AT525406A1

AT525406A1 - Klassifizierungsverfahren für ein klassifizieren von objekten

Info

Publication number: AT525406A1
Application number: AT602262021A
Authority: AT
Original assignee: Tom Robotics Gmbh
Priority date: 2021-08-31
Filing date: 2021-08-31
Publication date: 2023-03-15
Also published as: WO2023028632A1

Abstract

Die vorliegende Erfindung betrifft ein Klassifizierungsverfahren für ein Klassifizieren von Objekten (O), aufweisend Fremdobjekte (FO), welche von Verkehrsteilnehmern (VT) einer Verkehrsteilnehmer-Gruppe (VTG) erfasst worden sind, und diese Verkehrsteilnehmer (VT), aufweisend die folgenden Schritte: − Erfassen von Objektdaten (OD) für eine Vielzahl der Objekte (O) erfasst von einer Vielzahl der Verkehrsteilnehmer (VT) der Verkehrsteilnehmer-Gruppe (VTG), − Vergleichen der erfassten Objektdaten (OD) für wenigstens ein Objekt (O) mit Objektprofilen (OP) einer Objektprofil-Datenbank (OPD), − Zuordnen von wenigstens einem Objektprofil (OP) zu wenigstens einem Objekt (O) auf Basis des Vergleichs zum Klassifizieren des wenigstens einen Objekts (O).

Description

Klassifizierungsverfahren für ein Klassifizieren von Objekten

Die vorliegende Erfindung betrifft ein Klassifizierungsverfahren für ein Klassifizieren von Objekten, ein Computerprogrammprodukt für die Durchführung eines solchen Klassifizierungsverfahrens sowie ein Klassifizierungssystem für ein Klassifizieren von Objekten.

Es ist bekannt, dass Fahrzeuge mit lokalen Sensoren ausgestattet sind, um ihre Umgebung zu überwachen und Objekte in der Umgebung wahrzunehmen. Diese Objekterfassung dient dazu, dass Überwachungsfunktionen, Kontrollfunktionen, Fahrassistenzsysteme und in Zukunft auch autonome Fahrsysteme mit Umgebungsinformationen versorgt werden. Beispielsweise können Radarsensoren, Ultraschallsensoren, Lidarsensoren und/oder Kamerasensoren in den Fahrzeugen

eingesetzt werden, um Objekte in der Umgebung zu erfassen.

Nachteilhaft bei den bekannten Lösungen ist es, dass die Fahrzeuge dabei auf ihre selbstermittelten Daten begrenzt sind. Das bedeutet, dass Fahrzeuge nur solche Objekte erfassen können, welche sich auch im Erfassungsbereich ihrer Sensoren befinden. Befindet sich ein Objekt in einem Blindbereich, also in einem Bereich, auf welchen ein Sensor nicht gerichtet ist, so kann das Fahrzeug über dieses Objekt auch keine Informationen sammeln. Darüber hinaus beschränkt sich diese lokale Auswertungsmöglichkeit auf die Genauigkeit der verwendeten Sensoren. Sind lokale Sensoren einmal in einem Fahrzeug verbaut, so weisen diese technischen Grenzen hinsichtlich ihrer Erkennungsgenauigkeit auf, welche sich nur durch physischen

Austausch der Sensoren verbessern lassen.

Es ist Aufgabe der vorliegenden Erfindung, die voranstehend beschriebenen Nachteile zumindest teilweise zu beheben. Insbesondere ist es Aufgabe der vorliegenden Erfindung, in kostengünstiger und einfacher Weise den

Informationsgehalt für eine lokale Kontrolle in den Verkehrsteilnehmern zu erhöhen.

Die voranstehende Aufgabe wird gelöst durch ein Klassifizierungsverfahren mit den Merkmalen des Anspruchs 1, ein Computerprogrammprodukt mit den Merkmalen

des Anspruchs 15 sowie ein Klassifizierungssystem mit den Merkmalen des

2 Anspruchs 16. Weitere Merkmale und Details der Erfindung ergeben sich aus den Unteransprüchen, der Beschreibung und den Zeichnungen. Dabei gelten Merkmale und Details, die im Zusammenhang mit dem erfindungsgemäßen Klassifizierungsverfahren beschrieben sind, selbstverständlich auch im Zusammenhang mit dem erfindungsgemäßen Computerprogrammprodukt sowie dem erfindungsgemäßen Klassifizierungssystem und jeweils umgekehrt, sodass bezüglich der Offenbarung zu den einzelnen Erfindungsaspekten stets wechselseitig

Bezug genommen wird beziehungsweise werden kann.

Erfindungsgemäß soll ein Klassifizierungsverfahren dem Klassifizieren von Objekten dienen, aufweisend Fremdobjekte, welche von Verkehrsteilnehmern einer Verkehrsteilnehmer-Gruppe erfasst worden sind und diese Verkehrsteilnehmer

selbst. Ein solches Klassifizierungsverfahren weist die folgenden Schritte auf:

— Erfassen von Objektdaten für eine Vielzahl der Objekte, erfasst von einer

Vielzahl der Verkehrsteilnehmer der Verkehrsteilnehmer-Gruppe,

— Vergleichen der erfassten Objektdaten für wenigstens ein Objekt mit

Objektprofilen einer Objektprofil-Datenbank,

— Zuordnen von wenigstens einem Objektprofil zu wenigstens einem Objekt auf

Basis des Vergleichs zum Klassifizieren des wenigstens einen Objekts.

Ein erfindungsgemäßes Klassifizierungsverfahren setzt darauf auf, dass lokal in Verkehrsteilnehmern erfasste Objektdaten zur Bestimmung einzelner Objekte zusammengeführt werden für eine Verkehrsteilnehmer-Gruppe. Beispielsweise können Verkehrsteilnehmer in einer Verkehrssituation an einer Kreuzung, in einem Stadtviertel, in einer Stadt oder in einer ähnlichen, abgegrenzten Region eine Verkehrsteilnehmer-Gruppe bilden. Auch ist es möglich, dass alle Verkehrsteilnehmer einer Mobilfunkzelle eine solche Verkehrsteilnehmer-Gruppe bilden. Die Summe von Verkehrsteilnehmern, also zumindest zwei Verkehrsteilnehmer einer Verkehrsteilnehmer-Gruppe, sind somit in der Lage, jeweils durch lokale Sensoren, Objektdaten zu erfassen und auf diese Weise Objekte zu

bestimmen. Dabei können Objekte, welche von einem Verkehrsteilnehmer erfasst

3 werden, den jeweils anderen Verkehrsteilnehmer als Fremdobjekt wiedergeben. Jedoch können auch Objekte erfasst werden, welche selbst keine eigene Erfassungsmöglichkeit haben und damit auch im Sinne der vorliegenden Erfindung keine Verkehrsteilnehmer sind. So ist es beispielsweise möglich, dass Kraftfahrzeuge als Verkehrsteilnehmer mit ihren lokalen Sensoren Fußgänger oder Radfahrer als

Fremdobjekte erfassen.

