-
Die
vorliegende Erfindung betrifft ein Sensortusionssystem und ein Fahrzeugsteuersystem
mit diesem. In dem Sensorfusionssystem erfassen mehrere Typen von
Erfassungseinrichtungen, zum Beispiel Sensoren, ein einziges Erfassungsobjekt
und werden sich ergebende Erfassungswerte zum Verbessern einer Genauigkeit
beim Erfassen des Erfassungsobjekts synthetisch bewertet.
-
Herkömmlicherweise
ist ein adaptives Geschwindigkeitsregelsystem entwickelt worden,
das automatisch eine Fahrzeuggeschwindigkeit einstellt, um einen
Folgeabstand zu einem vorausfahrenden Fahrzeug durch Messen des
Folgeabstands zu dem vorausfahrenden Fahrzeug zu steuern. Weiterhin
ist ein Kollisionswarn- und Kollisionsverhinderungssystem entwickelt
worden, das Steuervorgänge,
wie zum Beispiel ein Alarmieren oder Bremsen, durchführt, wenn
eine Kollisionsauftretenswahrscheinlichkeit hoch ist.
-
In
diesen Systemen weist eine Erfassungsgenauigkeit eine bedeutsame
Wichtigkeit bei Erkennungsvorrichtungen auf, die einen Radarsensor
oder dergleichen verwenden, der eine Position, eine relative Geschwindigkeit
und eine Abmessung des Erfassungsobjekts erkennt. Deshalb ist, wie
es in den nachfolgend genannten Patentdruckschriften 1 bis 5 beschrieben
ist, ein Sensorfusionssystem entwickelt worden. Dieses Sensorfusionssystem
beinhaltet mehrere Erkennungsvorrichtungen, wie zum Beispiel eine
Lasersensor-Erkennungseinheit und eine Bildsensor-Erkennungseinheit,
die eine Kamera verwendet. Hierbei beinhaltet die Lasersensor-Erkennungseinheit
so etwas, wie einen Milimeterwellenradar eines Funkwellentyps oder
einen Laserradar, der einen Infrarotlaser verwendet. Die Erfassungsergebnisse
aus den mehreren Erkennungseinheiten werden dadurch kombiniert,
um eine höhere
Genauigkeit und Zuverlässigkeit
zu erzielen.
-
Zum
Beispiel erkennt in einer Vorrichtung zum Erkennen eines vorde ren
Fahrzeugs in der Patentdruckschrift 1 die Radarerkennungseinheit
einen Folgeabstand, eine Ausrichtung und eine relative Geschwindigkeit,
während
die Bildsensor-Erkennungseinheit einen Folgeabstand, eine Ausrichtung,
eine relative Geschwindigkeit, eine Fahrzeugbreite und eine Position
innerhalb einer Fahrspur erkennt. In einer Syntheseverarbeitungseinheit
wird es, wenn die erfassten Folgeabstände, Ausrichtungen, relativen Geschwindigkeiten
in der Radarerkennungseinheit und der Bildsensor-Erkennungseinheit
zwischen diesen gleich sind, erachtet, dass das gleiche einzelne Fahrzeug
erfasst wird. Dieses Ergebnis wird zu Erkennungsergebnissen hinzugefügt. Hierbei
werden als das Erkennungsergebnis der Folgeabstand, die Ausrichtung
und die relative Geschwindigkeit, die gemeinsam von der Radarerkennungseinheit
und der Bildsensor-Erkennungseinheit erkannt worden sind, und die
Fahrzeugbreite und Position innerhalb einer Fahrspur, die aus der
Bildsensor-Erkennungseinheit erkannt worden ist, von der Syntheseverarbeitungseinheit
ausgegeben.
-
- Patentdruckschrift 1: JP-2003-169197 A (US 2003/105578 A)
- Patentdruckschrift 2: JP-2003-151094 A (US 2003/0097237 A)
- Patentdruckschrift 3: JP-2003-84064 A
- Patentdruckschrift 4: JP-2003-172780 A
- Patentdruckschrift 5: JP-2003-99906 A
-
Es
wird erwartet, dass dieser Typ einer Syntheseverarbeitungseinheit
in verschiedenen Fahrzeugtypen verwendet wird. Hierbei können, wenn
die Einheit in verschiedenen Fahrzeugtypen (luxuriös oder üblich) verwendet
wird, verschiedene Funktionen, verschiedene Sensoren oder verschiedene Kombinationen
von Sensoren erforderlich sein. Weiterhin kann ein Sensorfusionssystem
durch Kombinieren von verschiedenen Sensoren ausgebildet sein, von
denen jeder von einem unterschiedlichen Anbieter geliefert wird.
-
Hierbei
bringt dieses Sensorfusionssystem potentiell Probleme mit sich.
Typischerweise beinhaltet das Sensorfusionssystem verschiedene Erkennungseinrichtungen,
die Sensoren beinhalten, und eine letztstufige Synthesebestimmungsverarbeitung, die
ein Algorithmus ist, der die Datenausgaben aus der Erkennungseinrichtung
sammelt und fusioniert. Dieser Algorithmus ist dadurch den Typen
oder der Kombination der Sensoren zugeordnet. An ders ausgedrückt muss
zu jeder Zeit, zu der die Kombination von Sensoren oder eine Spezifikation
von einer der Erkennungseinrichtungen geändert wird, der Algorithmus
der Synthesebestimmungsverarbeitung erneut überprüft werden.
-
Es
wird angenommen, dass als ein auf ein übliches Fahrzeug ausgerichtetes
Fahrunterstützungssystem
ein adaptives Geschwindigkeitsregelsystem und ein Fahrspurabweichungsalarm
in ein Fahrzeug eingebaut sind. Hierbei wird es erwartet, dass ein
billiger Laserradar, eine Kamera einer niedrigen Auflösung und
eine Berechnungsschaltung eines verhältnismäßig niedrigen Leistungsvermögens eine
billige Erkennungssensoreinheit zum Erkennen von weißen Spuren
und Objekten bilden. Im Gegensatz wird es für ein luxuriöses Fahrzeug,
um eine Funktion zu erweitern, erwartet, dass ein Kollisionsverringerungssystem
oder ein Fahrspurhalte-Unterstützungssystem
in ein Fahrzeug eingebaut sind. Hierbei können ein Millimeterwellenradar
mit einem hohen Umgebungswiderstand, eine hochauflösende Kameravorrichtung,
die einen Dynamikbereich aufweist, und eine Berechnungsschaltung
eines hohen Leistungsvermögens
die Erkennungssensoreinheit zum Erfassen von weißen Spuren und Objekten bilden.
