CN104411560A - 用于信息利用的方法和系统 - Google Patents
用于信息利用的方法和系统 Download PDFInfo
- Publication number
- CN104411560A CN104411560A CN201380035340.1A CN201380035340A CN104411560A CN 104411560 A CN104411560 A CN 104411560A CN 201380035340 A CN201380035340 A CN 201380035340A CN 104411560 A CN104411560 A CN 104411560A
- Authority
- CN
- China
- Prior art keywords
- sensor
- information
- data
- target
- attribute
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000007613 environmental effect Effects 0.000 claims description 39
- 241001269238 Data Species 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 15
- 238000012790 confirmation Methods 0.000 claims description 6
- 238000013502 data validation Methods 0.000 claims description 4
- 238000010295 mobile communication Methods 0.000 claims description 3
- 241000256844 Apis mellifera Species 0.000 claims description 2
- 230000001133 acceleration Effects 0.000 description 12
- 230000005540 biological transmission Effects 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 3
- 230000008447 perception Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/04—Traffic conditions
-
- 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
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- 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
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/408—Radar; Laser, e.g. lidar
-
- 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
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/54—Audio sensitive means, e.g. ultrasound
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/65—Data transmitted between vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种用于信息利用的方法,其中借助于第一和第二传感器类型的传感器检测第一和第二传感器数据并使描述相同的目标和/或目标属性的信息在第一和第二传感器数据中相互关联,其中第一和第二传感器数据还具有第一和第二不确定性且其中第二不确定性的值至少和第一不确定性的值一样大。该方法的特征在于,在第一和第二传感器数据中进行描述相同的目标和/或目标属性的信息的第一和第二不确定性的值的比较,其中在所述值基本上相同时,描述相同的目标和/或目标属性的信息在第一和第二传感器数据中相互关联,且其中在所述值基本上不同时,描述相同的目标和/或目标属性的信息在第一传感器数据中通过第二传感器数据确认或摒弃。本发明还涉及一种相应的系统以及其应用。
Description
技术领域
本发明涉及一种根据权利要求1的前序部分所述的、用于信息利用的方法,以及一种根据权利要求11的前序部分所述的、用于信息利用的系统以及其应用。
背景技术
车-对-X通信目前仍在研究阶段,而环境传感器和基于其的驾驶员辅助系统在现有技术中已经已知且应用越来越广泛。在不断改进这种驾驶员辅助系统的信息监测、信息处理和进而可靠性的同时,还出现了增多的传感器合并。例如,首先可以借助于雷达传感器确定至在前行驶的车辆的距离。随后例如还可以通过同样存在的立体摄像机进行额外的距离测量,以便确认或拒绝由雷达传感器测得的距离信息。
例如在所谓的“目标证实制动”中使用通过其它的环境传感器信息对借助于环境传感器测得的信息的类似的验证且由DE 10 2008 061 301 A1已知了这种验证。在此通过如此方式借助于照相机信号验证雷达信号:照相机信号证明雷达信号被车辆反射。并未设计借助于立体摄像机进行额外的距离测量。由于通过第二传感器进行这种验证,所以信息的可靠性相对较高。
在DE 10 2007 058 192 A1中描述了不同环境传感器的进一步的合并,例如雷达传感器、照相机传感器、激光雷达传感器以及还有智能交通系统(其在此同样理解为环境传感器)。借助于中央控制器检查单个传感器的相应非冗余地检测到的信息,这通过把信息以分析方式与另一个传感器的信息进行比较进行。通过这种方式可以在必要时建立信息冗余,该信息冗余形成了用于对车辆控制进行与安全相关的干预的基础。
