CN116368052A - 用于分析机动车的环境的方法 - Google Patents
用于分析机动车的环境的方法 Download PDFInfo
- Publication number
- CN116368052A CN116368052A CN202180074627.XA CN202180074627A CN116368052A CN 116368052 A CN116368052 A CN 116368052A CN 202180074627 A CN202180074627 A CN 202180074627A CN 116368052 A CN116368052 A CN 116368052A
- Authority
- CN
- China
- Prior art keywords
- environment
- motor vehicle
- sensor data
- analysis
- different
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004590 computer program Methods 0.000 claims abstract description 9
- 230000007613 environmental effect Effects 0.000 claims description 79
- 238000004458 analytical method Methods 0.000 claims description 66
- 238000005516 engineering process Methods 0.000 claims description 8
- 230000001419 dependent effect Effects 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- ZINJLDJMHCUBIP-UHFFFAOYSA-N ethametsulfuron-methyl Chemical compound CCOC1=NC(NC)=NC(NC(=O)NS(=O)(=O)C=2C(=CC=CC=2)C(=O)OC)=N1 ZINJLDJMHCUBIP-UHFFFAOYSA-N 0.000 description 1
- 238000013432 robust analysis Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/809—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data
-
- 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
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种用于分析机动车的环境的方法,其中,多次分析该环境,以便分别求取多个结果,其中,所述多个结果中的每个结果至少说明是否有对象处于该机动车的环境中,其中,如果所述多个结果中的多数说明有对象处于该机动车的环境中,则作为整体结果确定:有对象处于该机动车的环境中,其中,如果所述多个结果中的多数说明没有对象处于该机动车的环境中,则作为整体结果确定:没有对象处于该机动车的环境中。本发明涉及一种设备、一种系统、一种计算机程序和一种机器可读的存储介质。
Description
技术领域
本发明涉及一种用于分析机动车的环境的方法。此外,本发明涉及一种设备、一种用于分析机动车的环境的系统、一种计算机程序和一种机器可读的存储介质。
背景技术
公开文献DE 10 2017 212 227 A1公开了用于在道路交通中进行车辆数据收集和车辆控制的一种方法或者一种系统。
公开文献DE 10 2018 101 487 A1公开了用于碰撞避免的系统和方法。
发明内容
本发明所基于的任务可以视为,提供一种用于高效地分析机动车的环境的方案。
该任务借助独立权利要求的对应主题来解决。本发明的有利构型是相应从属权利要求的主题。
根据第一方面,提供一种用于分析机动车的环境的方法,其中,多次分析所述环境,以便分别求取多个结果,这些结果尤其可以被称为单个结果(Einzelergebnisse),其中,所述多个结果中的每个结果至少说明是否有对象处于该机动车的环境中,其中,如果所述多个结果中的多数说明有对象处于该机动车的环境中,则作为整体结果确定:有对象处于该机动车的环境中,其中,如果所述多个结果中的多数说明没有对象处于该机动车的环境中,则作为整体结果确定:没有对象处于该机动车的环境中。
根据第二方面,提供一种设备,该设备设置用于实施根据第一方面的方法的所有步骤。
根据第三方面,提供一种用于分析机动车的环境的系统,其中,该系统包括多个环境传感器,所述环境传感器设置用于检测机动车的环境,其中,该系统包括根据第二方面的设备。
