CN112204418A - 用于自动地确定道路状态的方法 - Google Patents

用于自动地确定道路状态的方法 Download PDF

Info

Publication number
CN112204418A
CN112204418A CN201980038830.4A CN201980038830A CN112204418A CN 112204418 A CN112204418 A CN 112204418A CN 201980038830 A CN201980038830 A CN 201980038830A CN 112204418 A CN112204418 A CN 112204418A
Authority
CN
China
Prior art keywords
road
state
variable
control device
distributed
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.)
Pending
Application number
CN201980038830.4A
Other languages
English (en)
Inventor
B·哈特曼
S·魏森玛耶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Robert Bosch GmbH filed Critical Robert Bosch GmbH
Publication of CN112204418A publication Critical patent/CN112204418A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/417—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section involving the use of neural networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/862—Combination of radar systems with sonar systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/87—Combinations of radar systems, e.g. primary radar and secondary radar
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/87—Combinations of sonar systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
    • G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9316—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles combined with communication equipment with other vehicles or with base stations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9324—Alternative operation using ultrasonic waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/003—Transmission of data between radar, sonar or lidar systems and remote stations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/411—Identification of targets based on measurements of radar reflectivity
    • G01S7/412—Identification of targets based on measurements of radar reflectivity based on a comparison between measured values and known or stored values

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Traffic Control Systems (AREA)

Abstract

用于测定机动车（100）的道路状态的方法，其中根据第一传感器系统（1，2，3，4，10）的第一输入变量（r1，r2）和根据第二传感器系统（5，20）的第二输入变量（r3，r4），借助分布式机器学习系统（11，21，31）、尤其是分布式神经网络，测定表征道路状态的变量（z）。