Weiterhin kann für
ein Mittelklassefahrzeug eine unterschiedliche Kombination, die
ein verhältnismäßig niedriges
Leistungsvermögen
und einen verhältnismäßig niedrigen
Preis aufweist, angewendet werden.
-
In
dieser Situation werden, wenn der Algorithmus für die Syntheesbestimmungverarbeitung
bezüglich
jeder der Kombinationen entwickelt werden muss, die Entwicklungskosten
hoch. Weiterhin muss auch dann, wenn ein Erkennungsalgorithmus oder dergleichen
der ein lediglich kleiner Teil des Systems ist, geändert werden
muss, der gesamte Algorithmus für
die Datenfusion erneut überprüft werden.
-
Es
ist eine Aufgabe der vorliegenden Erfindung, ein Sensorfusionssystem,
in dem eine Vielseitigkeit und Wiederverwendbarkeit hervorragend
sind, und ein Fahrzeugsteuersystem mit diesem zu schaffen.
-
Diese
Aufgabe wird hinsichtlich des Sensorfusionssystem mit den in Anspruch
1 angegebenen Maßnahmen
und hinsichtlich des Fahrzeugsteuer systems mit den in Anspruch 7
angegebenen Maßnahmen
gelöst.
-
Weitere
vorteilhafte Ausgestaltungen der vorliegenden Erfindung sind Gegenstand
der abhängigen
Ansprüche.
-
Genauer
gesagt, wird, um die vorhergehende Aufgabe zu lösen, ein Sensorfusionssystem
mit dem Folgenden geschaffen. Eine Mehrzahl von Erfassungseinheiten
sind vorgesehen. Jede der Erfassungseinheiten erfasst einen Datenwert
einer gegebenen Datenart. Eine Mehrzahl von Ausgabeeinheiten ist
vorgesehen. Jede der Ausgabeeinheiten berechnet eine Wahrscheinlichkeitsverteilung
des Datenwerts, der von einer entsprechenden Erfassungseinheit erfasst
wird, die in der Mehrzahl von Erfassungseinheiten enthalten ist,
und gibt dann die berechnete Wahrscheinlichkeitsverteilung aus.
Hierbei zeigt die Wahrscheinlichkeitsverteilung des Datenwerts eine
Wahrscheinlichkeit bezüglich
eines wahren Werts der gegebenen Datenart an. Eine Synthesebestimmungseinheit
ist zum Schätzen
eines wahrscheinlichsten Datenwerts der gegebenen Datenart auf der
Grundlage der Wahrscheinlichkeitsverteilungen vorgesehen, die aus
den Ausgabeeinheiten ausgegeben werden.
-
In
dieser Struktur erfassen die mehreren Erfassungseinheiten die Datenwerte
der gegebenen (gewünschten)
Datenart und geben die entsprechenden Ausgabeeinheiten die Wahrscheinlichkeitsverteilungen
von jeweiligen derartigen Datenwerten aus. Das heißt, die
Erfassungseinheiten geben nicht die Erfassungsdaten, wie zum Beispiel
eine Position, eine Abmessung oder dergleichen, aus, die direkt
erfasst werden. Stattdessen erzielen die Erfassungseinheiten die
Wahrscheinlichkeiten bezüglich
des wahren Werts der jeweiligen Datenart und geben diese zu der
Synthesebestimmungseinheit aus. Die Wahrscheinlichkeit ist eine
Wahrscheinlichkeitsverteilung, die darstellt, mit welchem Grad dem
Datenwert vertraut werden kann. Daher ist die Ausgabeform der Daten,
die aus der Synthesebestimmungseinheit ausgegeben werden, standardisiert,
so dass die Synthetikbestimmungseinheit nicht berücksichtigen
muss, welcher Typ einer Erfassungseinheit das Erfassungsergebnis
liefert. Als Ergebnis kann auch dann, wenn irgendein Typ einer Erfassungseinheit kombiniert
werden kann, der gleiche Datenfusionsalgorithmus ohne Änderung
angewendet werden.
-
Die
vorliegende Erfindung wird nachstehend anhand von Ausführungsbeispielen
und Bezugnahme auf die beiliegende Zeichnung näher erläutert.
-
Es
zeigt:
-
1 eine
Darstellung einer schematischen Struktur einer Fahrunterstützungs-Steuervorrichtung gemäß einem
Ausführungsbeispiel
der vorliegenden Erfindung;
-
2 einen
Graph einer durch Kombinieren einer Gauss-Verteilung und einer Gleichverteilung dargestellten
Wahrscheinlichkeitsverteilung;
-
3A bis 3D Graphen
von anderen als eine Kombination einer Gauss-Verteilung und einer Gleichverteilung
dargestellten Wahrscheinlichkeitsverteilungen;
-
4A einen
gleichzeitig mehrere Wahrscheinlichkeitsverteilungen bezüglich einer
einzigen Datenart zeigenden Graph;
-
4B einen
Graph einer Wahrscheinlichkeitsverteilung als ein Ergebnis einer
Multiplikation (eines Produkts) von mehreren Wahrscheinlichkeitsverteilungen;
-
5 einen
Graph eines Beispiels einer Kausalbeziehung von Variablen;
-
6A einen
Graph einer Wahrscheinlichkeitsverteilung eines von einer Bilderkennungsverarbeitung,
während
es hell ist, erfassten Datenwerts; und
-
6B einen
Graph einer Wahrscheinlichkeitsverteilung eines von einer Bilderkennungsverarbeitung,
während
es dunkel oder regnerisch ist, erfassten Datenwerts.
-
1 zeigt
eine Struktur einer Fahrunterstützungs-Steuervorrichtung 10 gemäß einem
Ausführungsbeispiel
der vorliegenden Erfindung. Wie es in 1 gezeigt
ist, beinhaltet die in ein Fahrzeug eingebaute Vorrichtung 10 Erfassungseinheiten,
wie zum Beispiel einen Millimeterwellenradar, eine Navigationsvorrichtung,
eine Bilderkennungsvorrichtung, die eine Kamera beinhaltet, einen
Beleuchtungssensor oder dergleichen. Andere Erfassungseinheiten (nicht
gezeigt) sind ein Regentropfensensor, ein Fahrzeuggeschwindigkeitssensor,
ein Lenkwinkelsensor, welche Daten erfassen, die zum Erfassen von
Fahrzeug-Fahrzuständen
oder Fahrumgebungen verwendet werden.