根据第四方面,提供一种计算机程序,该计算机程序包括指令,所述指令在通过计算机、例如通过根据第二方面的设备和/或通过根据第三方面的系统执行该计算机程序时促使所述计算机实施根据第一方面的方法。
根据第五方面,提供一种机器可读的存储介质,在该存储介质上存储有根据第四方面的计算机程序。
本发明基于并且包括以下认知:多次分析、尤其多次并行地分析机动车的环境,其中,所述单个结果至少分别说明是否有对象处于该机动车的环境中,其中,将这些单个结果用于作为求取整体结果的基础,该整体结果说明是否有对象处于该机动车的环境中。因此设置,多数进行决策。因此只要所述单个结果中的多数说明没有对象处于该机动车的环境中,就作为整体结果确定:没有对象处于该机动车的环境中。只要所述单个结果中的多数说明有对象处于该机动车的环境中,就作为整体结果确定:有对象处于该机动车的环境中。
由此例如实现以下技术优点:能够高效地分析机动车的环境。尤其是由此实现以下技术优点:整体结果是特别值得信任且可靠的。如果例如要出现所述多个结果中的一个结果错误地说明有对象处于该机动车的环境中,但这将不被反映在整体结果中,只要所述多个结果中的多数正确地说明没有对象处于该机动车的环境中。在此认为,所述结果的多数提供正确结果与反之相比是更可能的。因此能够高效地补偿单个结果中的错误,从而以有利的方式使得能够实现对机动车的环境的稳健分析。
根据一种实施方式设置,在使用以下分析工具中的至少一个分析工具的情况下执行对环境的多次分析:不同的计算机架构、不同的编程语言、不同的分析方法、尤其是分析方法的不同开发者。
由此例如实现以下技术优点:能够高效地创造冗余和/或能够高效地创造多样性。
在一种实施方式中设置,分别在使用来自对机动车的环境进行检测的不同的环境传感器、尤其是来自不同制造商的环境传感器和/或基于不同传感器技术的环境传感器的环境传感器数据的情况下执行对该环境的多次分析。
由此例如实现以下技术优点:能够高效地创造冗余和/或能够高效地创造多样性。
根据一种实施方式设置,分别在使用来自在不同的框架条件下对机动车的环境进行检测的环境传感器的环境传感器数据的情况下执行对环境的多次分析。
由此尤其实现以下技术优点:“存在对于环境检测而言的优化的框架条件”有高概率,从而“相应的结果是正确结果”的概率被提高。
根据一种实施方式设置,所述框架条件包括以下框架条件组中的一个或者多个元素:环境传感器的对应的位置、环境传感器的对应的视角、光条件。
由此例如实现以下技术优点:能够选择特别适合的框架条件。光条件例如说明,是否附加的光可供用于照亮环境。附加地在此尤其意味着,例如人造光可供使用。
根据一种实施方式设置,分别在使用来自对机动车的环境进行检测的环境传感器的环境传感器数据的情况下执行对环境的多次分析,其中,在使用第一分析方法的情况下执行所述对环境的多次分析的第一分析,并且其中,在使用第二分析方法的情况下执行所述对环境的多次分析的第二分析,其中,该第一分析方法包括对应的环境传感器数据与参考环境传感器数据的比较,以便识别该机动车的环境中的改变,其中,如果识别到改变,则确定有对象处于该环境中,其中,该第二分析方法没有对应的环境传感器数据与参考环境传感器数据的比较。
由此例如实现以下技术优点:能够高效地分析环境。第一分析方法基于所谓的空地监控或者说空闲空间监控。参考环境传感器数据尤其说明因此所已知的参考。相对于该参考的改变或者说偏差意味着,一定有对象处于该机动车的环境中。只要在此基于所述环境传感器数据确定出改变,则根据参考环境传感器数据已被分类或者说确定为空闲的地面一定包括对象。因此能够高效地识别是否有对象处于该机动车的环境中。
第二分析方法基于在环境传感器数据的基础上的直接的对象探测,而没有与参考环境传感器数据的比较。第二分析方法例如包括光流的计算。
根据一种实施方式设置,根据第一方面的方法是计算机实现的方法。
根据一种实施方式设置,借助根据第二方面的设备和/或借助根据第三方面的系统来执行根据第一方面的方法。
根据一种实施方式设置,根据第三方面的系统设置用于实施根据第一方面的方法的所有步骤。
方法特征类似地由相应的设备特征和/或系统特征得出,反之亦然。这因此尤其是意味着,根据第一方面的方法的技术功能性由根据第二方面的设备的相应的技术功能性和/或由根据第三方面的系统的技术功能性得出,反之亦然。
根据一种实施方式,根据第一方面的方法包括借助环境传感器对机动车的环境的对应的检测。
在本说明书的意义上的环境传感器数据表征或者说描述机动车的环境。
在一种实施方式中设置,分别在使用来自环境传感器的环境传感器数据的情况下执行对环境的多次分析,所述环境传感器检测机动车的环境。
由此例如实现以下技术优点:能够高效地分析环境。
在本说明书的意义上的环境传感器例如是以下环境传感器中的一个环境传感器:雷达传感器、激光雷达传感器、超声波传感器、磁场传感器、红外传感器和视频传感器。
根据一种实施方式,环境传感器被运动探测器包括。
根据一种实施方式设置,所述多个环境传感器分布在基础设施内、尤其停车场内。
