CN117918002A - 用于多级融合测量数据的方法 - Google Patents

用于多级融合测量数据的方法 Download PDF

Info

Publication number
CN117918002A
CN117918002A CN202280060398.0A CN202280060398A CN117918002A CN 117918002 A CN117918002 A CN 117918002A CN 202280060398 A CN202280060398 A CN 202280060398A CN 117918002 A CN117918002 A CN 117918002A
Authority
CN
China
Prior art keywords
measurement data
environmental model
sensors
controller
group
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
CN202280060398.0A
Other languages
English (en)
Inventor
M·毛罗
J·陶
D·许尔泽布施
M·拉贝尔
I·贝格尔
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 CN117918002A publication Critical patent/CN117918002A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/16Anti-collision systems
    • G08G1/165Anti-collision systems for passive traffic, e.g. including static obstacles, trees
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W40/00Estimation 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
    • B60W40/02Estimation 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
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W50/00Details 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
    • B60W50/08Interaction between the driver and the control system
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S13/00Systems 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
    • G01S13/86Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867Combination of radar systems with cameras
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S13/00Systems 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
    • G01S13/88Radar or analogous systems specially adapted for specific applications
    • G01S13/93Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/25Fusion techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77Processing 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
    • G06V10/80Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/56Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/56Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/16Anti-collision systems
    • G08G1/166Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Electromagnetism (AREA)
  • Software Systems (AREA)
  • Traffic Control Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

公开一种用于融合来自多个车辆侧传感器的测量数据的方法,其中,由第一组传感器求取的测量数据由第一控制器或者由中央控制单元的第一模块接收并且融合成第一环境模型,其中,由该第一环境模型具有在功能安全性方面的第一分级地使用该第一组传感器的测量数据,或者该第一环境模型基于该第一组的测量数据来创建,由至少一个第二组传感器求取的测量数据由至少一个第二控制器或者由该中央控制单元的至少一个第二模块接收并且融合成至少一个第二环境模型,其中,由该第二环境模型具有在功能安全性方面的第二分级地使用该第二组传感器的测量数据,或者该第二环境模型基于该第二组的测量数据来创建。此外,公开一种控制器、一种计算机程序以及一种机器可读的存储介质。