然而借助于环境传感器检测到的信息与借助于车-对-X通信检测到的信息的信息关联通常很难实现或根本不能实现,因为这两种信息类型通常具有相差很大的测量误差,其中车-对-X信息通常具有较大的测量误差。这是因为通常由车-对-X信息包括的说明“位置”、“速度”和“加速度”至少部分地基于本身相对不准确的GNSS信息。其它由此产生的问题还在于:很难或不能把当前合并的信息与在之前循环中合并的信息关联,以便例如保证目标追踪;以及环境传感器和车-对-X通信设备的检测循环的持续时间通常不同。
发明内容
因此,本发明的目的在于,建议一种方法,其在任何情况下都实现了对不同传感器类型的传感器信息的以及借助于车-对-X通信接收的信息的尽可能高效的信息利用。
根据本发明,该目的通过根据权利要求1所述的、用于信息利用的方法实现。
在根据本发明的用于信息利用的方法中,借助于第一传感器类型的传感器检测第一传感器数据以及借助于第二传感器类型的传感器检测第二传感器数据。描述相同的目标和/或目标属性的信息在第一传感器数据中相互关联/配置(zugeordnet)以及描述相同的目标和/或目标属性的信息在第二传感器数据中同样相互关联。第一传感器数据具有第一不定性负担且第二传感器数据具有第二不定性负担,其中第二不定性负担的值至少和第一不定性负担的值一样大。该方法的特征在于,在第一和第二传感器数据中进行描述相同的目标和/或目标属性的信息的第一和第二不定性负担的值的比较,其中在所述值基本上相同时,描述相同的目标和/或目标属性的信息在第一和第二传感器数据中相互关联,且其中在所述值基本上不同时,描述相同的目标和/或目标属性的信息在第一传感器数据中通过第二传感器数据确认或拒绝。由此得到的优点是:基于相应的不定性负担在任何情况下进行尽可能最佳的信息利用。如果不定性负担的值基本上一样大,则借助于不同的传感器类型检测到的信息相互关联,也就是说,产生了来自不同传感器类型的这些信息的本身的合并。这种合并的信息被视作尤其可靠且通常适合用作用于对车辆控制的自动干预的基础。然而如果不定性负担的值基本上不一样大,则第二传感器数据至少用于,原则上确认或拒绝第一传感器数据中的信息。因此,即在这种情况下通过第二传感器数据验证第一传感器数据,由此也为其赋予了较大的可靠性并且其可用于后续的行为,例如发出警报。通过仅使其不定性负担的值基本上一样大的信息相互关联,得到的另一个优点在于,可以减小用于关联的、通常相对较高的电子计算花费。此外尽可能最佳地利用所有检测到的信息。
在本发明的意义上,当不定性负担的值彼此相差不超过50%,尤其不超过25%时,它们被视作基本上一样大。作为用于不定性负担的参量例如可以考虑由统计学已知的所谓的标准偏差。然而同样也可以考虑其它已知的参量,该参量说明了所述值围绕参考值的偏差程度。根据本发明,例如平均值、最大值或中位数适合作为参考值。
优选规定了,第一传感器类型的传感器是环境传感器,而第二传感器类型的传感器是车-对-X通信部件。由此得到的优点是,可以简单地使这两个根据完全不同的原理工作的传感器类型的信息相互关联或者车-对-X信息通过简单的方式确认或拒绝环境传感器信息。这进一步有助于,减小尤其在这种特殊情况下极高的电子计算花费,这种电子计算花费通常在车-对-X信息关联于第一传感器数据环境传感器信息时产生。因此,可以设计相应较小且成本低廉的计算单元。
根据本发明,优选把环境传感器进一步细分为不同类型的环境传感器。因此,在执行根据本发明的方法时有意义的是,当照相机传感器的传感器数据与雷达传感器的传感器数据例如具有非常不同的检测循环时间或者极为不同的不定性负担时,对照相机传感器的传感器数据与雷达传感器的传感器数据进行区分。
在另一个优选的实施方案中,第一和第二传感器数据分别包括至少一个位置信息且为了比较首先考虑位置信息的不定性负担的值。通常位置信息提供了良好的依据,以便以其为基础估计相应的传感器类型的其它传感器信息的不定性负担的值,因为位置信息被大量其它信息包围,例如像速度信息或加速度信息。因此,可以避免对其它信息的不定性负担的值的可能的不必要的比较。此外,第二传感器信息可以立即用于,确认或拒绝第一传感器信息。
在特别优选的实施方案中,至少在通过车-对-X通信部件进行发射之前在考虑全球卫星导航系统的数据的情况下产生第二传感器数据中的位置信息。
根据当前的标准化追求,未来使用的车-对-X通信部件应该周期性地发射所谓的“协同感知信息”,该“协同感知信息”包括至少一个位置信息和必要时也包括速度信息和加速度信息。在此,位置信息可以相对简单地仅由全球卫星导航系统(例如GPS)的数据产生。而也可以在考虑全球卫星导航系统的数据的情况下产生速度信息和加速度信息。
有利地,传感器数据的关联包括步骤:
-在当前检测到的传感器数据中进行目标识别,和/或
-由之前检测到的向目前检测到的传感器数据中进行目标追踪,和/或
-平衡传感器和/或传感器类型的检测循环差。目标识别首先实现了,识别传感器数据中的确定的目标,即第一和第二传感器类型的传感器数据中的信息被识别为描述一目标。因此,便于在第一和第二传感器数据中描述相同的目标和/或目标属性的信息的关联。此外,目标追踪实现了,超过多个检测循环的关联。例如这样实现了,把相对于传感器运动的目标识别为一种目标且为这种目标关联相应的目标属性“运动”。目标追踪优选借助于卡尔曼滤波器、粒子过滤器或这种类型的过滤方法进行。当所述传感器或传感器类型以明显不同的检测循环时间工作时,对传感器和/或传感器类型的检测循环差进行平衡是特别有意义的。在这种情况下例如可以借助于时间外插法形成一种传感器类型的传感器数据的中间值,以便通过这种方式尽可能模拟统一的检测循环时间并实现容易的关联描述相同的目标和/或目标属性的信息。因此总之这些步骤实现了在不同的传感器数据中,描述相同的目标和/或目标属性的信息的简单、全面且可靠的关联。检测循环差在此也可以作为第一步骤执行。另外两个步骤可以首先为每个传感器分开地执行或者直接对多个传感器组合地执行。
