CN112277953A - 通过机器学习来识别脱手情形 - Google Patents
通过机器学习来识别脱手情形 Download PDFInfo
- Publication number
- CN112277953A CN112277953A CN202010704350.1A CN202010704350A CN112277953A CN 112277953 A CN112277953 A CN 112277953A CN 202010704350 A CN202010704350 A CN 202010704350A CN 112277953 A CN112277953 A CN 112277953A
- Authority
- CN
- China
- Prior art keywords
- data
- hands
- vehicle
- assistance system
- situation
- 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
Links
- 238000010801 machine learning Methods 0.000 title description 6
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000012549 training Methods 0.000 claims description 43
- 238000010586 diagram Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
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
- B60W40/08—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 drivers or passengers
-
- 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
- B60W40/06—Road 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
- 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
- B60W50/0097—Predicting future conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- 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
- B60W40/08—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 drivers or passengers
- B60W2040/0818—Inactivity or incapacity of driver
-
- 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
- B60W2050/0001—Details of the control system
- B60W2050/0002—Automatic control, details of type of controller or control system architecture
- B60W2050/0018—Method for the design of a control system
-
- 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
- B60W2420/24—Capacitance type, e.g. as level indicator
-
- 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
- B60W2510/00—Input parameters relating to a particular sub-units
- B60W2510/20—Steering systems
- B60W2510/202—Steering torque
-
- 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/223—Posture, e.g. hand, foot, or seat position, turned or inclined
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/53—Road markings, e.g. lane marker or crosswalk
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种用于以自动化的方式产生加标签的转向转矩数据(38;40)的方法,可以利用加标签的转向转矩数据对KI单元(44;50;52)进行训练,以便然后在行驶运行中识别脱手情形(54)。
Description
技术领域
本发明涉及一种根据本发明的用于创建训练数据的方法、根据本发明的数据载体、根据本发明的用于训练自学习算法的方法、根据本发明的另外的数据载体、根据本发明的用于运行驾驶员辅助系统的方法、根据本发明的驾驶员辅助系统以及根据本发明的另外的驾驶员辅助系统和根据本发明的车辆。
背景技术
