DE102004047914A1 - Method of estimating road condition, by detecting image of road or previously defined portion of road using camera system - Google Patents
Method of estimating road condition, by detecting image of road or previously defined portion of road using camera system Download PDFInfo
- Publication number
- DE102004047914A1 DE102004047914A1 DE200410047914 DE102004047914A DE102004047914A1 DE 102004047914 A1 DE102004047914 A1 DE 102004047914A1 DE 200410047914 DE200410047914 DE 200410047914 DE 102004047914 A DE102004047914 A DE 102004047914A DE 102004047914 A1 DE102004047914 A1 DE 102004047914A1
- Authority
- DE
- Germany
- Prior art keywords
- road
- sensor
- image
- friction
- camera system
- 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.)
- Withdrawn
Links
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
- B60R16/023—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 for transmission of signals between vehicle parts or subsystems
- B60R16/0237—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 for transmission of signals between vehicle parts or subsystems circuits concerning the atmospheric environment
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Environmental & Geological Engineering (AREA)
- Environmental Sciences (AREA)
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
Description
Im folgenden wird eine bevorzugte Ausführung der drei unabhängigen Ansprüche im Zusammenhang mit der vorliegenden Erfindung beschrieben, in der all diese unabhängigen Aspekte kombiniert werden. Aus dieser Beschreibung können sich die Unteransprüche ergeben.in the Following is a preferred embodiment of the three independent claims described with the present invention, in all these independent aspects be combined. From this description, the dependent claims may result.
Einer der wichtigsten Faktoren beim Bremsen im Kfz-Bereich ist der maximale Reibungskoeffizient. Die Voraussage seines Wertes erfordert die Kenntnis der verschiedenen zusammenwirkenden Elemente, d.h. Rad, Fahrzeug, Rauheit und Fahrbahnzustand. Von all diesen Einflussparametern verursacht der Fahrbahnzustand im allgemeinen die wichtigsten Änderungen beim Reibungspotential. Daher ist es anhand der Feststellung, ob die Fahrbahn nass, vereist oder verschneit ist, möglich, den Reibungskoeffizienten der Fahrbahn zu klassifizieren, um den Fahrer zu warnen und die Anpassungsfähigkeit der Regelsysteme in einem Fahrzeug, wie z.B. ACC, ABS oder ESP, an die tatsächliche Reibungssituation zu erhöhen. Die Reibungsinformation kann über zukünftige GPS-Systeme [1] auch an andere Fahrer weitergeleitet werden.one The most important factor when braking in the automotive sector is the maximum Friction coefficient. The prediction of its value requires knowledge of the various cooperating elements, i. Wheel, Vehicle, Roughness and road condition. Caused by all these influencing parameters the road condition generally the most important changes at the friction potential. Therefore, it is by determining whether the road surface is wet, icy or snowy, possible, the coefficient of friction classify the roadway to warn the driver and the adaptability the control systems in a vehicle, such as e.g. ACC, ABS or ESP, to the actual Increase friction situation. The friction information can over future GPS systems [1] can also be forwarded to other drivers.
Im allgemeinen hängt der Reibungskoeffizient durch typische Beziehungen vom Radschlupf ab, die durch die Paceijka- oder die Burckhardt-Formel [2] beschrieben werden können.in the general hangs the coefficient of friction due to typical wheel slip relationships described by the Paceijka or Burckhardt formula [2] can be.
In
Der Reibungswert lässt sich mit verschiedenen Methoden feststellen, die in drei Gruppen unterteilt werden können: die indirekte Reibungsmessung mit der Hilfe von Reifensensoren, nichtlineare Näherungsverfahren in Verbindung mit Fahrzeugmodellen und Systeme mit mehreren Sensoren.Of the Friction value identify themselves with different methods in three groups can be divided: indirect friction measurement with the help of tire sensors, non-linear approximation methods in connection with vehicle models and systems with multiple sensors.
Die erste Kategorie umfasst die indirekte Reibungsmessung durch Verarbeitung der Reifendeformation im Kontaktbereich. Hierzu müssen spezielle Sensoren in den Reifen integriert werden. Durch diese Sensoren wird der Reifen „intelligent" und kann als Übertragungsmedium sowie auch als Sensor für Kfz-Systeme eingesetzt werden ([3], [4], [5]).The The first category includes indirect friction measurement through processing the tire deformation in the contact area. For this must have special Sensors are integrated in the tires. Through these sensors is the tire is "intelligent" and can be used as a transmission medium as well as a sensor for automotive systems be used ([3], [4], [5]).
Die zweite Kategorie bezieht sich auf die Erfassung der Reibung mit Hilfe eines Beobachtungsmodells, das verschiedene dynamische Signale, wie z.B. die Radgeschwindigkeit und die Längs- bzw. Querbeschleunigung in Betracht zieht. Die Fahrzeugmodelle werden in Verbindung mit einem Modell für die Schlupfumdrehung in Abhängigkeit von der aktuellen Reibungssituation verwendet. Auf Grund von mehreren Änderungen an Fahrzeug- und Reifenzustand werden anpassungsfähige Kalman-Filter eingesetzt, um die Systemänderungen vorherzusagen [6].The second category refers to the detection of friction with Using an observation model containing different dynamic signals, such as. the wheel speed and the longitudinal or lateral acceleration considers. The vehicle models will be in conjunction with a model for the Slip rotation in dependence used by the current friction situation. Due to several changes Vehicle and tire condition become adaptive Kalman filters used to change the system to predict [6].
Die dritte Kategorie benötigt eine korrekte Beschreibung der verschiedenen an der Reibung beteiligten Elemente. Daher ist es zweckmäßig, Systemkomponenten in das gesamte System zu integrieren, um den Fahrbahnbelag, den Reifen, das Inter-Medium und das Fahrzeug zu beschreiben. Die Koordination der Sensordaten erfolgt durch empirische oder semi-empirische Formeln, die von datenbasierten Näherungsmethoden adaptiert wurden ([7], [8]).The third category needed a correct description of the different involved in the friction Elements. Therefore, it is appropriate system components to integrate into the entire system to the road surface, the Tire to describe the inter-medium and the vehicle. The coordination the sensor data is done by empirical or semi-empirical formulas, the data-based approximation methods were adapted ([7], [8]).