此外有利的是,借助于第二传感器数据减小作用于第一传感器数据的目标识别算法的阈值。由此得到的优点是,可以有针对性地在第一传感器数据中寻找在第二传感器数据中描述一目标的信息且因此通过属于目标识别算法的阈值的减小而简化了在第一传感器数据中对该信息的识别。由此必要时识别了在第一传感器数据中与来自第二传感器数据的信息对应的信息,该信息在其它情况下将不被识别。因此,在这种情况下也实现了在第一和第二传感器数据中对该描述相同的目标和/或目标属性的信息的关联。
优选预定了用于不定性负担的值的上极限值,在超过该上极限值时,与所述比较无关地使描述相同的目标和/或目标属性的信息在第一和第二传感器数据中不相互关联。由此得到的优点是,在不可能的或仅在困难的条件下且进而必要时仅以受限的可靠性立即禁止信息的可能的关联。
尤其优选基于检测到的环境目标密度使上极限值匹配,其中上极限值随着环境目标密度的增大而减小且随着环境目标密度的减小而增大。例如,因为通常可以考虑形式为车辆、骑自行车的和行人的目标密度在城市交通中比在公路上高,则由此得到的优点是,根据本发明的方法能与相应的环境条件匹配,以便随时基于情况保证必要的可靠性。
有利地规定了,在第一传感器数据彼此矛盾和/或第一传感器数据不可信时,在第一和第二传感器数据中使描述相同的目标和/或目标属性的信息始终相互关联。因为仅相对于第一传感器数据中的正确的和可信的信息在第二传感器数据中存在相应的信息,所以不使不正确的或不可信的信息相互关联且进而非错误地标明为特别可靠。因此,根据本发明的方法也可以在第一传感器数据彼此矛盾或第一传感器数据不可信的情况下可靠地执行。
本发明还涉及一种用于信息利用的系统,所述系统至少包括第一传感器类型的传感器和第二传感器类型的传感器和比较部件和关联部件和确认部件,其中第一传感器类型的传感器检测第一传感器数据且第二传感器类型的传感器检测第二传感器数据。关联部件使在第一传感器数据中的描述相同的目标和/或目标属性的信息相互关联以及使在第二传感器数据中的描述相同的目标和/或目标属性的信息相互关联,其中第一传感器数据具有第一不定性负担且第二传感器数据具有第二不定性负担。第二不定性负担的值在此和第一不定性负担的值一样大。所述系统的特征在于,比较部件比较在第一和第二传感器数据中描述相同的目标和/或目标属性的信息的第一和第二不定性负担的值,其中关联部件在所述值基本上一样大时使在第一和第二传感器数据中描述相同的目标和/或目标属性的信息彼此匹配以及其中确认部件在所述值基本上不一样大时使在第一传感器数据中描述相同的目标和/或目标属性的信息通过第二传感器数据确认或拒绝。因此,根据本发明的系统包括所述必要的用于执行根据本发明的方法的部件且通过简单的方式实现了不同传感器类型的不同传感器数据的描述相同的目标和/或目标属性的信息的全面且可靠的关联。由此得到了已经描述的优点。
所述系统优选特征在于,第一传感器类型的传感器是来自包括-雷达传感器、-光学照相机传感器、-激光雷达传感和超声波传感器的组的一个或多个元件。所述元件是在机动车领域中典型地使用的传感器,所述传感器基本上实现了全面的检测和识别车辆周围环境。目前多个车辆已经批量地配备了多个所述传感器且这个数量将来很可能进一步增大。因此,在机动车中执行根据本发明的方法的额外的安装和成本花费较小。
此外,有利地是,第二传感器类型的传感器是来自包括
-WLAN连接部件,尤其是根据IEEE802.11;
-ISM(工业、科学、医疗频带)连接部件;
-连接部件;
-紫蜂(Zigbee)连接部件;
-UWB(超宽频带)连接部件;
-(全球微波互联接入)连接部件;
-红外连接部件;
-移动通信连接部件和
-基于雷达的通信部件
的组的一个或多个元件。在此,这些连接部件提供了不同的优缺点。例如,WLAN连接部件实现了高的数据传输率和快速的连接建立。相反,ISM连接部件仅提供了较小的数据传输率,然而其相对较好地适用于绕过视线障碍进行数据传输。红外连接也同样提供了小的数据传输率。移动通信连接最终不被视线障碍所妨碍且额外地提供了良好的数据传输率。然而为此,其连接建立相对缓慢。通过组合和同时或平行地使用多个这种连接类型得到了其它优点,因为可以弥补单个连接类型的缺点。
优选规定了,所述系统执行根据本发明的方法。
本发明还涉及在车辆中,尤其在机动车中根据本发明的系统的应用。
附图说明
由从属权利要求和下面根据附图对实施例的描述得到根据本发明的其它优选实施方案。
附图示出:
图1以流程图形式示出示例性的方法流程;
图2示出示例性的交通情况,其中来自第二传感器数据的信息用于确认第一传感器数据中与其对应的信息;以及
图3示出另一种示例性的交通情况,其中借助于第二传感器数据减小作用于第一传感器数据的目标识别算法的阈值。
具体实施方式
图1示出根据本发明的方法的可能的流程。在步骤1中首先借助于第一传感器类型的传感器检测车辆的第一传感器数据。根据示出的实施例,其涉及借助于照相机传感器和雷达传感器检测到的环境数据,所述环境数据描述所述车辆。在方法步骤2中借助于第二传感器类型的传感器检测第二传感器数据,其中在这种情况下其涉及借助于车辆-对-X通信部件检测到的该车辆的车辆-对-X数据。在随后的步骤3中,比较由环境数据和车-对-X数据包括的位置信息的不定性负担的值。如果在步骤4中确定,在车-对-X数据中位置信息的不定性负担的值在环境数据中位置信息的不定性负担的值的75%和125%之间,则在步骤5中在环境数据和车-对-X数据中使所有描述相同的目标和/或目标属性的信息相互关联。这对应于传感器数据合并。这种关联的数据尤其可靠且可以用作用于自主的或制动的干预车辆控制的基础。然而,如果在步骤6中确定,在车-对-X数据中位置信息的不定性负担的值不在环境数据中位置信息的不定性负担的值的75%和125%之间,则根据步骤7和8继续根据本发明的方法。在步骤7中,在车-对-X数据包含的位置信息用于,确认环境数据中的位置信息。