CN112406739A - 从多个分析评价算法中确定一个分析评价算法的方法、控制器、存储介质 - Google Patents
从多个分析评价算法中确定一个分析评价算法的方法、控制器、存储介质 Download PDFInfo
- Publication number
- CN112406739A CN112406739A CN202010849036.2A CN202010849036A CN112406739A CN 112406739 A CN112406739 A CN 112406739A CN 202010849036 A CN202010849036 A CN 202010849036A CN 112406739 A CN112406739 A CN 112406739A
- Authority
- CN
- China
- Prior art keywords
- analytical evaluation
- vehicle
- algorithm
- evaluation algorithm
- evaluation
- 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
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 208
- 238000011156 evaluation Methods 0.000 title claims abstract description 202
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004458 analytical method Methods 0.000 title description 30
- 230000007613 environmental effect Effects 0.000 claims abstract description 58
- 238000004891 communication Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000004590 computer program Methods 0.000 claims abstract description 7
- 230000004044 response Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011143 downstream manufacturing Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
-
- 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
- B60W50/04—Monitoring the functioning of the control system
- B60W50/045—Monitoring control system parameters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
- B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
- B60R21/013—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over
-
- 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
- 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
- B60W50/06—Improving the dynamic response of the control system, e.g. improving the speed of regulation or avoiding hunting or overshoot
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
- G06F18/24143—Distances to neighbourhood prototypes, e.g. restricted Coulomb energy networks [RCEN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
-
- 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
- B60W2050/0062—Adapting control system settings
- B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Transportation (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种用于从可用于处理车辆(100)的车辆传感器(110)的传感器数据(210)的多个分析评价算法(205)种确定一个分析评价算法(200)的方法。在此,所述方法包括读入的步骤和选择的步骤。在读入的步骤中,读入环境信号(225),所述环境信号代表由至少具有车辆传感器(110)的传感器单元所感测的和/或经由通信接口(120)所得到的、实时的环境参数。在选择的步骤中,在使用所述环境参数的情况下从用于分析评价所述车辆传感器(110)的所述传感器数据(210)的多个分析评价算法(205)中选择出所述分析评价算法(200)。本发明还涉及一种控制器、一种计算机程序以及一种机器可读的存储介质。
Description
技术领域
本发明从一种用于从可用于处理车辆的车辆传感器的传感器数据的多个分析评价算法中确定一个分析评价算法的方法和控制器出发。本发明的主题也涉及一种计算机程序。
背景技术
自主车辆是在无驾驶员的情况下也能应付的车辆。在此,该车辆自主地行驶,其方式是:该车辆例如独立地识别道路走向、其他交通参与者或障碍物并且在车辆中计算出相应控制指令并且将该控制指令转发给车辆中的促动器,由此,正确地影响车辆的行驶走向。驾驶员在完全自主的车辆中不参与驾驶过程。当前可用的车辆还不能自主地行动。一方面,因为相应的技术还未完全成熟。另一方面,因为目前在法律上仍规定车辆导向者必须能够随时自己干预行驶过程。这使实现自主的车辆变得困难。然而,已经存在体现高度自动化行驶的系统。因此,现今已经能预见,完全自主的车辆系统将在几年后出现在市场上。