-
Der
Millimeterwellenradar berechnet einen Abstand, eine relative Geschwindigkeit
und eine Ausrichtung zu einem vorausfahrenden Fahrzeug oder einem
Hindernis, das vor dem Fahrzeug vorhanden ist, auf der Grundlage
des Ergebnisses eines Empfangens und Sendens von Millimeterwellen
und berechnet weiterhin eine Wellenstärke der empfangenen Millimeterwelle.
Die berechneten Datenwerte werden ausgegeben.
-
Die
Navigationsvorrichtung erfasst eine derzeitige Position des Fahrzeugs
und gibt einen Datenwert aus, der sich auf einen Straßentyp bezieht,
der der erfassten derzeitigen Position entspricht.
-
Die
Bilderkennungsvorrichtung führt
eine Bildverarbeitung für
Bildsignale eines Bilds durch, das von innerhalb eines gegebenen
Bereichs vor dem Fahrzeug genommen ist, um dadurch zum Beispiel
einen Typ eines vorausfahrenden Fahrzeugs, einen Folgeabstand zu
dem vorausfahrenden Fahrzeug, eine Abmessung (Breite, Enden der
hinteren Breite, eine Mitte der hinteren Breite) des vorausfahrenden
Fahrzeugs, eine Breite einer weißen Spur oder dergleichen zu
erfassen.
-
Der
Beleuchtungssensor gibt Datenwerte aus, die sich auf eine Helligkeit
außerhalb
des Fahrzeugs beziehen. Die ausgegebenen Datenwerte werden zum Beispiel
zum Einstellen einer Wahrscheinlichkeit des erkannten Ergebnisses
verwendet.
-
Die
Datenwerte, die von den jeweiligen Erfassungseinheiten erfasst werden,
werden in die entsprechenden Wahrscheinlichkeitsverteilungs-Aus gabeeinheiten 1a bis 1d eingegeben,
welche dann rechnen, um Wahrscheinlichkeitsverteilungen auszugeben,
die Wahrscheinlichkeiten der jeweiligen Datenwerte darstellen.
-
Das
Berechnungsverfahren für
die Wahrscheinlichkeitsverteilung in den Wahrscheinlichkeitsverteilungs-Ausgabeeinheiten 1a bis 1d wird
später im
Detail erläutert.
Hierbei entspricht in 1 jede Erfassungseinheit einer
Signalwahrscheinlichkeitsverteilungs-Ausgabeeinheit. Jedoch werden
als die zuvor beschriebene Bilderkennungsvorrichtung, wenn Datenwerte
von mehreren Datenarten, wie zum Beispiel der Typ des vorausfahrenden
Fahrzeugs, der Folgeabstand zu dem vorausfahrenden Fahrzeug, die
Abmessung des vorausfahrenden Fahrzeugs, die Breite der weißen Spur
oder dergleichen, von jeder Erfassungseinheit auf der Grundlage der
Bildsignale erfasst werden, Wahrscheinlichkeitsverteilungen bezüglich jeder
der mehreren Datenarten berechnet.
-
Die
Wahrscheinlichkeitsverteilungen, die aus den Wahrscheinlichkeitsverteilungs-Ausgabeeinheiten 1a bis 1d ausgegeben
werden, werden in eine Synthesebestimmungs-Verarbeitungseinheit 2 eingegeben.
Wenn die Synthesebestimmungs-Verarbeitungseinheit 2 die
mehreren Wahrscheinlichkeitsverteilungen der Datenwerte der gleichen
Datenart empfängt,
berechnet die Synthesebestimmungs-Verarbeitungseinheit 2 das
(Multiplikations)-Produkt der mehreren Wahrscheinlichkeitsverteilungen,
um dadurch die Datenwerte zu fusionieren. Das heißt, ein Datenwert,
der die maximale (höchste)
Wahrscheinlichkeit in einer sich ergebenden Wahrscheinlichkeitsverteilung
als ein Ergebnis des Produkts aufweist, wird als der wahrscheinlichste
Datenwert der Datenart geschätzt.
Hierbei werden ebenso die Wahrscheinlichkeitsdaten ausgegeben, die
die maximale Wahrscheinlichkeit darstellen. Die Verarbeitung in
der Synthesebestimmungs-Verarbeitungseinheit 2 wird später im Detail
erläutert. 1 beinhaltet
in der Synthesebestimmungs-Verarbeitungseinheit 2 eine Rückkopplungsschleife,
in der ein zu dieser Zeit ausgegebener Datenwert in die Synthesebestimmungs-Verarbeitungseinheit 2 oder
dergleichen als ein Schätzwert
einer vorhergehenden Zeit eingegeben wird.
-
Die
Synthesebestimmungs-Verarbeitungseinheit 2 führt ihr
Ausgangs signal einer Fahrzeugsteuereinheit 3 zu. Die Fahrzeugsteuereinheit 3 beinhaltet
eine Fahrunterstützungs-Steuervorrichtung, wie
zum Beispiel ein adaptives Geschwindigkeitsregelsystem, ein Kollisionsverringerungssystem
usw. Das heißt,
auf der Grundlage des Ausgangssignals aus der Synthesebestimmungs-Verarbeitungseinheit 2 führt die
Fahrunterstützungs-Steuervorrichtung eine
Fahrunterstützung
wie folgt durch: Liefern einer Information zu einem Fahrer; Ausgeben
einer Warnung; Steuern von Fahrzeug-Fahrzuständen durch Betätigen einer
Bremse oder eines Drosselventils; Aktivieren einer Sicherheitsvorrichtung
oder einer Insassenschutzvorrichtung, wie zum Beispiel eines Airbags
oder eines Sicherheitsgurts; oder Steuern einer Lenkkraft einer
elektromotorischen Lenkvorrichtung. Wenn diese Fahrunterstützungs-Steuervorrichtung
in ein Fahrzeug eingebaut ist, wird es erwartet, dass ein Typ oder
ein Leistungsvermögen
eines angewendeten Sensors abhängig
von einem Typ des Fahrzeugs geändert
wird. In dem Sensorfusionssystem dieses Ausführungsbeispiels der vorliegenden
Erfindung müssen
Differenzen (oder Typen) der Sensoren nicht berücksichtigt werden, so dass
dieses Sensorfusionssystem vorzugsweise in einem Fahrzeug angewendet
wird.
-
Als
Nächstes
werden die Wahrscheinlichkeitsverteilungs-Ausgabeeinheiten 1a bis 1d,
die Wahrscheinlichkeitsverteilungen berechnen, die eine Datenwahrscheinlichkeit
anzeigen, um diese dadurch auszugeben, nachstehend im Detail erläutert. Hierbei
werden Verfahren, um Wahrscheinlichkeitsverteilungen aus erfassten
Datenwerten zu berechnen, abhängig
von diskreten Datenwerten oder kontinuierlichen Datenwerten erläutert.