因此,视作确认了,例如车辆位于由位置信息描述的地点且因此可以排除通过照相机传感器或雷达传感器的错误检测。然而通过这种方式确认的信息并不足够精确且并不足够可靠来基于该信息执行对车辆控制的自主干预。在方法步骤8中进行环境数据和车-对-X数据中速度信息的不定性负担的值的比较。如果在随后的步骤9中可以确定,车-对-X数据中速度信息的不定性负担的值处于在环境数据中速度信息的不定性负担的值的75%和125%之间,则在步骤10中使环境数据和车-对-X数据中的速度信息相互关联。然而首先不进行环境数据和车-对-X数据中其它描述相同的目标和/或目标属性的信息的关联。然而如果在步骤11中确定,车-对-X数据中速度信息的不定性负担的值不处于在环境数据中速度信息的不定性负担的值的75%和125%之间,则根据步骤12和13中继续根据本发明的方法。在方法步骤12中,通过在车-对-X数据中包含的速度信息确认在环境数据中包含的速度信息。在步骤13中进行进一步比较,其中在此对环境数据和车-对-X数据中的加速度信息的不定性负担的值进行比较。如果在步骤14中确定,车-对-X数据中加速度信息的不定性负担的值处于在环境数据中加速度信息的不定性负担的值的75%和125%之间,则在步骤15中使环境数据和车-对-X数据中的加速度信息相互关联。在这种情况下和步骤10相似也不使环境数据和车-对-X数据中其它描述相同的目标和/或目标属性的信息相互关联。然而如果在步骤15中确定,车-对-X数据中加速度信息的不定性负担的值不处于在环境数据中加速度信息的不定性负担的值的75%和125%之间,则在步骤17中仅进行对环境数据中加速度信息的确认。
图2示出具有车辆202、203、204、205、206、207、208、209和210的四车道的道路201。在车辆202、203、204、205、206、207、208、209和210上显示的箭头分别说明了行驶方向。像可以看到的,车辆209和210的运动方向与车辆202、203、204、205、206、207和208相反。两个左侧的车道通过护栏211与两个右侧的车道分开。根据该例子,车辆202配备了根据本发明的用于信息利用的系统。车辆202通过在车辆202中存在的车-对-X通信部件接收来自车辆202、203、204、205、206、207和208的车-对-X数据,所述车-对-X数据包括信息,即车辆202、203、204、205、206、207和208处于交通堵塞中且不运动。同时借助于同样在车辆202中存在的立体摄像机传感器检测环境数据,然而该环境数据包括信息,即车辆203和208以缓慢的速度沿行驶方向移动。在立体摄像机传感器数据和车-对-X数据中的运动信息的不定性负担的值的比较表明,不定性负担的值基本上彼此不对应。因此,不进行这些信息的相互关联,而是把借助于车-对-X通信部件检测到的信息仅用于确认,车辆203和208相对于车辆202极其缓慢地移动且不存在照相机传感器的错误检测。这种确认的运动信息用于,向车辆202的驾驶员发出警报,从而该驾驶员减小行驶速度,以便避免追尾事故。
在图3中可以看到具有车辆32、33、34、35、36和37的三车道的道路31。在车辆32、33、34、35、36和37上显示的箭头分别说明了行驶方向。车辆36配备了根据本发明的用于信息利用的系统、车-对-X通信部件和激光雷达传感器。车辆36通过车-对-X通信部件检测车辆32、33、34、35和37的包括位置信息和速度信息的车-对-X数据。在车-对-X数据中包含的位置信息和速度信息在此描述了,车辆32、33、34、35以基本上相同的且基本上与车辆36对应的速度移动。然而,配置于车辆37的速度信息描述了相对于车辆32、33、34、35和36明显增大的速度。该速度信息用于,减小车辆36中作用于激光雷达传感器数据的目标识别算法的阈值。因此当车辆37进入车辆36的激光雷达传感器的检测范围中时,通过激光雷达传感器进行属于车辆37的速度信息的加速检测,因为用于识别该信息的统计安全性仅必须实现目标识别算法的减小的阈值。
Claims (14)
1.一种用于信息利用的方法,
-其中借助于第一传感器类型的传感器检测第一传感器数据以及借助于第二传感器类型的传感器检测第二传感器数据,
-其中使第一传感器数据中描述相同的目标和/或目标属性的信息相互关联,和使第二传感器数据中描述相同的目标和/或目标属性的信息相互关联,
-其中第一传感器数据具有第一不确定性且第二传感器数据具有第二不确定性,以及
-其中第二不确定性的值至少和第一不确定性的值一样大,
其特征在于,
-将第一和第二传感器数据中描述相同的目标和/或目标属性的信息的第一和第二不确定性的值进行比较,
-其中在第一和第二不确定性的值基本上相同时,将第一和第二传感器数据中描述相同的目标和/或目标属性的信息相互关联,且
-其中在第一和第二不确定性的值基本上不同时,利用第二传感器数据确认或拒绝第一传感器数据中描述相同的目标和/或目标属性的信息。
2.根据权利要求1所述的方法,其特征在于,第一传感器类型的传感器是环境传感器,而第二传感器类型的传感器是车-对-X通信部件。
3.根据权利要求2所述的方法,其特征在于,第一和第二传感器数据分别包括至少一个位置信息,且位置信息的不确定性的值首先被用于进行比较。
4.根据权利要求2和3中至少一项所述的方法,其特征在于,至少在通过车-对-X通信部件进行发射之前在考虑全球卫星导航系统的数据的情况下产生第二传感器数据中的位置信息。
5.根据权利要求1和4中至少一项所述的方法,其特征在于,传感器数据的相互关联包括以下步骤:
-在当前检测到的传感器数据中进行目标识别,和/或
-从之前检测到的传感器数据向当前检测到的传感器数据进行目标追踪,和/或
-平衡传感器和/或传感器类型的检测循环差。
6.根据权利要求1和5中至少一项所述的方法,其特征在于,借助于第二传感器数据减小作用于第一传感器数据的目标识别算法的阈值。
7.根据权利要求1和6中至少一项所述的方法,其特征在于,规定了用于不确定性的值的上极限值,在超过所述上极限值时,与比较无关地使描述相同的目标和/或目标属性的信息在第一和第二传感器数据中不相互关联。
