CN111465972B - 用于计算交通工具传感器数据的错误概率的系统 - Google Patents
用于计算交通工具传感器数据的错误概率的系统 Download PDFInfo
- Publication number
- CN111465972B CN111465972B CN201880082331.0A CN201880082331A CN111465972B CN 111465972 B CN111465972 B CN 111465972B CN 201880082331 A CN201880082331 A CN 201880082331A CN 111465972 B CN111465972 B CN 111465972B
- Authority
- CN
- China
- Prior art keywords
- sensor data
- sensor
- central computer
- error probability
- data
- 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.)
- Active
Links
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
-
- 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
-
- 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
- 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
-
- 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]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Business, Economics & Management (AREA)
- Ecology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Traffic Control Systems (AREA)
- Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)
Abstract
本发明涉及用于计算基于交通工具的传感器数据记录(12)的错误概率(38)的系统(10)和方法(100),所述系统包括传感器单元(32)和传感器(24)、具有参考数据(36)的参考数据库(34)和中央计算机(26)。参考数据(36)与传感器数据记录(12)有时间和空间关系。中央计算机(26)基于来自参考数据库(34)的合适的参考数据(36)来计算传感器数据记录(12)的错误概率(38)。
Description
技术领域
本发明涉及交通工具的传感器数据的分析。尤其是,本发明涉及一种用于计算交通工具的传感器数据的错误概率的系统和方法。
背景技术
智能传感器越来越多地安装在现代交通工具系统中,所述智能传感器检测、处理以及也转发大量物理参量和运行参量。由于传感器系统的开发和由于升高的计算机容量,可能的是收集和整理关于交通工具本身、而且关于交通工具周围环境的越来越详细化的信息。在应用方面,数字地图应用程序和导航系统起着重要作用。这些支持系统应该给驾驶员尽可能全面和提早地提供交通相关信息,例如用于预测性交通工具控制。在此情况下,例如在预料临近的障碍物或危险状况中可以自动地降低速度、输出警告提示或例如也对缓冲装置进行适配。
为此需要尽可能当前的信息,所述信息例如可以被存放在数字地图应用程序或导航应用程序中。目前以月、部分地甚至年的特定时间周期主要经由专门装备的交通工具检测地图数据。因此,恰好由于在乡村地区中的较少数量的这种测量行程,地图数据经常是过时的。在现有技术中已知以下解决方案:所述解决方案使用交通工具中的大多数已经存在的传感器来通过传感器检测交通工具的周围环境并且使用所获得的传感器数据用以更新地图数据。在此,对所提供的传感器数据的现实性和准确性的要求是高的,以便可以从数字地图材料中获取相关信息。
由DE 10 2008 012661 A1已知一种用于更新交通工具的数字地图的更新装置,所述更新装置具有大量传感器,所述传感器测量当前的交通状况、交通工具的运动而或者还有街道交通状况。这些测量值被转交给中心,所述中心对所述测量值进行评估,并且然后将相应的更新数据发送给其他交通工具用于更新数字地图。
发明内容
本发明的实施方式可以提高基于交通工具的传感器数据的数据质量和可靠性,并且从而减少或避免用于后续应用的有错误的信息。下面描述的本发明基于以下考虑:为了显着地改善数字地图数据的现实性,值得期望的会是以理想方式实时地或以仅稍微延迟地将交通工具周围环境中的可能变化尽可能快速地存放为数字地图数据,以便可以将这些信息直接提供给所有参与者。现在存在大量的制造商、传感器和系统,其测量同样大数目的物理参量并且检测各种各样类型的数据。尤其是经常可能发生的是,例如由有错误的传感器因此检测有错误的数据并且传送给中心。因此,值得期望的会是,标识并且必要时消除这些有错误的数据,使得所述有错误的数据不使结果失真。
因此,提出一种用于计算交通工具中的传感器数据的错误概率的系统。该系统具有传感器单元,所述传感器单元具有交通工具中的传感器。交通工具例如是机动车、例如汽车、公共汽车或载重汽车,而或者也是有轨车辆、轮船、飞行器、例如直升飞机或飞机,或者例如是自行车。