发明内容
在这种背景下,借助在这里所提出的方法,提出一种用于从可用于处理车辆的车辆传感器的传感器数据的多个分析评价算法中确定一个分析评价算法的改进的方法、以及一种使用该方法的改进的控制器,以及最后提出一种相应的计算机程序。通过在优选实施方式中所列出的措施可以实现本发明的控制器的有利的扩展方案和改进方案。
通过在这里所提出的方法实现尽可能好地处理传感器数据的可能性,以便例如改进功能性并因此提高可靠性和安全性。
提出一种用于从可用于处理车辆的车辆传感器的传感器数据的多个分析评价算法中确定一个分析评价算法的方法。在此,该方法包括读入的步骤和选择的步骤。在读入的步骤中读入这样的环境信号,所述环境信号代表由至少具有车辆传感器的传感器单元感测到的、实时的环境参数并且附加地或替代地代表经由通信接口得到的、实时的环境参数。在选择的步骤中,在使用该环境参数的情况下从用于分析评价车辆传感器的传感器数据的多个分析评价算法中选择出一个分析评价算法。
该方法例如可以用于构型为用于运送人员并且附加地或替代地运送物体的车辆。所述车辆例如可以是相应地具有至少一个车辆传感器的高度自动化车辆。车辆传感器构造为用于能够有利地实施车辆的安全性相关的功能。车辆传感器例如可以相应地实现为光学传感器例如摄像机或激光雷达传感器。替代地,车辆传感器也可以实现为雷达或超声波传感器。例如可以借助从多个分析评价算法选择出的至少一个分析评价算法来处理由车辆传感器所感测的传感器数据、例如图像数据。这意味着,这些分析评价算法中的每一个包括针对一个分析评价的确定条件。至少一个分析评价算法例如可以实现为神经元网络或人工智能。由车辆传感器所感测的或经由通信接口得到的、实时的环境参数例如可以显示在某一时间点在车辆的当前位置的环境信息。有利地,可以通过该方法确保车辆的至少一个乘员的安全。
根据一种实施方式,可以在读入的步骤中读入代表环境参数的环境信号,其中,该环境参数代表行驶参数、天气参数、交通参数和附加地或替代地代表传感器特定的环境参数。该环境参数例如可以是呈例如可能涉及车辆的车速或轮胎压力的行驶参数形式的值。该行驶参数可以有利地代表这种值,该值涉及该车辆并且附加地或替代地涉及车辆的行驶。例如可以将例如涉及气压、气流和各种天气条件的这种值称为天气参数。由此可以有利地在降雨充沛的天气和良好的、有阳光的天气之间进行区分。交通参数表示代表例如交通密度和涉及交通的其他数据的值。例如可以将由车辆的其他传感器预处理过的数据称为传感器特定的环境参数。有利地,由此可以对车辆和附加地或替代地对车辆功能进行尽可能全面的保障。
在选择的步骤中,可以从多个分析评价算法中选择一个分析评价算法,其中,配属给所选择的分析评价算法的至少一个环境参数相当于当前环境参数。这意味着,例如将当前环境参数与保存在各个分析评价算法中的环境参数进行比较并且然后选择这样的分析评价算法:在该分析评价算法中,所保存的环境参数例如在公差范围内相应于当前环境参数,例如当前行驶参数、当前天气参数、当前交通参数并且附加地或替代地相应于由传感器特定的当前环境参数。有利地,可以通过应用所选择的分析评价算法得到精确的对于对应的状况来说可信的结果。
根据一种实施方式,在选择的步骤中,可以在使用环境信号的情况下和附加地或替代地在使用分析评价结果的情况下从多个分析评价算法中选择第二分析评价算法用于分析评价车辆传感器的传感器数据,所述分析评价结果代表将所选择的分析评价算法应用到传感器数据上的结果。这意味着,也在使用环境参数的情况下选择第二分析评价算法,使得第二分析评价算法也可以产生可信的结果。有利地,可以确保在车辆的环境中尽可能好地识别对象。
根据另一实施方式,在选择的步骤中,可以在使用环境信号的与环境信号的为选择所述分析评价算法所使用的环境参数不同的环境参数的情况下来选择第二分析评价算法。这意味着,例如可以在使用不同的环境参数的情况下,例如将高速或低速以及好天气或坏天气作为物理参量的情况下执行所述分析评价算法以及第二分析评价算法,使得有利地不会由于例如因素有偏差而导致结果失真。
此外,该方法可以包括应用所述分析评价算法和第二分析评价算法的步骤,其中,可以至少部分同时地实施和附加地或替代地按顺序实施所述分析评价算法和第二分析评价算法。这意味着,这两个分析评价算法例如可以不但同时地而且彼此相继地实施。由此,例如可以在这些分析评价算法中的一个在后台中被激活或停用的同时,另一分析评价算法在前台中被激活。有利地,可以由此实现动态的接通并且附加地或替代地实现关断。
根据一种实施方式,可以在应用的步骤中将所选择的分析评价算法应用到传感器数据上的分析评价结果和相对于所选择的分析评价算法至少部分同时地应用的第二分析评价算法的第二分析评价结果缓存。在此,可以响应于切换信号地从输出所述分析评价结果切换到输出第二分析评价结果。这意味着,例如可以将所述分析评价结果和第二分析评价结果存储在例如环形存储器中,并且例如即使在对在前台中激活的分析评价算法进行了切换之后,也总是存储在前台中激活的分析评价算法的分析评价结果。有利地,可以将所述分析评价结果和附加的或替代的第二分析评价结果引向分析评价算法的进一步应用。
在应用的步骤中,可以应用在使用环境信号的与第二分析评价算法相同的环境参数的情况下所选择的分析评价算法。由此可以有利地检查分析评价结果。
根据一种实施方式,在应用的步骤中,所选择的分析评价算法和第二分析评价算法可以被馈给以相同的传感器数据。由此,有利地,这两个分析评价结果例如可以配属给确定的时间点。
根据一种实施方法,在读入的步骤中,分析评价算法中的至少一个可以从车辆外部装置、云和附加的或替代的另一车辆读入,并且附加地或替代地,可以在选择的步骤中将至少一个所选择的分析评价算法提供给车辆外部装置、云并且附加地或替代地提供给另一车辆。车辆外部装置例如可以是车辆外部的计算机或交通装置,通过该交通装置例如可以缓存交通数据并且将其传输给另外的车辆。替代地,该车辆可以直接与另外的车辆通信,使得可以直接转发相应的数据。云例如可以表示虚拟的存储空间,在该虚拟的存储空间中可以缓存由车辆输出的数据。有利地,通过传输数据可以进一步提高交通安全性。
该方法例如可以以软件或硬件或者以软件和硬件的混合形式例如在控制器中实现。
在这里所提出的方法还实现一种控制器,该控制器构造为用于在相应的装置中实施、操控或实现在这里所提出的方法的变型方案的步骤。也可以通过本发明的呈控制器形式的这些实施方式变型方案快速且有效地解决本发明所基于的任务。