例如,根据一种实施方式,所述多个环境传感器空间分布地布置,尤其是空间分布地布置在基础设施内,尤其停车场内。
基础设施例如包括以下基础设施中的一个或者多个基础设施:停车场、道路枢纽——尤其是交叉路口及环行交通和/或合流处、高速公路入口、高速公路出口、一般的入口、一般的出口、高速公路、城镇公路、建筑工地、收费站和隧道。
根据一种实施方式设置,基于整体结果产生用于至少部分自动化地控制机动车的横向引导和/或纵向引导的控制信号,以便基于所输出的控制信号至少部分自动化地引导机动车。根据一种实施方式设置,输出所产生的控制信号。
根据一种实施方式设置,基于所输出的控制信号至少部分自动化地控制机动车的横向引导和/或纵向引导,以便至少部分自动化地引导该机动车。
表述“至少部分自动化的引导”包括下述情况下中的一种或者多种情况:受辅助的引导、部分自动化的引导、高度自动化的引导、全自动化的引导。
受辅助的引导意味着,机动车的驾驶员持续地实施机动车的横向引导或者纵向引导。对应另一行驶任务自动化地执行(即控制机动车的纵向引导或者横向引导)。这意味着,在受辅助地引导机动车时,或者横向引导或者纵向引导被自动化地控制。
部分自动化的引导意味着,在特定状况下(例如:在高速公路上行驶、在停车场内行驶、超过对象、在通过车道标记特定的车道内行驶)和/或对于特定的时间段自动化地控制机动车的纵向引导和横向引导。机动车的驾驶员不必本身手动控制机动车的纵向引导和横向引导。但驾驶员必须持续地监控对纵向引导和横向引导的自动化控制,使得在需要时能够手动干预。驾驶员必须随时准备着完全接管机动车引导。
高度自动化地引导意味着,对于特定的时间段在特定状况下(例如:在高速公路上行驶、在停车场内行驶、超过对象、在通过车道标记特定的车道内行驶),自动化地控制机动车的纵向引导和横向引导。机动车的驾驶员不必本身手动控制机动车的纵向引导和横向引导。驾驶员不必持续地监控对纵向引导和横向引导的自动化控制,使得在需要时能够手动干预。在需要时,自动化地向驾驶员输出接管请求以便接管对纵向引导和横向引导的控制、特别是具有足够的时间余量地输出。因此,驾驶员必须潜在地能够接管对纵向引导和横向引导的控制。横向引导和纵向引导的自动化控制的极限被自动化地识别。在高度自动化的引导的情况下不能实现在各种第一状况下自动化地达到风险最小的状态。
全自动化地引导意味着,在特定状况下(例如:在高速公路上行驶、在停车场内行驶、超过对象、在通过车道标记特定的车道内行驶)自动化地控制机动车的纵向引导和横向引导。机动车的驾驶员不必本身手动控制机动车的纵向引导和横向引导。驾驶员不必监控对纵向引导和横向引导的自动化控制,使得能够在需要时手动干预。在对横向引导和纵向引导的自动化控制结束之前,自动化地进行对驾驶员发出请求用于接管行驶任务(对机动车的横向引导和纵向引导的控制)、特别是具有足够的时间余量地进行。如果驾驶员不接管驾驶任务,则自动化地返回到风险最小的状态中。自动化地识别对横向引导和纵向引导的自动化控制的极限。在所有状况下能够实现自动化地返回到风险最小的系统状态下。对纵向引导和横向引导的自动化控制的界限被自动化识别到。在任何状况下都能够实现自动化返回到风险最小的系统状态中。
在一种实施方式中,所述环境传感器中的一些环境传感器或者所有的环境传感器被机动车包括。被机动车包括的环境传感器尤其可以被称为机动车环境传感器。被基础设施包括的或者说在基础设施内空间分布的、尤其空间分布地布置的环境传感器,例如可以被称为基础设施环境传感器。
在一种实施方式中,根据第二方面的设备和/或根据第三方面的系统被机动车或者基础设施包括。在一种实施方式中,不仅机动车而且基础设施分别包括根据第二方面的设备和/或根据第三方面的系统。
根据一种实施方式,借助机动车来实施根据第一方面的方法。
根据一种实施方式设置,产生包括整体结果的通信消息。根据一种实施方式设置,通过通信网络、尤其是通过无线通信网络发送该通信消息,尤其是发送到机动车。
缩写“bzw.”代表“或者说”。术语“亦或”尤其是包括表述“和/或”。术语“或者说”尤其是包括术语“亦或”。
根据一种实施方式设置,所述多个结果分别说明对象的一个或者多个对象特性,只要对应的结果说明有对象处于该机动车的环境中。这样的对象特性例如包括以下对象特性中的一个对象特性:长度、大小、宽度、重量、速度、加速度、类型——尤其是行人、机动车、自行车、摩托车、动物。
根据一种实施方式设置,基于相应的结果的对应的对象特性来求取相应的整体对象特性,其中,只要整体结果说明有对象处于该机动车的环境中,则该整体结果附加地还说明所求取到的整体对象特性。例如设置,基于对应的对象特性来求取对应的平均值作为对应的整体对象特性。
在一种实施方式中,单个结果的数量是奇数。由此尤其实现以下技术优点:能够高效地求取相应的多数。
附图说明
本发明的实施例在附图中示出并在随后的描述中进一步进行阐述。示出:
图1示出用于分析机动车的环境的方法的流程图,
图2示出设备,
图3示出用于分析机动车的环境的系统,
图4示出机器可读的存储介质,