Diese Systeme haben den Vorteil, dass der Reibungskoeffizient vor dem Fahrzeug und unter verschiedenen Fahrbedingungen festgestellt werden kann. Diese Methode kann auch das freien Rollen umfassen, so dass die Erreichung der kritischen Grenze des Reibungsgrads für die Vorhersage des Reibungswertes nicht länger zwingend erforderlich ist. Daher ist die Verwendung einer Signalverarbeitung und der Sensorfusion unvermeidlich.These Systems have the advantage that the coefficient of friction before the Vehicle and can be determined under different driving conditions. This method can also include free rolling, so that the Achievement of the critical limit of the degree of friction for the prediction the friction value no longer is mandatory. Therefore, the use of signal processing and the sensor fusion inevitable.
Die vorliegende Beschreibung stellt die Methode näher dar, die auf mehreren Sensoren beruht. Das Prometheus-Projekt [7], bei dem verschiedene Sensoren in ein System integriert werden, um die Reibung festzustellen, vermittelt eine allgemeine Vorstellung davon. Die wichtigsten Unterschiede beim vorliegenden System liegen in der Wahl der Sensoren und der Software für die Fusion der Sensordaten. Mit der Hilfe eines optimierten Fuzzy-Expertensystems ist es möglich, ein redundantes System aufzubauen, bei dem die verschiedenen Sensoren mit geringen Einbußen bei der Leistung abgeschaltet werden können.The The present description further illustrates the method, which is based on several sensors based. The Prometheus Project [7], in which various sensors integrated into a system to detect the friction imparted a general idea of it. The main differences In the present system are in the choice of sensors and the Software for the fusion of sensor data. With the help of an optimized fuzzy expert system is it is possible build a redundant system where the different sensors with little loss can be turned off at the power.
In
Abschnitt
2. Systembeschreibung und Datenverarbeitung2. System description and data processing
Für die angestrebte Umsetzung wurde ein Testfahrzeug mit den erforderlichen Sensoren sowie dem Prototyp einer schnellen, elektronischen High-End-Steuereinheit für die Datenerfassung und einer schnellen Integration des Softwarecodes als Regel- und Steuerungssoftware versehen.For the desired implementation was a test vehicle with the necessary sensors and the prototype of a fast, electronic High-end control unit for data acquisition and a quick integration of the software code as control software.
Die Datenvorbereitung und ein Teil der Datenverarbeitung sind in Form von Hardware umgesetzt, um mehr Rechenleistung für die Verarbeitung und Verknüpfungsblöcke verfügbar zu haben.The Data preparation and a part of the data processing are in form implemented by hardware to get more processing power available for processing and shortcut blocks to have.
Unter den betrachteten Sensoren ist keiner, der alle erforderlichen Informationen über den Fahrbahnzustand geben kann. Die Messsysteme geben mehr ergänzende oder redundante Informationen. Die ergänzenden Informationen werden einerseits verwendet, um den gesamten Parameterbereich zu überlagern. Die redundanten Informationen dienen andererseits dazu, die Genauigkeit der Vorhersage zu verbessern.Under The sensors considered are none that have all the required information about the Road condition can give. The measuring systems give more complementary or redundant information. The supplemental information will be on the one hand used to superimpose the entire parameter range. On the other hand, the redundant information serves to improve accuracy to improve the prediction.
Die Sensorsysteme werden in den folgenden Unterabschnitten beschrieben. Die einzelnen Sensorsignale wurden verarbeitet, um die bevorzugten signifikanten Informationen zu extrahieren. Sie sind können selbst innovativ sein.The Sensor systems are described in the following subsections. The individual sensor signals were processed to be the preferred significant ones Extract information. You can be innovative yourself.
2.1 Temperatursensor2.1 Temperature sensor
Der Temperatursensor befasst sich mit dem Fahrbahnbelag und misst dessen Temperatur. Es handelt sich um ein passives Messsystem, das die Temperatur durch Verarbeitung der von der Fahrbahn reflektierten IR-Strahlung ausgibt. Die reflektierte Energie wird in einen Temperaturwert umgewandelt, nachdem der Emissionsfaktor der Fahrbahnfläche und die Temperatur der Sensorbox berücksichtigt wurden. Für die nächsten Auswertungsschritte ist der Temperaturbereich wichtiger als der exakte Temperaturwert. Der Sensor wird eingesetzt, um die Genauigkeit der Feststellung von Eis und Schnee zu erhöhen.Of the Temperature sensor deals with the road surface and measures it Temperature. It is a passive measuring system that measures the temperature by processing the IR radiation reflected from the roadway outputs. The reflected energy is converted into a temperature value, after the emission factor of the road surface and the temperature of the Sensor box considered were. For the next Evaluation steps, the temperature range is more important than the exact Temperature value. The sensor is used to increase the accuracy of the Determination of ice and snow increase.
2.2 Regensensor2.2 Rain sensor
Es wird ein optischer Standard-IR-Regensensor verwendet, um festzustellen, ob es regnet. Die Informationen des Sensors können nur in eine Richtung verwendet werden, da die erforderlichen Informationen die Nässe der Fahrbahn betreffen. Wenn der Sensor nicht aktiviert ist (trockene Windschutzscheibe), arbeitet der Algorithmus für die Feststellung des Fahrbahnzustands, ohne diesen Sensorwert zu berücksichtigen. Wenn er jedoch aktiviert ist, geht man von einer nassen Fahrbahn aus (höhere Gewichtung).It a standard IR optical rain sensor is used to determine if it rains. The information from the sensor can only be used in one direction because the information required is the wetness of the Road surface. If the sensor is not activated (dry Windscreen), the road condition determination algorithm works, without considering this sensor value. However, if it is activated, you go from a wet lane off (higher weighting).
2.3 Kamerasystem2.3 Camera system
Die Kameramethode soll die Feststellung von Schnee, Wasser und Rinnen in der Fahrspur ermöglichen.The Camera method is intended to detect snow, water and gutters in the lane.