为此,所述控制器可以具有用于处理信号或数据的至少一个计算单元、用于存储信号或数据的至少一个存储单元、用于从传感器读入传感器信号的到传感器的至少一个接口或向促动器输出控制信号的到促动器的至少一个接口和/或用于读入或输出嵌入到通信协议中的数据的至少一个通信接口。计算单元例如可以是信号处理器、微控制器等,其中,存储单元可以是闪存、EEPROM或磁存储单元。通信接口可以构造为用于无线和/或有线地读入或输出数据,其中,可以读入或输出有线数据的通信接口例如可以以电学或光学的方式从相应的数据传输线路读入数据或将所述数据输出到相应的数据传输线路中。
在此,控制器可以理解为处理传感器信号并且根据该传感器信号输出控制信号和/或数据信号的电气设备。控制器可以具有可以以硬件形式和/或以软件形式构造的接口。在以硬件形式构造的情况下,所述接口例如可以是所谓的系统ASIC的一部分,系统ASIC的该部分包含控制器的各种功能。然而也可行的是,所述接口是自身的集成电路,或所述接口至少部分地由离散的构件组成。在以软件形式构造的情况下,所述接口可以是例如与其他软件模块一起存在于微控制器上的软件模块。
在一种有利的构型中,通过控制器来控制用于从可用于处理车辆传感器的传感器数据的多个分析评价算法确定分析评价算法的方法。为此,所述控制器例如可以调用传感器信号例如环境信号,所述环境信号代表由至少具有车辆传感器的传感器单元所感测的和/或经由通信接口所得到的实时环境参数。通过促动器例如读入单元和选择单元进行操控,所述读入单元构造为用于读入环境信号,所述选择单元构造为用于在使用该环境信号的情况下从用于分析评价车辆传感器的传感器数据的多个分析评价算法选择分析评价算法。
具有程序代码的计算机程序产品或计算机程序也是有利的,所述程序代码可以存储在机器可读的载体或存储介质,例如半导体存储器、硬盘或光学存储器上,并且用于尤其当在计算机或控制器上实施所述程序产品或程序时实施、实现和/或操控根据前面所说明的实施方式之一的方法的步骤。
附图说明
在附图中示出并且在下面的说明中详细阐述在这里所提出的方法的实施例。附图示出:
图1具有根据一种实施例的控制器的车辆的示意图;
图2根据一种实施例的控制器的示意图;
图3根据一种实施例的控制器的示意图;
图4根据一种实施例的用于从多个可用的分析评价算法中确定分析评价算法的方法的流程图。
在下面对本发明的有利实施例的说明中,对在不同附图中示出的且作用相似的元件使用相同或相似的附图标记,其中,省去对这些元件的重复说明。
具体实施方式
图1示出具有根据一种实施例的控制器105的车辆100的示意图。在此,车辆100构造为用于运送人员和/或物体,并且根据该实施例构型为高度自动化的车辆100。根据该实施例,控制器105构造为用于实施或操控用于从可用于处理车辆100的车辆传感器110的传感器数据的多个分析评价算法确定一个分析评价算法的方法。此外,车辆100具有车辆传感器110,该车辆传感器根据该实施例是传感器单元的一部分,该传感器单元例如可以具有多个传感器、例如光学传感器。此外,车辆100根据该实施例具有存储装置115,该存储装置构造为用于存储例如多个分析评价算法。替代地,也可以存储其他数据,例如由车辆传感器110所感测的传感器数据,所述传感器数据例如在较晚的时间点被进一步处理。存储装置115例如能实现为可重新写入的环形存储器。车辆100还具有通信接口120,该通信接口构造为用于例如与外部装置、云或另一车辆进行无线通信。替代地,存储装置也可以构造为控制器105的一部分或者说集成到该控制器中。
换句话说,在也被称为自主车辆的高度自动化的和完全自动化的车辆100中使用多个车辆传感器110,这些车辆传感器也可以共同地被称为传感器单元。根据该实施例,这种车辆100例如能够经由车对X通信与例如车辆外部的装置或者另外的车辆进行通信。这意味着,在这些机动车之间和/或在机动车与周围的基础设施、例如交通信号灯之间进行信息和数据的交换。目的是及早告知驾驶员紧急的状况和/或危险的状况。例如,车辆100收集数据,例如ABS干预、转向角度、位置、方向和速度,并且通过无线电,例如WLAN或UMTS,例如借助通信接口120将这些数据发送给其他交通参与者或交通基础设施。
此外,也被称为机动车的这种车辆100具有驾驶员辅助系统。驾驶员辅助系统例如实现为车辆100中的电子附加装置,用于在确定的行驶状况下辅助驾驶员。在此,安全性方面通常很重要,但行驶舒适性也很重要。另一方面是经济性的改善。驾驶员辅助系统部分自主地和/或自主地干预驱动装置、控制装置例如油门或制动器,或者部分自主地和/或自主地干预车辆100的信号发出装置,或者该驾驶员辅助系统通过合适的人机接口在即将面临紧急状况时或在紧急状况期间警告驾驶员。目前,大多数驾驶员辅助系统如此设计,使得在驾驶员处保留责任并且驾驶员不会被剥夺该责任。对于驾驶员辅助系统,使用不同类型的环境传感器装置,例如超声波(泊车辅助)、雷达(车道变换辅助、自动间距警告)、激光雷达(盲区监测、自动间距警告、间距调节、“预碰撞(Pre-Crash)”和“预制动(Pre-Brake)”)、摄像机(车道偏离警告、交通标志识别、车道变换辅助、盲区监测、用于行人保护的紧急制动系统)和/或GNSS(地图上的高精度车辆定位、控制自主车辆、安全停车(Safe-Stop))。在此,GNSS表示通过接收来自导航卫星的信号的在地球上和/或在空中的全球导航卫星系统(英语,Global Navigation Satellite System)。
根据该实施例,车辆传感器110或替代地下游的控制器也具有分析评价算法,以便处理车辆传感器110的数据。例如借助神经元网络或人工智能(künstlichenIntelligenzen,KI)在车辆传感器110上基于传感器数据来识别车辆100周围的对象。此外,可以借助也被称为算法的相应分析评价算法对传感器数据进行预过滤,或者为了后续处理对该传感器数据进行预处理。除了对象识别之外,在车辆100上也基于瞬时的、意味着实时的、在这里也被称为环境参数的环境传感器数据以及在其中识别到的对象来进行轨迹规划。这种分析评价算法或这种人工智能在确定的条件下仅受限地有功能能力。由于这个原因,在这里提出的控制器105有利地构造为用于从多个分析评价算法中选择一个分析评价算法。