图5示出道路,机动车在该道路上行驶,借助三个环境传感器来监控该机动车的环境,
图6示出机动车,该机动车在道路上行驶,并且借助六个环境传感器来监控或者说检测该机动车的环境,
图7和8分别示出机动车在驶入隧道之前的一个不同视图,其中,借助六个环境传感器来检测或者说监控该机动车的环境。
具体实施方式
在下文中,相同的参考标记可以被用于相同的特征。
图1示出用于分析机动车的环境的方法的流程图。
根据步骤101设置,多次分析该环境,以便根据步骤103分别求取多个结果。多次分析的对应的结果尤其可以被称为单个结果。
所述多个结果或者说多个单个结果中的每个结果或者说单个结果至少说明是否有对象处于该机动车的环境中。
根据步骤105求取第一数,该第一数说明:有多少个单个结果说明有对象处于该机动车的环境中。此外,在步骤105中求取第二数,该第二数说明:有多少个单个结果说明没有对象处于该机动车的环境中。比较第一数与第二数。如果第一数大于第二数,则根据步骤109作为整体结果确定:有对象处于该机动车的环境中。如果第二数大于第一数,则根据步骤107作为整体结果确定:没有对象处于该机动车的环境中。如果第一数等于第二数,则根据一种未示出的实施方式设置,该方法在步骤101处继续。这尤其意味着,在这种情况下重复所述多次分析。
这因此意味着,多数进行决策。如果更多的单个结果说明有对象处于该机动车的环境中,则整体结果同样说明有对象处于该机动车的环境中。在相反的情况下,即如果更多的单个结果说明没有对象处于该机动车的环境中,则作为整体结果同样说明没有对象处于该机动车的环境中。
图2示出设备201,该设备设置用于实施根据第一方面的方法的所有步骤。
图3示出用于分析机动车的环境的系统301。系统301包括多个环境传感器303、305、307,这些环境传感器分别设置用于检测机动车的环境。此外,系统301包括图2的设备201。
根据一种实施方式,在实施根据第一方面的方法时,所述多个环境传感器303、305、307检测机动车的环境并且给设备201提供相应于该检测的环境传感器数据。基于所述环境传感器数据,根据一种实施方式设置,多次分析该机动车的环境。
在一种未示出的实施方式中设置,在使用环境传感器303、305、307中的一个或者多个或者所有环境传感器的情况下执行所述对环境的多个分析中的一个或者多个或者所有分析。这意味着,在环境传感器内部、即例如借助对应环境传感器的处理器来执行对应的分析。
在一种未示出的实施方式中设置,替代于或者附加于先前所表示的在环境传感器内部对环境的分析设置,在下游连接的、即尤其是与环境传感器分开的计算单元或者说分析单元中执行所述对环境的多个分析中的一个或者多个或者所有分析。这例如意味着,所述一个或者多个环境传感器303、305、307提供、尤其是仅提供环境传感器数据,其中,例如配属于或者说下游连接到所述一个或者多个对应的环境传感器303、305、307的至少一个未示出的计算单元或者说分析单元,执行对环境的相应分析。
图4示出机器可读的存储介质401,在该存储介质上存储有计算机程序403。计算机程序403包括指令,所述指令在通过计算机执行计算机程序403时促使该计算机实施根据第一方面的方法。
图5示出包括第一车道503和第二车道505的双车道道路501。机动车507在第一车道503上行驶。用具有参考标记509的箭头标记机动车507的行驶方向。
借助第一环境传感器513、第二环境传感器515和第三环境传感器517来监控或者说检测机动车507的环境。三个环境传感器513、515、517布置在基础设施单元511上。基础设施单元511例如布置在道路501的上方。
在一种实施方式中,三个环境传感器513、515、517不同。第一环境传感器513例如是雷达传感器而第二环境传感器515例如是视频传感器而第三环境传感器517例如是红外传感器。
例如借助第一分析方法来分析第一环境传感器513的环境传感器数据,例如借助第二分析方法来分析第二环境传感器515的环境传感器数据,例如借助第三分析方法来分析环境传感器数据517,其中,这三个分析方法例如彼此分别不同。
例如,根据一种实施方式设置,三个环境传感器513、515、517相同,然而其中,借助不同的分析方法来分析或者说分析处理对应的环境传感器数据。
例如,根据一种实施方式设置,借助相同的分析方法来分析处理或者分析三个环境传感器513、515、517的对应的环境传感器数据,其中,这三个环境传感器513、515、517是不同的。
例如,根据一种实施方式设置,在不同的计算机架构上分析或者说分析处理三个环境传感器513、515、517的环境传感器数据。
例如,根据一种实施方式设置,被用于分析三个环境传感器513、515、517的环境传感器数据的分析方法源于不同的开发者。例如,根据一种实施方式设置,这些分析方法以不同的编程语言编写。
根据一种实施方式,公开或者说设置上述实施方式的任意组合。
图6示出道路601,机动车603在该道路上行驶。用具有参考标记604的箭头标记机动车603的行驶方向。