Auch ist noch darauf hinzuweisen, dass Verkehrsteilnehmer passiv und aktiv ausgebildet sein können. Aktive Verkehrsteilnehmer nehmen insbesondere als bewegte Objekte selbst am Verkehrsgeschehen teil. Passive Verkehrsteilnehmer dienen beispielsweise in Form von Verkehrsüberwachungseinheiten ausschließlich

dem Zurverfügungstellen von Objektdaten.

Das erfindungsgemäße Klassifizierungsverfahren setzt insbesondere auf einem Verteilungsverfahren auf, welches in der Lage ist, in einem ersten Schritt die Objektdaten, welche von den Verkehrsteilnehmern der Verkehrsteilnehmer-Gruppe erfasst worden sind, zusammenzuführen. Dieses Zusammenführen kann auf reiner Datenbasis erfolgen oder, wie dies später noch erläutert wird, für das Aufbauen eines

virtuellen Abbilds der realen Verkehrssituation genutzt werden.

Der erfindungsgemäße Kerngedanke liegt nun darin, dass auf Basis der Vielzahl von Objektdaten für eine Vielzahl von Objekten Zusatzinformationen generiert werden können, welche ohne zusätzliche Sensorik erzeugt werden können. Dies beruht auf der Tatsache, dass durch die Objektdaten, welche nun von unterschiedlichen Verkehrsteilnehmern für eine Vielzahl von Objekten zur Verfügung gestellt werden, ein Vergleich mit Objektprofilen durchgeführt werden kann. Beispielsweise kann für ein Objekt, welches von mehreren Verkehrsteilnehmern als Fremdobjekt wahrgenommen worden ist, festgestellt werden, dass dieses sich im Rahmen einer Objektgeschwindigkeit von 3 bis 5 km/h bewegt. Erfolgt nun ein Vergleich dieser Geschwindigkeitsdaten als erfasste Objektdaten mit Objektprofilen der Objektdatenbank, so kann dies ergeben, dass Objektprofile für FuRgänger diesen Geschwindigkeitsbereich aufweisen. Somit können schneller bewegte Objekte

ausgeschlossen und langsam bewegte Objekte eingeschlossen werden. Dies

4 geschieht insbesondere für mehrere unterschiedliche Objektdaten, sodass durch den Vergleich mit Objektprofilen der Objektprofil-Datenbank ein eineindeutiger Zuordnungsschritt zu einer Objektklasse möglich ist. Somit wird im letzten Schritt des erfindungsgemäßen Verfahrens auf Basis des Vergleichsergebnisses das jeweilige Objekt klassifiziert. Die Klassifizierung bedeutet, dass ein Objektprofil mit seiner Bedeutung, im obigen Beispiel FuRgänger, dem Objekt zugeordnet wird. Damit ist dieses Objekt als Fußgänger klassifiziert. Darüber hinaus kann diese rein klassifizierende Information jedoch auch noch mit weiteren Parametern unterlegt werden, welche zusätzliche und weitergehende Informationen für das jeweilige Objekt enthalten.

Auf Basis der voranstehenden Erläuterung wird nun ersichtlich, dass über die erfassten Objektdaten hinaus zusätzliche Informationen generiert werden können, da durch den Vergleich mit den Objektprofilen zumindest eine Klassifizierung der Objekte durchgeführt werden kann. Wird, wie dies später noch erläutert wird, ein virtuelles Abbild des Verkehrsgeschehens zur Verfügung gestellt und aufgebaut, so können diese Objektprofile dieses virtuelle Abbild bereichern, die Analysegenauigkeit verstärken und insbesondere bei der Verteilung der Objektdaten zusammen mit den zugeordneten Objektprofilen die einzelnen Verkehrsteilnehmer mit diesen bereicherten Informationen in die Lage versetzten, mit höherer Sicherheit und/oder mit höherer Genauigkeit die eigenen Kontrollschritte durchzuführen. Gemäß dem obigen Beispiel können die empfangenden Verkehrsteilnehmer das Objekt nun nicht nur anhand der der Objektdaten, sondern zusätzlich anhand er Klassifizierung als

Fußgänger den eigene Kontrollfunktionen zugrunde legen.

Es wird also möglich, dass ohne einen Eingriff in technische Veränderungen der lokalen Sensoren der Verkehrsteilnehmer, diese durch die Verteilung nach einem erfindungsgemäßen Klassifizierungsverfahren mit einer höheren Datenqualität ausgestattet sind, als dies durch die Einzeldaten gewährleistet wäre. Es erfolgt damit auch eine verbesserte Übersicht durch die Kombination von mehreren Verkehrsteilnehmern, da beispielsweise Blindbereiche des einen Verkehrsteilnehmers durch Erfassungsbereiche anderer Verkehrsteilnehmer

ausgeglichen werden können.

Das erfindungsgemäße Verfahren erfolgt vorzugsweise zumindest einmal, wenn ein Objekt neu erkannt worden ist. Bevorzugt werden jedoch zumindest Teilschritte regelmäßig durchgeführt, sodass Objektprofile, deren Klassifizierung, aber insbesondere eine später noch zu erläuternde Charakterisierung, für unterschiedliche Erfassungstakte und/oder Kommunikationstakte, vorzugsweise für jeden einzelnen Taktschritt, durchgeführt werden. Dabei wird ersichtlich, dass insbesondere das Klassifizierungsverfahren auf einer Systemebene abläuft. Beispielsweise kann das Klassifizierungsverfahren als Computerprogrammprodukt, wie dies später noch erläutert wird, auf einem zentralen Server in einem Kommunikationsnetzwerk ablaufen. Die Erfassung erfolgt dabei im jeweiligen Verkehrsteilnehmer, welche die erfassten Objektdaten nun dem Klassifizierungsverfahren über das

Kommunikationsnetzwerk zur Verfügung stellen.

Es kann Vorteile mit sich bringen, wenn bei einem erfindungsgemäßen Klassifizierungsverfahren die Objektprofil-Datenbank Fremdobjektprofile für unterschiedliche Fremdobjekte und Verkehrsteilnehmerprofile für unterschiedliche Verkehrsteilnehmer aufweist. Selbstverständlich sind auch noch andere Profilarten im Rahmen der vorliegenden Erfindung denkbar. Die Trennung der Objektprofile in unterschiedliche Profilarten erlaubt es, insbesondere auch unterschiedliche Profilparameter einzusetzen. Es erfolgt also insbesondere eine spezifische Trennung hinsichtlich unterschiedlicher Informationsquellen. Fremdobjekte sind Objekte, welche von einem Verkehrsteilnehmer wahrgenommen worden sind. Diese sind entsprechend ihrer Objektdaten mit den Ungenauigkeiten der Daten der jeweiligen lokalen Sensoren behaftet. Verkehrsteilnehmerprofile können höhere Genauigkeiten aufweisen, da sie insbesondere gegebene Datensätze des jeweiligen Verkehrsteilnehmers beinhalten können, wie beispielsweise dessen real gemessene

Geschwindigkeit, dessen real gemessene Bewegungsrichtung oder Ähnliches.