在车辆、特别是机动车技术领域,监视驾驶员的转向活动是一个已知的问题。可以从转向活动中得出各种与安全有关的结论。在此,识别脱手情形(Hands-off-Situation),即,驾驶员的手不在方向盘上的时刻,形成了一个特别重要的方面。
在此,已知例如评估转向转矩曲线,并且通过进行分析来检查存在脱手情形的指示。然而,这种方案仅仅是有条件地可靠和准确的。
还已知例如使用电容式距离传感器来直接测量脱手情形。这种解决方案是高度准确的,然而也与大的技术开销相关联。
US 9,604,649B1例如描述了一种用于检查驾驶员是否将他的手放在车辆的方向盘上的方法。为此,例如在方向盘上产生干扰信号、例如摇晃,并且测量转向转矩。
在DE 10 2008 042 277A1中描述了一种方法,在该方法中,利用机器学习方案、例如神经网络,来检查转向转矩曲线的特殊特性,这些特殊特性指示手在方向盘上的情形或者手不在方向盘上的情形。
从US 2004/0039509A1中已知一种用于监控乘客安全带回拉系统的系统,该系统利用机器学习方案工作。
然而,这些基于机器学习的解决方案在训练数据的产生和正确性方面有缺点。训练数据的产生是极其复杂的,因为必须将极其大量的可能的转向转矩曲线与是否基于脱手情形的信息相关联。这里也称为对转向转矩曲线“加标签”。在手动加标签时,对于在脱手情形和手扶情形(Hands-on-Situation)之间划界,也不存在统一的评价标准。
发明内容
现在,本发明要解决的技术问题是,找到一种改善的机器学习方案,来解决所提到的问题。
上述技术问题通过根据本发明的内容来解决。本发明的其它优选设计方案从本发明的其余特征中得到。
本发明的第一方面涉及一种用于创建训练数据的方法,训练数据适合用于基于自学习算法对驾驶员辅助系统进行训练,以识别车辆中的脱手情形,所述方法包括如下步骤:
-车辆行驶,车辆配备有驾驶员辅助系统,驾驶员辅助系统在行驶期间通过传感器检测转向转矩数据,并且附加地至少检测驾驶员的手与方向盘的距离数据;
-至少根据所测量的距离数据来识别脱手情形;
-将识别出的脱手情形与识别出的脱手情形的时间段中的转向转矩数据连结,以创建加标签的转向转矩数据作为训练数据。
通过传感器以高精度检测到的手与方向盘的距离数据,可以用作是否存在脱手情形的唯一的信息基础。为此,本领域技术人员可以一次性地确定所使用的传感器的信号水平的阈值。每一次例如低于阈值时,可以自动对存在脱手情形进行评估。例如可以使用时间戳,将这种评估与所测量的转向转矩数据同步。由此,可以将存在脱手情形的时间段,唯一地与转向转矩的信号曲线中的相同的时间段相关联。
由此,通过车辆行驶,可以以自动化的方式在真实条件下产生任意集合的训练数据。在此,以统一并且可再现的方式进行脱手情形的评估。
在本发明的方法的优选设计方案中设置为,使用电容式距离传感器来检测距离数据。
这种传感器具有高精度,并且也可以良好地集成在方向盘中。
在本发明的方法的进一步优选的设计方案中设置为,使用如下的组中的附加的数据来识别脱手情形:方向盘运动数据;行驶轨迹曲线数据;车道识别数据;车辆运动数据。
由此,除了所确定的阈值之外,还可以利用补充的信息源,来针对脱手情形,对距离传感器的距离数据进行检查,以便例如在阈值周围的范围内提高识别的正确性。
再一次,换句话说,总而言之,本发明涉及一种用于以自动化的方式产生加标签的转向转矩数据的方法,可以利用加标签的转向转矩数据对KI单元进行训练,以便然后在行驶运行中识别脱手情形。
本发明的另一个方面涉及一种数据载体,其上存储有在根据前面的描述的根据本发明的用于创建训练数据的方法中产生的训练数据。下面,也将该数据载体称为训练数据载体。
数据载体可以是任意的数据载体,优选是数字数据载体,例如闪存介质。
本发明的另一个方面涉及一种用于训练自学习算法的方法,其中使用在根据前面的描述的根据本发明的用于创建训练数据的方法中产生或者存储在根据前面的描述的根据本发明的训练数据载体上的训练数据。
自学习算法例如可以包括神经网络,神经网络为了学习的目的,对加标签的转向转矩曲线进行处理。
本发明的另一个方面涉及一种数据载体,其上存储有在根据前面的描述的根据本发明的方法中进行了训练的自学习算法。下面,也将该数据载体称为算法数据载体。
本发明的另一个方面涉及一种用于运行驾驶员辅助系统的方法,其中基于自学习算法来识别车辆中的脱手情形,所述方法包括如下步骤:
-车辆行驶,车辆配备有驾驶员辅助系统,驾驶员辅助系统在行驶期间通过传感器检测转向转矩数据;
-使用经过训练的自学习算法,根据所测量的转向转矩数据,识别脱手情形。
根据本发明设置为,经过训练的自学习算法
-借助在根据前面的描述的根据本发明的用于创建训练数据的方法中产生的训练数据进行了训练;或者
-使用根据前面的描述的根据本发明的训练数据载体进行了训练;或者
-在根据前面的描述的根据本发明的用于训练自学习算法的方法中进行了训练;或者
-存储在根据前面的描述的根据本发明的算法数据载体上。
也就是说,驾驶员辅助系统作为输入向经过训练的自学习算法提供测量的未加标签的转向转矩数据,随后借助加标签的转向转矩数据进行了训练的自学习算法评估是否存在脱手情形。
与传统的方法相比,在根据本发明的方法中,识别的品质得到了显著提高,并且在此不以大的技术开销为前提条件。
特别是,在要在消费者使用期间识别脱手情形的车辆中,可以省去用于手的距离传感器。
本发明的另一个方面涉及一种驾驶员辅助系统,其被构造为用于执行根据前面的描述的根据本发明的用于创建训练数据的方法,或者用于产生根据前面的描述的根据本发明的训练数据载体,或者用于执行根据前面的描述的根据本发明的用于训练自学习算法的方法,或者用于产生根据前面的描述的根据本发明的算法数据载体。