Description

用于自动地确定道路状态的方法
技术领域
本发明涉及一种用于确定道路状态的方法、一种计算机程序、一种单个或者多个机器可读的存储介质和一种单个或者多个控制设备。
背景技术
来自未提前公开的DE 10 2018 206 694的是一种用于识别当前道路状态的方法，所述方法具有下列步骤：
在使用第一传感器系统的第一原始数据的情况下执行第一识别过程，以便获得映射道路状态的第一状态值和映射第一识别过程的识别品质的第一品质值；
在使用第一原始数据的情况下，以及此外在使用车辆的至少一个第二传感器系统的第二原始数据的情况下，执行第二识别过程，以便获得映射道路状态的第二状态值和获得映射第二识别过程的识别品质的第二品质值；
将第一状态值和第二状态值合并成代表道路状态的道路状态信息。
发明内容
本发明的优点
与此相对照，具有独立权利要求1的特征的方法具有如下优点：能够实现对道路状态的经过改进的确定，其中此外可以使用迄今所采用的接口，所述接口具有其有限的数据传输速率。
有利的扩展方案是从属权利要求的主题。
本发明的公开内容
在第一方面中，本发明涉及一种用于测定机动车的道路状态（也就是机动车行驶在其上的道路的状态）的方法，其中根据第一传感器系统的第一输入变量（r1，r2）和根据第二输入变量（r3，r4），借助分布式机器学习系统、尤其是分布式神经网络，测定表征道路状态的变量（z）。
在下文，依据如下实施形式来阐述本发明：在所述实施形式中，机器学习系统通过神经网络来给出。另外的机器学习系统（例如Support Vector Machine（支持向量机）或者Random Forest（随机森林））是可设想的。神经网络建立为使得：存在输入层（英语：“InputLayer”）、一个或者多个隐藏层（英语：“Hidden Layer”）和输出层（英语：“Output Layer”）。在隐藏层中，计算基本函数（所谓的神经元），所述基本函数从之前的层得到值，评估这些值并且向随后的层转送这些值。尤其是在神经网络（英语：“Deep Neural Networks（深度神经网络）”，也缩写为：“DNN”）中，存在较大数目的隐藏层。为了训练这些模型，这种DNN的架构具有决定性意义，那就是说例如如下问题具有决定性意义：存在多少层，并且这些层承担哪些任务（例如卷积运算等等）。
现在可能的是，不是在唯一的设备上执行各个层和神经元的计算，而是更确切地说将这些计算分布到不同的设备上。那么，在这种情况下也谈及分布式深度神经网络（英语：“Distributed Deep Neural Networks”，缩写：“DDNN”）。训练可以在前馈（英语：“feedforward”）网络中（如许多DNN呈现的那样）与硬件无关地进行。
第一传感器系统和/或第二传感器系统在这种情况下尤其是可以布置在机动车中。第一传感器系统和/或第二传感器系统在这种情况下尤其是可以分别包括超声传感器、雷达传感器或者光学传感器（尤其是激光雷达（Lidar）或者录像机（Video））。第一传感器系统和/或第二传感器系统可以分别包括多个传感器。
在有利的扩展方案中，分布式神经网络分布式地被实施到机动车的至少两个（尤其是在结构上分开的）控制设备上。
尤其是可以设置，部分地在传感器控制设备中实现分布式神经网络。
例如可以设置，传感器控制设备是超声传感器控制设备，或者是雷达传感器控制设备，或者是光学传感器的控制设备。轮转速传感器也是可能的。
这种传感器控制设备可以设置为，接收分配给该传感器控制设备的传感器的（原始）数据，并且执行预处理。经过预处理的数据接着可以被输送给机动车的中央计算单元。可能的是，传感器控制设备和至少一个所分配的传感器在结构上是集成的。
有利地现在设置，同样部分地在机动车的中央计算单元中实现分布式神经网络。
在此，那么经由接口，在控制设备之间（那就是说例如在传感器控制设备与中央计算机之间）传输分布式神经网络的隐藏层（英语：“hidden layer”）的信息（也就是特征向量）。
优选地那么设置，中央计算单元测定表征道路状态的变量（z）。也就是，神经网络的在中央计算单元中运行的部分包括神经网络的输出层。
尤其是可以设置，根据表征道路状态的变量（z），操控机动车，例如其方式是：操控驱动和/或制动和或者转向，例如以便发起速度适配或者避让行动。
替选地或者附加地可能的是，根据表征道路状态的变量（z），操控道路的信号系统（Signalanlage）。例如，在所识别出的差的道路状态的情况下，可以激活报警系统（Warnanlage）。
替选地或者附加地也可能的是，关于道路状态的信息被传送给另外的机动车，所述另外的机动车就其而言可以采取相对应的反应。
有利地设置了，在测定表征道路状态的变量（z）之前，训练神经网络。
这样在其整体上经过训练的神经网络尤其是特别高效的。
相对单个地经过训练的多个神经网络，在整体上经过训练的分布式神经网络的优点对于在本发明所力求的应用而言如下变得直观：神经网络的在传感器控制设备中执行的部分具有压缩传感器数据的功能。在中央计算机中，这些传感器数据通过神经网络的定位在那这里的部分接着又被解压。通过在整体上训练，在神经网络的布置在传感器控制设备中的部分中，识别道路状态的功能和压缩数据的功能相互融合。在相同结果的情况下，这样融合的神经网络利用少量的计算时间和存储器可能就够用。同样，在中央控制设备中，神经网络的执行解压和传感器数据融合的部分相互融合。这节省了中央控制设备中的资源。
在特别有利的扩展方案中，训练被执行为使得：要在神经网络的分开的部分之间传送的特征向量是尽可能低维的。
也就是，DNN的架构的优化可以借助自动化的方法（如例如AutoML）来执行，以致不同的神经元从层到层的过渡放置为使得这些过渡也即硬件特定的接口对应于各个设备。
通过尽可能低维的特征向量，保证在设备之间的以最优的方式来压缩的信息流。
附图说明
随后，参照所附的附图，更详细地阐述了本发明的实施形式。
该图图解说明了本发明的实施形式在机动车（100）中的结构，该机动车拥有超声传感器（1，2，3，4）和雷达传感器（5）。
具体实施方式
超声传感器（1，2，3，4）测定其相应的原始信号，并且将这些原始信号传送给超声传感器控制设备（10），在所述超声传感器控制设备上布置有分布式神经网络的第一部分（11）。所述原始信号在那里作为信号（r1，r2）附在分布式神经网络的第一部分（11）的输入层处。分布式神经网络的第一部分（11）例如可以以如下计算机程序来实现：所述计算机程序存储在超声传感器控制设备（10）的机器可读的存储介质（12）上。
雷达传感器（5）同样测定其相应的原始信号，并且将这些原始信号传送给雷达传感器控制设备（20），在所述雷达传感器控制设备上布置有分布式神经网络的第二部分（21）。所述原始信号在那里作为信号（r3，r4）附在分布式神经网络的第二部分（21）的输入层处。分布式神经网络的第二部分（21）例如可以以如下计算机程序来实现：所述计算机程序存储在雷达传感器控制设备（20）的机器可读的存储介质（22）上。
第一部分（11）现在测定输出信号，所述输出信号作为第一特征向量（x）从超声传感器控制设备（10）被传送至中央控制设备（30），例如经由现场总线（如例如CAN总线）来传送。
第二部分（12）同样测定输出信号，所述输出信号作为第二特征向量（y）从雷达传感器控制设备（20）被传送至中央控制设备（30），优选地经由相同的总线来传送。
在中央控制设备（30）中，实现分布式神经网络的第三部分（31）。第一特征向量（x）和第二特征向量（y）在那里附在分别分配的神经元处。第三部分（31）由此测定输出变量（z），所述输出变量表征机动车行驶在其上的道路的状态。分布式神经网络的第三部分（31）例如可以以如下计算机程序来实现：所述计算机程序存储在中央控制设备（30）的机器可读的存储介质（32）上。
在本实施例中，如果输出变量（z）得出道路是潮湿的、是变脏的、具有减小的摩擦系数值、具有路拱或者具有路面凹坑，那么根据输出变量（z）来减小机动车的速度。
在替选的或者附加的实施例中，可以设置，分布式神经网络（11，21，31）也有针对性地利用机动车（100）的电气系统的错误来学习。也就是，在训练中，例如在传输第一特征向量和/或第二特征向量（x，y）时，可以仿真和注入错误图像，并且接着借助所监控的学习来训练这些错误图像。由此可能的是，避免由于系统中的电气错误（如例如在数据传输线路之一处的浮动触点）引起的对道路状态的有错误的识别。
此外，也可以如下来训练分布式神经网络：识别出错误并且将这些错误录入错误存储器中，以便在机动车（100）维修时能够给出相对应的提示。
也可设想的是，也至少部分地在传感器本身中实施神经网络。同样，神经网络也可以被扩展到远离机动车布置的计算机上，并且由此扩展到多个在同一道路的途中的车辆上。
为了附加地节省在部分网络之间的接口中的传输带宽，在凭反复试验成功地训练了神经网络之后，从消息中去除个别位。在稍后在车辆（100）中采用该神经网络时，实际上经由接口传输仅仅如下位：实际上对于神经网络的无错误运行而言必需这些位。

