Position des Fahrzeugs14 zum Zeitpunkt der Erzeugung des Sensordatensatzes12 . Der Zentralrechner26 berechnet mit diesen Referenzdaten36 eine Fehlerwahrscheinlichkeit38 des Sensordatensatzes12 . Diese Fehlerwahrscheinlichkeit38 des Sensordatensatzes12 wird zusammen mit dem Sensordatensatz12 und Positionsdaten in digitale Kartendaten28 umgewandelt und einer Kartenanwendung30 , hier als Datenbank dargestellt, zur Verfügung gestellt. - In
3 ist ein erfindungsgemäßes Verfahren zur Berechnung einer Fehlerwahrscheinlichkeit38 von Sensordaten12 dargestellt. Dabei erfolgt ein Empfangen110 eines Sensordatensatzes12 durch einen Zentralrechner26 . In einem nächsten Schritt erfolgt ein Klassifizieren120 des Sensordatensatzes12 in Objektklassen durch den Zentralrechner26 . Im Schritt130 wird ein Auswählen und Auslesen von objektklassenspezifischen Referenzdaten36 aus einer Referenzdatenbank34 durch den Zentralrechner26 vollzogen. Im Schritt140 erfolgt ein Berechnen einer Fehlerwahrscheinlichkeit38 des Sensordatensatzes12 durch den Zentralrechner26 auf Basis der Referenzdaten36 . Abschließend wird im Schritt150 der Sensordatensatz12 zusammen mit der zugehörigen Fehlerwahrscheinlichkeit38 durch den Zentralrechner26 einer digitalen Kartenanwendung30 zur Verfügung gestellt. - ZITATE ENTHALTEN IN DER BESCHREIBUNG
- Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
- Zitierte Patentliteratur
-
- DE 102008012661 A1 [0004]
Claims (10)
- System (10) zur Berechnung einer Fehlerwahrscheinlichkeit (38) eines Sensordatensatzes (12) in Fahrzeugen (14), aufweisend: - eine Sensoreinheit (32) mit Sensoren (24) in einem Fahrzeug (14); wobei die Sensoreinheit (32) ausgestaltet ist, einen Sensordatensatz (12) zu einem Objekt (20) in der Umgebung des Fahrzeugs (14) bereitzustellen; - einen Zentralrechner (26), der ausgeführt ist, den Sensordatensatz (12) von der Sensoreinheit (32) zu empfangen; - eine Referenzdatenbank (34) mit Referenzdaten (36); wobei die Referenzdaten (36) einen Bezug zu einer Position des Fahrzeugs (14) zum Zeitpunkt der Erzeugung des Sensordatensatzes (12) aufweisen; wobei der Zentralrechner (26) ausgeführt ist, mit Referenzdaten (36) aus der Referenzdatenbank (34) eine Fehlerwahrscheinlichkeit (38) des Sensordatensatzes (12) zu berechnen.
- System (10) gemäß
Anspruch 1 , wobei der Zentralrechner (26) ausgeführt ist, den Sensordatensatz (12) in eine Objektklasse zu klassifizieren und die Referenzdaten (36) objektklassenspezifisch ausgewählt sind. - System (10) gemäß
Anspruch 1 oder2 , wobei den Referenzdaten (36) in der Referenzdatenbank (34) eine Fehlerwahrscheinlichkeit zugeordnet ist; wobei der Zentralrechner (26) bei der Berechnung der Fehlerwahrscheinlichkeit (38) des Sensordatensatzes (12) die Fehlerwahrscheinlichkeit der Referenzdaten (36) derart berücksichtigt, dass bei steigender Fehlerwahrscheinlichkeit die zugehörigen Referenzdaten (36) geringer gewichtet sind. - System (10) gemäß
Anspruch 3 , wobei der Zentralrechner (26) ausgeführt ist, die Fehlerwahrscheinlichkeit der Referenzdaten (36) auf Basis weiterer Referenzdaten (36) und/oder auf Basis der Sensordatensätze (12) zu berechnen. - System (10) gemäß einem der vorhergehenden Ansprüche, wobei die Sensoreinheit (32) im Fahrzeug (14) eine vorläufige Fehlerwahrscheinlichkeit (38) des Sensordatensatzes (12) berechnet.