图2示出根据一种实施例的控制器105的示意图。该控制器可以是在图1中所说明的控制器105。控制器105例如能在如图1中所说明的车辆中使用。控制器105构造为用于实施用于从可用于处理车辆的车辆传感器110的传感器数据210的多个分析评价算法205中确定所述分析评价算法200的方法。为此,控制器105具有读入单元215和选择单元220。读入单元215构造为用于读入环境信号225。环境信号225代表由具有至少一个车辆传感器110的传感器单元所感测的和/或经由通信接口120得到的实时环境参数。在此,根据该实施例,环境参数代表行驶参数、天气参数、交通参数和/或由传感器特定的环境参数。应当注意,用于传感器数据210的传感器可以是与用于环境信号225的传感器不同的传感器,然而也能想到,由相同的传感器提供传感器数据210和环境信号225。
选择单元220构造为用于从多个分析评价算法205中选择分析评价算法200,以便能够在使用环境参数的情况下对车辆传感器110的传感器数据210进行分析评价,并且根据该实施例得到分析评价结果230。由此,分析评价结果230例如能用于进一步的处理。在此,根据该实施例,配属给所选择的分析评价算法200的环境参数相当于当前环境参数。
换句话说,提出针对确定的环境参数执行多个分析评价算法205的可能性。例如,为了分析评价激光雷达传感器在天气良好的情况下的传感器数据210,使用用于在恰好这些天气条件下处理恰好这些环境传感器数据的特定分析评价算法200或特定神经元网络或特定人工智能。在天气恶劣的情况下或例如在下雪的情况下,根据该实施例,使用第二分析评价算法235来处理该车辆传感器110的传感器数据210。这意味着,基于一定的输入数据、例如天气条件进行不同的分析评价算法200、235的切换。这具有明显的优点:例如针对每个天气条件(阳光、雨、雪、雾、灰尘等)或针对通过环境信号225读入的每个另外的环境条件或输入条件使用不同的分析评价算法200、235来处理车辆内的对应的车辆传感器110的数据。在也可以被称为输入条件的环境参数发生变换时进行不同的分析评价算法中200、235的切换,使得在每个时间点,车辆内的车辆传感器110有尽可能大的性能可供使用。以这种方式更安全地构型高度自动化的行驶。根据该实施例,借助被称为环境参数的输入数据进行不同的分析评价算法200、235的切换,所述输入数据例如涉及天气条件、车速、交通密度和由传感器特定的环境参数。
根据不同的天气条件,可能有必要切换到分析评价算法200。例如,在天气条件良好的情况下,与在下雪或下雨时的分析评价不同地来分析评价激光雷达传感器的数据。为了该目的,根据该实施例,在控制器105上保存有不同的分析评价算法200、235,这些分析评价算法视天气条件而定地被接通或关断。
替代地,分析评价算法200、235针对不同的环境参数明确地设计。这意味着,在车辆传感器110或下游的处理单元(控制器)105上,在每个时间点上总是恰好仅运行一个针对确定的天气条件、确定的车速、确定的交通密度等的分析评价算法200、235。这意味着,根据一个实施例,多个分析评价算法200、235在车辆传感器110上和/或在控制器105上按顺序地运行。在这种情况下,分析评价算法200、235如此设计,使得借助少量的分析评价算法200、235以尽可能大的性能满足尽可能多的环境条件。所述环境条件例如可以相应于用于良好天气的天气条件算法、用于不良天气的天气条件算法、低速时的速度算法、高速时的速度算法、天气良好且速度低的情况下的天气条件和速度算法,用于高速时的良好天气的天气条件和速度算法、在天气不良且速度低的情况下的天气条件和速度算法以及在天气不良且速度高的情况下的天气条件和速度算法。这根据该实施例仅是简化的示例。在此,算法200、235覆盖至少一个输入变量、例如天气条件。仅基于例如天气条件而没有不同输入数据的组合的简单切换在该实施例中也是可行的。基于不同的输入条件的不同分析评价算法200、235的数量和类型例如可以取决于车辆传感器类型。例如,对于激光雷达传感器,基于天气进行的分析评价算法200、235切换是有意义的,而例如对于雷达传感器,根据交通密度进行切换是有意义的。例如对于摄像机传感器,可能必需根据速度进行切换,以便分别以良好的性能识别在不同速度时的图像流中的对象,因为例如在速度较高的情况下,对象会更失真。
根据一种实施例,分析评价算法200、235针对不同的输入数据如此设计,使得这些分析评价算法例如可以级联地相继实施。例如,借助所提及的分析评价算法200、235根据例如天气条件对传感器数据210进行预处理,并且接下来借助根据本实施例被称为第二分析评价算法235的下游分析评价算法根据例如车速或交通密度对传感器数据210进行进一步处理。由此,有利地减少所保存的分析评价算法200、235的数量,使得不是每个单个输入条件都必需有其自己的算法,由此,又节省了车辆内的存储量。在此,级联内的、也被称为算法的分析评价算法200、235能够根据不同的输入数据生成尽可能良好的输出数据、这意味着生产分析评价结果。
例如,根据该实施例,可以借助针对天气条件的上游算法的输出数据对用于与车速有关地分析评价环境传感器数据的分析评价算法200、235进行设计、训练或学习。接下来,相应的车速算法可以基于在级联中位于该车速算法之前的、针对天气条件的对应的不同分析评价算法200、235来基于该天气条件算法的结果对传感器数据210实施进一步处理。这例如意味着,在天气条件变换的情况下切换天气条件算法,然而不强制性地也切换用于车速分析评价的算法。这具有明显的优点:更少的算法必须被保存。根据该实施例,对此的示例是用于良好天气的天气条件算法和低速时的车速算法、用于良好天气的天气条件算法和高速时的车速算法、用于不良天气的天气条件算法和低速下的车速算法以及用于不良天气的天气条件算法和高速下的车速算法。这仅是简化的示例。在此,算法的级联包括针对不同输入条件的至少两个算法并且这些算法可以是任意长度的,由此得出不同的排列可能性。
根据一种实施例,分析评价算法200、235是智能算法、例如神经元网络或人工智能(KI)。这些智能算法例如借助针对不同天气条件或不同车速的训练数据进行学习或者视实施方式而定利用对应的相关输入数据的组合进行学习。接下来,在生产时将相应的算法200、235保存在车辆传感器110中和/或控制器105上。此外能想到,根据一种实施例,相应的算法200、235在云内进行学习并且接下来所述算法经由车对X通信连接传输到相应的车辆和其车辆传感器110和/或控制器105上。
替代于或附加于在图2中示出的场景,分析评价算法200或多个分析评价算法205也可以布置或保存在车辆传感器110之一上,而不需要集成到单独的控制器中。在这种情况下,例如可以将控制器105理解为车辆传感器110之一的一部分。也能想到,分析评价算法200中的仅一个或多个分析评价算法保存在这些车辆传感器110中的一个或多个车辆传感器上并且在相应地选择时通过(例如单独的)控制器105相应地“下载”。以这种方式,例如也可以针对每个相应的传感器类型设置相应不同的分析评价算法,这些分析评价算法被(例如中央的)控制器105使用。