Von Vorteil ist es, wenn bei einem erfindungsgemäßen Klassifizierungsverfahren die Objektprofile Profilbereiche für wenigstens einen der folgenden vergleichenden

Objektparameter aufweisen:

— Objektort

— Objektgeschwindigkeit

— Objektrichtung

— Objektinteraktion

— Objekterstreckung

— Objektzeit

— Erfassungsgenauigkeit

— Erfassungsverschlüsselung — Erfassungsvertrauen

Bei der voranstehenden Aufzählung handelt es sich um eine nicht abschließende Liste. Unter vergleichenden Objektparametern sind Parameter zu verstehen, welche verwendet werden, um mit den Objektdaten verglichen zu werden und damit die Klassifizierung der Objekte durch Zuordnung eines eineindeutigen Objektprofils zu erlauben. Je mehr Objektparameter in einem Objektprofil hinterlegt sind, umso genauer ist die Zuordnung in eineindeutiger Weise im Sinne der vorliegenden Erfindung möglich. Die grundsätzlichen Parameter wie Objektort, Objektgeschwindigkeit oder Objektrichtung sind vorteilhaft, um eine Grundklassifizierung zu erlauben. Befindet sich das Objekt beispielsweise auf einem Fußgängerweg, so kann diese Objektortzuordnung bereits eine erste Information enthalten, dass es sich hier mit hoher Wahrscheinlichkeit auch um einen FuRgänger als Fremdobjekt handelt. Korreliert dies noch mit einer Objektgeschwindigkeit als Objektparameter von beispielsweise kleiner als 6 km/h, so erhöht sich die Genauigkeit dieser Klassifizierung als FuRgänger. Jedoch können auch weitere Objektparameter hier zusätzliche Informationen geben. Objektinteraktionen können beispielsweise Hinweise erlauben, wenn verschiedene Objekte nahe beieinanderstehen. So kann es sich hier zum Beispiel um eine Gruppe von Fahrradfahrern an einer Ampel handeln, wenn als Objektort eine Verkehrsampel mit

zugeordnetem Radweg erkannt wird. Die Objekterstreckung erlaubt durch die

7738

7 geometrische Erstreckung einen Rückschluss, wie groß ein Objekt ist und kann so ebenfalls zum Vergleich mit den Objektdaten für die Klassifizierung des Objekts verwendet werden. Auch ist es möglich, dass die Objektzeit, also der Zeitpunkt der Erfassung der Objektdaten, einen Rückschluss auf das Objekt selbst erlaubt. Beispielsweise können in einzelnen Bereichen Fußgänger tagsüber mit hoher Wahrscheinlichkeit und nachts mit sehr geringer Wahrscheinlichkeit auftreten. Auch eine Korrelation von kurzfristigen Zeitperioden sind denkbar, beispielsweise ein stehendes Objekt an einer roten FuRgängerampel, deutet hier auf einen Fußgänger hin. Zusätzlich können noch weitere Informationen, wie die Erfassungsgenauigkeit, eine Erfassungsverschlüsselung für die übertragenen Objektdaten oder ein grundsätzliches Erfassungsvertrauen, also eine Konfidenz für den zur Verfügung stehenden Verkehrsteilnehmer, als Objektparameter berücksichtigt werden. Bevorzugt weisen die Objektprofile für alle Objektprofile einer Objektart und/oder einer Objektklassifizierung identische oder im Wesentlichen identische

Objektparameter auf, sodass eine einfache Vergleichsmöglichkeit gegeben wird.

Vorteile bringt es darüber hinaus mit sich, wenn bei einem erfindungsgemäßen Klassifizierungsverfahren nach der Zuordnung des wenigstens einen Objektprofils, das zugehörige Objekt hinsichtlich der Entwicklung der zugehörigen Objektdaten

überwacht wird und wenigstens einer der folgenden Schritte durchgeführt wird:

— Ergänzen des zugeordneten Objektprofils um temporäre Objektparameter für

ein Charakterisieren des zugehörigen Objekts,

— Ergänzen und/oder Anpassen wenigstens eines vergleichenden

Objektparameters des Objektprofils der Objektprofil-Datenbank.

Auch bei der voranstehenden Aufzählung handelt es sich um eine nicht abschließende Liste. Die beiden genannten Schritte sind insbesondere eine temporäre Anpassung eines individuellen und bereits zugeordneten Objektprofils und der zweite Schritt eine grundsätzliche und allgemeine Anpassung in der Objektprofil-Datenbank. Diese beiden Varianten werden nachfolgend näher erläutert. So wird eine temporäre individuelle Anpassung dann sinnvoll sein, wenn ein

Objektprofil einem Objekt bereits zugeordnet worden ist. Bewegt sich dieses Objekt

8 nun weiter in einer Verkehrssituation, so werden kontinuierlich Objektdaten von den Verkehrsteilnehmern für dieses Objekt erfasst und übermittelt. Diese Objektdaten geben nun weiteren Rückschluss, inwieweit sich dieses Objekt gemäß den Objektparametern des Objektprofils verhält und es ist möglich, die Objektparameter für dieses individuell zugeordnete Objektprofil für ein Charakterisieren des zugehörigen Objekts anzupassen. So kann beispielsweise ein Fahrradfahrer als Objekt klassifiziert werden. Sobald dieses zugehörige Objektprofil zugeordnet worden ist, können nun die im Folgenden weiter entstehenden und erfassten Objektdaten für diesen Fahrradfahrer einen Hinweis geben, dass es sich zum Beispiel um einen Rennradfahrer handelt, welcher bei normaler Bewegung eine Geschwindigkeit zwischen 28 und 32 km/h einhält. Damit kann der zugehörige Objektparameter, und damit die Geschwindigkeitscharakterisierung für diesen Fahrradfahrer, eingegrenzt werden, von deutlich breiteren Objektparametern für die grundsätzliche Vergleichsbasis des Objektparameters. Erfolgt in höherer Anzahl für eine Vielzahl gleicher Objekte eine regelmäßige ähnliche Anpassung der temporären Objektparameter, kann das Klassifizierungsverfahren als selbstlernenden Effekt die Objektprofile in der Objektprofil-Datenbank anpassen. Stellt sich beispielsweise heraus, dass sich FuRgänger als Objekte in einem Abschnitt einer Verkehrssituation mit hoher Geschwindigkeit von 6 km/h bewegen und sich niemals auf die Straße bewegen, da beispielsweise ein Zaun die Straße vom FuRgängerweg trennt, so können diese Begrenzungen und Rahmenbedingungen nach der individuellen Zuordnung zu den Objektprofilen später in die Objektprofil-Datenbank zurückgespeichert werden, um für die zukünftige Verwendung der zugehörigen Objektprofile diese Rahmenbedingungen zu berücksichtigen. Somit können Objektprofile ergänzt oder sogar neue und feiner gegliederte Objektprofile erzeugt werden. Beispielsweise können einzelne Fahrzeugtypen neue Objektprofile zugewiesen werden, so dass zum Beispiel Sportwagen eine Unterklasse des allgemeinen Objektprofils für Kraftfahrzeuge ausbilden und ein eigenes, weitere

spezifiziertes Objektprofil erhalten.