本发明的另一个方面涉及一种驾驶员辅助系统,其被构造为用于执行根据前面的描述的根据本发明的用于运行驾驶员辅助系统的方法,其中基于经过训练的自学习算法,来识别车辆中的脱手情形。
本发明的另一个方面涉及一种车辆,所述车辆包括根据前面的描述的根据本发明的驾驶员辅助系统。
车辆优选可以是机动车、特别优选是汽车或者货车。
除非在个别情况下另外说明,否则在本申请中提到的本发明的不同的实施方式可以有利地彼此组合。
附图说明
下面,在实施例中根据附图对本发明进行说明。其中:
图1示出了根据本发明的用于创建训练数据的方法中的根据本发明的车辆;以及
图2示出了根据本发明的用于识别脱手情形的方法中的根据本发明的车辆。
具体实施方式
图1示出了具有根据本发明的驾驶员辅助系统12的根据本发明的车辆10。
驾驶员辅助系统12包括分布在车辆10中的不同的部件。这些部件包括转向转矩传感器14,转向转矩传感器14测量转向转矩数据16。此外,驾驶员辅助系统12包括电容式距离传感器18,距离传感器18可以测量驾驶员24的手22和车辆10的方向盘26之间的距离数据20。
驾驶员辅助系统12在根据本发明的方法中可以如下运行。
在车辆10行驶期间,利用转向转矩传感器14检测转向转矩数据16,并且还通过距离传感器18检测距离数据20。在车辆10下方作为方框图示出了该初始状态。
以已知的方式根据所测量的距离数据20来确定脱手情形。例如,当驾驶员24的手22与距离传感器18的距离大于所测定的距离传感器18与方向盘26的表面28的距离时,可以识别为脱手情形,并且通过逻辑“1”来对其进行编码。否则,可以通过逻辑“0”来对不存在脱手情形进行编码。
在该方框图中,示出了如何以距离传感器18的采样率为节拍(Takt),对这些编码的状态设置时间戳30,并且作为中间结果32由驾驶员辅助系统12进行中间存储。
同时,对转向转矩数据16设置相同的时间戳30,并且作为中间结果34由驾驶员辅助系统12进行中间存储。
然后,在进一步的步骤中,将中间结果34与中间结果32连结。在此,将在相应的两个相继的时间戳30之间形成的每个时间段的转向转矩数据16,与在同一时间段内存在的对距离数据20的逻辑编码相关联。由此,在结果36中消除时间戳30。在此,剩余与原始的时间段对应的转向转矩数据16,当转向转矩数据16与脱手情形对应时,转向转矩数据16相应地与逻辑“1”相关联,或者当转向转矩数据16不与脱手情形对应时,转向转矩数据16与逻辑“0”相关联。
驾驶员辅助系统12将这些结果36存储为加标签的转向转矩数据38。这些加标签的转向转矩数据38形成训练数据40,训练数据40可以如下面将详细描述的那样使用。
驾驶员辅助系统12可以将训练数据40存储在数据载体42上。
训练数据40用于基于自学习算法44(参见图2)来训练驾驶员辅助系统12、48(参见图2),驾驶员辅助系统48例如可以像前面所描述的那样构造,或者也可以构造为没有距离传感器18。
图2示出了具有根据本发明的驾驶员辅助系统48的另一个根据本发明的车辆46。车辆46与车辆10的不同之处在于,驾驶员辅助系统48没有距离传感器。
然而,驾驶员辅助系统48包括自学习算法44,在其它实施例中,也可以在驾驶员辅助系统12中设置自学习算法44。在这里描述的示例中,驾驶员辅助系统12用于创建训练数据40,而驾驶员辅助系统48使用该训练数据40,如下面所描述的。当驾驶员辅助系统12同样包括自学习算法44时,驾驶员辅助系统12例如可以与自学习算法44相同地测试所创建的训练数据40。在此,过程类似地对应于下面描述的方法。
在此,驾驶员辅助系统48具有控制设备50,自学习算法44存储或者安装在控制设备50上。
驾驶员辅助系统48例如从数据载体42中读出训练数据40,并且利用训练数据40对自学习算法44进行训练,从而产生经过训练的自学习算法52。这在车辆46下方的方框图中示出。
然后,可以利用驾驶员辅助系统48执行根据本发明的方法,在根据本发明的方法中,基于经过训练的自学习算法52,识别车辆46中的脱手情形54。
为此,车辆46行驶,并且驾驶员辅助系统48在行驶期间再次通过传感器检测转向转矩数据16。
作为输入数据56,向经过训练的自学习算法52提供转向转矩数据16。
因为如前面所描述的,对经过训练的自学习算法52进行了在转向转矩数据16中识别与脱手情形对应的特征的训练,因此当像在这里那样,存在脱手情形54时,经过训练的自学习算法52例如可以作为输出数据58对应地输出逻辑“1”。否则,可以输出逻辑“0”。
然后,可以以多种方式对关于存在脱手情形54的陈述进行进一步处理。例如,可以输出警告信号,或者可以激活自动转向。
在这里描述的示例中,车辆10特别适合用于以自动化的方式创建训练数据40,换句话说,作为开发工具。车辆46特别适合用于很好地作为最终产品,其中,可以省去距离传感器18,并且仅仍然使用用于在行驶运行中识别脱手情形的功能。
附图标记列表
10 车辆
12 驾驶员辅助系统
14 转向转矩传感器
16 转向转矩数据
18 距离传感器
20 距离数据
22 手
24 驾驶员
26 方向盘
28 表面
30 时间戳
32 中间结果
34 中间结果
36 结果
38 加标签的转向转矩数据
40 训练数据
42 数据载体
44 自学习算法
46 车辆
48 驾驶员辅助系统
50 控制设备
52 经过训练的自学习算法
54 脱手情形
56 输入数据
58 输出数据
Claims (10)
1.一种用于创建训练数据(40)的方法,所述训练数据适合用于基于自学习算法(44)对驾驶员辅助系统(12;48)进行训练,以识别车辆(10;46)中的脱手情形(54),所述方法包括如下步骤:
-车辆(10)行驶,所述车辆配备有驾驶员辅助系统(12),所述驾驶员辅助系统在行驶期间通过传感器检测转向转矩数据(16),并且附加地至少检测驾驶员(24)的手(22)与方向盘(26)的距离数据(20);