- System (10) gemäß einem der vorhergehenden Ansprüche, wobei die Referenzdaten (36) Wetterdaten, Verkehrsflussdaten, Verkehrssteuerdaten, Sensordatensätze (12) des gleichen Fahrtzeugs, Sensordatensätze (12) anderer Fahrzeuge und/oder digitale Kartendaten (28) sind.
- System (10) gemäß einem der vorhergehenden Ansprüche, wobei die Objekte (20) Verkehrsschilder, Spurmarkierungen, Wetterzustände, Fahrspuren, Ampelzustände, Straßenzustände, Fahrzeuge, Hindernisse und/oder Absperrungen sind.
- Verfahren (100) zur Berechnung einer Fehlerwahrscheinlichkeit (38) eines Sensordatensatzes (12) eines Sensors (24), aufweisend die Schritte: - Empfangen (110) eines Sensordatensatzes (12) durch einen Zentralrechner (26); - Klassifizieren (120) des Sensordatensatzes (12) durch den Zentralrechner (26); - Auswählen und Auslesen (130) von objektklassenspezifischen Referenzdaten (36) aus einer Referenzdatenbank (34) durch den Zentralrechner (26); - Berechnen (140) einer Fehlerwahrscheinlichkeit (38) des Sensordatensatzes (12) auf Basis der Referenzdaten (36) durch den Zentralrechner (26).
- Verfahren (100) gemäß
Anspruch 8 , weiterhin aufweisend den Schritt des Bereitstellens (150) des Sensordatensatzes (12) und der zugehörigen Fehlerwahrscheinlichkeit (38) durch den Zentralrechner (26) für eine digitale Kartenanwendung (30) . - Verfahren (100) gemäß
Anspruch 8 oder9 , wobei der Zentralrechner (26) ein Vergleichen (160) der Fehlerwahrscheinlichkeit (38) des Sensordatensatzes (12) mit einem festgelegten Schwellenwert und bei Überschreiten des Schwellenwertes ein Kennzeichnen des Sensordatensatzes (12) als fehlerhaft vornimmt.
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102017223632.9A DE102017223632A1 (de) | 2017-12-21 | 2017-12-21 | System zur Berechnung einer Fehlerwahrscheinlichkeit von Fahrzeugsensordaten |
US16/955,418 US11657707B2 (en) | 2017-12-21 | 2018-12-17 | System for calculating an error probability of vehicle sensor data |
PCT/EP2018/085194 WO2019121510A1 (de) | 2017-12-21 | 2018-12-17 | System zur berechnung einer fehlerwahrscheinlichkeit von fahrzeugsensordaten |
EP18830435.6A EP3729412A1 (de) | 2017-12-21 | 2018-12-17 | System zur berechnung einer fehlerwahrscheinlichkeit von fahrzeugsensordaten |
JP2020534508A JP7021355B2 (ja) | 2017-12-21 | 2018-12-17 | 車両センサデータのエラー確率を計算するためのシステム |
CN201880082331.0A CN111465972B (zh) | 2017-12-21 | 2018-12-17 | 用于计算交通工具传感器数据的错误概率的系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102017223632.9A DE102017223632A1 (de) | 2017-12-21 | 2017-12-21 | System zur Berechnung einer Fehlerwahrscheinlichkeit von Fahrzeugsensordaten |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102017223632A1 true DE102017223632A1 (de) | 2019-06-27 |
Family
ID=65003348
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102017223632.9A Withdrawn DE102017223632A1 (de) | 2017-12-21 | 2017-12-21 | System zur Berechnung einer Fehlerwahrscheinlichkeit von Fahrzeugsensordaten |
Country Status (6)
Country | Link |
---|---|
US (1) | US11657707B2 (de) |
EP (1) | EP3729412A1 (de) |
JP (1) | JP7021355B2 (de) |
CN (1) | CN111465972B (de) |
DE (1) | DE102017223632A1 (de) |