替代地或附加地,也可以经由通信接口120读入分析评价算法200。例如可以实现为诸如UMTS连接、EDGE连接、LTE连接、5G连接的移动无线电连接、WLAN连接或蓝牙连接或类似连接的这个通信接口120例如使控制器105能够从中央服务器或云加载一个或多个分析评价算法200并且相应地在控制器105中使用所述分析评价算法。这种实施例具有快速配置所提供的分析评价算法的优点,使得例如即使在控制器105或车辆传感器110交货之后,仍可以对分析评价算法200进行适配或优化。原则上,选择分析评价算法也可以在中央服务器、例如云中进行。为此,例如应将环境信号225(例如也在使用通信接口120的情况下)传输给该中央服务器或云,使得在云或中央服务器中有所需要的信息或可用的分析评价算法可供使用,以便能够选择最有利的或最合适的分析评价算法。因此,能看出,在这里所提出的方法不是仅能在车辆100的单元中实施,而是在这里所提出的方法可以在车辆以内或以外的任意位置处实现。因此,可以实施这样的实施例:在该实施例中,从位于云中的一定量的分析评价算法中加载相关的或者说所选择的分析评价算法200,并且接下来在选择单元220上运行所述分析评价算法,或者,该选择单元在云中实现,那么在控制器105中加载和运行所选择的分析评价算法。
图3示出根据一种实施例的控制器105的示意图。在这里所示出的控制器105可以是对于图2中所说明的控制器105的一种替代的实施例,可以针对如图1中所说明那样的车辆实现。根据该实施例,控制器105也像图2中所说明的控制器105那样具有读入单元215和选择单元220。在这里,读入单元215也构造为用于读入环境信号225。选择单元220构造为用于选择分析评价算法200。附加地,选择单元220根据该实施例构造为用于在使用环境信号225的情况下(这意味着例如在使用与用于选择分析评价算法200的环境信号225的环境参数相比相同或不同的环境信号225的环境参数的情况下)和/或根据该实施例在使用分析评价结果305的情况下选择第二分析评价算法235用于分析评价传感器数据210。根据该实施例,分析评价算法200和第二分析评价算法235在此可以至少部分同时地和/或按顺序地实施。
分析评价结果305例如代表将所选择的分析评价算法200应用到传感器数据210上的结果。在此,第二分析评价结果310例如代表将所选择的第二分析评价算法235应用到传感器数据210上的第二结果。在根据该实施例响应于切换信号325地从输出分析评价结果305切换到输出第二分析评价结果310或者从输出第二分析评价结果310切换到输出分析评价结果305之后,根据该实施例,借助存储信号320将分析评价结果305和第二分析评价结果310例如缓存在存储装置315上。在此,存储装置315例如实现为或可实现为环形存储器。
换句话说,根据该实施例,由控制器105读入用于切换所保存的分析评价算法200、235的相应输入数据并且接下来释放或启动相应的分析评价算法200、235。这例如可以在车辆行驶期间动态地进行。为了该目的,例如,将车辆传感器的确定的传感器数据210写入在存储装置315、例如循环的环形存储器中,并且借助针对一个输入条件激活的分析评价算法200对这些传感器数据进行分析评价。在后台,马上要切换到的第二分析评价算法235也已经借助缓存的传感器数据210而被启动和/或运行。接下来,停用仍活跃的算法200,并且迅速地切换到现在稳定的第二算法235,其方式为,从现在开始,仅将所接通的第二算法235的数据用于行驶,而不再使用被停用的分析评价算法200的数据。基于该停用的分析评价算法200的计算就被中断并且环形存储器仅还以第二算法235进行分析评价。以这种方式,以安全的方式切换分析评价算法200、235,其方式是,首先并行地计算两个算法200、235,并且在第二算法235处于稳定状态时才中断第一算法200。例如,可选地由车辆外部的天气服务器或根据瞬时车辆位置在云中求取天气数据并且例如经由车对X通信连接将所述天气数据传输到车辆中。根据一种实施例,例如借助车辆中的基于GNSS的传感器或借助轮速传感器数据来求取瞬时车速。根据一种实施例,可选地,例如也从云接收交通密度,所述云随时间接收在确定区域中的相应车辆位置并且将该车辆位置与交通密度信息进行组合。此外,根据一种实施例,借助安装在车辆中的环境传感器和对象识别来确定交通密度。
图4示出根据一种实施例的用于从多个可用的分析评价算法中确定一个分析评价算法的方法400的流程图。根据该实施例,如在图1至3中所说明的那样,在这里所说明的方法400能由控制器实施。在此,方法400包括读入405环境信号的步骤,该环境信号代表由至少具有车辆传感器的传感器单元所感测的和/或经由通信接口得到的实时环境参数。此外,方法400包括在使用该环境参数的情况下从用于分析评价车辆传感器的传感器数据的多个分析评价算法中选择410分析评价算法的步骤。可选地,在读入405的步骤中,从车辆外部装置、云和/或另一车辆读入分析评价算法中的至少一个,和/或在选择410的步骤中,将至少一个所选择的分析评价算法提供给该车辆外部装置、云和/或所述另一车辆。
此外,根据该实施例的方法400包括应用415所述分析评价算法和第二分析评价算法的步骤,其中,至少部分同时地和/或按顺序地执行所述分析评价算法和第二分析评价算法。在此,在应用415的步骤中应用在使用与第二分析评价算法相同的环境信号的环境参数的情况下所选择的分析评价算法。根据该实施例,所选择的分析评价算法和第二分析评价算法可选地被馈给以相同的传感器数据。
如果实施例包括第一特征和第二特征之间的“和/或”关联,则这应如此解读:该实施例根据一种实施方式不但具有第一特征而且具有第二特征,而根据另一实施方式,或者仅具有第一特征或者仅具有第二特征。
Claims (13)
1.一种用于从可用于处理车辆(100)的车辆传感器(110)的传感器数据(210)的多个分析评价算法(205)中确定一个分析评价算法(200)的方法(400),其中,所述方法(400)包括以下步骤:
-读入(405)环境信号(225),所述环境信号代表由至少具有所述车辆传感器(110)的传感器单元所感测的和/或经由通信接口(120)所得到的、实时的环境参数;和
-在使用所述环境参数的情况下从用于分析评价所述车辆传感器(110)的所述传感器数据(210)的所述多个分析评价算法(205)中选择(410)出所述分析评价算法(200)。