Sie kann auf optischen Hinweisen basieren: während eine trockene Fahrbahn an dem relativ homogen strukturierten Belag zu erkennen ist, haben nasse Fahrbahnbeläge ein gestreiftes Erscheinungsbild. Um die verschiedenen Fahrbahnzustände zu unterscheiden, haben wir uns einer textur-basierten Segmentierung bedient. Nach einer Bildverbesserung und Wiederherstellung wird das Bild mit Hilfe einer Maske gefiltert, die nach der in [9] beschriebenen Methode entwickelt wurde. Danach erfolgt eine Segmentierung mit Hilfe des Sobel-Kantendetektors.she can be based on visual cues: while a dry lane can be seen on the relatively homogeneously structured surface, have wet road surfaces a striped appearance. To distinguish the different road conditions, we used a texture-based segmentation. To An image enhancement and restoration will help with the image filtered according to the method described in [9] was developed. Thereafter, a segmentation with the help of Sobel edge detector.
Zunächst wird
aus dem Vollbild ein Bereich ausgeschnitten. Der Bildausschnitt
stellt den Bereich der Fahrbahn zwischen der rechten und der linken Spur
dar. Daher hängt
die Länge
der Ausschnitte vor allem von der Breite der Spur und der Kameraposition
ab. Sie liegt in einem Bereich zwischen 150 und 250 Pixel. Die Höhe des Ausschnitts
wurde auf 40 Pixel gesetzt, um die Bildgröße zu reduzieren und somit
auch den rechnerischen Aufwand, der zur Verarbeitung der relevanten
Bildbereiche (ROI = Region of interest) erforderlich ist. Siehe
Um eine entsprechende Segmentierung und Kantenerfassung zu garantieren, sollten die verschiedenen Bereiche in einem Bild an ihrem Rand so viele Unterschiede wie möglich aufweisen. Umgekehrt ist eine große Homogenität der segmentierten Bereiche wichtig. Rauschen behindert beispielsweise auf Grund von Faltungen eine aussagekräftige Segmentierung und führt zu störenden Ergebnissen.Around to guarantee appropriate segmentation and edge detection The different areas in a picture should be on their edge so many Differences as possible exhibit. Conversely, there is a great homogeneity of the segmented areas important. For example, noise hinders due to convolutions a meaningful Segmentation and leads too disturbing Results.
Bevor ein Algorithmus für die Messung der Textur oder ein Kantensensor in dem relevanten Bildbereich (ROI) eingesetzt wird, müssen vorbereitende Schritte durchgeführt werden, um die oben genannten Kriterien zu erfüllen.Before an algorithm for the measurement of texture or an edge sensor in the relevant image area (ROI) is needed preparatory steps performed to meet the above criteria.
Der
Kontrast kann mit Hilfe einer Kontrasterhöhung [10] verbessert werden.
Eingabewerte unter dem Schwellenwert m werden in einen engen Bereich
dunkler Zonen im ausgegebenen Bild komprimiert; ebenso werden Werte
größer als
m in einen engen Bereich heller Zonen im Ergebnis komprimiert. Auf
diesem Weg werden die Graustufenwerte vom Intervall [min max] auf
das Intervall [0 255] gedehnt. Es ergibt sich ein Bild mit schärferem Kontrast,
und die Grenze zwischen den Bereichen ist schärfer, siehe
Um das Rauschen im Bild zu reduzieren, das durch den vorhergehenden Schritt teilweise verstärkt wurde, können die Ausschnitte mit Hilfe einer 5 × 5-Median-Filtermaske verbessert werden. Der Median-Filter ist nicht linear und berechnet den Medianwert der geordneten Sequenz der betreffenden Pixelwerte unter der Filtermaske. Die Verwendung linearer Filter wurde vermieden, weil die Verwendung derartiger Filter zu verschwommenen Kanten führt. Nach den Verbesserungsmaßnahmen kann der Bildausschnitt mit einem Kernel gefiltert werden, der auf der Basis von zwei, in [9] vorgeschlagenen mnemonischen Zeichen mit einer Länge von 5 entwickelt wurde: To reduce the noise in the image that was partially enhanced by the previous step, the slices can be enhanced using a 5x5 median filter mask. The median filter is non-linear and calculates the median of the ordered sequence of pixel values under the filter mask. The use of linear filters has been avoided because the use of such filters results in blurred edges. After the corrective measures, the image section can be filtered with a kernel developed on the basis of two mnemonic characters with a length of 5 proposed in [9]:
In dieser Gleichung entspricht 1 L dem Ebenenvektor. Das mittlere Pixel hat hierbei ein höheres Gewicht. E ist der Kantenvektor. Er stellt die Koeffizienten der zweiten Ableitung dar.In this equation corresponds to 1 L of the plane vector. The middle pixel has a higher weight here. E is the edge vector. He sets the coefficients of the second Derivation.
Die Anwendung des Convolution-Kernel auf das Eingabebild führt zu einem Graustufenbild. Die Graustufen beschreiben die Textur-Merkmale eines jeden Pixels, in unserem Fall die Beteiligung eines jeden Pixels an einer Kante. Nach [9] wird jedes Pixel in dem sich ergebenden Graustufenbild durch ein Textur-Energie-Maß (TEM) am Pixel ersetzt. Dies geschieht durch die Durchführung einer nichtlinearen Windowing-Operation um jedes Pixel herum. Für die hier gewünschte Streifenerkennung als charakteristisches Merkmal einer nassen Fahrbahn ist das TEM irrelevant. Wichtiger als die absoluten Werte der Pixelbeteiligung an dem untersuchten Merkmal ist die topologische Verteilung der Pixels, die zu einem solchen Merkmal gehören.The Applying the convolution kernel to the input image results in a Grayscale image. The grayscale describes the texture features of each Pixels, in our case the participation of each pixel in one Edge. According to [9], every pixel in the resulting grayscale image becomes through a texture energy measure (TEM) replaced at the pixel. This is done by carrying out a non-linear windowing operation around each pixel. For the here desired Strip detection as a characteristic feature of a wet road surface the TEM is irrelevant. More important than the absolute values of pixel sharing The feature studied is the topological distribution of Pixels that belong to such a feature.