Ebenfalls von Vorteil kann es sein, wenn bei einem erfindungsgemäßen

Klassifizierungsverfahren auf Basis der erfassten Objektdaten eine virtuelle

9 Verkehrssituation als virtuelles Abbild der realen Verkehrssituation erzeugt wird, welche mit den zugeordneten Objektprofilen ergänzt wird. Eine solche virtuelle Verkehrssituation wird insbesondere kontinuierlich fortgeschrieben, sodass vorzugsweise alle Objekte durch die Objektdaten verfolgbar und mit Objektprofilen ergänzbar und vorzugsweise charakterisierbar sind. Dabei kann es sich um fest klassifizierte Objektprofile aber auch um temporär charakterisierte Objektprofile, wie sie Im voranstehenden Absatz erläutert worden sind, handeln. Damit wird diese virtuelle Verkehrssituation durch die zusätzlichen Informationen der Objektprofile weiter bereichert, sodass die Analyse dieser virtuellen Verkehrssituation verbessert werden kann. Auch wird es, wie bereits erläutert worden ist, möglich, diese Zusatzinformationen aus der Analytik der virtuellen Verkehrssituation wieder an die einzelnen Verkehrsteilnehmer zu verteilen und dort die Kontrollmöglichkeiten zu

verbessern und die Kontrollsicherheit zu erhöhen.

Von Vorteil ist es weiter, wenn bei einem erfindungsgemäßen Klassifizierungsverfahren die Objektprofile Bewegungsparameter für zu erwartende Bewegungen aufweisen. Bewegungsparameter können beispielsweise Rahmenbedingungen darstellen. Ein FuRgänger wird demnach nicht schneller als 8 km/h gehen und mit einer gewissen Wahrscheinlichkeit hin und wieder stehenbleiben. Auch sind Fußgänger hinsichtlich Richtungsänderungen deutlich variabler als dies beispielsweise Fahrradfahrer oder Motorradfahrer sind. Bewegungsparameter für zu erwartende Bewegungen basieren also auf objektspezifischen Bewegungen, welche insbesondere durch die bereits erläuterte selbstlernende Ausgestaltung der Objektprofile durch den kontinuierlichen Ablauf des Klassifizierungsverfahrens immer weiter verfeinert werden. Selbst verständlich können auch diese Bewegungsparameter individuell charakterisiert werden, so dass über einen längeren Verfolgungszeitraum auch individuelle Bewegungsparameter für das jeweilige Objekt vorliegen. Es könne beispielsweise zielstrebige FuRgänger von langsamen Spaziergängern unterschieden werden. Diese Zusatzinformation erlaubt eine Vielzahl weitergehender Kontrollmöglichkeiten auf Ebene der

Verkehrsteilnehmer. Schnelle Fußgänger bringen dabei beispielsweise eine höhere

Fußgängerampel zu gehen als dies bei langsamen Spaziergängern der Fall ist.

Bei der voranstehenden Ausführungsform ist es möglich, dass bei dem Klassifizierungsverfahren diese Bewegungsparameter, insbesondere in Form von Parametergrenzen und/oder in Form von Parameterkorridoren, wenigstens eine der

folgenden Ausbildungsformen aufweisen: — Bewegungsrichtung — Bewegungsgeschwindigkeit

Bei der voranstehenden Aufzählung handelt es sich um eine nicht abschließende Liste. Die Parameterkorridore oder Parametergrenzen erlauben eine Eingrenzung möglicher Bewegungen. Fahrradfahrer weisen häufig eine bei höherer Geschwindigkeit sehr konstante Bewegungsrichtung auf. Fußgänger sind mit geringerer maximaler Geschwindigkeit versehen, jedoch mit höherer Varianz hinsichtlich der Bewegungsrichtung ausgestattet. Somit wird es möglich, die Bewegungsprädiktion für ein Objekt deutlich genauer durchzuführen, als dies ohne eine Klassifizierung des Objekts der Fall wäre. Dies verstärkt sich noch weiter, wenn zusätzlich die beschriebene individuelle Charakterisierung erfolgt. Auch ist es nicht notwendig, zusätzliche Auswertungsschritte für das Objekt, beispielsweise eine bildhafte Unterscheidung eines Fahrradfahrers von einem Fußgänger durchzuführen, da diese Auswertung auf Basis, und vorzugsweise ausschließlich auf Basis, der Objektdaten erfolgt. Neben einer Reduktion im Auswertungsaufwand führt dies insbesondere zu einer Möglichkeit der Anonymisierung der Daten, da anonymisierte Objektdaten im Kommunikationsnetzwerk geteilt und trotz Anonymisierung eine

Klassifizierung mithilfe der Objektprofile möglich wird.

Weitere Vorteile bringt es mit sich, wenn bei dem Klassifizierungsverfahren des voranstehenden Absatzes auf Basis der Bewegungsparameter für wenigstens ein Objekt ein Wahrscheinlichkeitsbereich bestimmt wird, für zu erwartende Bewegungen des Objekts. Dies erlaubt es, eine Fläche und/oder ein Volumen als

Wahrscheinlichkeitsbereich vorzugeben, welcher die Bewegungsmöglichkeiten des

11 jeweiligen Objekts mit den zugehörigen Wahrscheinlichkeiten kombiniert. Dies gilt selbstverständlich wieder für Fremdobjekte genauso wie für Verkehrsteilnehmer der Verkehrsteilnehmer-Gruppe. Dieser Wahrscheinlichkeitsbereich wird bei Vorhandensein eines virtuellen Abbilds der Verkehrssituation vorzugsweise in dieses Abbild integriert. Auch eine individuelle Anpassung dieser Bewegungsparameter durch eine längere Klassifizierungsverfolgung des erfindungsgemäßen Verfahrens für dieses Objekt ist selbstverständlich denkbar. Dabei ist es möglich, dass bei einer Mehrfacherfassung eines Objektes von unterschiedlichen Verkehrsteilnehmern die Orte und Objektdaten dieser unterschiedlichen Erfassungen kombiniert und anschließend ein einziger Wahrscheinlichkeitsraum erzeugt wird. Alternativ ist es auch möglich, dass für mehrfach erkannte Objekte eine Vielzahl von Wahrscheinlichkeitsräumen erzeugt wird, welche anschließend zu einem gemeinsamen Wahrscheinlichkeitsbereich fusioniert werden. Besonders genau können solche Wahrscheinlichkeitsbereiche erstellt werden, wenn die Objektdaten von Verkehrsteilnehmern eigen Prädiktionsinformationen, wie beispielsweise eine aktive Routenplanung, enthalten. Auch Kontrollvorgaben aus Assistenzsystem oder autonomen oder teil-autonomen Fahrzeugen können eine solche exakte Prädiktion sein, so dass der Wahrscheinlichkeitsbereich mit höchster Eintrittswahrscheinlichkeit

und sehr genau begrenzt bestimmt und vorgegeben werden kann.