2.根据权利要求1所述的方法(400),在所述方法中,在读入(405)的步骤中读入代表所述环境参数的环境信号(225),其中,所述环境参数代表行驶参数、天气参数、交通参数和/或传感器特定的环境参数。
3.根据前述权利要求中任一项所述的方法(400),在所述方法中,在选择(410)的步骤中,从所述多个分析评价算法(205)中选择所述分析评价算法(200),其中,配属给所选择的分析评价算法(200)的至少一个环境参数相当于当前环境参数。
4.根据前述权利要求中任一项所述的方法(400),在所述方法中,在选择(410)的步骤中,在使用所述环境信号(225)的情况下和/或在使用分析评价结果(305)的情况下从所述多个分析评价算法(205)中选择用于分析评价所述车辆传感器(110)的所述传感器数据(210)的第二分析评价算法(235),所述分析评价结果代表将所选择的分析评价算法(200)应用到所述传感器数据(210)上的结果。
5.根据权利要求4所述的方法(400),在所述方法中,在选择(410)的步骤中,在使用所述环境信号(225)的与所述环境信号(225)的为选择所述分析评价算法(200)所使用的环境参数不同的环境参数的情况下选择所述第二分析评价算法(235)。
6.根据权利要求4或5所述的方法(400),所述方法具有应用(415)所述分析评价算法(200)和所述第二分析评价算法(235)的步骤,其中,至少部分同时地和/或按顺序地实施所述分析评价算法(200)和所述第二分析评价算法(235)。
7.根据权利要求6所述的方法(400),在所述方法中,在应用(415)的步骤中将所选择的分析评价算法(200)应用到所述传感器数据(210)上的分析评价结果(305)和相对于所选择的分析评价算法(200)至少部分同时地应用的第二分析评价算法(235)的第二分析评价结果(310)缓存,其中,响应于切换信号(325)地从输出所述分析评价结果(305)切换到输出所述第二分析评价结果(310)。
8.根据权利要求7所述的方法(400),在所述方法中,在应用(415)的步骤中,应用在使用所述环境信号(225)的与所述第二分析评价算法(235)相同的环境参数的情况下所选择的分析评价算法(200)。
9.根据权利要求7或8所述的方法(400),其中,在应用(415)的步骤中,所选择的分析评价算法(200)和所述第二分析评价算法(235)被馈给以相同的传感器数据(210)。
10.根据前述权利要求中任一项所述的方法(400),其中,在读入(405)的步骤中,从车辆外部装置、云和/或另一车辆经由所述通信接口(120)读入分析评价算法(200,235)中的至少一个,和/或,在选择(410)的步骤中,将至少一个所选择的分析评价算法(200,235)经由所述通信接口(120)提供给所述车辆外部装置、云和/或另一车辆。
11.一种控制器(105),所述控制器设置为用于在相应的单元(215,220)中实施和/或操控根据前述权利要求中任一项所述的方法(400)的所述步骤(405,410,415)。
12.一种计算机程序,所述计算机程序设置为用于实施和/或操控根据权利要求1至10中任一项所述的方法(400)的所述步骤(405,410,415)。
13.一种计算机可读的存储介质,在所述计算机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。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019212604.9 | 2019-08-22 | ||
DE102019212604.9A DE102019212604A1 (de) | 2019-08-22 | 2019-08-22 | Verfahren und Steuergerät zum Bestimmen eines Auswertealgorithmus aus einer Mehrzahl von verfügbaren Auswertealgorithmen zur Verarbeitung von Sensordaten eines Fahrzeugsensors eines Fahrzeugs |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112406739A true CN112406739A (zh) | 2021-02-26 |
Family
ID=74495491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010849036.2A Pending CN112406739A (zh) | 2019-08-22 | 2020-08-21 | 从多个分析评价算法中确定一个分析评价算法的方法、控制器、存储介质 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11731641B2 (zh) |
CN (1) | CN112406739A (zh) |
DE (1) | DE102019212604A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7377826B2 (ja) * | 2021-03-09 | 2023-11-10 | 本田技研工業株式会社 | 故障予兆検知システム、自動車、故障予兆検知方法、及びプログラム |
DE102021130805A1 (de) | 2021-11-24 | 2023-05-25 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und vorrichtung zur analyse eines umfelds zumindest eines kraftfahrzeugs |
Family Cites Families (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8538636B2 (en) * | 1995-06-07 | 2013-09-17 | American Vehicular Sciences, LLC | System and method for controlling vehicle headlights |