设置有六个环境传感器:第一环境传感器605、第二环境传感器607、第三环境传感器609、第四环境传感器611、第五环境传感器613和第六环境传感器615。
三个环境传感器605、607、609构成第一组环境传感器。环境传感器611、613、615形成第二组环境传感器。
六个环境传感器605至615监控或者说检测机动车603的环境。
根据一种实施方式设置,比较所述第一组的环境传感器605至609的对应的环境传感器数据与参考环境传感器数据,其中,在基于该比较地识别到该机动车的环境中的改变的情况下,确定有对象处于该机动车的环境中。如果没有识别到改变,则确定没有对象处于该机动车的环境中。
根据一种实施方式,在使用一个分析方法或者多个分析方法的情况下,对所述第二组的环境传感器611至615的环境传感器数据进行分析或者说分析处理,其中,这些分析方法没有对应的环境传感器数据与参考环境传感器数据的比较。这因此意味着,对第一组的环境传感器数据的分析主要基于在已知世界中监控已知空地。相对于已知空地的改变意味着,一定有先前还不在那里的某物存在,从而可以认为现在一定有对象处于该空地内。例如,激光雷达系统或者视频摄像机的视频传感器检测地面或者墙壁,其中,通过相对于已知墙壁或者说地面的改变探测到,一定有某物、即尤其是对象进入到或者说驶入到所述区域中。例如,该改变可以包括图案(Muster)和/或经改变的相对于所述底面或者说墙壁的距离。
通过将上述两种方案的组合,尤其以有利的方式实现能够将两种方案的优点彼此组合,其中,例如能够以有利的方式高效地补偿两种方案的对应的缺点。
第一方案的优点例如是,能够高效地探测改变,从而能够相应地高效地确定一定有对象处于该机动车的环境中。缺点例如是,难以实现对对象的分类,即例如对象是机动车、人还是自行车。
第二方案的优点例如是,能够高效地对识别到的对象进行分类,从而能够高效地补偿第一方案的缺点。
第二方案的缺点例如是,相应的环境传感器例如可能具有错误,从而难以确定所探测到的对象是否也相应于真实的对象。然而,该缺点能够以有利的方式高效地通过第一方案得到补偿。
因此,优点尤其应被视为,通过将这两种方案的组合,使用两种在技术上不同的方案,这导致正确地分析周围环境或者说环境的概率的提高,其中,进一步能够高效地将对象分类。
例如,根据一种实施方式设置,第一组的环境传感器从与第二组的环境传感器不同的视角检测机动车603的环境。在一种实施方式中设置,对应的视角相同。
一组环境传感器例如可以纵向于道路601定向,和/或另一组环境传感器例如可以横向于道路601定向。
图7示出与图6相比类似的场景的侧视图,其中,在侧视图中附加地示意性示出隧道701,其中,机动车603在隧道701的方向上行驶。
图8示出根据图7的场景的相应的俯视图。
总结地,在此描述的方案尤其是提供一种安全、英语中为“safe”的环境分析方案。这尤其意味着,所述整体结果能够以非常高的概率被信任。
在一种实施方式中设置,该方法被应用于辅助至少部分自动化地受引导的机动车。例如,在基础设施内在至少部分自动化地受引导的行驶时辅助至少部分自动化的机动车。这因此例如意味着,在使用根据第一方面的方法的情况下对基础设施中的场景进行分析,并且向机动车提供例如所述整体结果,从而该机动车能够基于该整体结果来规划和执行其驾驶任务。
例如,基础设施包括隧道、高速公路入口、高速公路出口、交叉路口、建筑工地、环行交通、一般的枢纽、停车场。因此能够例如以有利的方式高效地应对复杂且困难的状况,例如驶入/行驶通过/驶出隧道、驶入高速公路——尤其是具有到高速公路上的交通中的合流,行驶越过交叉路口,行驶通过建筑工地。
在一种实施方式中设置,在控制一个或者多个机器人的情况下也使用在此描述的方案。
在一种实施方式中设置,在机动车自身中执行根据第一方面的方法。这因此例如意味着,环境传感器可以被机动车包括。
在此描述的方案尤其是基于:通过在使用多个不同的传感器技术(激光雷达、视频、雷达、超声波、运动探测器(Bewegungsmelder)等)和/或分析处理方案或者说分析方法(空闲空间监控、对象识别、光流等)和/或不同的框架条件(例如环境传感器的位置和/或视角)和/或使用环境传感器的不同实现和/或分析方法的不同实现的情况下的分析来执行。
这因此尤其是意味着,对机动车的场景或者说环境多次进行分析、尤其是并行地进行分析。
尤其是,尤其在考虑偏差的情况下,从单个结果中采用“大于50%决策(-50%-Entscheidung)”。这因此尤其是意味着,在三个环境传感器亦或方案的情况下采用至少两次被求取到的结果。或者例如五个中的至少三个,七个中的至少四个,九个中的至少五个等。尤其设置,总是存在奇数数量的单个结果。这因此尤其是意味着,多次分析环境,其中,相应的数量是奇数。
根据一种实施方式设置,借助三个或者奇数数量的不同分析方法、例如对象识别、空闲空间监控、光流来分析环境传感器的环境传感器数据。
在一种实施方式中设置,使用奇数数量的不同传感器技术——例如雷达、视频、激光雷达、红外线、磁场——连同一个或者两个或者三个不同的分析方法——例如对象识别、光流、空闲空间监控,以便分析或者说分析处理相应的环境传感器数据。