Ebenfalls vorteilhaft ist es, wenn bei einem erfindungsgemäßen Klassifizierungsverfahren Objektdaten, welche von unterschiedlichen Verkehrsteilnehmern für dasselbe Objekt erfasst worden sind, zusammengeführt werden. Wie bereits erläutert worden ist, nehmen die Verkehrsteilnehmer mehrfach die gleichen Objekte und sich auch gegenseitig als Fremdobjekte wahr. Dies führt zu einer Mehrfacherfassung für die meisten Objekte in dem Klassifizierungsverfahren, sodass mit anderen Worten jedes Objekt häufig von zwei oder mehr Verkehrsteilnehmern aus unterschiedlichen Richtungen und mit unterschiedlichen lokalen Sensoren erfassbar wird. Diese Fusion der Daten zu einem einzigen Objekt, und damit ein Erfassen von einer Vielzahl zusätzlicher Objektdaten zu einem einzelnen Objekt, steigert die Genauigkeit bei einem erfindungsgemäßen

Klassifizierungsverfahren. Diese Fusionierung führt darüber hinaus zu einer

12 Reduktion der Daten beim Vergleichsschritt, beim Zuordnungsschritt aber auch bei einem möglicherweise weitergehenden Verteilungsschritt dieser zusammengeführten

Objektdaten an die Verkehrsteilnehmer der Verkehrsteilnehmer-Gruppe.

Auch vorteilhaft ist es, wenn bei einem erfindungsgemäßen Klassifizierungsverfahren die Objektdaten zusammen mit den zugeordneten Objektprofilen an die Verkehrsteilnehmer der Verkehrsteilnehmer-Gruppe verteilt werden, insbesondere frei von Kontrollanweisungen an die Verkehrsteilnehmer. Dies erlaubt eine Rückkopplung an die Verkehrsteilnehmer, sodass nicht nur eine Verkehrsüberwachung und eine Verkehrsanalyse, sondern eine Verwendung der genannten Daten für die Kontrolle der einzelnen Verkehrsteilnehmer möglich ist. Dies kann eingesetzt werden, um die Kontrolleingriffe für Fahrassistenzsysteme mit höherer Genauigkeit zu erlauben. Insbesondere dann, wenn Verkehrsteilnehmer autonom oder teilautonom betrieben werden, insbesondere sogar als autonome Einheiten oder autonome Drohnen, können diese Vorteile die Verkehrssicherheit entscheidend erhöhen. Die Verteilung erfolgt insbesondere in einer Weise, dass die Kontrolle ausschließlich von den jeweiligen Verkehrsteilnehmern zur Verfügung gestellt wird. Dies erlaubt es, hinsichtlich der Kontrolleingriffe auf die Rechenkapazität der einzelnen Verkehrsteilnehmer zurückzugreifen und nicht eine

zentrale Berechnung des Verkehrssystems durchführen zu müssen.

Darüber hinaus ist es von Vorteil, wenn bei einem erfindungsgemäßen Klassifizierungsverfahren die Zuordnung des wenigstens einen Objektprofils einmalig durch den Vergleich erfolgt. Diese einmalige Zuordnung bedeutet, dass ein zugeordnetes Objektprofil diesem Objekt bei der weiteren Überwachung zugeordnet bleibt, sodass das Ergebnis dieses Vergleichsschritts und Zuordnungsschritts beibehalten werden kann. Mit anderen Worten erfolgt anschießend eine Objektverfolgung im virtuellen Sensornetz der Verkehrsteilnehmer, wobei die einmalige Zuordnung des Objektprofils für die weitere Objektverfolgung diesem Objekt zugeordnet bleibt. Davon unbenommen ist selbstverständlich die temporäre individuelle Anpassung dieses Objektprofils aufgrund der fortlaufenden Erfassung der zugehörigen Objektdaten. Dabei sei nochmals darauf hingewiesen, dass diese

Objektverfolgung in anonymisierter Weise möglich ist, da sie nur auf Basis der

13 ausgewerteten und erfassten Objektdaten und nicht auf Basis der tatsächlich wahrgenommenen Sensordaten, beispielsweise in Form von Kamerabildern, durchgeführt wird. Neben der Anonymisierung ist dies auch ein entscheidender Beitrag, um die Rechenkapazität für die Durchführung eines solchen Klassifizierungsverfahrens, insbesondere in komplexen Verkehrssituationen, deutlich

zu reduzieren.

Vorteilhaft ist es weiter, wenn bei einem erfindungsgemäßen Klassifizierungsverfahren für die Objektprofile in Form von Verkehrsteilnehmerprofilen für die Verkehrsteilnehmer ein Konfidenzscore bestimmt wird, für eine nachfolgende Gewichtung von Objektdaten, welche von diesem Verkehrsteilnehmer erfasst worden sind. Dieser Konfidenzscore kombiniert unterschiedliche Einflüsse, insbesondere zwei unterschiedliche Einflüsse zu einem gemeinsamen Wert. Dabei kann es sich um Performancewerte der Verkehrsteilnehmer, Sensorgenauigkeiten der verwendeten lokalen Sensoren, Verschlüsselungsinformationen bei der Übertragung der Objektdaten, grundsätzliche Vertrauenswürdigkeit von Verkehrsteilnehmern, Zeitinformationen hinsichtlich der Erfassung der Objektdaten, Umweltinformationen oder Informationen zu Blindbereichen der separaten Verkehrsteilnehmer handeln. Die Reduktion auf einen einzelnen Konfidenzscore erlaubt die nachfolgende Gewichtung der Objektdaten sowohl für die Objektnachverfolgung als auch für den Vergleich und die Zuordnung zu dem Objektprofil mit sehr geringem Rechenaufwand. Die Konfidenz bildet dabei die Vertrauenswürdigkeit in die vom jeweiligen Verkehrsteilnehmer zur Verfügung gestellten Daten ab. Die kann die jeweiligen Sensoren oder auch deren Firmware berücksichtigen. Auch ist es möglich, dass einzelne Verkehrsteilnehmer die von ihnen erfassten Daten nur in geringerer Genauigkeit als der erfassten Genauigkeit weitergeben. Dies kann als Upload Performance bezeichnet werden während die notwendige Genauigkeit beim Empfang von Daten als Download Performance bezeichnet werden kann. Dabei können garantierte Upload Performance Level und/oder benötigte Download Performance Level den einzelnen Verkehrsteilnehmern

zugeordnet werden.