US9141974B2 (en) * | 2008-01-16 | 2015-09-22 | Martin Kelly Jones | Systems and methods for determining mobile thing (MT) identification and/or MT motion activity using sensor data of wireless communication device |
US9049558B2 (en) * | 2012-08-30 | 2015-06-02 | Scott Andrew Horstemeyer | Systems and methods for determining mobile thing motion activity (MTMA) using sensor data of wireless communication device (WCD) and initiating activity-based actions |
US9129523B2 (en) * | 2013-05-22 | 2015-09-08 | Jaybridge Robotics, Inc. | Method and system for obstacle detection for vehicles using planar sensor data |
US20140341465A1 (en) * | 2013-05-16 | 2014-11-20 | The Regents Of The University Of California | Real-time pose estimation system using inertial and feature measurements |
US10430733B2 (en) * | 2013-09-11 | 2019-10-01 | Hitachi, Ltd. | Analysis method for time series data and device therefor |
DE102014002150B3 (de) * | 2014-02-15 | 2015-07-23 | Audi Ag | Verfahren zur Ermittlung der absoluten Position einer mobilen Einheit und mobile Einheit |
CA2943454C (en) * | 2014-04-04 | 2022-08-23 | Superpedestrian, Inc. | Systems, methods and devices for the operation of electrically motorized vehicles |
AU2014274650B2 (en) * | 2014-12-12 | 2021-02-25 | Caterpillar Of Australia Pty Ltd | Processing of terrain data |
MX2017014648A (es) * | 2015-05-15 | 2018-04-11 | Airfusion Inc | Aparato portatil y metodo para apoyo de decision para fusion y analisis de datos de sensores multiples automatizados en tiempo real. |
US10235629B2 (en) * | 2015-06-05 | 2019-03-19 | Southwest Research Institute | Sensor data confidence estimation based on statistical analysis |
US10019005B2 (en) * | 2015-10-06 | 2018-07-10 | Northrop Grumman Systems Corporation | Autonomous vehicle control system |
DE102016205867A1 (de) * | 2016-04-08 | 2017-10-12 | Robert Bosch Gmbh | Verfahren zur Bestimmung einer Pose eines wenigstens teilautomatisiert fahrenden Fahrzeugs mittels verschiedener Landmarkentypen |
US10036359B2 (en) * | 2016-05-19 | 2018-07-31 | GM Global Technology Operations LLC | Hybrid vehicle engine starter control systems and methods |
US20180373992A1 (en) * | 2017-06-26 | 2018-12-27 | Futurewei Technologies, Inc. | System and methods for object filtering and uniform representation for autonomous systems |
DE102017212835A1 (de) * | 2017-07-26 | 2019-01-31 | Robert Bosch Gmbh | Steuerungssystem für ein autonomes Fahrzeug |
US10525873B2 (en) * | 2018-02-20 | 2020-01-07 | Toyota Research Institute, Inc. | Turn by turn activation of turn signals |
US10769840B2 (en) * | 2018-02-27 | 2020-09-08 | Nvidia Corporation | Analysis of point cloud data using polar depth maps and planarization techniques |
DE102018002514A1 (de) * | 2018-03-27 | 2018-09-20 | Daimler Ag | Verfahren zum Betrieb eines Assistenzsystems |