在一种实施方式中设置,设置一个传感器技术、例如视频,其中,用三个不同的分析处理方法或者说分析方法来分析处理相应的环境传感器数据。
在一种实施方式中设置,设置两个传感器技术、例如雷达和视频,其中,借助三个不同的分析处理方法——例如一个分析处理方法针对雷达传感器的环境传感器数据和两个分析处理方法针对视频传感器的环境传感器数据——来使用相应的环境传感器数据,从而单个结果的数量为三(不同的计算),具有由于多样化的传感器或者说硬件的附加的多样性。
在一种实施方式中,设置或者说公开上述实施方式的每种可能的组合。
例如,如果分析处理方法或者说算法不同地实现——即例如由不同的开发者,以不同的编程语言——则由此能够以有利的方式实现值得信任程度的进一步提高,更多的多样性尤其是意味着提高的安全性,这根据一种实施方式设置。特别是,对应的分析在不同的计算机硬件或者说计算机架构上执行。
例如,如果使用来自不同制造商的相同的环境传感器或者说传感器技术,则由此能够以有利的方式实现值得信任程度的进一步提高,这根据一种实施方式设置。
如果从不同的位置或者说视角来检测场景或者说环境,例如从前方、从侧面、从上方或者从后方,则由此能够以有利的方式实现值得信任程度的进一步提高,这根据一种实施方式设置。
在此描述的方案的优点尤其是,整体结果以非常高的概率“safe”、即是在值得信任的意义上是安全的。在整体结果应被应用于与安全相关的行动、例如机动车的横向引导和/或纵向引导的至少部分自动化的控制时,这是前提或者说基础。
在此描述的方案的核心因此尤其视为,由所求取到的、尤其是并行地所求取到的单个结果的总数,采用以大于50%、即以多数被求取到的那些结果作为整体结果。
在一种实施方式中设置,在使用不同的传感器技术(冗余和/或多样性)和/或不同的分析处理方法(冗余和/或多样性)和/或环境传感器的不同实现(例如,来自不同制造商的视频传感器)和/或分析处理方法或者说分析方法的不同实现(例如,不同的开发者、不同的计算机架构、不同的编程语言)和/或不同的框架条件(例如位置、视角、附加的光)的情况下来求取单个结果。
Claims (10)
1.一种用于分析机动车(603)的环境的方法,其中,多次分析所述环境(101),以便分别求取(103)多个结果,其中,所述多个结果中的每个结果至少说明是否有对象处于所述机动车(603)的环境中,其中,如果所述多个结果中的多数说明有对象处于所述机动车(603)的环境中,则作为整体结果确定(107):有对象处于所述机动车(603)的环境中,其中,如果所述多个结果中的多数说明没有对象处于所述机动车(603)的环境中,则作为整体结果确定(109):没有对象处于所述机动车(603)的环境中。
2.根据权利要求1所述的方法,其中,在使用以下分析工具中的至少一个分析工具的情况下执行对所述环境的多次分析:不同的计算机架构、不同的编程语言、不同的分析方法、尤其是所述分析方法的不同开发者。
3.根据权利要求1或2所述的方法,其中,分别在使用来自对所述机动车(603)的环境进行检测的不同的环境传感器(303,305,307)、尤其是来自不同制造商的环境传感器(303,305,307)和/或基于不同传感器技术的环境传感器(303,305,307)的环境传感器数据的情况下执行对所述环境的多次分析。
4.根据上述权利要求中任一项所述的方法,其中,分别在使用来自在不同的框架条件下对所述机动车(603)的环境进行检测的环境传感器(303,305,307)的环境传感器数据的情况下执行对所述环境的多次分析。
5.根据权利要求4所述的方法,其中,所述框架条件包括以下框架条件组中的一个或者多个元素:所述环境传感器(303,305,307)的对应的位置、所述环境传感器(303,305,307)的对应的视角、光条件。
6.在引用权利要求2的情况下根据上述权利要求中任一项所述的方法,其中,分别在使用来自对所述机动车(603)的环境进行检测的环境传感器(303,305,307)的环境传感器数据的情况下执行对所述环境的多次分析,其中,在使用第一分析方法的情况下执行对所述环境的多次分析的第一分析,并且其中,在使用第二分析方法的情况下执行对所述环境的多次分析的第二分析,其中,所述第一分析方法包括对应的环境传感器数据与参考环境传感器数据的比较,以便识别所述机动车(603)的环境中的改变,其中,如果识别到改变,则确定有对象处于所述环境中,其中,所述第二分析方法没有对应的环境传感器数据与参考环境传感器数据的比较。
7.一种设备(201),所述设备设置用于实施根据上述权利要求中任一项所述的方法的所有步骤。
8.一种系统(301),所述系统用于分析机动车(603)的环境,所述系统包括多个环境传感器(303,305,307)和根据权利要求7所述的设备(201),所述环境传感器分别设置用于检测机动车(603)的环境。