传感器单元被构成用于提供针对交通工具的周围环境中的对象的传感器数据记录。在该上下文中,术语“对象”应非常广泛地来解释,并且一方面应该描述静态对象、诸如交通指示牌、障碍物、指路牌、其他交通工具、人员和动物等,然而也应该描述动态对象、例如交通信号灯状态、天气现象、道路状态、例如薄冰层、雾、车道标记的走向变化等等。换句话说,通过传感器可检测的所有事实、即印象、事件和观察也可以被理解为对象。因此,根据传感器类型,交通工具的周围环境可能意味着交通工具本身,但是也可能意味着围绕交通工具的几米或几百米。
该系统此外具有中央计算机,所述中央计算机被实施用于从传感器单元接收传感器数据记录。根据一个示例,该中央计算机可以是基于云的服务器,所述服务器布置在一个中央场所处也或者多个中央场所处。在这里重要的是,各种交通工具的传感器数据记录可以在逻辑中央地点处在其整体上被评估。传感器数据记录从传感器单元向中央计算机的无线传输可以经由各种各样的无线电标准、诸如通过蓝牙、WLAN(例如WLAN 802.1la/b/g/n或WLAN 802.11p)、ZigBee、WiMax进行而或者也可以经由蜂窝无线电系统、例如GPRS、UMTS或LTE进行。也有可能使用其他传输协议。提到的协议提供已经发生的标准化的优点。
该系统此外具有带有参考数据的参考数据库,其中所述参考数据与在产生传感器数据记录的时刻交通工具的位置有关系。参考数据可以是与传感器数据有关的各种各样类型的信息和数据。例如,如果传感器数据代表动态交通标志的光学检测,则这可以是来自交通控制中心的数据库的参考数据。与交通工具的位置以及时刻的关系具有以下优点或目的,即不仅传感器数据而且参考数据涉及同一对象或事件或观察,并且因此彼此间有关系(Bezug)。
中央计算机被实施用于利用来自参考数据库的参考数据来计算传感器数据记录的错误概率。换句话说,根据来自参考数据记录的参考信息检验:传感器数据记录根据从其他独立的源取得的信息是否看起来合理。因此,来自各种源的大量参考数据可以作出以下陈述:传感器数据记录是否以一定的概率有错误。现在已知的错误概率的优点可以是:能够更好地识别并且必要时能够丢弃尤其是异常测值和不可能的极限值。
根据一个示例,参考数据从其他交通工具的传感器数据中生成。这应该描述以下情况,其中机动车的传感器数据记录的正确性通过以下方式来检测,即一定数量的其他交通工具传输相同的或相似的数据记录。
但是,尤其是在乡村区域中,经过对象的交通工具的数量在一时间段内可能非常少,使得只能晚得非常多地校正可能错误的信息。这里示出的解决方案的优点是:大量其他外部数据源和数据库可以被用作参考并且即使在不存在其他交通工具的情况下也可以被用于计算错误概率。
在本发明的一个实施方式中,中央计算机被实施用于将传感器数据分类为对象类别,并且特定于对象类别地选择参考数据。换句话说,中央计算机被实施为使得所述中央计算机首先分析并且识别传感器数据的类型和来源,并且根据所标识的对象类别来选择和应用合适的参考数据用于计算错误概率。
在对象类别下例如可以有国家典型的牌子、道路状态、天气现象、交通流量数据、可比的道路对象的数据或者还有对象的先前观察。这里指的是粗略划分成观察的类型,然后给其分配有确定的合适的参考数据用于有意义地计算错误概率。参考数据向对象类别的这种分配可以例如提前定义并且存放在中央计算机中。
在本发明的一个实施方式中,给参考数据库中的参考数据分配相应的错误概率。换句话说,不仅传感器数据记录具有错误概率,而且参考数据本身也可能具有不同程度的可靠性或可信性。在计算传感器数据记录的错误概率时,中央计算机考虑参考数据的错误概率,使得在错误概率升高时,所属的参考数据更小地被加权。
如果例如通过传感器数据记录报告在路段上结冰,则可以考虑社交网络的信息。如果在那里关于同一地理位置和时刻发布关于道路状态的信息,则通常不对所述信息进行检验,并且因此更可能易受错误信息的影响。参考数据记录的错误概率可以使该情形一起包括在传感器数据记录的错误概率的计算中。
在本发明的一个实施方式中,中央计算机被实施用于基于其他参考数据和/或基于传感器数据来计算参考数据的错误概率。换句话说,中央计算机能够基于在其余参考数据和传感器数据的上下文中的先前计算来计算出参考数据的可靠性或可信性。因此如果基于历史表明参考数据记录与其他参考数据相比占优势地具有相反的信息,则可能的是,该参考数据记录不太可信,并且因此该参考数据源的错误概率升高。
根据一个实施方式,交通工具中的传感器单元计算传感器数据的暂时错误概率。例如,这可以基于交通工具的其他传感器数据来进行,但是也可以基于参考数据库的参考数据进行。为此,交通工具本身可以经由自身的通信装置合并(einbinden)外部参考数据或也合并来自自身车载系统的信息,并且计算暂时错误概率,所述暂时错误概率然后可选地在第二步骤中与其他数据一起在中央计算机中被计算成作为结果的错误概率。在这里优点可以是,例如为了直接使用交通工具的传感器数据,已经根据参考数据进行评价,并且因此传感器数据记录的错误率可以降低。例如,摄像机在具有有限视野情况的状况中(例如在雾情况下)可能具有较低的识别率。传感器单元从车载信息例如通过接通的雾灯知道,明显存在着雾条件,并且因此在不使外部数据源参与的情况下也可以自给自足地计算出暂时错误概率。
在本发明的一个实施方式中,参考数据例如是天气数据、交通流量数据、交通控制数据、同一交通工具的传感器数据、其他交通工具的传感器数据和/或数字地图数据。术语“数字地图”或“数字地图数据”也可以理解用于高级驾驶员辅助系统(ADAS,AdvancedDriver Assistance System(高级驾驶员辅助系统))的地图,而不发生导航。在本发明的另一个实施方式中,对象例如是交通指示牌、车道标记、天气状态、车道、交通信号灯状态、道路状态、交通工具、障碍物和/或阻隔物。