8.根据权利要求7所述的方法,其特征在于,基于检测到的环境目标密度调整上极限值,其中上极限值随着环境目标密度的增大而减小且随着环境目标密度的减小而增大。
9.根据权利要求1和8中至少一项所述的方法,其特征在于,在第一传感器数据彼此矛盾和/或第一传感器数据不可信时,使得第一和第二传感器数据中描述相同的目标和/或目标属性的信息始终相互关联。
10.一种用于信息利用的系统,所述系统至少包括第一传感器类型的传感器和第二传感器类型的传感器和比较部件和关联部件和确认部件,其中第一传感器类型的传感器检测第一传感器数据且第二传感器类型的传感器检测第二传感器数据,
其中关联部件使第一传感器数据中描述相同的目标和/或目标属性的信息相互关联以及使第二传感器数据中的描述相同的目标和/或目标属性的信息相互关联,
其中第一传感器数据具有第一不确定性且第二传感器数据具有第二不确定性,以及
其中第二不确定性的值至少和第一不确定性的值一样大,
其特征在于,
所述比较部件比较第一和第二传感器数据中描述相同的目标和/或目标属性的信息的第一和第二不确定性的值,
其中所述关联部件在第一和第二不确定性的值基本上一样大时,使第一和第二传感器数据中描述相同的目标和/或目标属性的信息相互关联,以及
其中所述确认部件在第一和第二不确定性的值基本上不一样大时,利用第二传感器数据确认或拒绝第一传感器数据中描述相同的目标和/或目标属性的信息。
11.根据权利要求10所述的系统,其特征在于,第一传感器类型的传感器是来自包括雷达传感器、光学照相机传感器、激光雷达传感器、激光传感器和超声波传感器的组的一个或多个元件。
12.根据权利要求10和11中至少一项所述的系统,其特征在于,第二传感器类型的传感器是来自包括尤其是根据IEEE802.11的WLAN连接部件、ISM(工业、科学、医疗频带)连接部件、连接部件、紫蜂连接部件、UWB(超宽频带)连接部件、(全球微波互联接入)连接部件、红外连接部件、移动通信连接部件和基于雷达的通信部件的组的一个或多个元件。
13.根据权利要求10至12中至少一项所述的系统,其特征在于,所述系统执行根据权利要求1至9中至少一项所述的方法。
14.根据权利要求10至13中至少一项所述的系统在车辆(202、203、204、205、206、207、208、209、210、32、33、34、35、36、37)中,尤其在机动车辆(202、203、204、205、206、207、208、209、210、32、33、34、35、36、37)中的应用。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102012211391.6 | 2012-07-02 | ||
DE102012211391.6A DE102012211391A1 (de) | 2012-07-02 | 2012-07-02 | Verfahren und System zur Informationsnutzung |
PCT/EP2013/063917 WO2014006034A1 (de) | 2012-07-02 | 2013-07-02 | Verfahren und system zur informationsnutzung |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104411560A true CN104411560A (zh) | 2015-03-11 |
CN104411560B CN104411560B (zh) | 2017-06-09 |
Family
ID=48793191
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380035340.1A Active CN104411560B (zh) | 2012-07-02 | 2013-07-02 | 用于信息利用的方法和系统 |
Country Status (6)
Country | Link |
---|---|
US (1) | US9669838B2 (zh) |
EP (1) | EP2867093B1 (zh) |
KR (1) | KR20150028258A (zh) |
CN (1) | CN104411560B (zh) |
DE (1) | DE102012211391A1 (zh) |
WO (1) | WO2014006034A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107571868A (zh) * | 2016-07-05 | 2018-01-12 | 罗伯特·博世有限公司 | 用于执行对车辆的车辆引导的自动干预的方法 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014221888A1 (de) | 2014-10-28 | 2016-04-28 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Lokalisierung eines Fahrzeugs in seinem Umfeld |
DE102015107391A1 (de) * | 2015-05-12 | 2016-11-17 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum Steuern einer Funktionseinrichtung eines Kraftfahrzeugs anhand von fusionierten Sensordaten, Steuereinrichtung, Fahrerassistenzsystem sowie Kraftfahrzeug |