US10678520B2 (en) * | 2018-03-29 | 2020-06-09 | General Electric Company | Replacement algorithm selection platform |
DE102018206712B4 (de) * | 2018-05-02 | 2022-02-03 | Audi Ag | Betriebsverfahren für eine autonom betreibbare Vorrichtung und autonom betreibbare Vorrichtung |
JP7106997B2 (ja) * | 2018-06-04 | 2022-07-27 | 日本電信電話株式会社 | データ分析システムおよびデータ分析方法 |
US20200168012A1 (en) * | 2018-11-28 | 2020-05-28 | International Business Machines Corporation | Personal fuel efficiency for vehicles of interest |
US11030476B2 (en) * | 2018-11-29 | 2021-06-08 | Element Ai Inc. | System and method for detecting and tracking objects |
US20200249936A1 (en) * | 2019-02-04 | 2020-08-06 | James Ronald Barfield, JR. | Method and system for a platform for api based user supplied algorithm deployment |
US11228501B2 (en) * | 2019-06-11 | 2022-01-18 | At&T Intellectual Property I, L.P. | Apparatus and method for object classification based on imagery |
-
2019
- 2019-08-22 DE DE102019212604.9A patent/DE102019212604A1/de active Pending
-
2020
- 2020-08-20 US US16/998,445 patent/US11731641B2/en active Active
- 2020-08-21 CN CN202010849036.2A patent/CN112406739A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
DE102019212604A1 (de) | 2021-02-25 |
US11731641B2 (en) | 2023-08-22 |
US20210053581A1 (en) | 2021-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113128326B (zh) | 具有语义地图和lstm的车辆轨迹预测模型 | |
CN111434554B (zh) | 基于乘客和环境感知驾驶风格简档来控制自主车辆 | |
CN109814544B (zh) | 用于在自主车辆中操纵绕过障碍物的系统和方法 | |
US11592570B2 (en) | Automated labeling system for autonomous driving vehicle lidar data | |
CN109421739B (zh) | 用于监控自主车辆的方法和设备 | |
US11520349B2 (en) | Autonomous driving device | |
US11345359B2 (en) | Autonomous driving vehicles with dual autonomous driving systems for safety | |
KR20180092314A (ko) | 모션 계획에 기초한 자율 주행 차량의 운행 방법 및 시스템 | |
CN108189837B (zh) | 车辆控制装置 | |
US11740628B2 (en) | Scenario based control of autonomous driving vehicle | |
US9956958B2 (en) | Vehicle driving control device and control device | |
CN112238862B (zh) | 用于自主驾驶平台的开放和安全监视系统 | |
CN114730186A (zh) | 用于运行车辆的自主行驶功能的方法 | |
CN112406739A (zh) | 从多个分析评价算法中确定一个分析评价算法的方法、控制器、存储介质 | |
CN113391629A (zh) | 利用安全冗余自动系统增强路径障碍物检测的方法 | |
US20200409351A1 (en) | Safety mechanism for joystick control for controlling an unmanned vehicle | |
CN113748059A (zh) | 离线和在线解决方案相结合的停车轨迹生成方法 | |
CN115516397A (zh) | 用于自动驾驶车辆的交通灯光检测和分类 | |
EP4147936B1 (en) | Drive with caution under uncertainty for an autonomous driving vehicle | |
JP2019199118A (ja) | 異常検出装置 | |
US11288528B2 (en) | Differentiation-based traffic light detection | |
CN112441016A (zh) | 基于齿轮的车辆载荷推断系统 | |
CN113492848A (zh) | 用于自主驾驶车辆安全操作员的前方碰撞告警警报系统 | |
CN113353005B (zh) | 用于处理自动驾驶系统与车辆之间的通信延迟的系统 | |
CN113496189B (zh) | 基于静态障碍物地图的感知方法及系统 |
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 |