9.一种计算机程序(403),所述计算机程序包括指令,所述指令在通过计算机执行所述计算机程序(403)时促使所述计算机实施根据权利要求1至6中任一项所述的方法。
10.一种机器可读的存储介质(401),在所述存储介质上存储有根据权利要求9所述的计算机程序(403)。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102020213661.0 | 2020-10-30 | ||
DE102020213661.0A DE102020213661A1 (de) | 2020-10-30 | 2020-10-30 | Verfahren zum Analysieren eines Umfelds eines Kraftfahrzeugs |
PCT/EP2021/079043 WO2022090015A1 (de) | 2020-10-30 | 2021-10-20 | Verfahren zum analysieren eines umfelds eines kraftfahrzeugs |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116368052A true CN116368052A (zh) | 2023-06-30 |
Family
ID=78332794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180074627.XA Pending CN116368052A (zh) | 2020-10-30 | 2021-10-20 | 用于分析机动车的环境的方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230394841A1 (zh) |
EP (1) | EP4238066A1 (zh) |
CN (1) | CN116368052A (zh) |
DE (1) | DE102020213661A1 (zh) |
WO (1) | WO2022090015A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102022128787A1 (de) | 2022-10-28 | 2024-05-08 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und Assistenzsystem zum Detektieren von statischen Hindernissen und entsprechend eingerichtetes Kraftfahrzeug |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10259455B2 (en) | 2017-01-25 | 2019-04-16 | Ford Global Technologies, Llc | Collision avoidance systems and methods |
DE102017212227A1 (de) | 2017-07-18 | 2019-01-24 | Ford Global Technologies, Llc | Verfahren und System zur Fahrzeugdatensammlung und Fahrzeugsteuerung im Straßenverkehr |
DE102017215552A1 (de) | 2017-09-05 | 2019-03-07 | Robert Bosch Gmbh | Plausibilisierung der Objekterkennung für Fahrassistenzsysteme |
DE102017218438A1 (de) | 2017-10-16 | 2019-04-18 | Robert Bosch Gmbh | Verfahren und System zum Betreiben eines Fahrzeugs |
DE102019207344A1 (de) | 2019-05-20 | 2020-11-26 | Robert Bosch Gmbh | Verfahren zum Überwachen einer Infrastruktur |
DE102019209154A1 (de) | 2019-06-25 | 2020-12-31 | Siemens Mobility GmbH | Infrastrukturseitige Umfelderfassung beim autonomen Fahren |
-
2020
- 2020-10-30 DE DE102020213661.0A patent/DE102020213661A1/de active Pending
-
2021
- 2021-10-20 WO PCT/EP2021/079043 patent/WO2022090015A1/de unknown