-
Zum
Beispiel erfasst ein Millimeterwellenradar einen Abstand, eine relative
Geschwindigkeit, eine Ausrichtung oder dergleichen zu einem reflektierenden
Objekt als eindeutige Werte auf der Grundlage von Ergebnissen eines
Empfangens oder Sendens. Der Abstand, die relative Geschwindigkeit,
die Ausrichtung oder dergleichen werden in Übereinstimmung mit einer relativen
Position oder Geschwindigkeit zwischen dem Bezugsfahrzeug und dem
reflektierenden Objekt kontinuierlich verändert. Dieser Typ eines Sensors
erfasst Daten, die kontinuierliche Werte einer Zustandsgröße aufweisen,
als den eindeutigen Wert. Das Verfahren, das bei diesem Typ des Sensors
zum Wandeln der erfassten Datenwerte zu einer Wahrscheinlichkeitsverteilung (genauer
einer Wahrscheinlichkeit) verwendet wird, wird nachstehend erläutert.
-
Eine
Darstellungsform für
die Wahrscheinlichkeitsverteilung wendet eine Form an, in der eine Gauss-Verteilung
und eine Gleichverteilung kombiniert sind, während ein ausgegebener Datenwert
auf eine Mitte festgelegt wird. Der Grund, warum diese Darstellungsform
angewendet wird, ist, dass der Sensor eine Möglichkeit eines Erfassens eines
falschen Datenwerts und eines Ausgebens von diesem aufweist und
dass angenommen wird, dass Datenwerte, die von dem Sensor erfasst
werden, eine Verteilung darstellen, die eine bestimmte Standardabweichung
aufweist.
-
Zum
Beispiel wird angenommen, dass ein Sensor einen Winkel α als eine
Datenart erfasst, die eine Ausrichtung eines reflektierenden Objekts
darstellt, und dass eine Fehlerkennungswahrscheinlichkeit des Sensors
20% und eine Standardabweichung 0,4 ist. Hierbei bedeutet die Fehlerkennungswahrscheinlichkeit
des Sensors eine Wahrscheinlichkeit, dass der Sensor ein falsches
Objekt erkennt. In diesem Fall wird die Wahrscheinlichkeitsverteilung
aus einer Kombination einer Gleichverteilungskomponente (20%) und
einer Gauss-Verteilungskomponente (80%) ausgebildet, die eine Standardabweichung und
eine Mitte bei dem erfassten Datenwert eines Winkels α aufweist.
Das heißt,
die Gleichverteilungskomponente (eine integrierte Fläche eines
Abschnitts B in 2) hat einen Anteil von 20%
des Ganzen, während
die Gauss-Verteilungskomponente (eine integrierte Fläche eines
Abschnitts A in 2) einen Anteil von 80% des
Ganzen hat.
-
Die
Fehlerkennungswahrscheinlichkeit und Standardabweichung werden durch
eine Trennschärfe
oder Eigenschaft des Sensors oder eine Kumulation der tatsächlichen
Erfassungsergebnisse erzielt.
-
Im
Gegensatz dazu können
die Daten, die diskrete (oder verteilte) Werte einer Zustandsgröße, wie
zum Beispiel eines Fahrzeugtyps, aufweisen, in einer Form einer
Wahrscheinlichkeitsverteilung ausgegeben werden, wie es nachstehend
erläutert
wird. Der Fahrzeugtyp wird als ein Beispiel von Daten verwendet,
die diskrete Werte als eine Zustandsgröße aufweisen. Der Fahrzeugtyp
wird zum Beispiel durch einen Bildverarbeitungsalgorithmus bestimmt,
der einen Vorlagenabgleich mit Bildsignalen durchführt, die von
einer Kamera erfasst werden.
-
Zum
Beispiel wird angenommen, dass der Fahrzeugtyp "Personenkraftwagen", "Lastkraftwagen", "Rad", "Person", "Hindernis" und "andere" beinhaltet. Ein
Ausgeben eines Fahrzeugtyps in einer Wahrscheinlichkeitsverteilungsform
bedeutet, dass die entsprechenden Wahrscheinlichkeiten als "3%, 1%, 10%, 50%,
30% bzw. 6%" bezüglich den
Fahrzeugtypen dargestellt werden. Hierbei wird das Ganze von "3%, 1%, 10%, 50%,
30%, 6%" gleich
100%.
-
Zum
Beispiel wird, wenn der Bildverarbeitungsalgorithmus ein einziges
Ergebnis von "Personenkraftwagen" ausgibt, dieses
Ergebnis wie folgt zu einer Wahrscheinlichkeitsverteilung geändert.
-
Zuerst
werden die verstrichenen Ergebnisse, die der Algorithmus "Personenkraftwagen" ausgibt, als ein
Fahrzeugtyp gesammelt. Zu welchen Fahrzeugtypen die relevanten Objekte,
die als "Personenkraftwagen" ausgegeben werden,
tatsächlich
klassifiziert werden, wird dann innerhalb der verstrichenen Ergebnisse
gesammelt. Als ein Ergebnis wird zum Beispiel "90 der relevanten Objekte sind tatsächlich zu "Personenkraftwagen" klassifiziert, 2%
der relevanten Objekte sind tatsächlich
zu "Lastkraftwagen" klassifiziert, ..." als ein kumuliertes
Ergebnis erzielt. Auf der Grundlage des kumulierten Ergebnisses
wird eine Wahrscheinlichkeitsverteilungs-Wandlungseinheit innerhalb
der Wahrscheinlichkeitsverteilungs-Ausgabeeinheit ausgebildet. Das
heißt,
wenn der Algorithmus den Fahrzeugtyp als "Personenkraftwagen" ausgibt, gibt die Wahrscheinlichkeitsverteilungs-Wandlungseinheit
eine Wahrscheinlichkeitsverteilung von "90%, 2%, ..." aus.
-
Weiterhin
kann ein umgekehrtes Verfahren angewendet werden. Zuerst werden
die verschiedenen Bilder von "Personenkraftwagen" in den Bildverarbeitungsalgorithmus
eingegeben, der einen Vorlagenabgleich durchführt. Zu welchem Fahrzeugtyp
die eingegebenen Bilder klassifiziert werden, wird statistisch kumuliert.