-至少根据所测量的距离数据(20)来识别脱手情形(54);
-将识别出的脱手情形(54)与识别出的脱手情形(54)的时间段中的转向转矩数据(16)连结,以创建加标签的转向转矩数据(38)作为训练数据(40)。
2.根据权利要求1所述的方法,其特征在于,使用电容式距离传感器(18)来检测距离数据(20)。
3.根据前述权利要求中任一项所述的方法,其特征在于,使用如下的组中的附加的数据来识别脱手情形(54):方向盘运动数据;行驶轨迹曲线数据;车道识别数据;车辆运动数据。
4.一种数据载体(42),其上存储有在根据权利要求1至3中任一项所述的方法中产生的训练数据(40)。
5.一种用于训练自学习算法(44)的方法,其中使用在根据权利要求1至3中任一项所述的方法中产生或者存储在根据权利要求4所述的数据载体(42)上的训练数据(40)。
6.一种数据载体,其上存储有在根据权利要求5所述的方法中经过训练的自学习算法(52)。
7.一种用于运行驾驶员辅助系统(12;48)的方法,其中基于自学习算法(44)来识别车辆(10;46)中的脱手情形(54),所述方法包括如下步骤:
-车辆(10;46)行驶,所述车辆配备有驾驶员辅助系统(12;48),所述驾驶员辅助系统在行驶期间通过传感器检测转向转矩数据(16);
-使用经过训练的自学习算法(52),根据所测量的转向转矩数据(16),识别脱手情形(54),
其特征在于,所述经过训练的自学习算法(52)
-借助在根据权利要求1至3中任一项所述的方法中产生的训练数据(40)进行了训练;或者
-使用根据权利要求4所述的数据载体(42)进行了训练;或者
-在根据权利要求5所述的方法中进行了训练;或者
-存储在根据权利要求6所述的数据载体上。
8.一种驾驶员辅助系统(12),被构造为用于执行根据权利要求1至3中任一项所述的方法,或者用于产生根据权利要求4所述的数据载体(42),或者用于执行根据权利要求5所述的方法,或者用于产生根据权利要求6所述的数据载体。
9.一种驾驶员辅助系统(48),被构造为用于执行根据权利要求7所述的方法。
10.一种车辆(10;46),所述车辆包括根据权利要求8或9所述的驾驶员辅助系统(12;48)。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019211016.9A DE102019211016A1 (de) | 2019-07-25 | 2019-07-25 | Erkennung von Hands-off-Situationen durch maschinelles Lernen |
DE102019211016.9 | 2019-07-25 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112277953A true CN112277953A (zh) | 2021-01-29 |
Family
ID=71170360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010704350.1A Pending CN112277953A (zh) | 2019-07-25 | 2020-07-21 | 通过机器学习来识别脱手情形 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11912283B2 (zh) |
EP (1) | EP3770035A1 (zh) |
CN (1) | CN112277953A (zh) |
DE (1) | DE102019211016A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020213638A1 (ja) * | 2019-04-18 | 2020-10-22 | 日本電気株式会社 | 人物特定装置、人物特定方法および記録媒体 |
KR20210070117A (ko) * | 2019-12-04 | 2021-06-14 | 현대자동차주식회사 | 모션 인식 기반 핸즈 온 판단 장치, 그를 포함한 시스템 및 그 차량 제어 방법 |
CN113200046B (zh) * | 2021-06-17 | 2023-12-05 | 东风悦享科技有限公司 | 一种驾驶员脱手方向盘检测方法及系统 |
US11667303B2 (en) | 2021-11-02 | 2023-06-06 | Robert Bosch Gmbh | Hands-off detection for autonomous and partially autonomous vehicles |
DE102022106606A1 (de) | 2022-03-22 | 2023-09-28 | Ford Global Technologies, Llc | Verfahren zum Verhindern einer unerwünschten Deaktivierung eines aktiven Parkassistenzsystems eines Fahrzeugs und aktives Parkassistenzsystem |
DE102022206603A1 (de) | 2022-06-29 | 2024-01-04 | Volkswagen Aktiengesellschaft | Verfahren zur Handdetektion, Computerprogramm, und Vorrichtung |