- 2021-10-20 CN CN202180074627.XA patent/CN116368052A/zh active Pending
- 2021-10-20 EP EP21798014.3A patent/EP4238066A1/de active Pending
- 2021-10-20 US US18/245,760 patent/US20230394841A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4238066A1 (de) | 2023-09-06 |
DE102020213661A1 (de) | 2022-05-05 |
US20230394841A1 (en) | 2023-12-07 |
WO2022090015A1 (de) | 2022-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110001658B (zh) | 用于车辆的路径预测 | |
CN108230731B (zh) | 停车场导航系统和方法 | |
US20210326604A1 (en) | System and method for determining vehicle data set familiarity | |
JP2020140708A (ja) | 交差点障害物の運動軌跡の予測方法、装置、端末、記憶媒体、及びプログラム | |
CN110796007B (zh) | 场景识别的方法与计算设备 | |
JP7466396B2 (ja) | 車両制御装置 | |
US11520340B2 (en) | Traffic lane information management method, running control method, and traffic lane information management device | |
US11460851B2 (en) | Eccentricity image fusion | |
JP7119365B2 (ja) | 運転行動データ生成装置、運転行動データベース | |
US10839263B2 (en) | System and method for evaluating a trained vehicle data set familiarity of a driver assitance system | |
KR20220040473A (ko) | 긴급 차량들의 검출 | |
US11703335B2 (en) | Coordinating and learning maps dynamically | |
US20220169263A1 (en) | Systems and methods for predicting a vehicle trajectory | |
US11741692B1 (en) | Prediction error scenario mining for machine learning models | |
JP2018097599A (ja) | ウィンカ判定装置及び自動運転システム | |
CN112660128B (zh) | 用于确定自动驾驶车辆的车道变更路径的设备及其方法 | |
RU2769921C2 (ru) | Способы и системы для автоматизированного определения присутствия объектов | |
WO2021262976A1 (en) | Systems and methods for detecting an open door | |
US20220171066A1 (en) | Systems and methods for jointly predicting trajectories of multiple moving objects | |
WO2021116752A1 (en) | Systems and methods for selectively decelerating a vehicle | |
CN116368052A (zh) | 用于分析机动车的环境的方法 | |
CN109195849B (zh) | 摄像装置 | |
US20220172607A1 (en) | Systems and methods for predicting a bicycle trajectory | |
JP2020129331A (ja) | 逆走判定システム、逆走判定方法、及び逆走判定プログラム | |
KR102350197B1 (ko) | 주행경로 설정장치 및 주행경로 설정방법 |
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 |