Hierbei werden zum Beispiel Verteilungsdaten, wie zum Beispiel 80%
werden zu Personenkraftwagen klassifiziert, 10% werden zu Lastkraftwagen
klassifiziert, ... kumuliert. Auf eine ähnliche Weise werden Verteilungsdaten
bezüglich
Bildern von "Lastkraftwagen", "Rad", usw. kumuliert. Wenn
die Verteilungsdaten bezüglich
den gesamten Typen kumuliert worden sind, bedeutet dies, dass eine
Wahrscheinlichkeitsverteilungsfunktion erzielt wird, die über zwei
variable Achsen verteilt ist. Weiterhin ist die Wahrscheinlichkeitsverteilungsfunktion eine
kombinierte Wahrscheinlichkeitsverteilungsfunktion P (ausgegebener
Typ | wahrer Typ), so dass in dem nächsten Schritt eine Funktion
berechnet wird, die die umgekehrten Eingabevariablenachsen aufweist.
Das heißt,
die Funktion P (wahrer Typ | ausgegebener Typ), die einen wahren
Typ erzielt, wenn der ausgegebene Typ bekannt ist, berechnet. Die Verteilung
der Funktion wird einfach durch typisches Multiplizieren einer Normalisierungskonstante
ausgebildet, die durch einen Wert der Variablen in dem umgekehrten
Zustand bestimmt wird.
-
Die
zuvor beschriebene Wahrscheinlichkeitsverteilungs-Wandlungseinheit
kann unberücksichtigt
des Sensortyps, Datentyps (diskret oder kontinuierlich) aufgebaut
werden. Dies ist so, da die Wahrscheinlichkeitsverteilungs-Wandlungseinheit auf
der Grundlage der Verteilungsdaten ausgebildet ist, die statistisch
erneut aus Datenwerten angeordnet werden, die in der Vergangenheit
erfasst worden sind, und da es keine Ausgaben gibt, deren Ergebnisse
nicht statistisch angeordnet werden können. Dies ist der bedeutsamste
Vorteil dieses Verfahrens und der Grund, warum Ausgaben frei von
einer Abhängigkeit
bezüglich
des Sensortyps oder Datentyps sind.
-
Weiterhin
kann die Variable eines inhärent kontinuierlichen
Datenwerts als die diskreten Werte behandelt werden. Zum Beispiel
wird eine Sonnenstrahlungsgröße durch
erneutes Definieren der Sonnenstrahlungsgröße, die von dem Bestrahlungssensor
erfasst wird, zu "direkter
Sonnenschein", "wolkig", "Dämmerung" usw. zu diskreten Werten gewandelt. Unberücksichtigt
des diskreten oder kontinuierlichen Werts wird die Variable, wenn
die Zustände
der Variable als sich gegenseitig unterscheidende und vollständige Zustände definiert
sind (auf alle Fälle
ist einer der Zustände
vorhanden), letztlich als die Zustandswahrscheinlichkeitskumulation
dargestellt, die insgesamt 100% aufweist.
-
Die
Wahrscheinlichkeitsverteilung der Datenwerte, die von der Erfassungseinheit
erfasst werden, wird durch die zuvor beschriebenen Verfahren erzielt
und dann zu der Synthesebestimmungs-Verarbeitungseinheit 2 ausgegeben.
-
Es
wird angenommen, dass die Wahrscheinlichkeitsverteilungen der Datenwerte,
die von dem Wahrscheinlichkeitsverteilungs-Ausgabeeinheiten 1a bis 1d erzielt
werden, ausgegeben werden. Hierbei kann, wenn Abbildungsdaten, die
den Formen der Wahrscheinlichkeitsverteilungen entsprechen, ausgebildet
werden, die Wahrscheinlichkeitsverteilung am Genausten dargestellt
werden, jedoch wird das Datenvolumen zwischen den Wahrscheinlichkeitsverteilungs-Ausgabeeinheiten 1a bis 1d und
der Synthesebestimmungs-Verarbeitungseinheit 2 bedeutsam
groß.
Daher werden in diesem Ausführungsbeispiel
der vorliegenden Erfindung die Wahrscheinlichkeitsverteilungen durch
skalare Größen dargestellt und
aus den Wahrscheinlichkeitsverteilungs-Ausgabeeinheiten 1a bis 1d zu
der Synthesebestimmungs-Verarbeitungseinheit 2 ausgegeben.
-
Zum
Beispiel wird, wenn die Wahrscheinlichkeitsverteilung als die Summe
einer Gauss-Verteilung und einer Gleichverteilung dargestellt ist,
die Wahrscheinlichkeitsverteilung durch drei skalare Größen eines "Mittelwerts" der Gauss-Verteilung;
einer "Varianz" der Gauss-Verteilung
und einem "normalen
Erkennungsverhältnis" dargestellt, das
ein Verhältnis
zwischen der Gauss-Verteilung und der Gleicherteilung anzeigt.
-
Hierbei
entspricht die Gauss-Verteilung einem Abschnitt A in 2 während die
Gleichverteilung einem Abschnitt B in 2 entspricht.
Die Spitze der Gauss-Verteilung ist durch den "Mittelwert" definiert. Die Spanne einer breiten
Grundlinie der Gauss-Verteilung ist durch die "Varianz (oder Standardabweichung)" definiert. Die Dicke
der Gleichverteilung oder die vertikale Skala der Gauss-Verteilung ist
durch das "normale
Erkennungsverhältnis
(oder Fehlerkennungsverhältnis)" definiert. Diese
Struktur kann ebenso eine Möglichkeit
eines Ausgebens eines falschen Datenwerts und eine Standardabweichung
zeigen, die eine Möglichkeit
einer Verteilung eines wahren Werts anzeigt.
-
Weiterhin
können
die Wahrscheinlichkeitsverteilungs-Ausgabeeinheiten 1a bis 1d andere Wahrscheinlichkeitsverteilungen
als die Kombination der Gauss-Verteilung und der Gleichverteilung
ausgeben. Die 3A bis 3D zeigen
Graphen von Beispielen der anderen Wahrscheinlichkeitsverteilungen
als der Kombination der Gauss-Verteilung und der Gleichverteilung.
In diesen Wahrscheinlichkeitsverteilungen werden skalare Größen verwendet, die
sich von dem "Mittelwert" oder der "Varianz" unterscheiden.
-
Als
Nächstes
wird die Synthesebestimmungs-Verarbeitungseinheit 2 nachstehend
erläutert.
Die Synthesebestimmungs-Verarbeitungseinheit 2 gibt die
Wahrscheinlichkeitsverteilungen auf der Grundlage der empfangenen
skalaren Größen wieder,
wenn die Wahrscheinlichkeitsverteilungs-Ausgabeeinheiten 1a bis 1d die
Wahrscheinlichkeitsverteilungen durch die skalaren Größen ausgeben.