JP6365421B2 (ja) * | 2015-06-02 | 2018-08-01 | 株式会社デンソー | 車両制御装置、及び車両制御方法 |
JP6239047B1 (ja) * | 2016-06-17 | 2017-11-29 | 三菱電機株式会社 | 物体認識統合装置および物体認識統合方法 |
US11573573B2 (en) | 2017-06-06 | 2023-02-07 | Plusai, Inc. | Method and system for distributed learning and adaptation in autonomous driving vehicles |
US11042155B2 (en) | 2017-06-06 | 2021-06-22 | Plusai Limited | Method and system for closed loop perception in autonomous driving vehicles |
US11392133B2 (en) | 2017-06-06 | 2022-07-19 | Plusai, Inc. | Method and system for object centric stereo in autonomous driving vehicles |
EP3697662B1 (en) * | 2017-10-20 | 2022-01-19 | Volvo Truck Corporation | Methods for diagnosing error of an ego vehicle and/or a surrounding vehicle |
DE102020207065B3 (de) * | 2020-06-05 | 2021-02-11 | Volkswagen Aktiengesellschaft | Fahrzeug, Verfahren, Computerprogramm und Vorrichtung zum Zusammenführen von Objektinformationen über ein oder mehrere Objekte in einem Umfeld eines Fahrzeugs |
DE102021109425B3 (de) | 2021-04-15 | 2022-07-21 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum Steuern eines Fahrzeugs und Steuervorrichtung für ein Fahrzeug |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1530025A2 (en) * | 2003-11-07 | 2005-05-11 | Harman International Industries, Incorporated | Adaptive navigation system with artificial intelligence |
CN101522505A (zh) * | 2006-10-05 | 2009-09-02 | 罗伯特·博世有限公司 | 用于自动控制机动车的方法 |
CN102016507A (zh) * | 2008-04-30 | 2011-04-13 | 大陆-特韦斯贸易合伙股份公司及两合公司 | 基于环境传感器的自学习地图 |
CN102362301A (zh) * | 2009-03-23 | 2012-02-22 | 本田技研工业株式会社 | 车用信息提供装置 |
DE102011113316A1 (de) * | 2011-09-14 | 2012-03-22 | Daimler Ag | Verfahren zur Analyse von Sensordaten |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000322696A (ja) * | 1999-05-07 | 2000-11-24 | Honda Motor Co Ltd | 隊列走行制御装置 |
DE10133945A1 (de) * | 2001-07-17 | 2003-02-06 | Bosch Gmbh Robert | Verfahren und Vorrichtung zum Austausch und zur Verarbeitung von Daten |
DE102005002504A1 (de) * | 2005-01-19 | 2006-07-27 | Robert Bosch Gmbh | Fahrerassistenzsystem mit Fahrschlauchprädiktion |
JP2007132768A (ja) * | 2005-11-10 | 2007-05-31 | Hitachi Ltd | 通信機能を有する車載レーダー装置 |
JP4595833B2 (ja) * | 2006-02-24 | 2010-12-08 | トヨタ自動車株式会社 | 物体検出装置 |
DE102006035597A1 (de) | 2006-07-27 | 2008-01-31 | Siemens Ag | Verfahren zur Bestimmung des Fahrwegs und der Geschwindigkeit eines Fahrzeugs, insbesondere für sicherheitskritische Zugbeeinflussungssysteme |
FR2906362B1 (fr) * | 2006-09-26 | 2009-01-02 | Valeo Vision Sa | Procede de determination anticipee d'un virage sur une portion de route et systeme associe. |