Darüber hinaus kann es von Vorteil sein, wenn bei einem erfindungsgemäßen Klassifizierungsverfahren die Verkehrsteilnehmer der Verkehrsteilnehmer-Gruppe eigene lokale Sensoren aufweisen, insbesondere eine der folgenden

Ausbildungsformen:

— Kraftfahrzeug

— Motorrad

— Verkehrsüberwachungseinheit — autonome Einheit

Bei der voranstehenden Aufzählung handelt es sich um eine nicht abschließende Liste. Während Kraftfahrzeuge, Motorräder und autonome Einheiten aktiv am Verkehrsgeschehen teilnehmende Verkehrsteilnehmer sind, sind Verkehrsüberwachungseinheiten als passive Verkehrsteilnehmer zu verstehen. Autonome Einheiten können dabei insbesondere vollautonome Einheiten sein, welche beispielsweise als Roboterfahrzeuge oder Drohnen ausgebildet sind. Insbesondere in den Objektdaten für die Verkehrsteilnehmer können Detailinformationen zu den lokalen Sensoren, wie deren Art, deren Anzahl, deren Anordnung, deren Herstellern, deren Firmware oder ähnliches hinzugefügt werden.

Auch weitere Details zur Auswertelogik sind hier denkbar.

Darüber hinaus kann es Vorteile mit sich bringen, wenn bei einem erfindungsgemäßen Klassifizierungsverfahren auf Basis einer Vielzahl zugeordneter, und insbesondere individuell angepasster Objektprofile, Ortsprofile für Teilbereiche einer Verkehrsumgebung erstellt werden, wobei insbesondere solche Ortsprofile bei der Zuordnung und/oder bei der Anpassung der Objektprofile berücksichtigt werden. Dies erlaubt es beispielsweise, Gefahrenpunkte, Kreuzungen oder Ähnliches zu erkennen oder näher zu analysieren. Auch kann die Verkehrsumgebung zu solchen Ortsprofilen analysiert werden. Die Ortsprofile dienen insbesondere dazu, die Objektprofile ortsspezifisch auszugestalten, sodass beispielsweise eine

Fußgängererkennung im Bereich eines Zebrasteifens mit zusätzlichen Informationen

15 für den Vergleich, aber auch für die Ausbildung von Bewegungsmöglichkeiten, ergänzt wird. Damit wird insbesondere auch ein virtuelles Abbild der

Verkehrssituation mit Zusatzinformationen ausgestattet.

Ebenfalls Gegenstand der vorliegenden Erfindung ist ein Computerprogrammprodukt, umfassend Befehle, die bei der Ausführung des Programms durch einen Computer diesen veranlassen, die Schritte eines erfindungsgemäßen Klassifizierungsverfahrens auszuführen. Damit bringt ein erfindungsgemäßes Computerprogrammprodukt die gleichen Vorteile mit sich wie sie ausführlich mit Bezug auf ein erfindungsgemäßes Klassifizierungsverfahren erläutert

worden sind.

Ebenfalls Gegenstand der vorliegenden Erfindung ist ein Klassifizierungssystem für ein Klassifizieren von Objekten, aufweisend Fremdobjekte, welche von Verkehrsteilnehmern einer Verkehrsteilnehmer-Gruppe erfasst worden sind und diese Verkehrsteilnehmer. Dieses Klassifizierungssystem ist mit einem Erfassungsmodul zum Erfassen von Objektdaten für eine Vielzahl der Objekte ausgestattet, welche von einer Vielzahl der Verkehrsteilnehmer der Verkehrsteilnehmer-Gruppe erfasst worden sind. Weiter ist ein Vergleichsmodul vorgesehen, zum Vergleichen der erfassten Objektdaten für wenigstens ein Objekt mit Objektprofilen einer Objektdatenbank. Darüber hinaus weist das Klassifizierungssystem ein Zuordnungsmodul auf, zum Zuordnen von wenigstens einem Objektprofil zu wenigstens einem Objekt auf Basis des Vergleichs zum Klassifizieren des wenigstens einen Objekts. Dies kann sowohl lokal als auch zentral in einem Kommunikationsnetzwerk ausgebildet sein. Insbesondere ist das Klassifizierungssystem serverseitig mit einer Kommunikationsrecheneinheit ausgebildet, welche zumindest den Vergleich und die Zuordnungsschritte des

erfindungsgemäßen Klassifizierungsverfahrens durchführt.

Weitere Vorteile, Merkmale und Einzelheiten der Erfindung ergeben sich aus der nachfolgenden Beschreibung, in der unter Bezugnahme auf die Zeichnungen Ausführungsbeispiele der Erfindung im Einzelnen beschrieben sind. Dabei können

die in den Ansprüchen und in der Beschreibung erwähnten Merkmale jeweils einzeln

für sich oder in beliebiger Kombination erfindungswesentlich sein. Es zeigen

schematisch:

Fig. 1 eine Ausführungsform eines erfindungsgemäßen Klassifizierungssystems,

Fig. 2 eine mögliche Verkehrssituation,

Fig. 3 die Verkehrssituation der Figur 2 zu einem späteren Zeitpunkt, Fig. 4 mögliche Ausbildungen der Objektprofil-Datenbank,

Fig. 5 eine weitere Ausführungsform einer Objektprofil-Datenbank, Fig. 6 ein mögliches Fortschreiben eines Objektprofils,

Fig. 7 ein mögliches Fortschreiben in der Objektprofil-Datenbank, Fig. 8 ein virtuelles Abbild der Verkehrssituation der Figur 2,

Fig. 9 ein weiteres virtuelles Abbild der Verkehrssituation der Figur 2.

Die Figur 1 zeigt schematisch eine Möglichkeit für ein Klassifizierungssystem 10. Das Erfassungsmodul 20 ist hier in der Lage, von Objekten O Objektdaten OD zu erfassen und diese dem Vergleichsmodul 30 zuzuordnen. Das Vergleichsmodul 30 vergleicht nun für jedes der Objekte O die Objektdaten OD mit Objektprofilen OP aus der Objektprofil-Datenbank OPD, sodass jedem Objekt O auf Basis der Objektdaten OD nun ein spezifisches Objektprofil OP zugeordnet werden kann. Die Zuordnung erfolgt im Zuordnungsmodul 40, sodass als Ausgabe des Zuordnungsprofils für jedes Objekt O und die zugehörigen Objektdaten OD nun ein spezifisches Objektprofil OP beigefügt ist.

Die Nutzung des Klassifizierungsverfahrens wird dabei insbesondere mit den Figuren 2, 3, 8 und 9 klarer. In der Figur 2 ist eine Verkehrssituation mit fünf Kraftfahrzeugen als Verkehrsteilnehmer VT dargestellt, welche alle mit lokalen Sensoren LS in Form von Kameras als Beispiel ausgestattet sind. Auf den Bürgersteigen befinden sich drei schematisch dargestellte FuRgänger als Fremdobjekte FO, welche hier zu zweit an

einem Fußgängerüberweg mit FuRßgängerampel stehen. Auch ist ein Fahrrad als

17 Fremdobjekt FO in dieser Verkehrssituation dargestellt. Die Verkehrsteilnehmer-Gruppe VTG ist hier darüber hinaus noch mit einer Verkehrsüberwachungseinheit als zusätzlichem Verkehrsteilnehmer VT am oberen

Eck der Kreuzung ausgestattet.