WO (1) | WO2019121510A1 (de) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102019216732A1 (de) * | 2019-10-30 | 2021-05-06 | Zf Friedrichshafen Ag | Verfahren sowie System zum Plausibilisieren von Kartendaten |
DE102021200848A1 (de) | 2021-01-29 | 2022-08-04 | Volkswagen Aktiengesellschaft | Verfahren zum Bereitstellen von Daten eines Fahrzeuges, Computerprogrammprodukt sowie Kommunikationssystem |
DE102021200822A1 (de) | 2021-01-29 | 2022-08-04 | Siemens Mobility GmbH | Verfahren und Vorrichtung zur Sensordatenverarbeitung |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102016216335B4 (de) * | 2016-08-30 | 2020-12-10 | Continental Automotive Gmbh | System und Verfahren zur Analyse von Fahrtrajektorien für einen Streckenabschnitt |
DE102017223632A1 (de) * | 2017-12-21 | 2019-06-27 | Continental Automotive Gmbh | System zur Berechnung einer Fehlerwahrscheinlichkeit von Fahrzeugsensordaten |
US11809190B2 (en) * | 2021-04-30 | 2023-11-07 | Zoox, Inc. | Methods and systems to assess vehicle capabilities |
US20230266909A1 (en) * | 2022-02-24 | 2023-08-24 | Micron Technology, Inc. | Operating memory die based on temperature data |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008012661A1 (de) | 2007-08-25 | 2009-02-26 | Continental Teves Ag & Co. Ohg | Aktualisierungseinheit und Verfahren zur Aktualisierung einer digitalen Karte |
DE102015014651A1 (de) * | 2015-11-12 | 2017-05-18 | Audi Ag | Verfahren zum Bereitstellen einer Spurinformation einer Fahrspur und System |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6047234A (en) * | 1997-10-16 | 2000-04-04 | Navigation Technologies Corporation | System and method for updating, enhancing or refining a geographic database using feedback |
US7706963B2 (en) * | 2005-10-28 | 2010-04-27 | Gm Global Technology Operations, Inc. | System for and method of updating traffic data using probe vehicles having exterior sensors |
US20100253775A1 (en) * | 2008-01-31 | 2010-10-07 | Yoshihisa Yamaguchi | Navigation device |
AU2010267768B2 (en) * | 2009-06-29 | 2014-06-12 | Bae Systems Plc | Estimating a state of at least one target using a plurality of sensors |
JP2011027594A (ja) | 2009-07-27 | 2011-02-10 | Toyota Infotechnology Center Co Ltd | 地図データ検証システム |
WO2011027594A1 (ja) | 2009-09-03 | 2011-03-10 | オリンパスメディカルシステムズ株式会社 | 撮像ユニット |
US8868344B2 (en) * | 2011-09-22 | 2014-10-21 | Honeywell International Inc. | Systems and methods for combining a priori data with sensor data |
DE102012207203A1 (de) * | 2012-04-30 | 2013-10-31 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Bestimmung eines Umfelds |
DE102013213106A1 (de) | 2013-09-18 | 2015-03-19 | Continental Teves Ag & Co. Ohg | Verfahren und System zur Bewertung einer Zuverlässigkeit eines sensorikbasierten Fahrzeugsystems |
DE102014220687A1 (de) | 2014-10-13 | 2016-04-14 | Continental Automotive Gmbh | Kommunikationsvorrichtung für ein Fahrzeug und Verfahren zum Kommunizieren |
EP3073224B1 (de) * | 2015-03-27 | 2019-05-08 | Panasonic Automotive & Industrial Systems Europe GmbH | Sensordatenfusion basierend auf digitalen kartendaten |
US10378936B2 (en) * | 2015-09-04 | 2019-08-13 | International Business Machines Corporation | Identification of failed sensors in a system of interconnected devices |