Description

用于多级融合测量数据的方法
技术领域
本发明涉及一种用于融合来自多个车辆侧传感器的测量数据的方法、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。
背景技术
为了实现不同的驾驶辅助功能和紧急制动功能,通常要求车辆环境的表示。视构型和性能需求而定,为此对多个传感器的测量数据进行接收并且彼此融合。
例如,对于当前的EU NCAP 2020要求,需要一雷达一视频(Ein-Radar-Ein-Video,1R1V)融合,以便将雷达传感器的更准确的测量方法与视频传感器的更好的角度质量和分类能力结合。在此,安装位置在车辆前部的中间处并且检测区域朝行驶方向取向。
紧急制动功能和驾驶辅助功能对功能安全性具有不同的要求,所述功能安全性以不同的ASIL分级定义。紧急制动功能例如要求ASIL-B分级,因为其直接地无驾驶员确认地被使用并且可能由于错误触发导致危险状况。通常,车辆侧传感器的测量数据的中央融合在控制器中进行,在该控制器中还计算相应的功能算法或创建环境模型。然而,在功能安全性方面的不同的分级由除环境模型之外的功能算法来推导,由此对于环境模型总是产生更安全性相关的ASIL-B。对于具有功能安全性的不同分级的功能的实现得出两个可能性:要么所有都贡献到该环境模型中的传感器数据同样满足最高的要求、例如ASIL-B,要么并行计算具有不同分级的不同环境模型。然而,由此提高用于传感器的开发开销和验证开销或者控制器的资源需求。
DE 10 2017 206 123 A1描述一种在对象识别范畴内的用于融合车辆的不同传感器的数据的方法。从不同传感器的测量数据所求取的测量参量在随后的处理步骤中被关联并且进行合理性检验。
发明内容
本发明所基于的任务可以视为提出一种用于融合测量数据的方法,该方法降低控制器的性能需求。
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各个从属权利要求的主题。
根据本发明的一个方面,提供一种用于融合来自多个车辆侧传感器的测量数据的方法。由第一组传感器求取的测量数据由第一控制器或者由中央控制单元的第一模块接收。随后,将第一组传感器的测量数据融合成第一环境模型或者可选地在应用(Verwertung)之前在第一环境模型的范畴(Rahmen)中进行融合。
至少两组传感器替代或附加地也可以构型为一组传感器或者一个传感器,其能够提供两个测量数据集或者说至少两组测量数据。在此,相应的组中的测量数据和/或者传感器也可以彼此重叠。
由第一环境模型具有在功能安全性方面的第一分级地使用第一组传感器的测量数据。替代地,基于第一组测量数据创建具有在功能安全性方面的第一分级的第一环境模型。
此外,由至少一个第二组传感器求取的测量数据由至少一个第二控制器或者由该中央控制单元的至少一个第二模块接收并且融合成至少一个第二环境模型。
因此,进行两级的测量数据融合,其中,在第二级中,第二环境模型基于第一环境模型的数据或者说结果和第二组的测量数据。因此,第二环境模型能够由第一环境模型以及由另外的传感器的测量数据形成。
视构型而定,第一环境模型也可以与第二组传感器的测量数据相关。
优选地,由第二环境模型具有在功能安全性方面的第二分级地使用第二组传感器的测量数据。替代地,基于第二组传感器的测量数据创建具有在功能安全性方面的第二分级的至少一个第二环境模型。
优选地,在功能安全性方面的第一分级区别于在功能安全性方面的至少一个第二分级。在此,第一分级优选相对于第二分级更高。因此,第一分级例如可以构型为ASIL-B、ASIL-C或者ASIL-D,而第二分级根据ISO 26262定义为ASIL-A或者QM。
除第一环境模型外,还可以使用多个第二环境模型,这些第二环境模型具有在功能安全性方面的分别不同的分级。在此,可以在共同的控制器或者中央控制单元的共同的模块上对具有共同的分级的环境模型和测量数据进行处理。
该方法使得能够实现不同传感器的测量数据的具有在功能安全性方面的不同分级的多级融合。例如,两级融合在第一步骤中仅仅允许产生ASIL-B相关的环境模型,并且其输出在分开的第二步骤中与另外的QM传感器数据组合。由此导致例如两个环境模型,这两个环境模型可以被用于具有不同的ASIL分级的对应的功能中。例如,经ASIL-B分级的环境模型可以具有最低延时地从传感器接收测量数据,由此,在例如分级为QM的第二环境模型中仅发生用于处理第二组传感器的附加计算开销。
多级融合的原理可以传递到任意多级,只要不同的环境模型借助在功能安全性方面的降序分级来关联(verbunden)。
根据本发明的另一方面,提供至少一个控制器,其中,该控制器设置为用于实施该方法。该控制器例如可以是车辆侧的控制器、车辆外部的控制器或者车辆外部的服务器单元,例如云系统。
该控制器可以构型为具有用于处理不同的环境模型的一个或不同的模块的中央控制单元。替代地,控制器可以构型为第一控制器或者第二控制器。
此外,根据本发明的一个方面,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或者控制器执行该计算机程序时促使所述计算机或者控制器执行根据本发明的方法。根据本发明的另一方面,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本发明的计算机程序。