In dieser Situation ist nun gut zu erkennen, dass die Verkehrsteilnehmer VT unterschiedliche andere Verkehrsteilnehmer VT und Fremdobjekte FO wahrnehmen können und andere wiederum nicht. Beispielsweise kann der Verkehrsteilnehmer VT, welcher direkt an der Kreuzung zum Rechtsabbiegen steht, das Fremdobjekt FO in Form des Fahrrads durch seine lokalen Sensoren LS nicht erkennen. Der hinter ihm angeordnete Autofahrer und damit der lokale Sensor LS des dahinter angeordneten Verkehrsteilnehmers VT erkennt jedoch dieses Fremdobjekt FO und kann nun durch die Ausbildung dieses virtuellen Sensornetzwerks in der Verkehrsteilnehmer-Gruppe VTG die zugehörigen Objektdaten OD für dieses Fremdobjekt FO als Fahrradfahrer den anderen Verkehrsteilnehmern VT zur Verfügung stellen. Insbesondere wird es somit möglich, beispielsweise den abbiegenden Verkehrsteilnehmer VT abzubremsen und abzuwarten, bis das Fremdobjekt FO als Fahrradfahrer seinen Abbiegevorgang vollendet hat. Dies zeigt das Erhöhen der Sicherheit. Auch konnte sichergestellt werden, dass der nachfolgende Verkehrsteilnehmer VT rechtzeitig anhält, da zwei Fremdobjekte FO in Form der Fußgänger über den

Fußgängerüberweg anhand der Ampeln sich bewegen.

Die Figur 3 zeigt, dass auch der einzelne Fußgänger als Fremdobjekt FO hier in Figur 3 zwei mögliche Positionen einnehmen kann. So besteht die Möglichkeit, dass er sich auf dem FuRgängerweg weiterbewegt, aber auch, dass er, da er ein Fußgänger ist und schnelle Bewegungen durchführen kann, auf die Straße tritt. Auch diese Information kann über ein virtuelles Abbild analysiert und über das virtuelle

Netzwerk an die relevanten Verkehrsteilnehmer VT verteilt werden.

Der entscheidende Schritt des vorliegenden Klassifizierungsverfahrens ist nun die Zuordnung der Objektprofile OP. Die Objektprofil-Datenbank OPD kann gemäß der Figuren 4 und 5 nun mit einer Vielzahl von einzelnen Objektprofilen OP ausgestattet

sein, wie sie die beiden Figuren 4 und 5 zeigen. Links sind verschiedene

18 Objektprofile OP für einen Fahrradfahrer und rechts verschiedene Objektprofile OP für ein Kraftfahrzeug dargestellt. Bei dem Fahrradfahrer handelt es sich um ein Fremdobjekt FO und dementsprechend um ein Fremdobjektprofil FOP, während es sich bei dem Kraftfahrzeug um einen Verkehrsteilnehmer VT und dementsprechend um ein Verkehrsteilnehmerprofil VTP handelt. Die Objektprofile OP sind dabei aufgespaltet in Objektparameter OPT und Bewegungsparameter BPT. Die Objektparameter OPT dienen dabei insbesondere dem Vergleich mit den übermittelten und erfassten Objektdaten OD, um den Klassifizierungsschritt durchzuführen. Die Bewegungsparameter BPT sind in der Lage, zusätzliche Informationen zu geben, welche Bewegungsmöglichkeiten für das auf diese Weise klassifizierte Objekt O möglich sind. Der Einsatz wird insbesondere mit Bezug auf die

Figur 9 ersichtlich.

Die Figuren 6 und 7 zeigen, dass auch eine Rückkopplung von Objektdaten OD möglich ist. So kann beispielsweise temporär nach der Zuordnung eines Objektprofils OP zum Fremdobjekt FO des Fahrradfahrers die weitere Nachverfolgung des Fahrradfahrers verschiedene Objektparameter OPT verändern, eingrenzen oder anderweitig anpassen. Geschieht dies häufiger, beispielsweise für einen bestimmten Verkehrsteilnehmer, so kann gemäß der Figur 7 nicht nur die individuelle Anpassung des bereits zugeordneten Objektprofils OP, sondern eine allgemeine Anpassung des zugehörigen Objektprofils OP in der Objektprofil-Datenbank OPD durchgeführt

werden.

Die Figur 8 zeigt die Figur 2 als virtuelles Abbild der realen Verkehrssituation, nachdem ein erfindungsgemäßes Klassifizierungsverfahren durchgeführt worden ist. Hier ist gut zu erkennen, dass nun im virtuellen Abbild alle Verkehrsteilnehmer VT und alle Fremdobjekte FO mit Objektprofilen OP ausgestattet worden sind. Dies erlaubt es beispielsweise, mithilfe der bereits erläuterten Bewegungsparameter BPT, Wahrscheinlichkeitsbereiche WB für alle Verkehrsteilnehmer VT und alle Fremdobjekte FO zu bestimmen, wie sie die Figur 9 zeigt. Hier sind auch kritische Situationen erkennbar, insbesondere dann, wenn sich diese Wahrscheinlichkeitsbereiche WB überschneiden, wie bei den beiden oben rechts in

die Kreuzung einfahrenden Verkehrsteilnehmern VT, dem Fremdobjekt FO am

19 oberen Bürgersteig, dessen Wahrscheinlichkeitsbereich WB aussagt, dass er möglicherweise auf die Straße tritt und dort den Wahrscheinlichkeitsbereich WB des ihm entgegenkommenden Fahrzeuges als Verkehrsteilnehmer VT erreicht. Auch ist hier bereits das Abbiegerisiko des Fahrrads als Fremdobjekt FO mit der Überschneidung mit dem Wahrscheinlichkeitsbereich WB des ebenfalls abbiegenden

Verkehrsteilnehmers VT als Kraftfahrzeug zu erkennen.

Die voranstehende Erläuterung der Ausführungsformen beschreibt die vorliegende Erfindung ausschließlich im Rahmen von Beispielen. Selbstverständlich können einzelne Merkmale der Ausführungsformen, sofern technisch sinnvoll, frei miteinander kombiniert werden, ohne den Rahmen der vorliegenden Erfindung zu

verlassen.