Claims (14)

1.一种用于测定机动车（100）的道路状态的方法，其中根据第一传感器系统（1，2，3，4，10）的第一输入变量（r1，r2）和根据第二传感器系统（5，20）的第二输入变量（r3，r4），借助分布式机器学习系统（11，21，31）、尤其是分布式神经网络，测定表征所述道路状态的变量（z）。
2.根据权利要求1所述的方法，其中，在至少两个、尤其是在结构上分开的控制设备（10，20，30）上，分布式地实施所述分布式机器学习系统（11，21，31）。
3.根据权利要求2所述的方法，其中，部分地在传感器控制设备（10，20）中实施所述分布式机器学习系统（11，21，31）。
4.根据权利要求3所述的方法，其中，所述传感器控制设备（10，20）是超声传感器控制设备（10）或者雷达传感器控制设备（20）。
5.根据权利要求2或者3所述的方法，其中，同样部分地在所述机动车（100）的中央计算单元（30）中实现所述分布式机器学习系统（11，21，31）。
6.根据权利要求5所述的方法，其中，所述中央计算单元测定所述表征所述道路状态的变量（z）。
7.根据上述权利要求中任一项所述的方法，其中，根据所述表征所述道路状态的变量（z），操控所述机动车（100）。
8.根据上述权利要求中任一项所述的方法，其中，根据所述表征所述道路状态的变量（z），操控所述道路的信号系统。
9.根据上述权利要求中任一项所述的方法，其中，在测定所述表征所述道路状态的变量（z）之前，训练所述机器学习系统（11，21，31）。
10.根据权利要求9所述的方法，其中，执行所述训练，使得要在所述机器学习系统（11，21，31）的分开的部分之间传送的特征向量（x，y）是尽可能低维的。
11.根据上述权利要求中任一项所述的方法，其中，表征所述道路状态的所述道路状态（z）是行车道的潮湿状态，和/或是所述行车道的摩擦系数值，和/或是所述行车道的变脏，和/或是路面凹坑，和/或是路拱。
12.一种计算机程序，其设立为实施根据权利要求1至11中任一项所述的方法。
13.一种单个或者多个机器可读的存储介质（12，22，32），在所述机器可读的存储介质上存储有根据权利要求12所述的计算机程序。
14.一种单个或者多个控制设备（10，20，30），其设立为实施根据权利要求1至11中任一项所述的方法。
CN201980038830.4A 2018-06-14 2019-05-22 用于自动地确定道路状态的方法 Pending CN112204418A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102018209595.7A DE102018209595A1 (de) 2018-06-14 2018-06-14 Verfahren zum automatischen Bestimmen eines Straßenzustands
DE102018209595.7 2018-06-14
PCT/EP2019/063209 WO2019238367A1 (de) 2018-06-14 2019-05-22 VERFAHREN ZUM AUTOMATISCHEN BESTIMMEN EINES STRAßENZUSTANDS