Dann wird das Produkt der wiedergegebenen Wahrscheinlichkeitsverteilungen,
die die gleiche Datenart (Winkel) aufweisen, berechnet, wie es in
den 4A, 4B gezeigt ist, um die Datenwerte
z fusionieren. Das heißt,
der Datenwert, der die maximale (höchste) Wahrscheinlichkeit in
einer Wahrscheinlichkeitsverteilung (in 4B gezeigt)
als ein Ergebnis des Produkts aufweist, wird mathematisch als der
wahrscheinlichste Datenwert angenommen. Die Begründung für diese Annahme wird nachstehend
erläutert.
-
Es
wird angenommen, dass ein wahrer Wert x ist, Überwachungsergebnisse x1, x2,
..., sind und irgendeines der Überwachungsergebnisse
von einem anderen Überwachungsergebnis
unabhängig
ist. Hierbei ist typischerweise ein kombinierte Wahrscheinlichkeitsdichtefunktion
wie folgt gezeigt:
-
– Gleichung 1
-
-
P(x, x1, x2, ...) = P(x) P(x1|x) P(x2|x)
...
-
Hierbei
ist P(x|x1) eine bedingte Wahrscheinlichkeit, dass eine Wahrscheinlichkeit
x ist, wenn x1 erzielt wird.
-
Wenn
das Überwachungsergebnis
erzielt wird, wird ein wahrer Wert durch P(x|x1, x2, ...) geschätzt, welches
wie folgt mit der Bayes-Gleichung modifiziert ist:
-
– Gleichung 2
-
-
P(x|x1, x2, ...) = {P(x) P(x1|x) P(x2|x)
...}/{P(x1) P(x2) ...}
-
Der
Nenner wird eine Konstante zur Normalisierung, so dass er vernachlässigt werden
kann. Weiterhin ist P(x) eine vorhergehende Wahrscheinlichkeit des
wahren Werts x und kann nicht irgendwo lokalisiert werden. Er wird
daher eine Gleichverteilung und gleich zu einer Multiplikation einer
Konstante, so dass er ebenso vernachlässigt werden kann. Als ein
Ergebnis wird diese Wahrscheinlichkeitsverteilung als das Produkt
von P(x1 x), P(x2|x), ... dargestellt.
-
Zum
Beispiel ist P(x1|x) eine Funktion mit zwei Variablen, die durch
die Basis von durchlaufenen statistischen Daten ausgebildet ist, "wie x1 statistisch
verteilt ist, wenn x erzielt wird". Weiterhin wird er, da x1 gegeben ist,
eine Wahrscheinlichkeitsfunktion " bei der der wahre Wert mit der höchsten Wahrscheinlichkeit
vorhanden ist, wenn x1 gegeben ist". Deshalb wird es, wenn der wahre Wert
x aus den mehreren Überwachungsergebnissen
geschätzt wird,
durch das Produkt der Wahrscheinlichkeitsfunktionen dargestellt,
die aus den jeweiligen Überwachungsergebnissen
erzielt werden.
-
Daher
wird, wenn Ausgangsergebnisse auf der Grundlage der Daten, die von
den jeweiligen Erfassungseinheiten 1a bis 1d erfasst
werden, in Formen von Wahrscheinlichkeitsfunktionen (Wahrscheinlichkeitsverteilungen)
ausgegeben werden, die Verarbeitung in der Synthesebestimmungs-Verarbeitungseinheit 2 die
einfache Multiplikation, während das
erzielte Ergebnis die mathematische Begründung aufweist. Dies stellt
einen Vorteil dar, dass das erzielte Ergebnis eine hohe Genauigkeit
und allgemeine Vielseitigkeit aufweist.
-
Weiterhin
nimmt die Synthesebestimmungs-Verarbeitungseinheit 2 als
den wahrscheinlichsten Datenwert den Datenwert an, der die höchste Wahrscheinlichkeit
in der sich ergebenden Wahrscheinlichkeitsverteilung des Produkts
der Wahrscheinlichkeitsverteilungen aufweist, die aus den mehreren
Wahrscheinlichkeitsverteilungs-Ausgabeeinheiten 1a bis 1d ausgegeben werden.
-
Das
heißt,
wenn ein einzelner Wert aus den Wahrscheinlichkeitsverteilungen,
die aus den Wahrscheinlichkeitsverteilungs-Ausgabeeinheiten 1a bis 1d ausgegeben
werden, ausgewählt
werden muss, nimmt er die Synthesebestimmungs-Verarbeitungseinheit 2 als
die endgültige
Ausgabe den Datenwert an, der die höchste Wahrscheinlichkeit in
der sich ergebenden Wahrscheinlichkeitsverteilung des Produkts der
Wahrscheinlichkeitsverteilungen aufweist, die aus den mehreren Wahrscheinlichkeitsverteilungs-Ausgabeeinheiten 1a bis 1d ausgegeben
werden. Dies vereinfacht bedeutsam den Algorithmus zum Erzielen
der endgültigen
Ausgabe. Dies minimiert ebenso das Gesamtrisiko, wenn das erwartete Risiko
beim falschen Auswählen
eines anderen als dem wahren Wert als gleich wie bei einem Auswählen aus
anderen als dem wahren Wert erwartet wird.
-
Im
Detail wird es angenommen, dass eine Dämpfung λ(xJ|xi) ist, wenn ein wahrer
Wert xi ist und der Wahre Wert als xj ausgegeben wird. Ebenso wird gleichzeitig
angenommen, dass ein Gesamtrisiko R(xi|xv) ist, wenn der Überwachungsvektor
xv erzielt wird und der wahre Wert als xi ausgegeben wird.
-
– Gleichung 3
-
- R(xi|xv) = Σ λ(xi|xj) P(xj|xv)
(Σ wird am
gesamten j angewendet)
-
Hierbei
ist, wenn es definiert ist, dass λ(xj|xi) =
0 ist, wenn i = j ist, während λ(xj|xi) =
1 ist, wenn i ≠ j
ist, das Gesamtrisiko R(xi|xv) wie folgt gezeigt:
-
– Gleichung 4
-
- R(xi|xv) = Σ P(xj|xv)
(Σ wir am gesamten
j ausschließlich
= 1 – P(xi|xv)
j = i angewendet)
-
Das
Ergebnis von Gleichung 4 ist eine mittlere Fehlerwahrscheinlich keit.
Diese Entscheidungsregel, die das Gesamtrisiko R minimiert, besteht
darin, die vorhergehende Wahrscheinlichkeit P(xi|xv) zu maximieren.
Das heißt,
ein Anwenden der Entscheidungsregel von "xi wird bestimmt, wenn P(xi|xv) > P(xj|xv) unter dem
gesamten j, aber j ≠ i
ist" führt zu dem
erzielbaren maximalen Leistungsvermögen.