Bezugszeichenliste

10 20 30 40

FO VT VTG LS

OD

OP

FOP VTP OPT BPT OPD

WB

Klassifizierungssystem Erfassungsmodul Vergleichsmodul

Zuordnungsmodul

Objekt

Fremdobjekt Verkehrsteilnehmer Verkehrsteilnehmer-Gruppe

lokaler Sensoren

Objektdaten

Objektprofil Fremdobjektprofil Verkehrsteilnehmerprofil Objektparameter Bewegungsparameter Objektprofil-Datenbank

Wahrscheinlichkeitsbereich

20

21738

Claims

Patentansprüche

1. Klassifizierungsverfahren für ein Klassifizieren von Objekten (O0), aufweisend Fremdobjekte (FO), welche von Verkehrsteilnehmern (VT) einer Verkehrsteilnehmer-Gruppe (VTG) erfasst worden sind, und diese

Verkehrsteilnehmer (VT), aufweisend die folgenden Schritte:

- Erfassen von Objektdaten (OD) für eine Vielzahl der Objekte (O0) erfasst von einer Vielzahl der Verkehrsteilnehmer (VT) der Verkehrsteilnehmer-Gruppe (VTG),

- Vergleichen der erfassten Objektdaten (OD) für wenigstens ein Objekt (O0) mit Objektprofilen (OP) einer Objektprofil-Datenbank (OPD),

— Zuordnen von wenigstens einem Objektprofil (OP) zu wenigstens einem Objekt (O) auf Basis des Vergleichs zum Klassifizieren des wenigstens einen Objekts (0).

2. Klassifizierungsverfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Objektprofil-Datenbank (OPD) Fremdobjektprofile (FOP) für unterschiedliche Fremdobjekte (FO) und Verkehrsteilnehmerprofile (VTP) für unterschiedliche

Verkehrsteilnehmer (VT) aufweist.

3. Klassifizierungsverfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass die Objektprofile (OP) Profilbereiche für wenigstens

einen der folgenden vergleichenden Objektparameter (OPT) aufweisen: - Objektort

- Objektgeschwindigkeit

- Objektrichtung

- Objektinteraktion

- Objekterstreckung

- Objektzeit

22 — Erfassungsgenauigkeit — Erfassungsverschlüsselung — Erfassungsvertrauen

4. Klassifizierungsverfahren nach einem der vorangegangenen Ansprüche,

dadurch gekennzeichnet, dass nach der Zuordnung des wenigstens einen Objektprofils (OP) das zugehörige Objekt (0) hinsichtlich der Entwicklung der zugehörigen Objektdaten (OD) überwacht wird und wenigstens einer der folgenden

Schritte durchgeführt wird:

— Ergänzen des zugeordneten Objektprofils (OP) um temporäre

Objektparameter (OPT) für ein Charakterisieren des zugehörigen Objekts (0)

— Ergänzen und/oder Anpassen wenigstens eines vergleichenden Objektparameters (OPT) des Objektprofils (OP) in der Objektprofil-Datenbank (OPD)

5. Klassifizierungsverfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass auf Basis der erfassten Objektdaten (OD) eine virtuelle Verkehrssituation als virtuelles Abbild der realen Verkehrssituation erzeugt

wird, welche mit den zugeordneten Objektprofilen (OP) ergänzt wird.

6. Klassifizierungsverfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass die Objektprofile (OP) Bewegungsparameter (BPT)

für zu erwartende Bewegungen aufweisen.

7. Klassifizierungsverfahren nach Anspruch 6, dadurch gekennzeichnet, dass die Bewegungsparameter (BP), insbesondere in Form von Parametergrenzen und/oder in Form von Parameterkorridoren, wenigstens eine der folgenden

Ausbildungsformen aufweisen: — Bewegungsrichtung

— Bewegungsgeschwindigkeit

8. Klassifizierungsverfahren nach Anspruch 7, dadurch gekennzeichnet, dass auf Basis der Bewegungsparameter (BP) für wenigstens ein Objekt (0) ein Wahrscheinlichkeitsbereich (WB) bestimmt wird für zu erwartende Bewegungen des Objekts (0).

9. Klassifizierungsverfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass Objektdaten (OD) welche von unterschiedlichen Verkehrsteilnehmern (VT) für dasselbe Objekt (O0) erfasst worden sind

zusammengeführt werden.

10. Klassifizierungsverfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass die Objektdaten (OD) zusammen mit den zugeordneten Objektprofilen (OP) an die Verkehrsteilnehmer (VT) der Verkehrsteilnehmer-Gruppe (VTG) verteilt werden, insbesondere frei von

Kontrollanweisungen an die Verkehrsteilnehmer (VT).

11. Klassifizierungsverfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass die Zuordnung des wenigstens einen Objektprofils

(OP) einmalig durch den Vergleich erfolgt.

12. Klassifizierungsverfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass für Objektprofile (OP) in Form von Verkehrsteilnehmerprofilen (VTP) für die Verkehrsteilnehmer (VT) ein Konfidenzscore bestimmt wird für eine nachfolgende Gewichtung von Objektdaten (OD), welche von

diesem Verkehrsteilnehmer (VT) erfasst worden sind.

13. Klassifizierungsverfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass die Verkehrsteilnehmer (VT) der Verkehrsteilnehmer-Gruppe (VTG) eigene lokale Sensoren (LS) aufweisen,

insbesondere eine der folgenden Ausbildungsformen aufweisen:

— Kraftfahrzeug

— Motorrad — Verkehrsüberwachungseinheit — Autonome Einheit

14. Klassifizierungsverfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass auf Basis von einer Vielzahl zugeordneter und insbesondere individuell angepasster Objektprofile (OP) Ortsprofile für Teilbereiche einer Verkehrsumgebung erstellt werden, wobei insbesondere solche Ortsprofile bei der Zuordnung und/oder bei der Anpassung der Objektprofile (OP) berücksichtigt

werden.

15. Computerprogrammprodukt, umfassend Befehle, die bei der Ausführung des Programms durch einen Computer diesen veranlassen, die Schritte des Klassifizierungsverfahrens mit den Merkmalen eines der Ansprüche 1 bis 14

auszuführen.

16. Klassifizierungssystem (10) für ein Klassifizieren von Objekten (0), aufweisend Fremdobjekte (FO), welche von Verkehrsteilnehmern (VT) einer Verkehrsteilnehmer-Gruppe (VTG) erfasst worden sind, und diese Verkehrsteilnehmer (VT), das Klassifizierungssystem (10) aufweisend ein Erfassungsmodul (20) zum Erfassen von Objektdaten (OD) für eine Vielzahl der Objekte (O) erfasst von einer Vielzahl der Verkehrsteilnehmer (VT) der Verkehrsteilnehmer-Gruppe (VTG), ein Vergleichsmodul (30) zum Vergleichen der erfassten Objektdaten (OD) für wenigstens ein Objekt (O0) mit Objektprofilen (OP) einer Objektprofil-Datenbank (OPD) und ein Zuordnungsmodul (40) zum Zuordnen von wenigstens einem Objektprofil (OP) zu wenigstens einem Objekt (O0) auf Basis

des Vergleichs zum Klassifizieren des wenigstens einen Objekts (0).