WO2008043842A2 (de) * | 2006-10-13 | 2008-04-17 | Continental Teves Ag & Co. Ohg | Fahrzeug und verfahren zur bestimmung von in der fahrzeugumgebung befindlichen fahrzeugen |
US9042338B2 (en) * | 2007-07-09 | 2015-05-26 | Intel Mobile Communications GmbH | Communication device and method for transmitting data |
DE102007058192A1 (de) | 2007-12-04 | 2009-06-10 | Continental Teves Ag & Co. Ohg | Zentrales Steuergerät für mehrere in einem Kraftfahrzeug vorgesehene Assistenzsysteme und Kraftfahrzeug (Wegen nicht zuerkannter Prio) |
DE102008061301B4 (de) | 2007-12-11 | 2023-03-16 | Continental Autonomous Mobility Germany GmbH | Fahrerassistenz mit fusionierten Sensordaten |
EP2578996B1 (de) | 2008-02-15 | 2018-10-17 | Continental Teves AG & Co. OHG | Fahrzeugsystem zur Navigation und/oder Fahrerassistenz |
DE102010029465A1 (de) * | 2010-05-28 | 2011-12-01 | Continental Teves Ag & Co. Ohg | Integration von Fahrzeugsicherheitskommunikationskomponenten in eine Kamera |
WO2011161176A1 (de) * | 2010-06-23 | 2011-12-29 | Continental Teves Ag & Co. Ohg | Verfahren und system zur beschleunigten objekterkennung und/oder beschleunigten objektattributerkennung sowie verwendung des verfahrens |
US9151786B2 (en) * | 2010-10-11 | 2015-10-06 | General Electric Company | Systems, methods, and apparatus for detecting shifts in redundant sensor signals |
US20120314070A1 (en) * | 2011-06-09 | 2012-12-13 | GM Global Technology Operations LLC | Lane sensing enhancement through object vehicle information for lane centering/keeping |
US9224053B1 (en) * | 2013-07-31 | 2015-12-29 | Google Inc. | Combining multiple estimates of an environment into a consolidated estimate for an autonomous vehicle |
-
2012
- 2012-07-02 DE DE102012211391.6A patent/DE102012211391A1/de active Pending
-
2013
- 2013-07-02 WO PCT/EP2013/063917 patent/WO2014006034A1/de active Application Filing
- 2013-07-02 US US14/411,960 patent/US9669838B2/en active Active
- 2013-07-02 KR KR20147036885A patent/KR20150028258A/ko not_active Application Discontinuation
- 2013-07-02 EP EP13737173.8A patent/EP2867093B1/de active Active
- 2013-07-02 CN CN201380035340.1A patent/CN104411560B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1530025A2 (en) * | 2003-11-07 | 2005-05-11 | Harman International Industries, Incorporated | Adaptive navigation system with artificial intelligence |
CN101522505A (zh) * | 2006-10-05 | 2009-09-02 | 罗伯特·博世有限公司 | 用于自动控制机动车的方法 |
CN102016507A (zh) * | 2008-04-30 | 2011-04-13 | 大陆-特韦斯贸易合伙股份公司及两合公司 | 基于环境传感器的自学习地图 |