-
Das
Produkt der Wahrscheinlichkeitsverteilungen wird immer eine Wahrscheinlichkeitsverteilung,
wie es in den 4A, 4B gezeigt
ist. Unberücksichtigt
des diskreten oder kontinuierlichen Datenwerts der Datenart (Variable)
kann der Datenwert, der die maximale Wahrscheinlichkeit aufweist, extrahiert
werden. Die Multiplikation der Wahrscheinlichkeitsverteilungen und
die Annahme des wahrscheinlichsten Datenwerts werden nachstehend
erläutert.
-
Zum
Beispiel wird es angenommen, dass eine Ausgabeeinheit die Wahrscheinlichkeitsverteilung
des Fahrzeugtyps als "3%,
1%,, 10%, 50%, 30%, 6%" ausgibt
und eine andere Ausgabeeinheit ebenso die Wahrscheinlichkeitsverteilung
des Fahrzeugtyps als 3%, 1%, 10%, 50%, 30%, 6%" ausgibt. Hierbei werden die beiden
Wahrscheinlichkeitsverteilungen multipliziert, um das Produkt zu
berechnen, und normalisiert, um insgesamt 100% zu sein, so dass
eine Wahrscheinlichkeitsverteilung des Ergebnisses "0,25%, 0,03%, 2,82%,
70,50%, 25,38%, 1,02%" wird.
Der vierte Typ von "70,50%" wird als der wahrscheinlichste
Datenwert extrahiert.
-
Daher
lässt,
wenn mehrere Informationsstücke
in Formen angesammelt werden, die die Wahrscheinlichkeit anzeigen,
dass "der wahre
Typ dieser" aus
den Wahrscheinlichkeitsverteilungs-Ausgabeeinheiten 1a bis 1d sein
kann, ein einfaches Berechnen des Produkts der mehreren Wahrscheinlichkeitsverteilungen
zu, dass die sich ergebende Wahrscheinlichkeitsverteilung das Maximum
in jedem Zustand (Typ) aufweist. Weiterhin kann, wenn mehrere Zustände (Typen)
das gleiche Maximum aufweisen, irgendeiner von diesen extrahiert
werden.
-
Der
Fahrzeugtyp wird nicht nur durch Durchführen des Vorlagen abgleichenden
Bilderkennungsalgorithmus, sondern ebenso auf der Grundlage der Fahrzeugbreite
erkannt, die als ein Ergebnis einer Bilderkennung oder einer Funkwellenstärke der
Millimeterwelle erwartet wird. Das heißt, die Funkwellenstärke oder
Breite kann zum Beispiel, wenn der Fahrzeugtyp einmal als "Personenkraftwagen" bezeichnet worden
ist, innerhalb eines bestimmten Bereichs fallen. Im Gegensatz dazu
kann, wenn die Breite einmal bezeichnet worden ist, die Wahrscheinlichkeitsverteilung
des Fahrzeugtyps, die anzeigt, welcher Typ am wahrscheinlichsten
ist, erzielt werden.
-
Auf
eine ähnliche
Weise wird der Straßentyp direkt
durch eine "Straßentypinformation
aus einem Navigationssystem" erfasst
und indirekt durch eine "Spurbreite
durch die Erkennung der weißen
Spur" erfasst oder
erwartet. In diesem Fall kann ebenso die Wahrscheinlichkeitsverteilung,
die die Wahrscheinlichkeit der verschiedenen Erfassungsergebnisse darstellt,
erzielt werden.
-
Weiterhin
wird die Sonnenstrahlungsgröße von einer
der Fahrumgebungen einzeln durch "einen Beleuchtungssensor", "EIN/AUS-Signale des
Scheibenwischers", "einen Algorithmus
zum Bestimmen eines mittleren Beleuchtungswerts für das gesamte Bild
durch die Bildverarbeitung, "Stunden" usw. erfasst. Die
Wahrscheinlichkeitsverteilung, die die Wahrscheinlichkeit der verschiedenen
Erfassungsergebnisse anzeigt, kann ebenso erzielt werden.
-
Weiterhin
wird der Straßenzustand
(oder Straßenoberflächenzustand)
von einer der Fahrumgebungen einzeln durch "einen Beleuchtungssensor", "EIN/AUS-Signale des
Scheibenwischers", "eine Außenlufttemperatur", "einen Straßenzustands-Erkennungsalgorithmus
durch die Bildverarbeitung", "eine Information
aus einer Infrastruktur über
eine Straßen/Fahrzeugkommunikation" usw. erfasst. Die
Wahrscheinlichkeitsverteilung, die die Wahrscheinlichkeit der verschiedenen
Erfassungsergebnisse darstellt, kann ebenso erzielt werden.
-
Ein
Beispiel der zuvor beschriebenen Kausalbeziehung zwischen den verschiedenen
Variablen ist in 5 gezeigt. Die Kreise stellen
Variablen (Knoten) dar, während
die Teile zwischen den Knoten Kausalbeziehungen darstellen, wobei
die Richtung von den Gründen
zu den Ergebnissen ist. Die leeren Kreise stellen Daten dar, die
vorzugsweise zu schätzen
sind, während
die Punkte aufweisende Kreise Daten darstellen, die mit Algorithmusnamen
oder dergleichen als Datenquellen, die durch Pfeile dargestellt
sind, zu erzielende Daten darstellen. Hierbei zeigen die Pfeile
keine Datenflüsse,
sondern zeigen das Vorhandensein der Beziehungen zwischen den Eltern-
und Kinderknoten. Das heißt,
es wird zum Beispiel, wenn der Datenwert des Kinderknotens geleert
wird, angenommen, was der Datenwert des Elternknotens ist. Die Information
kann rückwärts umgekehrt
zu den Richtungen der Pfeile übertragen werden.
Umgekehrt kann die Information in die Richtungen der Pfeile übertragen
werden. Weiterhin kann die Information durch Verfolgen der Pfeile
zum Knoten übertragen
werden.
-
Unter
Bezugnahme auf 5 wird es einfach erwartet,
welche Variable die Wahrscheinlichkeit beeinträchtigt. Zum Beispiel ist bezüglich des
zuvor beschriebenen Fahrzeugtyps der Knoten "TYP" mit drei
Knoten einer Funkwellenstärke
(wie hoch die reflektierende Funkwellenstärke einer Millimeterwelle ist),
eines Fahrzeugbilds (welchem Fahrzeugtypvorlagenbild das Bild des
Zielobjekts ähnelt)
und einer Breite verbunden. Wenn die Fahrzeugtypen durch die Wellenstärke und
den Bildabgleich gemessen bzw. erfasst werden, werden dann die entsprechenden
Wahrscheinlichkeitsverteilungen (Wahrscheinlichkeiten) ausgegeben.