Im
Gegensatz zu einer nassen Fahrbahn, die deutliche helle Streifen
aufweist, zeigt eine trockene Fahrbahn verstreute rauschanfällige helle
Bereiche (
Bei Verwendung des Sobel-Kantendetektors werden die Streifenkanten festgestellt. Daher wird das zuvor erhaltene Graustufenbild in ein Schwarz/Weiß-Bild umgewandelt, um einen maximalen Kontrast zu erhalten, weil der Sobel-Kantendetektor ein auf Gradienten basierender Detektor ist.at Using the Sobel edge detector, the strip edges are detected. Therefore, the previously obtained grayscale image is converted into a black and white image, to obtain maximum contrast because of the Sobel edge detector is a gradient based detector.
Wenn
die untersuchte Fahrbahnoberfläche nass
ist, ergibt sich aus der Kantenerfassung eine Reihe langer vertikaler
Kanten, siehe
In
einem letzten Schritt, der „Glättung" genannt wird, werden
alle Kanten, die unter einer bestimmten Schwelle liegen, verworfen.
Siehe
Die Eignung der in diesem Abschnitt beschriebenen Methode wurde an mehr als 1600 Bildern getestet, die auf unterschiedlichen Fahrbahnbelägen mit unterschiedlichen Beleuchtungszuständen festgehalten wurden. In etwa 80% der Fälle wurde der Fahrbahnzustand korrekt erkannt. Trotzdem ist die Methode grundlegend ungeeignet, wenn der ROI einen Schatten, den Scheibenwischer oder Fahrbahnrillen umfasst. Daher wird eine zusätzliche Methode entwickelt, mit der breite Bereiche mit relativ konstanten und niedrigen Graustufen erkannt werden sollen, wobei ihre absoluten und relativen Werte im Vergleich zum Rest des Bildes bewertet werden, Schatten, Wischer und Fahrbahnrillen erkannt werden oder das Bild im Falle von Mehrdeutigkeiten für nicht verwendbar erklärt wird.The The suitability of the method described in this section has been increased tested as 1600 images on different road surfaces with different lighting conditions were recorded. In about 80% of the cases the road condition was recognized correctly. Nevertheless, the method is fundamentally inappropriate, if the ROI a shadow, the windshield wiper or roadway grooves. Therefore, an additional method is developed with the broad areas with relatively constant and low gray levels be recognized, with their absolute and relative values in the Compared to the rest of the picture are rated, shadows, wipers and road grooves are recognized or the image in case of ambiguity for not declared usable becomes.
2.4 Der IR-Sensor2.4 The IR sensor
Der
IR-Sensor misst die direkte und indirekte Reflexion des Lichts auf
die Fahrbahn (
Es
können
drei unterschiedliche Sensorparameter variiert werden: Abstand h
(
Natürlich können mit Hilfe des Sensors unterschiedliche Klassen von Fahrbahnflächen hergestellt werden. Diese Klassen können definiert werden, indem nur die indirekte oder direkte Reflexion herangezogen wird. Trotzdem führt die Verwendung beider Werte zu einer höheren Robustheit. Es ist daher möglich, die Anzahl der erforderlichen Beispiele zu reduzieren, um den Mittelwert zu erzeugen.Of course you can Help the sensor made different classes of road surfaces become. These classes can be defined by using only indirect or direct reflection becomes. Nevertheless, leads the use of both values for a higher robustness. It is therefore possible, reduce the number of required examples to the mean to create.
2.5 Mikrophon2.5 microphone
Wie in [11] erwähnt, ist es möglich, für die Erfassung des Fahrbahnzustands ein Mikrophon zu verwenden. Der Versuch der Messung des Reifen-/Fahrbahngeräuschs bei Regen aus nächster Nähe legt nahe, das Mikrophon in einer geschützten Position nahe der Kontaktfläche zu montieren. Die folgenden Messungen wurden an der Vorderkante des Hinterrads durchgeführt. Es ist angebracht, frei rollende Fahrten bei konstanter Geschwindigkeit zu berücksichtigen. Auf Grund des erwarteten hochfrequenten „zischenden Geräuschs" des Wassers war es notwendig, Mikrophone mit einem großen dynamischen Bereich zu verwenden. Zusätzlich dazu führte die Verwendung einer 16-Bit AD-Karte für die Datenerfassung zu der Notwendigkeit einer Signalfilterung und -verstärkung, um in der Lage zu sein, die gesamte 16-Bit-Auflösung auch bei Frequenzen über 10 kHz zu verwenden.As mentioned in [11], Is it possible, for the Detecting road condition using a microphone. The attempt the measurement of the tire / road noise in the rain from close proximity sets to mount the microphone in a protected position near the contact surface. The following measurements were taken at the front edge of the rear wheel carried out. It is appropriate to free-rolling rides at constant speed to take into account. It was due to the expected high frequency "hissing noise" of the water necessary to use microphones with a large dynamic range too use. additionally this led to the Using a 16-bit AD card for data acquisition to the Need for signal filtering and amplification in order to be able to the entire 16-bit resolution even at frequencies above 10 kHz to use.
Trocknungstests,
die mit sehr nassen Oberflächen
begannen, haben ein direktes Verhältnis zwischen der Wasserfilmhöhe und dem
Geräuschpegel bei
hohen Frequenzen angezeigt. In
Die Signale werden verwendet, um die Wasserhöhe zu definieren. Es wurde Oktav 9 gewählt, um die Nässe der Fahrbahn zu beschreiben. Dies ist auf die höchste Varianz und die richtige Zuordnung der Trocknungsgrade für dieses Frequenzintervall bei den meisten der erfassten Daten zurückzuführen.The Signals are used to define the water level. It was Octave 9 chosen, for the wet to describe the roadway. This is the highest variance and the right one Assignment of the drying degrees for This frequency interval is due to most of the collected data.