CN102362301A (zh) * | 2009-03-23 | 2012-02-22 | 本田技研工业株式会社 | 车用信息提供装置 |
DE102011113316A1 (de) * | 2011-09-14 | 2012-03-22 | Daimler Ag | Verfahren zur Analyse von Sensordaten |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107571868A (zh) * | 2016-07-05 | 2018-01-12 | 罗伯特·博世有限公司 | 用于执行对车辆的车辆引导的自动干预的方法 |
CN107571868B (zh) * | 2016-07-05 | 2022-03-18 | 罗伯特·博世有限公司 | 用于执行对车辆的车辆引导的自动干预的方法 |
Also Published As
Publication number | Publication date |
---|---|
US20150166071A1 (en) | 2015-06-18 |
CN104411560B (zh) | 2017-06-09 |
DE102012211391A1 (de) | 2014-01-02 |
US9669838B2 (en) | 2017-06-06 |
EP2867093B1 (de) | 2020-07-29 |
WO2014006034A1 (de) | 2014-01-09 |
KR20150028258A (ko) | 2015-03-13 |
EP2867093A1 (de) | 2015-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104411560A (zh) | 用于信息利用的方法和系统 | |
US11568746B2 (en) | Vehicular environment estimation device | |
CN106240565B (zh) | 碰撞减轻和躲避 | |
US9830814B2 (en) | System and method for transmitting detected object attributes over a dedicated short range communication system | |
US9393958B2 (en) | Method and system for validating information | |
CN101799992B (zh) | 组合的车辆到车辆通信和目标检测感测 | |
US9260059B2 (en) | False warning reduction using location data | |
US8233663B2 (en) | Method for object formation | |
JP2020500367A (ja) | 車両隊列のためのギャップ測定 | |
CN104943689B (zh) | 一种汽车主动防撞系统的控制方法 | |
CN111547053A (zh) | 基于车路协同的自动驾驶控制方法及系统 | |
EP2784762A1 (en) | Vehicle identification device | |
US10981568B2 (en) | Redundant environment perception tracking for automated driving systems | |
US20190122559A1 (en) | System and method for situation analysis of an autonomous lane change maneuver | |
US20200204969A1 (en) | Detection of non-v2v vehicles | |
US20180164833A1 (en) | Autonomous vehicle object detection | |
CN111352413A (zh) | 全向传感器融合系统和方法及包括该融合系统的车辆 | |
CN112558049A (zh) | 用于识别在车辆的周围环境中的对象的方法和控制设备 | |
CN116034359A (zh) | 用于以至少两个互不依赖的成像环境检测传感器来进行环境检测的方法、用于执行该方法的设备、车辆以及对应设计的计算机程序 | |
US20210197860A1 (en) | Vehicle and method of controlling the same | |
US11087147B2 (en) | Vehicle lane mapping | |
KR101197865B1 (ko) | 주차공간 인식 방법 및 그 장치 | |
US11983918B2 (en) | Platform for perception system development for automated driving system | |
CN113022593B (zh) | 障碍物处理方法、装置和行驶设备 | |
CN115629375A (zh) | 使用交通工具对交通工具技术提高雷达数据预测的准确度 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230221 Address after: Hannover Patentee after: Continental Automotive Technology Co.,Ltd. Address before: Frankfurt, Germany Patentee before: CONTINENTAL TEVES AG & Co. OHG |
|
TR01 | Transfer of patent right |