在本发明的另一方面中,介绍一种用于计算传感器的传感器数据记录的错误概率的方法,该方法具有在下文中描述的步骤。通过中央计算机接收传感器数据。然后,通过中央计算机对传感器数据进行分类。这意味着,如上所描述的那样,识别对象类别,所述对象类别允许粗略地划分成类似的对象。在另一步骤中,通过中央计算机从参考数据库中选择并且读出特定于对象类别的参考数据。因此基于在先前步骤中识别的对象类别,选择并且从参考数据库中读出合适的参考数据用以验证和评定传感器数据的正确性或合理性。
在随后的步骤中,通过中央计算机基于所选择的参考数据来计算传感器数据的错误概率。根据本发明的一个实施方式,通过中央计算机可以将所述计算的错误概率与包括位置数据的传感器数据一起提供给数字地图应用程序。这意味着在使用位置数据的情况下例如能够将获得的数据以图形方式表示在地图表面上,必要时在显示所计算的错误概率情况下来表示。
根据本发明的一个实施方式,中央计算机将传感器数据的所计算的错误概率与所确定的阈值进行比较,并且如果超过该阈值,则将传感器数据标记为有错误的。换句话说,被识别为有错误的传感器数据被丢弃并且因此可以例如在基于此的应用的范围中有利地避免传感器数据的失真或误解。
附图说明
下面根据图形表示来描述本发明的实施例。这些图仅是示意性的,并且不是按比例的。相同或相似的元件配备有相同的附图标记。
图1示出根据现有技术的用于在数字地图中集中处理基于交通工具的传感器数据的系统。
图2以示意图示出根据本发明的用于计算传感器数据的错误概率的系统。
图3示出用于计算交通工具的传感器数据的错误概率的根据本发明的方法。
具体实施方式
在图1中示出了来自现有技术的系统的示例,其中基于交通工具的传感器数据记录12集中地被聚集、处理和整理为数字地图数据。对象20位于路段22上,所述对象20在这里具体地是用于限制速度的可变交通标志,所述可变交通标志经常可以在高速公路的指示牌桥上找到。在这里根据交通状况,可以通过交通控制中心动态地适配所显示的最大速度。如果例如所显示的最大速度变化,则第一交通工具14在经过对象时利用传感器24可视地检测对象20。在这种情况下,传感器24例如是朝交通工具14的行驶方向定向的摄像机。
现在,第一交通工具14将传感器数据记录12报告给中央计算机26。这可以例如经由无线传输方法、例如4G/5G、UMTS、Wi-Fi或WLAN进行。如果现在第二交通工具16和第三交通工具18也经过对象20,则所述第二交通工具和第三交通工具的传感器数据12同样被传输给中央计算机26。如果中央计算机26接收一致的传感器数据记录12,则可以认为所报告的传感器数据记录12是正确的,接着中央计算机产生用于地图应用程序30的数字地图数据28,并且在此必要时更新针对同一对象20的现有数字地图数据28。在这里,如果由中央计算机26接收不一致的传感器数据12并且仍然不清楚所传输的传感器数据记录12可能在多大程度上是有错误的,则可能是有问题的。
在图2中描述了解决这个问题的根据本发明的系统10。各种传感器24与交通工具中的传感器单元32连接。该传感器单元32可以在交通工具内接管各种功能。这可以例如是预处理或整理传感器24的信号或者控制传感器24。在一个示例中,传感器单元32接管暂时错误概率38的计算(进一步参见下文)。传感器单元32被构成为使得该传感器单元从所连接的传感器24的全部传感器信号中产生传感器数据记录12,所述传感器数据记录描述交通工具14的周围环境中的对象20(参见图1)。
中央计算机26接收该传感器数据记录12。中央计算机26优选地关于预定义的对象类别对所接收的传感器数据记录12进行分类。多个参考数据库34与央计算机26连接。中央计算机26基于所标识的对象类别选择合适的参考数据库34,并且读出参考数据36。在此,这些参考数据36与在产生传感器数据记录12的时刻交通工具14的位置有关系(einen Bezugzu…haben)。中央计算机26利用所述参考数据36计算传感器数据记录12的错误概率38。传感器数据记录12的该错误概率38与传感器数据记录12和位置数据一起被转换成数字地图数据28,并且提供给地图应用程序30(这里作为数据库示出)。
在图3中示出了用于计算传感器数据12的错误概率38的根据本发明的方法。在此,通过中央计算机26接收110传感器数据记录12。在下一步骤中,通过中央计算机26将传感器数据记录12分类120为对象类别。在步骤130中实现通过中央计算机26从参考数据库34中选择和读出特定于对象类别的参考数据36。在步骤140中,通过中央计算机26基于参考数据36计算传感器数据记录12的错误概率38。最后,在步骤150中,通过中央计算机26将传感器数据记录12与所属的错误概率38一起提供给数字地图应用程序30。
Claims (9)
1.一种用于计算交通工具(14)中的传感器数据记录(12)的错误概率(38)的系统(10),所述系统包括:
-具有交通工具(14)中的传感器(24)的传感器单元(32);其中所述传感器单元(32)被构成用于针对在所述交通工具(14)的周围环境中的对象(20)提供传感器数据记录(12);
-中央计算机(26),所述中央计算机被实施用于从所述传感器单元(32)接收所述传感器数据记录(12);
-具有参考数据(36)的参考数据库(34);其中所述参考数据(36)与在产生所述传感器数据记录(12)的时刻所述交通工具(14)的位置有关系;
其中所述中央计算机(26)被实施用于利用来自所述参考数据库(34)的参考数据(36)来计算所述传感器数据记录(12)的错误概率(38),
其中所述中央计算机(26)被实施用于为数字地图应用程序(30)提供所述传感器数据记录(12)和所属的错误概率(38)。