Um
diese Beobachtungen auf die allgemeine Fahrsituation auszudehnen,
zu der unterschiedliche Geschwindigkeiten, Steuer- und Bremssituationen, sowie
ein Rauschen erzeugende Fahrbahnoberflächen gehören, müssen die tatsächlich gemessenen Geräuschpegel
in einen Bezugswert umgewandelt werden (
Außerdem kann
das Rauschen ebenso verwendet werden, um Schnee auf der Fahrbahn
festzustellen. In
Dieser Effekt ist ein Charakteristikum der Reifenkonstruktion und der dämpfenden Wirkung von Schnee. Die in einem Frequenzbereich um 2 kHz festgestellten Geräuschpegel sind bei Schnee niedriger als bei anderen Oberflächen. Hiermit wird zwischen Eis und Schnee unterschieden, die ähnliche Charakteristika haben, wenn andere Sensorwerte in Betracht gezogen werden.This Effect is a characteristic of tire construction and dampening Effect of snow. The detected in a frequency range around 2 kHz noise are lower in snow than other surfaces. This is between Ice and snow, which have similar characteristics, if other sensor values are taken into account.
Der Geräuschpegel in diesem Frequenzintervall hängt auch von der Fahrzeuggeschwindigkeit und der Reifenart ab. Trotzdem ist es möglich, eine Begrenzung des charakteristischen Geräuschs von Schnee für einen Referenz-Geräuschpegel zu definieren, der im Hinblick auf die Geschwindigkeit korrigiert wurde.Of the noise in this frequency interval depends also from the vehicle speed and the type of tire. Nevertheless Is it possible, a limitation of the characteristic sound of snow for one Reference Noise to be defined, which corrects for speed has been.
3. Fusion der Daten von mehreren Sensoren3. Fusion the data from several sensors
Mit Hilfe der integrierten Sensorsignale und der verarbeiteten Sensordaten kann der Fahrbahnzustand erfasst werden. Als besonders bevorzugte Ausführung liefern die drei Untersysteme ein Fuzzy-Ergebnis für die tatsächlich vorhandene Nässe, den Schnee oder das Eis auf der Fahrbahn. Der trockene Zustand ist komplementär zu diesen drei Zuständen. Jedes Untersystem umfasst zwei Ergebnisklassen: die erfasste Klasse (Nässe/Schnee/Eis) und die unbekannte Klasse. Zu der unbekannten Klasse gehört die Erfassung der Negation der bereits genannten Klassen, jedoch auch die Erfassung einer ungültigen Klasse z.B. auf Grund ungenügender Informationen in der Eingangsschicht.With Help of integrated sensor signals and processed sensor data the road condition can be detected. Provide as a particularly preferred embodiment the three subsystems produce a fuzzy result for the actual wetness, the Snow or the ice on the road. The dry state is complementary to these three states. Each subsystem includes two result classes: the detected class (Wet / snow / ice) and the unknown class. The acquisition belongs to the unknown class the negation of the already mentioned classes, but also the recording an invalid one Class e.g. due to insufficient Information in the input layer.
Auf Grund der stückweisen redundanten Sensorinformationen wurde ein Validitätskonzept entwickelt. Dieses Konzept erlaubt die Abschaltung einiger Sensoren und gewährleistet eine Reibungserfassung ohne zusätzlichen Programmieraufwand. Der Validitätstest basiert auf der Kontrolle des Wertebereichs der Sensordaten und der Plausibilität einiger Szenarien. Ein zentraler Punkt für die Wiederverwendbarkeit der Software im Falle von ungültigen Sensordaten ist die Definition der ungültigen Schicht, in der das Sensorsignal Werte erhält, die zu ungültigen Klassen bei der Ausgabe führen.On Reason of piecewise redundant sensor information, a validity concept was developed. This concept allows the shutdown of some sensors and ensures a friction detection without additional Programming. The validity test is based on the control of the value range of the sensor data and the plausibility some scenarios. A central point for reusability the software in case of invalid sensor data is the definition of invalid Layer in which the sensor signal receives values that are invalid classes at the issue lead.
Auf
diesem Weg liefert das System drei Klassenzugehörigkeitswerte, die jeweils
von einem binären
Validitätswert
begleitet werden. Um die erwähnte Reibwertvoraussage
zu erreichen, ist unbedingt ein komplementärer Voraussageblock erforderlich (
Die
bereits erwähnten
Untersysteme werden am Beispiel der Nässeerfassung (
Die gewählte Verknüpfung basiert auf einem Fuzzy-System. Die Regeln werden nach der Beobachtung der Sensordaten bei unterschiedlichen Fahrbahnzuständen erstellt. Es wird ein Sugeno-Netzwerk verwendet, bei dem die Ausgabe eine lineare Kombination der Eingaben ist.The elected shortcut based on a fuzzy system. The rules become after the observation the sensor data created at different road conditions. It uses a Sugeno network where the output is a linear combination of inputs.
Die Zugehörigkeitsfunktionen für die Eingabeklassen basieren auf Splines. Sie folgen einer Z- oder einer S-Form. Die Parameter dieser Funktionen werden als Variablen definiert, um die Optimierung des Fuzzy-Expertennetzwerks zu ermöglichen.The membership functions for the input classes are based on splines. They follow a Z or an S-shape. The parameters of these functions are defined as variables to allow optimization of the fuzzy expert network.
Die Regeln erhalten eine unterschiedliche Gewichtung, so dass z.B. die Erfassung niedriger Temperaturen zu einer Ablehnung der Regeln für die Nässeerfassung führt.The Rules receive a different weighting so that e.g. the Detecting low temperatures to reject the rules for wet detection leads.
Die verwendete Defuzzification-Strategie ist die „Flächenschwerpunkt-Methode", wobei Ergebnis R als Gleichung 2 berechnet wird:wobei Ki den Ausgabeklassen, wi den Gewichtungen der Ausgabeklassen und μi den Ausgaben der Regeln entspricht.The defuzzification strategy used is the "centroid" method, where result R is calculated as Equation 2: where K i corresponds to the output classes, w i to the weights of the output classes, and μ i to the outputs of the rules.