US10093021B2 (en) * | 2015-12-02 | 2018-10-09 | Qualcomm Incorporated | Simultaneous mapping and planning by a robot |
EP3196089B1 (de) * | 2016-01-21 | 2021-10-13 | Volvo Car Corporation | Fahrzeugsicherheitsunterstützungssystem, fahrzeug mit einem fahrzeugsicherheitsunterstützungssystem und verfahren zur bereitstellung einer fahrerwarnung oder zur durchführung einer autonomen bremsung |
US10223380B2 (en) * | 2016-03-23 | 2019-03-05 | Here Global B.V. | Map updates from a connected vehicle fleet |
JPWO2017212639A1 (ja) | 2016-06-10 | 2019-05-16 | パイオニア株式会社 | 情報処理装置、計測装置及び制御方法 |
DE102016011016A1 (de) | 2016-09-10 | 2017-04-13 | Daimler Ag | Verfahren zum Betrieb eines Assistenzsystems |
DE102017223632A1 (de) * | 2017-12-21 | 2019-06-27 | Continental Automotive Gmbh | System zur Berechnung einer Fehlerwahrscheinlichkeit von Fahrzeugsensordaten |
CN116968732A (zh) * | 2018-03-20 | 2023-10-31 | 御眼视觉技术有限公司 | 用于导航主车辆的系统和方法 |
-
2017
- 2017-12-21 DE DE102017223632.9A patent/DE102017223632A1/de not_active Withdrawn
-
2018
- 2018-12-17 WO PCT/EP2018/085194 patent/WO2019121510A1/de unknown
- 2018-12-17 JP JP2020534508A patent/JP7021355B2/ja active Active
- 2018-12-17 US US16/955,418 patent/US11657707B2/en active Active
- 2018-12-17 EP EP18830435.6A patent/EP3729412A1/de active Pending
- 2018-12-17 CN CN201880082331.0A patent/CN111465972B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008012661A1 (de) | 2007-08-25 | 2009-02-26 | Continental Teves Ag & Co. Ohg | Aktualisierungseinheit und Verfahren zur Aktualisierung einer digitalen Karte |
DE102015014651A1 (de) * | 2015-11-12 | 2017-05-18 | Audi Ag | Verfahren zum Bereitstellen einer Spurinformation einer Fahrspur und System |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102019216732A1 (de) * | 2019-10-30 | 2021-05-06 | Zf Friedrichshafen Ag | Verfahren sowie System zum Plausibilisieren von Kartendaten |
DE102021200848A1 (de) | 2021-01-29 | 2022-08-04 | Volkswagen Aktiengesellschaft | Verfahren zum Bereitstellen von Daten eines Fahrzeuges, Computerprogrammprodukt sowie Kommunikationssystem |
DE102021200822A1 (de) | 2021-01-29 | 2022-08-04 | Siemens Mobility GmbH | Verfahren und Vorrichtung zur Sensordatenverarbeitung |
Also Published As
Publication number | Publication date |
---|---|
EP3729412A1 (de) | 2020-10-28 |
JP7021355B2 (ja) | 2022-02-16 |
US11657707B2 (en) | 2023-05-23 |
CN111465972B (zh) | 2022-08-23 |
WO2019121510A1 (de) | 2019-06-27 |
US20210012648A1 (en) | 2021-01-14 |
JP2021507417A (ja) | 2021-02-22 |
CN111465972A (zh) | 2020-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102017223632A1 (de) | System zur Berechnung einer Fehlerwahrscheinlichkeit von Fahrzeugsensordaten | |
DE102017217297B4 (de) | System zur Erzeugung und/oder Aktualisierung eines digitalen Modells einer digitalen Karte | |
DE102017120707A1 (de) | Wassertiefenerkennung zur fahrzeugnavigation | |
DE102011116245B4 (de) | Verfahren zur Ermittlung aktueller Streckeninformationen einer digitalen Karte | |
DE112018000973T5 (de) | Informationsverarbeitungssystem, Informationsverarbeitungsverfahren, Programm und Aufzeichnungsmedium | |