2.根据权利要求1所述的系统(10),其中,所述中央计算机(26)被实施用于将所述传感器数据记录(12)分类为对象类别,并且所述参考数据(36)以特定于对象类别的方式被选择。
3.根据权利要求1或2所述的系统(10),其中,给所述参考数据库(34)中的参考数据(36)分配有错误概率;
其中所述中央计算机(26)在计算所述传感器数据记录(12)的错误概率(38)时考虑所述参考数据(36)的错误概率,使得在错误概率升高时,所属的参考数据(36)较小地被加权。
4.根据权利要求3所述的系统(10),其中,所述中央计算机(26)被实施用于基于其他参考数据(36)和/或基于所述传感器数据记录(12)计算所述参考数据(36)的错误概率。
5.根据前述权利要求中任一项所述的系统(10),其中,所述交通工具(14)中的传感器单元(32)计算所述传感器数据记录(12)的暂时错误概率(38)。
6.根据前述权利要求中任一项所述的系统(10),其中,所述参考数据(36)是天气数据、交通流量数据、交通控制数据、同一交通工具的传感器数据记录(12)、其他交通工具的传感器数据记录(12)和/或数字地图数据(28)。
7.根据前述权利要求中任一项所述的系统(10),其中,所述对象(20)是交通指示牌、车道标记、天气状态、车道、交通信号灯状态、道路状态、交通工具、障碍物和/或阻隔物。
8.一种用于计算传感器(24)的传感器数据记录(12)的错误概率(38)的方法(100),所述方法包括以下步骤:
-通过中央计算机(26)接收(110)传感器数据记录(12);
-通过所述中央计算机(26)对所述传感器数据记录(12)进行分类(120);
-通过所述中央计算机(26)从参考数据库(34)选择和读出(130)特定于对象类别的参考数据(36);
-通过所述中央计算机(26)基于所述参考数据(36)计算(140)所述传感器数据记录(12)的错误概率(38),
-通过所述中央计算机(26)为数字地图应用程序(30)提供(150)所述传感器数据记录(12)和所属的错误概率(38)。
9.根据权利要求8所述的方法(100),其中,所述中央计算机(26)将所述传感器数据记录(12)的错误概率(38)与所确定的阈值进行比较(160),并且在超过所述阈值时,将所述传感器数据记录(12)标记为有错误的。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102017223632.9 | 2017-12-21 | ||
DE102017223632.9A DE102017223632A1 (de) | 2017-12-21 | 2017-12-21 | System zur Berechnung einer Fehlerwahrscheinlichkeit von Fahrzeugsensordaten |
PCT/EP2018/085194 WO2019121510A1 (de) | 2017-12-21 | 2018-12-17 | System zur berechnung einer fehlerwahrscheinlichkeit von fahrzeugsensordaten |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111465972A CN111465972A (zh) | 2020-07-28 |
CN111465972B true CN111465972B (zh) | 2022-08-23 |
Family
ID=65003348
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880082331.0A Active 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 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11657707B2 (zh) |
EP (1) | EP3729412A1 (zh) |
JP (1) | JP7021355B2 (zh) |
CN (1) | CN111465972B (zh) |
DE (1) | DE102017223632A1 (zh) |
WO (1) | WO2019121510A1 (zh) |
Families Citing this family (7)
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 |
DE102019216732A1 (de) * | 2019-10-30 | 2021-05-06 | Zf Friedrichshafen Ag | Verfahren sowie System zum Plausibilisieren von Kartendaten |
DE102021200822A1 (de) | 2021-01-29 | 2022-08-04 | Siemens Mobility GmbH | Verfahren und Vorrichtung zur Sensordatenverarbeitung |
DE102021200848A1 (de) | 2021-01-29 | 2022-08-04 | Volkswagen Aktiengesellschaft | Verfahren zum Bereitstellen von Daten eines Fahrzeuges, Computerprogrammprodukt sowie Kommunikationssystem |