US11840265B1 (en) * | 2023-05-02 | 2023-12-12 | Plusai, Inc. | Variable safe steering hands-off time and warning |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102010033744A1 (de) * | 2010-08-07 | 2012-05-16 | Volkswagen Ag | Verfahren und Vorrichtung zur Freihandfahrt-Detektion |
DE102011013023A1 (de) * | 2011-03-04 | 2012-09-06 | Audi Ag | Situationsabhängiges Verfahren zur Erkennung eines Lenkradkontakts durch einen Fahrer |
DE102011109711A1 (de) * | 2011-08-06 | 2013-02-07 | Volkswagen Aktiengesellschaft | Hands-On-Erkennung im Kraftfahrzeug |
CN206475931U (zh) * | 2016-12-15 | 2017-09-08 | 吉林大学 | 一种个性化的电动助力转向系统 |
WO2018211033A1 (de) * | 2017-05-19 | 2018-11-22 | Bayerische Motoren Werke Aktiengesellschaft | Fahrerassistenzsystem mit hands-on-detektion mit unterscheidung des anliegens lediglich einer einzigen hand und beider hände am lenkrad |
GB201818515D0 (en) * | 2018-11-13 | 2018-12-26 | Jaguar Land Rover Ltd | A controller for a vehicle |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7164117B2 (en) | 1992-05-05 | 2007-01-16 | Automotive Technologies International, Inc. | Vehicular restraint system control system and method using multiple optical imagers |
US6738697B2 (en) * | 1995-06-07 | 2004-05-18 | Automotive Technologies International Inc. | Telematics system for vehicle diagnostics |
DE102008042277B4 (de) * | 2008-09-23 | 2011-04-21 | Robert Bosch Gmbh | Vorrichtung und Verfahren zur Erkennung des Kontaktzustandes an einer Welle oder Achse (Lenkrad) |
DE102013224512B4 (de) | 2013-11-29 | 2024-02-01 | Bayerische Motoren Werke Aktiengesellschaft | System und Verfahren zur Ermittlung eines Berührungsschwellwerts und Fahrzeug |
EP3683623B1 (en) | 2014-06-23 | 2021-09-29 | Honda Motor Co., Ltd. | System and method for responding to driver state |
JP6237685B2 (ja) | 2015-04-01 | 2017-11-29 | トヨタ自動車株式会社 | 車両制御装置 |
US9604649B1 (en) * | 2016-02-12 | 2017-03-28 | GM Global Technology Operations LLC | Hands-off detection enhancement by means of a synthetic signal |
DE102017216887A1 (de) * | 2017-09-25 | 2019-03-28 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur Erkennung des Kontakts von Händen mit dem Lenkrad eines Fahrzeugs |
-
2019
- 2019-07-25 DE DE102019211016.9A patent/DE102019211016A1/de active Pending
-
2020
- 2020-06-25 EP EP20182388.7A patent/EP3770035A1/de active Pending
- 2020-07-16 US US16/931,351 patent/US11912283B2/en active Active