EP2979261A1 (de) | Backend für fahrerassistenzsysteme | |
EP3436782B1 (de) | Aktualisierung einer elektronischen landkarte | |
WO2009133185A1 (de) | Selbstlernende karte auf basis von umfeldsensoren | |
DE102012212740A1 (de) | System und Verfahren zum Aktualisieren einer digitalen Karte eines Fahrerassistenzsystems | |
DE102013011969A1 (de) | Verfahren zum Betreiben eines Kraftfahrzeugs und Kraftfahrzeug | |
DE102020210515A1 (de) | Verfahren zur Überprüfung von detektierten Veränderungen für ein Umfeldmodell einer digitalen Umgebungskarte | |
DE102019002487A1 (de) | Verfahren zur Überprüfung eines Umfelderfassungssensors eines Fahrzeugs und Verfahren zum Betrieb eines Fahrzeugs | |
DE102016208883A1 (de) | Verfahren zum Bereitstellen einer Fahrzeugtrajektorieninformation und Verfahren zum Orten eines Schlaglochs | |
DE102017223634A1 (de) | Ermittlung eines Straßenzustandes durch Auswertung von Sensordaten eines Straßenfahrzeuges | |
DE102016122338A1 (de) | Informations-verarbeitungseinrichtung, informations-verarbeitungsverfahren, steuerungsvorrichtung für ein fahrzeug und steuerungsverfahren für ein fahrzeug | |
EP3769042B1 (de) | System zur erzeugung von konfidenzwerten im backend | |
DE102011084084A1 (de) | Anzeigeverfahren und Anzeigesystem für ein Fahrzeug | |
DE102018118215A1 (de) | Verfahren zur Aktualisierung einer Umgebungskarte, Vorrichtung für die fahrzeugseitige Durchführung von Verfahrensschritten des Verfahrens, Fahrzeug, Vorrichtung für die zentralrechnerseitige Durchführung von Verfahrensschritten des Verfahrens sowie computerlesbares Speichermedium | |
WO2019007605A1 (de) | Verfahren zur verifizierung einer digitalen karte eines höher automatisierten fahrzeugs, entsprechende vorrichtung und computerprogramm | |
DE102012004625A1 (de) | Verfahren und Vorrichtung zur Aktualisierung und Anpassung von Karteninformationen in einem Navigationssystem | |
DE102017203662A1 (de) | Verfahren zum Ermitteln von Umgebungsdaten, die eine vorbestimmte Messgröße in einer Umgebung eines Kraftfahrzeugs beschreiben, sowie Steuervorrichtung für ein Kraftfahrzeug und Kraftfahrzeug | |
EP3827277B1 (de) | Verfahren, system und elektronische recheneinrichtung zum überprüfen von sensoreinrichtungen von fahrzeugen, insbesondere von kraftfahrzeugen | |
DE102013107960A1 (de) | Verfahren zur Aktualisierung einer Datenbasis sowie Einrichtung und Computerprogramm | |
EP3649521B1 (de) | Verfahren zum betreiben eines höher automatisierten fahrzeugs (haf), insbesondere eines hochautomatisierten fahrzeugs | |
DE102013212010A1 (de) | Verfahren und Vorrichtung zum Unterstützen einer Engstellendurchfahrung für ein Fahrzeug, Verfahren zum Unterstützen einer Engstellendurchfahrung für ein Nachfolgefahrzeug und Verfahren zum Verwalten von Vermessungsinformationen zum Unterstützen von Engstellendurchfahrungen von Fahrzeugen |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed | ||
R016 | Response to examination communication | ||
R081 | Change of applicant/patentee |
Owner name: CONTINENTAL AUTOMOTIVE TECHNOLOGIES GMBH, DE Free format text: FORMER OWNER: CONTINENTAL AUTOMOTIVE GMBH, 30165 HANNOVER, DE |
|
R120 | Application withdrawn or ip right abandoned |