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 |
---|---|---|---|---|
US6047234A (en) * | 1997-10-16 | 2000-04-04 | Navigation Technologies Corporation | System and method for updating, enhancing or refining a geographic database using feedback |
EP3073224A1 (en) * | 2015-03-27 | 2016-09-28 | Panasonic Automotive Systems Europe GmbH | Sensor data fusion based on digital map information |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
DE102008012661A1 (de) | 2007-08-25 | 2009-02-26 | Continental Teves Ag & Co. Ohg | Aktualisierungseinheit und Verfahren zur Aktualisierung einer digitalen Karte |
DE112008003588B4 (de) * | 2008-01-31 | 2013-07-04 | Mitsubishi Electric Corp. | Navigationsgerät verwendend Videobilder einer Kamera |
WO2011001162A1 (en) * | 2009-06-29 | 2011-01-06 | 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 |
EP2474849A1 (en) | 2009-09-03 | 2012-07-11 | Olympus Medical Systems Corp. | Image pickup unit |
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 |
US10378936B2 (en) * | 2015-09-04 | 2019-08-13 | International Business Machines Corporation | Identification of failed sensors in a system of interconnected devices |
DE102015014651A1 (de) * | 2015-11-12 | 2017-05-18 | Audi Ag | Verfahren zum Bereitstellen einer Spurinformation einer Fahrspur und System |
US10093021B2 (en) * | 2015-12-02 | 2018-10-09 | Qualcomm Incorporated | Simultaneous mapping and planning by a robot |
EP3196089B1 (en) * | 2016-01-21 | 2021-10-13 | Volvo Car Corporation | Vehicle safety assist system, vehicle comprising a vehicle safety assist system and a method for providing driver warning or performing autonomous braking |
US10223380B2 (en) * | 2016-03-23 | 2019-03-05 | Here Global B.V. | Map updates from a connected vehicle fleet |
US10942031B2 (en) * | 2016-06-10 | 2021-03-09 | Pioneer Corporation | Information processing device, measurement device and control method |
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 |
CN116968731A (zh) * | 2018-03-20 | 2023-10-31 | 御眼视觉技术有限公司 | 用于导航主车辆和制动主车辆的系统 |
-
2017
- 2017-12-21 DE DE102017223632.9A patent/DE102017223632A1/de not_active Withdrawn
-
2018
- 2018-12-17 JP JP2020534508A patent/JP7021355B2/ja active Active
- 2018-12-17 CN CN201880082331.0A patent/CN111465972B/zh 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 WO PCT/EP2018/085194 patent/WO2019121510A1/de unknown
Patent Citations (2)
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 |