Die
Schwerpunktmethode bietet eine 100%-Voraussage, wenn nur eine einzelne
Regel aktiviert wird, auch wenn die aktive Regel einen geringen
Zugehörigkeitswert
unter 20% bietet. Es musste ein Schalter definiert werden, um eine
Fuzzy-Ausgabe unabhängig
von der Anzahl aktiver Regeln zu erzielen. Gleichung 3 nennt den
Schalter für
ein System mit zwei Ausgabeklassen K1 („unbekannt") und K2 („nass"), um die genannte
Vorstellung zu erläutern.
In
diesem Abschnitt wurde ein Fuzzy-System mit etwa 159 Parametern
definiert. Der anfängliche Parametersatz
wurde auf der Basis der Beobachtungen festgelegt. Die Einstellung
der Klassengrenzen und der Regelgewichtungen wurde durch eine nichtlineare
Optimierung der kleinsten Quadrate erreicht. Es wurden mehrere Messungen
auf nassen, trockenen, vereisten und verschneiten Flächen durchgeführt. Die
Ergebnisse des optimierten Systems sind sehr gut.
Ähnliche
Tests mit dem optimierten Netz wurden auf einer sogenannten „Schach"-Fläche ausgeführt, bei
der sich Beton und Eis abwechselten.
Trotzdem
sind die die Übergänge so klar
wie die mittleren Teile eines jeden Musters. Die vertikalen schwarzen
Linien in
In diesem Abschnitt wird ein speziell bevorzugter Multisensor-Ansatz für die Erfassung des Fahrbahnzustandes beschrieben. Das System basiert auf einem optischen Sensor für die Helligkeit und Brillanz der Fahrbahn, einem akustischen Sensor, einem optischen Regensensor, einem Fahrbahn-Temperatursensor und einem Kamerasystem. Die verarbeiteten Signale werden mit Hilfe eines Fuzzy-Expertennetzwerks mit selbst definierten Regeln und software-optimierten Parametern zugeordnet. Als Ergebnis erhält man die Zugehörigkeitswerte für die Klassen Nässe, Eis und Schnee sowie die entsprechenden Validitätswerte. In den meisten Fällen wird der Fahrbahnzustand erfolgreich erfasst. Trotzdem sollte klar sein, dass jede Messmethode, besonders die des Kamerasystems oder des Infrarot-Reflexionssensors unabhängig voneinander verwendbar und innovativ sind.In This section will be a particularly preferred multi-sensor approach for the Detection of the road condition described. The system is based on an optical sensor for the brightness and brilliance of the roadway, an acoustic sensor, an optical rain sensor, a road temperature sensor and a camera system. The processed signals are generated using a fuzzy expert network with self-defined rules and software-optimized parameters assigned. As a result receives one the affiliation values for the classes wet, Ice and snow and the corresponding validity values. In most cases will the road condition is detected successfully. Nevertheless, it should be clear that every measurement method, especially that of the camera system or the Infrared reflection sensor independent mutually usable and innovative.
Erwähnte ReferenzenMentioned references
- [1] R. Gnadler, H. Marwitz, „Neues System zur Ermittlung des Kraftschlusspotentials im Fahrbetrieb", in ATZ 05/2004, Deutschland, 2004, Seiten 458–467.[1] R. Gnadler, H. Marwitz, "Neues System for determining the traction potential in driving mode ", in ATZ 05/2004, Germany, 2004, pages 458-467.
- [2] B. Heimann, H. Abdellatif, H. Blume, N. Bouzid, M. Lorenz und A. Trabelsi, "Wechselwirkung Fahrbahn-Fahrzeug aus der Sicht der Mechatronik", in VDI-Berichte 1791, VDI-Reifen-Fahrwerk-Fahrbahn, Hannover, Deutschland, 2003, Seiten 11–32.[2] B. Heimann, H. Abdellatif, H. Blume, N. Bouzid, M. Lorenz and A. Trabelsi, "Interaction Road vehicle from the perspective of mechatronics ", in VDI reports 1791, VDI tire chassis lane, Hanover, Germany, 2003, pages 11-32.
- [3] Volk, H., Kluge, S., „the intelligent tyre", in Proc. of the International Rubber Conference 2003, Nürnberg, Seiten 177–180[3] Volk, H., Kluge, S., "The intelligent tire ", in proc. of the International Rubber Conference 2003, Nuremberg, Pages 177-180
- [4] Cyllik, A.; Strothjohann, Th.; Scholl, G., „Der intelligente Reifen – Anwendungs-Möglichkeiten des Reifenprofilssensors", in VDI-Bericht Nr. 1632, Düsseldorf, 2001, Seiten 115–124[4] Cyllik, A .; Strothjohann, Th .; Scholl, G., "The intelligent Tires - Application Options Tire Profile Sensor ", in VDI Report No. 1632, Düsseldorf, 2001, pages 115-124
- [5] Quandt, E, Hoffmann, K.-H., Moske. M., „tire friction remote sensor", Jahresbericht 2002, Caesar, Bonn.[5] Quandt, E, Hoffmann, K.-H., Moske. M., "tire friction remote sensor", Annual report 2002, Caesar, Bonn.
- [6] Canudas-de-Wit, C., Horowitz, R., „observers for Tire/road contact friction using only wheel angular velocity information", Proceeding of the IEEE Conference on Decision and Control, December, 1999.[6] Canudas-de-Wit, C., Horowitz, R., "observers for Tire / road contact friction using only wheel angular velocity information ", Proceeding of the IEEE Conference on Decision and Control, December, 1999.
- [7] Bachmann, T., „berührungslose Kraftschluss-Erkennung", PROMETHEUS Phase III, Schlussbericht, fzd-Bericht Nr. 199/96, Fachgebiet Fahrzeugtechnik, Technische Hochschule Darmstadt, 1996.[7] Bachmann, T., "Noncontact Power circuit detection " PROMETHEUS Phase III, Final Report, fzd Report No. 199/96, subject area Vehicle Technology, Technische Hochschule Darmstadt, 1996.
- [8] Gnadler, R., Unrau, H.-J., „Method and Device for Determining the Adhesion and Adhesion Limit for Vehicle Tyres", DaimlerChrysler AG, Patent WO00/32456A1, 2000.[8] Gnadler, R., Unrau, H.-J., "Method and Device for Determining the Adhesion and Adhesion Limit for Vehicle Tires", DaimlerChrysler AG, patent WO00 / 32456A1, 2000.