在此,车辆可以根据BASt标准受辅助地、部分自动化地、高度自动化地和/或完全自动化地或者说无驾驶员地运行。
在一个实施例中,具有ASIL-B的或者更高的功能安全性地接收由第一组传感器所求取的测量数据。由此,测量数据能够由第一控制器或者由中央控制单元的第一模块具有最小延时地来接收,从而可实现特别安全性关键的功能。
根据另一实施方式,将第一环境模型的至少一个输出提供给第二环境模型。通过该措施,不再要求通过第二环境模型对已在第一环境模型中处理的测量数据进行重新处理,由此降低由控制器或中央控制单元所需的性能需求。
根据另一实施例,创建具有在功能安全性方面相对于第二环境模型提高的分级的第一环境模型。优选地,第一环境模型和另外的第二环境模型借助功能安全性的增加的定级呈级联形式创建。由此能够实现对具有功能安全性的不同分级的测量数据和环境模型的单独的处理。在此,如果具有更低分级的环境模型获得具有更高ASIL分级的环境模型的结果或者说输出作为附加的输入,则可以省去全部测量数据的并行处理。
根据另一实施例,创建至少具有ASIL-B分级的第一环境模型和具有功能安全性的ASIL-A或者QM分级的第二环境模型。因此例如能够特别优化地在ASIL-B分级的范畴中处理视频传感器和指向行驶方向的雷达传感器,并且通过具有功能安全性的QM分级的环境模型来处理布置在车辆上的另外的雷达传感器、例如角雷达(Corner-Radare)。
根据另一实施例,将第一环境模型的输出提供给至少一个第一驾驶辅助功能,并且将第二环境模型的输出提供给至少一个第二驾驶辅助功能。例如,第一驾驶辅助功能可以构型为紧急制动辅助。例如,所述至少一个第二驾驶辅助功能可以构型为车道保持辅助、变道辅助、转弯辅助等。在此,第二驾驶辅助功能同样可以从被馈送给第二环境模型的第一环境模型输出受益。
附图说明
以下根据经高度简化的示意图更详细地阐述本发明的优选实施例。在此示出:
图1:根据一种实施方式的用于阐明根据本发明的方法的示意性传感器布置;
图2:根据一种实施方式的用于阐明根据本发明的方法的另一示意性传感器布置,和
图3:根据另一实施方式的用于阐明根据本发明的方法的示意图。
具体实施方式
在图1中示出根据一种实施方式的用于阐明根据本发明的、在图3中更详细地描述的方法2的示意性传感器布置1。
例如,传感器布置1可以是车辆侧的传感器布置,其具有前雷达4、朝行驶方向取向的视频传感器或者说摄像机传感器6和基于视频的车道传感器8。这些传感器4、6、8形成第一组10传感器,其能够具有特别低的延时地产生测量数据并将所述测量数据转发用于进一步的应用。通过配属给第一组10的传感器4、6、8可以实现安全性关键的行驶功能、例如紧急制动功能14,其要求在功能安全性方面的ASIL-B分级或者更高的分级。此外,可以在第一组10中设置所谓的HIL(Hardware-in-the-Loop,硬件在环)9,以便例如实现传感器4、6、8的测量数据的预处理。
除第一组10传感器之外,还设置有第二组12传感器,所述第二组12传感器具有在功能安全性方面更低的分级、例如ASIL-A或者QM地运作。在所示的实施例中,第二组12包括四个雷达传感器16、17、18、19,所述雷达传感器可以布置在未详细描述的车辆的四个角位置处。例如,可以将第二组12的传感器16、17、18、19的测量数据用于实现高速公路辅助20作为驾驶辅助功能。
在所示的实施例中,在第一控制器22中在ASIL-B分级的范畴中进行第一组10的传感器的测量数据的融合。此外,在第二控制器24中在更低的QM分级的范畴中进行第二组12的传感器的测量数据的融合。
第一控制器22应用所述测量数据用于创建或者用于实施第一环境模型。将第一环境模型的相应的输出26馈送给第二环境模型作为输入,该第二环境模型通过第二控制器24来创建或者实施。此外,还考虑由第二控制器24将第二组12的传感器的测量数据作为输入用于第二环境模型,由此,高速公路辅助20能够从第一组10的传感器的和第一环境模型的测量数据受益。7
与图1类似,图2示出根据另一实施方式的用于说明根据本发明的方法2的示意性的传感器布置1。区别于图1,第一环境模型通过中央控制单元25的第一模块21并且第二环境模型通过中央控制单元25的第二模块23来创建或者实施。
图3示出用于说明根据另一实施方式的根据本发明的方法2的示意图。该方法2用于融合来自多个车辆侧传感器4、6、8、16、17、18、19的测量数据。
由第一组10传感器求取的测量数据由第一控制器22或者由中央控制单元25的第一模块21接收28,。随后将第一组10传感器4、6、8的测量数据融合成第一环境模型或者可选地在应用之前在第一环境模型的范畴中进行融合30。
由第一环境模型具有在功能安全性方面的第一分级、例如ASIL-B地使用第一组10传感器4、6、8的测量数据。替代地,基于第一组10的测量数据创建具有在功能安全性方面的第一分级的第一环境模型。
此外,由至少一个第二组10传感器16、17、18、19求取的测量数据由至少一个第二控制器24或者由中央控制单元25的至少一个第二模块23接收32并且融合34成至少一个第二环境模型。
优选地,由第二环境模型具有在功能安全性方面的第二分级、例如QM或者ASIL-A地使用第二组12传感器的测量数据。替代地,基于第二组12的测量数据创建具有在功能安全性方面的第二分级的至少一个第二环境模型。