Publications (1)

Publication Number Publication Date
CN112204418A true CN112204418A (zh) 2021-01-08

Family

ID=66647403

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980038830.4A Pending CN112204418A (zh) 2018-06-14 2019-05-22 用于自动地确定道路状态的方法

Country Status (3)

Country Link
CN (1) CN112204418A (zh)
DE (1) DE102018209595A1 (zh)
WO (1) WO2019238367A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102019202523A1 (de) 2019-02-25 2020-08-27 Robert Bosch Gmbh Verfahren und Vorrichtung zum Betreiben eines Steuerungssystems
DE102020128461A1 (de) 2020-10-29 2022-05-05 Bayerische Motoren Werke Aktiengesellschaft System und Verfahren zur Erfassung des Umfelds eines Fahrzeugs
US11760376B2 (en) 2020-12-29 2023-09-19 Ford Global Technologies, Llc Machine learning updating with sensor data
DE102021205750A1 (de) * 2021-06-08 2022-12-08 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zum Ermitteln einer Reichweite eines Sensors

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1186183A (ja) * 1997-09-11 1999-03-30 Hitachi Ltd 交通流計測装置、及びこれを利用する装置
US20050195383A1 (en) * 1994-05-23 2005-09-08 Breed David S. Method for obtaining information about objects in a vehicular blind spot
DE102007042395A1 (de) * 2007-09-05 2009-03-12 IHP GmbH - Innovations for High Performance Microelectronics/Institut für innovative Mikroelektronik Radar-basiertes, tragbares Orientierungssystem
CN102139696A (zh) * 2010-02-02 2011-08-03 通用汽车环球科技运作有限责任公司 疏堵
GB201201445D0 (zh) * 2011-01-28 2012-03-14 Bosch Gmbh Robert
US20130035827A1 (en) * 2003-08-11 2013-02-07 American Vehicular Sciences Llc Technique for ensuring safe travel of a vehicle or safety of an occupant therein
CN104200687A (zh) * 2014-09-11 2014-12-10 长安大学 一种驾驶员速度控制行为监测装置及监测方法
CN105427619A (zh) * 2015-12-24 2016-03-23 上海新中新猎豹交通科技股份有限公司 车辆跟车距离自动记录系统及方法
DE202016001002U1 (de) * 2016-02-16 2017-05-17 GM Global Technology Operations LLC (n. d. Ges. d. Staates Delaware) System zur Erkennung einer Richtungsfahrbahn, Kraftfahrzeug sowie Computerprogrammprodukt
US20170168156A1 (en) * 2014-02-12 2017-06-15 Jaguar Land Rover Limited System for use in a vehicle
CN107644197A (zh) * 2016-07-20 2018-01-30 福特全球技术公司 后部摄像机车道检测
CN108053067A (zh) * 2017-12-12 2018-05-18 深圳市易成自动驾驶技术有限公司 最优路径的规划方法、装置及计算机可读存储介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9008854B2 (en) * 1995-06-07 2015-04-14 American Vehicular Sciences Llc Vehicle component control methods and systems
US6807473B1 (en) * 2003-04-09 2004-10-19 Continental Teves, Inc. Road recognition system
DE102013101639A1 (de) * 2013-02-19 2014-09-04 Continental Teves Ag & Co. Ohg Verfahren und Vorrichtung zur Bestimmung eines Fahrbahnzustands
US9139204B1 (en) * 2014-06-12 2015-09-22 GM Global Technology Operations LLC Road surface condition detection with recursive adaptive learning and validation
US9598087B2 (en) * 2014-12-12 2017-03-21 GM Global Technology Operations LLC Systems and methods for determining a condition of a road surface
US10612199B2 (en) * 2017-05-09 2020-04-07 Toyota Research Institute, Inc. Systems and methods for roadway fingerprinting
DE102018206694A1 (de) 2018-05-02 2019-11-07 Robert Bosch Gmbh Verfahren und Anordnung zum Erkennen eines aktuellen Straßenzustands