EP3073224A1 (en) * | 2015-03-27 | 2016-09-28 | Panasonic Automotive Systems Europe GmbH | Sensor data fusion based on digital map information |
Also Published As
Publication number | Publication date |
---|---|
JP2021507417A (ja) | 2021-02-22 |
CN111465972A (zh) | 2020-07-28 |
EP3729412A1 (de) | 2020-10-28 |
US20210012648A1 (en) | 2021-01-14 |
DE102017223632A1 (de) | 2019-06-27 |
US11657707B2 (en) | 2023-05-23 |
WO2019121510A1 (de) | 2019-06-27 |
JP7021355B2 (ja) | 2022-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111465972B (zh) | 用于计算交通工具传感器数据的错误概率的系统 | |
US11069229B2 (en) | Probe based variable speed sign value | |
US9666072B2 (en) | Dynamic speed limit | |
EP2940545B1 (en) | Mode transition for an autonomous vehicle | |
US20190051172A1 (en) | Method and apparatus for providing a confidence-based road event message | |
US11721206B2 (en) | Method, apparatus, and system for automatic verification of road closure reports | |
JP2019153291A (ja) | デジタルツインシミュレーションに基づく車両の故障予測 | |
CN111200796A (zh) | 用于评估车辆的环境感测系统的操作的系统及方法 | |
US11315428B2 (en) | Management of mobile objects | |
US11170639B2 (en) | Transportation threat detection system | |
US10825339B2 (en) | Method for providing drowsiness alerts in vehicles | |
US11237007B2 (en) | Dangerous lane strands | |
US20230180045A1 (en) | Systems and methods for selecting locations to validate automated vehicle data transmission | |
US11085791B2 (en) | Method, apparatus, and computer program product for on-street parking localization | |
US20220057230A1 (en) | Method For Checking Detected Changes To An Environmental Model Of A Digital Area Map | |
WO2023034141A1 (en) | System and method for monitoring a vehicle | |
US11227420B2 (en) | Hazard warning polygons constrained based on end-use device | |
US11428535B2 (en) | System and method for determining a sign type of a road sign | |
US20230204378A1 (en) | Detecting and monitoring dangerous driving conditions | |
US11557132B2 (en) | Lane marking | |
US20220205807A1 (en) | Recall of hazard warning created from vehicle sensor data | |
CN116416780A (zh) | 一种路侧感知系统的测试方法、装置、测试设备和介质 | |
WO2023088271A1 (zh) | 地图更新方法及其装置 | |
US20240135719A1 (en) | Identification of unknown traffic objects |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230117 Address after: Hannover Patentee after: Continental Automotive Technology Co.,Ltd. Address before: Hannover Patentee before: CONTINENTAL AUTOMOTIVE GmbH |