- [9] K. Laws, „Textured Image Segmentation", Ph. D. Dissertation, University of Southern California, January 1980.[9] K. Laws, "Textured Image Segmentation ", Ph. D. Dissertation, University of Southern California, January 1980th
- [10] Rafael C. Gonzales, Richard E. Woods, Steven L. Eddins, "Digital image processing using MATLAB", Pearson Prentice Hall, 2004.[10] Rafael C. Gonzales, Richard E. Woods, Steven L. Eddins, "Digital image processing using MATLAB, "Pearson Prentice Hall, 2004.
- [11] A. Trabelsi, B. Heimann, L. Dreilich, H.-J. Harting, „The Microphone as a roughness and wetness sensor of the road in automotive applications", in Internoise 2004, Prag, Tschechische Republik, 2004, Seiten 11–32.[11] A. Trabelsi, B. Heimann, L. Dreilich, H.-J. Harting, "The Microphone as a roughness and wetness sensor of the road in automotive applications ", in Internoise 2004, Prague, Czech Republic, 2004, pages 11-32.
Claims (3)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE200410047914 DE102004047914A1 (en) | 2004-09-29 | 2004-09-29 | Method of estimating road condition, by detecting image of road or previously defined portion of road using camera system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE200410047914 DE102004047914A1 (en) | 2004-09-29 | 2004-09-29 | Method of estimating road condition, by detecting image of road or previously defined portion of road using camera system |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102004047914A1 true DE102004047914A1 (en) | 2006-03-30 |
Family
ID=36011694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE200410047914 Withdrawn DE102004047914A1 (en) | 2004-09-29 | 2004-09-29 | Method of estimating road condition, by detecting image of road or previously defined portion of road using camera system |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102004047914A1 (en) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008047750A1 (en) * | 2007-09-18 | 2009-05-07 | Continental Teves Ag & Co. Ohg | Driver assistance system for vehicle, has module for analysis of torsional vibration of wheel of vehicle and for generating estimated value of coefficient of friction on basis of analysis |
WO2009074690A1 (en) * | 2007-12-13 | 2009-06-18 | Technische Universität Ilmenau | Apparatus and method for determining the frictional state of a carriageway surface and use thereof |
DE102009014748A1 (en) | 2009-03-25 | 2010-10-14 | Audi Ag | Driving dynamics controlling method for driver assistance systems in vehicle, involves indirect determining of actual road condition based on detected data, and adjusting control area for slip control depending on actual road condition |
DE102009041566A1 (en) | 2009-09-15 | 2011-03-24 | Continental Teves Ag & Co. Ohg | Method for determination of road friction coefficient, involves updating constant frictional coefficient characteristic during drive, which is determined as constant |
DE102010055773A1 (en) * | 2010-12-23 | 2012-06-28 | Klaus Schneider | Portable temperature information system for warning unexpected changing road conditions e.g. snow formation to driver of passenger car, has unit computing frost point from humidity and temperature, where system measures surface temperature |
DE102012112724A1 (en) | 2012-12-20 | 2014-06-26 | Continental Teves Ag & Co. Ohg | Method for determining a road condition from environmental sensor data |
WO2014094767A1 (en) | 2012-12-20 | 2014-06-26 | Continental Teves Ag & Co. Ohg | Estimation of the coefficient of friction from camera and wheel rotation speed data |
DE102013021797A1 (en) * | 2013-12-23 | 2015-06-25 | Hella Kgaa Hueck & Co. | Method for issuing a warning on a dangerous roadway condition and device |
US9135219B2 (en) | 2010-06-30 | 2015-09-15 | Wabco Gmbh | Method and device for controlling at least one driver assistance system of a vehicle |
US9493145B2 (en) | 2010-02-17 | 2016-11-15 | Conti Temic Microelectronic Gmbh | Method for automatically preventing aquaplaning |
US10147002B2 (en) | 2013-02-19 | 2018-12-04 | Conti Temic Microelectronic Gmbh | Method and apparatus for determining a road condition |
US10289920B2 (en) | 2013-11-15 | 2019-05-14 | Continental Teves Ag & Co. Ohg | Method and device for determining a roadway state by means of a vehicle camera system |
DE102018214882A1 (en) * | 2018-08-31 | 2020-03-05 | Robert Bosch Gmbh | Method for determining a maximum coefficient of friction between a vehicle tire and a road and method for controlling a vehicle |
EP3686073A1 (en) * | 2019-01-24 | 2020-07-29 | MAN Truck & Bus SE | Method and device for operating an approaching aid of a vehicle |
DE102019212668A1 (en) * | 2019-08-23 | 2021-02-25 | Continental Automotive Gmbh | Method and device for real-time determination of properties of a roadway currently being used by a vehicle |
DE102020103917A1 (en) | 2020-02-14 | 2021-08-19 | HELLA GmbH & Co. KGaA | Method for determining the coefficient of friction of a road surface on which a vehicle is traveling |
-
2004
- 2004-09-29 DE DE200410047914 patent/DE102004047914A1/en not_active Withdrawn
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008047750A1 (en) * | 2007-09-18 | 2009-05-07 | Continental Teves Ag & Co. Ohg | Driver assistance system for vehicle, has module for analysis of torsional vibration of wheel of vehicle and for generating estimated value of coefficient of friction on basis of analysis |
WO2009074690A1 (en) * | 2007-12-13 | 2009-06-18 | Technische Universität Ilmenau | Apparatus and method for determining the frictional state of a carriageway surface and use thereof |
DE102009014748A1 (en) | 2009-03-25 | 2010-10-14 | Audi Ag | Driving dynamics controlling method for driver assistance systems in vehicle, involves indirect determining of actual road condition based on detected data, and adjusting control area for slip control depending on actual road condition |
DE102009014748B4 (en) * | 2009-03-25 | 2021-05-27 | Audi Ag | Method for controlling a driver assistance system that influences the driving dynamics of a vehicle |