Claims (9)

1.一种用于通过至少一个控制器(22,24)融合来自多个车辆侧传感器(4,6,8,16,17,18,19)的测量数据的方法(2),其中,
-由第一组(10)传感器(4,6,8)求取的测量数据由第一控制器(22)或者由中央控制单元(25)的第一模块(21)接收并且融合成第一环境模型,其中,由所述第一环境模型具有在功能安全性方面的第一分级地使用所述第一组(10)传感器(4,6,8)的测量数据,或者所述第一环境模型基于所述第一组(10)的测量数据来创建,
-由至少一个第二组(12)传感器(16,17,18,19)求取的测量数据由至少一个第二控制器(24)或者由所述中央控制单元(25)的至少一个第二模块(23)接收并且融合成至少一个第二环境模型,其中,由所述第二环境模型具有在功能安全性方面的第二分级地使用所述第二组(12)传感器(16,17,18,19)的测量数据,或者所述至少一个第二环境模型基于所述第二组(12)的测量数据来创建。
2.根据权利要求1所述的方法,其中,具有ASIL-B的或者更高的功能安全性地接收由所述第一组(10)传感器(4,6,8)所求取的测量数据。
3.根据权利要求1或2所述的方法,其中,将所述第一环境模型的至少一个输出(26)提供给所述第二环境模型。
4.根据权利要求1至3中任一项所述的方法,其中,创建具有在功能安全性方面相对于所述第二环境模型提高的分级的所述第一环境模型,其中,所述第一环境模型和另外的第二环境模型借助功能安全性的增加的定级呈级联形式创建。
5.根据权利要求4所述的方法,其中,创建至少具有ASIL-B分级的所述第一环境模型和具有功能安全性的ASIL-A或QM分级的所述第二环境模型。
6.根据权利要求1至5中任一项所述的方法,其中,将所述第一环境模型的输出(26)提供给至少一个第一驾驶辅助功能(14),并且将所述第二环境模型的输出提供给至少一个第二驾驶辅助功能(20)。
7.一种控制器(22,24,25),其中,所述控制器(22,24,25)设置为用于实施根据权利要求1至6中任一项所述的方法。
8.一种计算机程序,所述计算机程序包括指令,所述指令在通过计算机或者控制器(22,24,25)执行所述计算机程序时促使所述计算机或者控制器执行根据权利要求1至6中任一项所述的方法(2)。
9.一种机器可读的存储介质,在所述存储介质上存储有根据权利要求8所述的计算机程序。
CN202280060398.0A 2021-09-06 2022-07-11 用于多级融合测量数据的方法 Pending CN117918002A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102021209817.7 2021-09-06
DE102021209817.7A DE102021209817A1 (de) 2021-09-06 2021-09-06 Verfahren zur mehrstufigen Fusion von Messdaten
PCT/EP2022/069290 WO2023030732A1 (de) 2021-09-06 2022-07-11 Verfahren zur mehrstufigen fusion von messdaten

Publications (1)

Publication Number Publication Date
CN117918002A true CN117918002A (zh) 2024-04-23

Family

ID=82546898

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202280060398.0A Pending CN117918002A (zh) 2021-09-06 2022-07-11 用于多级融合测量数据的方法

Country Status (5)

Country Link
US (1) US20240239348A1 (zh)
EP (1) EP4399546A1 (zh)
CN (1) CN117918002A (zh)
DE (1) DE102021209817A1 (zh)
WO (1) WO2023030732A1 (zh)

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017206123A1 (de) 2017-04-10 2018-10-11 Robert Bosch Gmbh Verfahren und Vorrichtung zur Fusion von Daten verschiedener Sensoren eines Fahrzeugs im Rahmen einer Objekterkennung
US11214273B2 (en) * 2017-06-23 2022-01-04 Nvidia Corporation Method of using a single controller (ECU) for a fault-tolerant/fail-operational self-driving system

Also Published As

Publication number Publication date
US20240239348A1 (en) 2024-07-18
WO2023030732A1 (de) 2023-03-09
DE102021209817A1 (de) 2023-03-09
EP4399546A1 (de) 2024-07-17

Similar Documents

Publication Publication Date Title
US9592764B2 (en) Redundant object detection for driver assistance systems
US10035508B2 (en) Device for signalling objects to a navigation module of a vehicle equipped with this device
CN110232836B (zh) 物体识别装置以及车辆行驶控制系统
US8260498B2 (en) Function decomposition and control architecture for complex vehicle control system
US20220048536A1 (en) Method and device for testing a driver assistance system
JP2016505436A (ja) ドライバー・アシスタント・アプリケーション用の方法
WO2012173193A1 (ja) 物体識別装置
US11100337B2 (en) Determining a state of the surrounding area of a vehicle, using linked classifiers
US11897511B2 (en) Multi-hypothesis object tracking for automated driving systems
Estl Paving the way to self-driving cars with advanced driver assistance systems
CN112542053A (zh) 用于实施机动车的功能的方法和设备
US20230373498A1 (en) Detecting and Determining Relevant Variables of an Object by Means of Ultrasonic Sensors
EP3725609A1 (en) Calibrating method and device for vehicle anti-collision parameters, vehicle controller and storage medium
US11541885B2 (en) Location prediction for dynamic objects
US20240208545A1 (en) Device, system and method for identifying objects in the surroundings of an automated driving system
CN117918002A (zh) 用于多级融合测量数据的方法
EP3985643A1 (en) Outside environment recognition device
US12093041B2 (en) Processing sensor data in a motor vehicle
EP3985635A1 (en) Outside environment recognition device
JP6763080B2 (ja) 自動車用ビジョンシステム及び方法
Li et al. Integrated safety and security enhancement of connected automated vehicles using DHR architecture
Poledna et al. An Open-Source High-Level Fusion Algorithm in ROS for Automated Driving Applications
IL292806A (en) Method, device and computer program for operating a sensor system for detecting objects in the environment of a vehicle
KR102708154B1 (ko) 음원의 위치를 판단할 수 있는 음원센싱장치 및 음원센싱방법
WO2024005074A1 (ja) 画像処理装置、画像処理方法、画像処理システム、およびプログラム

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