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050195383A1 (en) * 1994-05-23 2005-09-08 Breed David S. Method for obtaining information about objects in a vehicular blind spot
JPH1186183A (ja) * 1997-09-11 1999-03-30 Hitachi Ltd 交通流計測装置、及びこれを利用する装置
US20130035827A1 (en) * 2003-08-11 2013-02-07 American Vehicular Sciences Llc Technique for ensuring safe travel of a vehicle or safety of an occupant therein
DE102007042395A1 (de) * 2007-09-05 2009-03-12 IHP GmbH - Innovations for High Performance Microelectronics/Institut für innovative Mikroelektronik Radar-basiertes, tragbares Orientierungssystem
CN102139696A (zh) * 2010-02-02 2011-08-03 通用汽车环球科技运作有限责任公司 疏堵
GB201201445D0 (zh) * 2011-01-28 2012-03-14 Bosch Gmbh Robert
US20170168156A1 (en) * 2014-02-12 2017-06-15 Jaguar Land Rover Limited System for use in a vehicle
CN104200687A (zh) * 2014-09-11 2014-12-10 长安大学 一种驾驶员速度控制行为监测装置及监测方法
CN105427619A (zh) * 2015-12-24 2016-03-23 上海新中新猎豹交通科技股份有限公司 车辆跟车距离自动记录系统及方法
DE202016001002U1 (de) * 2016-02-16 2017-05-17 GM Global Technology Operations LLC (n. d. Ges. d. Staates Delaware) System zur Erkennung einer Richtungsfahrbahn, Kraftfahrzeug sowie Computerprogrammprodukt
CN107644197A (zh) * 2016-07-20 2018-01-30 福特全球技术公司 后部摄像机车道检测
CN108053067A (zh) * 2017-12-12 2018-05-18 深圳市易成自动驾驶技术有限公司 最优路径的规划方法、装置及计算机可读存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
于涛;徐家明;: "车辆前方行驶环境识别技术探讨", 汽车科技, no. 06, 25 November 2009 (2009-11-25) *
张膑;王奇;加尔肯;阿不力克木;: "高速公路BP神经网络限速控制", 科技广场, no. 07, 1 September 2007 (2007-09-01) *

Also Published As

Publication number Publication date
WO2019238367A1 (de) 2019-12-19
DE102018209595A1 (de) 2019-12-19

Similar Documents

Publication Publication Date Title
CN112204418A (zh) 用于自动地确定道路状态的方法
US11402848B2 (en) Collision-avoidance system for autonomous-capable vehicles
JP7174063B2 (ja) 無人運転車用の障害物回避方法及び装置
US20210326692A1 (en) Ann training through processing power of parked vehicles
CN109421731B (zh) 可信度检验模块、驾驶辅助系统和校准传感器的方法
JP5132750B2 (ja) 運転者支援システムのための実世界の交通場面からの視覚特性の行動ベース学習
KR20210077651A (ko) 운전 지원 시스템 및 방법
CN110806744A (zh) 使用分层选项马尔可夫决策过程的交叉路口自主驾驶决策
US11753048B2 (en) Monitoring of neural-network-based driving functions
JP7273635B2 (ja) 自動車画像の処理方法、自動車画像の処理装置及びコンピュータ読み取り可能な記憶媒体
CN105083295A (zh) 用于诊断智能传感器或智能致动器的故障的系统和方法
US11900811B2 (en) Crowdsourcing road conditions from abnormal vehicle events
CN114435351A (zh) 用于基于神经网络的自动驾驶的系统和方法
CN110770707A (zh) 用于驱控车辆模块的设备和方法
US11820379B2 (en) Method for driving maneuver assistance of a vehicle, device, computer program, and computer program product
WO2022245916A1 (en) Device health code broadcasting on mixed vehicle communication networks
CN112990251A (zh) 用于来自多个域的测量数据的评估系统
US20230132179A1 (en) Tow management systems and methods for autonomous vehicles
US11738804B2 (en) Training a vehicle to accommodate a driver
CN116391176A (zh) 用于检测车辆的环境的系统和方法
Karthi et al. Electric Vehicle Speed Control with Traffic sign Detection using Deep Learning
US20230227042A1 (en) Method for determining the reliability of objects
CN112009496B (zh) 用于自主车辆控制的安全架构
US20240078470A1 (en) Method for Training at least one Machine Learning Algorithm used to Output Specifications for Interventions in the Control System of a Motor Vehicle During Specific Driving Maneuvers
US20240067216A1 (en) Verification of vehicle prediction function

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