- 2020-07-21 CN CN202010704350.1A patent/CN112277953A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102010033744A1 (de) * | 2010-08-07 | 2012-05-16 | Volkswagen Ag | Verfahren und Vorrichtung zur Freihandfahrt-Detektion |
DE102011013023A1 (de) * | 2011-03-04 | 2012-09-06 | Audi Ag | Situationsabhängiges Verfahren zur Erkennung eines Lenkradkontakts durch einen Fahrer |
DE102011109711A1 (de) * | 2011-08-06 | 2013-02-07 | Volkswagen Aktiengesellschaft | Hands-On-Erkennung im Kraftfahrzeug |
CN206475931U (zh) * | 2016-12-15 | 2017-09-08 | 吉林大学 | 一种个性化的电动助力转向系统 |
WO2018211033A1 (de) * | 2017-05-19 | 2018-11-22 | Bayerische Motoren Werke Aktiengesellschaft | Fahrerassistenzsystem mit hands-on-detektion mit unterscheidung des anliegens lediglich einer einzigen hand und beider hände am lenkrad |
GB201818515D0 (en) * | 2018-11-13 | 2018-12-26 | Jaguar Land Rover Ltd | A controller for a vehicle |
Also Published As
Publication number | Publication date |
---|---|
US20210024075A1 (en) | 2021-01-28 |
US11912283B2 (en) | 2024-02-27 |
DE102019211016A1 (de) | 2021-01-28 |
EP3770035A1 (de) | 2021-01-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112277953A (zh) | 通过机器学习来识别脱手情形 | |
EP2710572B1 (en) | Vehicle data analysis method and vehicle data analysis system | |
CN111311914B (zh) | 车辆行驶事故监控方法、装置和车辆 | |
US20190263417A1 (en) | Systems and methods for driver scoring with machine learning | |
CN101074020B (zh) | 移动体的驾驶支持装置及方法 | |
CN101031452B (zh) | 用于辅助驾驶员的方法及装置 | |
CN108885836A (zh) | 驾驶辅助方法和利用该驾驶辅助方法的驾驶辅助装置、自动驾驶控制装置、车辆、驾驶辅助系统以及程序 | |
CN108944939B (zh) | 用于提供驾驶指导的方法和系统 | |
CN109145719B (zh) | 一种驾驶员疲劳状态识别方法及系统 | |
CN104859662A (zh) | 自主车辆中的故障处理 | |
CN105745127A (zh) | 用于监测传输链路的方法 | |
CN110688877A (zh) | 一种危险预警方法、装置、设备及存储介质 | |
CN106218641A (zh) | 一种车辆新手驾驶员自动识别及安全预警方法 | |
CN103250187A (zh) | 车辆用信息收集系统 | |
KR101519217B1 (ko) | 부주의 운전 판정 장치 및 그 방법 | |
CN112835790A (zh) | 自动驾驶软件的测试方法、装置、设备及介质 | |
CN112477871A (zh) | 基于群数据识别手脱离情况 | |
CN113295350B (zh) | 用于获取列车模型动态气密性指数的系统及获取列车动态气密性指数的方法、装置和设备 | |
CN115279643A (zh) | 用于训练自动驾驶车辆的感知网络的车载主动学习方法和设备 | |
CN105329239A (zh) | 攻击性驾驶行为的检测和处理 | |
US11263837B2 (en) | Automatic real-time detection of vehicular incidents | |
CN110271557B (zh) | 一种车辆用户特征识别系统 | |
Taherifard et al. | Machine learning-driven event characterization under scarce vehicular sensing data | |
CN116186877A (zh) | 用于识别交通工具的特性的方法和装置 | |
KR102570295B1 (ko) | 차량 및 그 제어 방법 |
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 |