DE102009041566A1 (en) | 2009-09-15 | 2011-03-24 | Continental Teves Ag & Co. Ohg | Method for determination of road friction coefficient, involves updating constant frictional coefficient characteristic during drive, which is determined as constant |
DE102009041566B4 (en) | 2009-09-15 | 2022-01-20 | Continental Teves Ag & Co. Ohg | Procedure for classifying the road surface friction coefficient |
US9493145B2 (en) | 2010-02-17 | 2016-11-15 | Conti Temic Microelectronic Gmbh | Method for automatically preventing aquaplaning |
US9135219B2 (en) | 2010-06-30 | 2015-09-15 | Wabco Gmbh | Method and device for controlling at least one driver assistance system of a vehicle |
DE102010055773A1 (en) * | 2010-12-23 | 2012-06-28 | Klaus Schneider | Portable temperature information system for warning unexpected changing road conditions e.g. snow formation to driver of passenger car, has unit computing frost point from humidity and temperature, where system measures surface temperature |
DE102012112724A1 (en) | 2012-12-20 | 2014-06-26 | Continental Teves Ag & Co. Ohg | Method for determining a road condition from environmental sensor data |
DE102012112725A1 (en) | 2012-12-20 | 2014-06-26 | Continental Teves Ag & Co. Ohg | Friction estimation from camera and wheel speed data |
WO2014094766A1 (en) | 2012-12-20 | 2014-06-26 | Continental Teves Ag & Co. Ohg | Method for determining a carriageway condition from environment sensor data |
US9643617B2 (en) | 2012-12-20 | 2017-05-09 | Continental Teves Ag & Co. Ohg | Friction coefficient estimation from camera and wheel speed data |
US9676331B2 (en) | 2012-12-20 | 2017-06-13 | Continental Teves Ag & Co. Ohg | Method for determining a state of a pavement from surroundings sensor data |
WO2014094767A1 (en) | 2012-12-20 | 2014-06-26 | Continental Teves Ag & Co. Ohg | Estimation of the coefficient of friction from camera and wheel rotation speed data |
US10147002B2 (en) | 2013-02-19 | 2018-12-04 | Conti Temic Microelectronic Gmbh | Method and apparatus for determining a road condition |
US10289920B2 (en) | 2013-11-15 | 2019-05-14 | Continental Teves Ag & Co. Ohg | Method and device for determining a roadway state by means of a vehicle camera system |
DE102013021797A1 (en) * | 2013-12-23 | 2015-06-25 | Hella Kgaa Hueck & Co. | Method for issuing a warning on a dangerous roadway condition and device |
DE102018214882A1 (en) * | 2018-08-31 | 2020-03-05 | Robert Bosch Gmbh | Method for determining a maximum coefficient of friction between a vehicle tire and a road and method for controlling a vehicle |
DE102019101704A1 (en) | 2019-01-24 | 2020-07-30 | Man Truck & Bus Se | Method and device for controlling a vehicle starting aid |
EP3686073A1 (en) * | 2019-01-24 | 2020-07-29 | MAN Truck & Bus SE | Method and device for operating an approaching aid of a vehicle |
DE102019212668A1 (en) * | 2019-08-23 | 2021-02-25 | Continental Automotive Gmbh | Method and device for real-time determination of properties of a roadway currently being used by a vehicle |
DE102020103917A1 (en) | 2020-02-14 | 2021-08-19 | HELLA GmbH & Co. KGaA | Method for determining the coefficient of friction of a road surface on which a vehicle is traveling |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102004047914A1 (en) | Method of estimating road condition, by detecting image of road or previously defined portion of road using camera system | |
DE102004018088B4 (en) | Lane recognition system | |
DE102011086512B4 (en) | fog detection | |
WO2019174682A1 (en) | Method and device for detecting and evaluating roadway conditions and weather-related environmental influences | |
DE602004007083T2 (en) | Driver adaptive collision warning system | |
DE102007043164B4 (en) | Nebula detection device for motor vehicles | |
DE102018119359A1 (en) | TRACTION CONTROL BASED ON A FRICTION COEFFICIENT ESTIMATE | |
DE102005001455A1 (en) | Road surface reflection detection device | |
DE102011004006A1 (en) | Lane mark recognition system with improved recognition behavior | |
DE102016122481A1 (en) | SURFACE STATUS RECOGNITION FOR SNOW-COVERED RIDES | |
DE112020001535T5 (en) | ROAD SURFACE CONDITION DETERMINATION DEVICE FOR VEHICLES, DRIVER ASSISTANCE SYSTEM AND ROAD SURFACE CONDITION METHOD | |
DE112013003276T5 (en) | Object recognition device | |
DE102019108610A1 (en) | IMPROVING VEHICLE BEHAVIOR USING INFORMATION FROM OTHER VEHICLE LIGHTS | |
DE102019106845A1 (en) | Veiling distance for vehicle sensors | |
DE102019115459A1 (en) | METHOD AND DEVICE FOR EVALUATING A ROAD SURFACE FOR MOTOR VEHICLES | |
DE102005056647A1 (en) | Monitoring device for inspecting a motor vehicle's surroundings uses a picture taken by an infrared imaging-device to extract a body in the vehicle's surroundings as an object | |
WO2010099847A1 (en) | Method and device for determining visibility range for a vehicle | |
DE102011105074A1 (en) | Method for determining visual range for vehicle, involves determining surrounding of vehicle by camera, where contrast dimensions are determined for object depicted in images, where visual range is determined from contrast dimensions | |
JP5457224B2 (en) | Road surface condition detection device | |
DE102017219048A1 (en) | Method and device for determining a state of a roadway of a vehicle | |
DE102017217072B4 (en) | Method for detecting a weather condition in an area surrounding a motor vehicle, and control device and motor vehicle | |
DE102018206739A1 (en) | Method and device for detecting a road condition | |
EP1504285B1 (en) | Method and device for visual range measurements with image sensor systems | |
DE102005056665A1 (en) | Vehicle surroundings monitoring apparatus, has calculation device to calculate interval status quantity based on interval between luminance values, where interval length in actual space is longer than a preset length | |
WO2019211165A1 (en) | Method and device for detecting a noise generated in a received signal of an ultrasonic sensor |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
ON | Later submitted papers | ||
8130 | Withdrawal |