Weiterhin wird der Fahrzeugtyp aus der Breite erwartet, so dass
die entsprechende Wahrscheinlichkeitsverteilung ausgegeben wird.
Andererseits kann, wenn der Fahrzeugtyp bezeichnet ist, die Breite
verschmälert
werden. Beides beeinträchtigt
einander.
-
Das
heißt,
das Ergebnis, das aus der Heckmasseerkennung durch die Bildverarbeitung
abgeleitet wird, ändert
die Wahrscheinlichkeitsverteilung der Position "ENDEN DER HINTEREN BREITE", so dass die Breite
weiter verschmälert
werden kann. Weiterhin beeinträchtigt
dies die Wahrscheinlichkeitsverteilung des Fahrzeugtyps. Andererseits
kann, wenn die Wahrscheinlichkeit eines "Lastkraftwagens" durch den Musterabgleich als hoch erwartet
wird, der Bereich der Breite durch die Wahrscheinlichkeit des Typs
verschmälert
werden. Die Wahrscheinlichkeitsverteilungen, die aus den jeweiligen
Wahrscheinlichkeitsverteilungs-Ausgabeeinheiten 1a bis 1d ausgegeben werden,
werden durch die Synthesebestimmungs-Verarbeitungseinheit 2 mit
einem Modell kombiniert, dass die Kausalbeziehung integriert. Dies berechnet
schließlich
die Wahrscheinlichkeitsverteilung des Datenwerts der Datenart (Variable),
die vorzugsweise zu schätzen
ist.
-
Weiterhin
werden die Wahrscheinlichkeitsverteilungen, die aus den jeweiligen
Wahrscheinlichkeitsverteilungs-Ausgabeeinheiten 1a bis 1d ausgegeben
werden, dynamisch abhängig
von der Erfassungsgenauigkeit der Erfassungseinheiten geändert. Das
heißt,
jede der Wahrscheinlichkeitsverteilungs-Ausgabeeinheiten 1a bis 1d speichert
einen Zustand, in dem sich die Erfassungsgenauigkeit verringert,
und eine Datenbank, die statistisch die entsprechenden sich verringernden
Grade kumuliert.
-
Zum
Beispiel speichert in der Bilderkennungsvorrichtung die Wahrscheinlichkeitsverteilungs-Ausgabeeinheit 1d eine
Datenbank (Funktion) einer Beziehung zwischen Dunkelheit und einem Fehlerkennungsverhältnis. Die
Daten, die sich auf "Dunkelheit" beziehen, werden
in die Wahrscheinlichkeitsverteilungs-Ausgabeeinheit 1d eingegeben. Hierbei
werden in 1 die Daten, die sich auf "Dunkelheit" beziehen, die von
der Synthesebestimmungs-Verarbeitungseinheit geschätzt werden,
in die Wahrscheinlichkeitsverteilungs-Ausgabeeinheit 1d eingegeben.
Jedoch kann der Erfassungswert des Beleuchtungssensors ebenso direkt
in die Wahrscheinlichkeitsverteilungs-Ausgabeeinheit 1d eingegeben
werden.
-
Die
Wahrscheinlichkeitsverteilungs-Ausgabeeinheit 1d der Bilderkennungsvorrichtung ändert dynamisch
die Wahrscheinlichkeitsverteilung des Datenwerts, der durch die
Erkennungsverarbeitung in der Bilderkennungsvorrichtung erfasst
wird, auf der Grundlage des Datenwerts, der sich auf "Dunkelheit" bezieht.
-
Die 6A, 6B zeigen
ein Beispiel der Wahrscheinlichkeitsverteilung, die auf der Grundlage des
Datenwerts geändert
wird, die sich auf "Dunkelheit" bezieht. In 6A wird
die Wahrscheinlichkeitsverteilung des Datenwerts durch die Bilderkennungsverarbeitung
in einem hellen Hintergrund erfasst, während in 6B die
Wahrscheinlichkeitsverteilung des Datenwerts durch die Bilderkennungsverarbeitung
in einem dunklen Hinter grund oder einem regnerischen Tag erfasst
wird.
-
Zum
Beispiel wird angenommen, dass die Bilderkennungsvorrichtung eine
Bildverarbeitung durchführt
und eine Wahrscheinlichkeitsverteilung als ein Erfassungsergebnis
ausgibt und dass ein Erkennungsleistungsvermögen in "Dunkelheit" schlechter als die in "Helligkeit" ist. Hierbei wird, wenn
Daten, die "Dunkelheit" oder Nachtzeit anzeigen,
vorgesehen sind, die ausgegebene Wahrscheinlichkeitsverteilung verglichen
mit der in "Helligkeit" oder Tageszeit verringert.
In dem extremen Fall kann eine gründliche Gleichverteilung oder
eine sehr geringfügig
erhöhte
Wahrscheinlichkeit ausgegeben werden.
-
Weiterhin
verwendet die Synthesebestimmungs-Verarbeitungseinheit 2,
wenn die einzelne Wahrscheinlichkeitsverteilungs-Ausgabeeinheit 1d die
verringerte Wahrscheinlichkeitsverteilung ausgibt und eine andere
Wahrscheinlichkeitsverteilungs-Ausgabeeinheit eine verhältnismäßig hohe Wahrscheinlichkeitsverteilung
ausgibt, die ausgegebene verhältnismäßig hohe
Wahrscheinlichkeitsverteilung durch Gewichten von ihr. Die geschätzte Genauigkeit
des Datenwerts in der Synthesebestimmungs-Verarbeitungseinheit 2 kann
dadurch verbessert werden.
-
Hierbei
werden die Daten, die sich auf "Dunkelheit" beziehen, die die
Erfassungsgenauigkeit in der Bilderkennungsvorrichtung beeinträchtigen,
anstatt zu der Synthesebestimmungs-Verarbeitungseinheit 2 zu
der Wahrscheinlichkeitsverteilungs-Ausgabeeinheit 1d gegeben,
so dass die Wahrscheinlichkeitsverteilung auf der Grundlage der
gegebenen Daten in der Wahrscheinlichkeitsverteilungs-Ausgabeeinheit 1 geändert wird.
Deshalb wird auch dann, wenn die Erfassungsgenauigkeit in der Erfassungseinrichtung
der Bilderkennungsvorrichtung oder dergleichen geändert wird,
der Einfluss innerhalb der geschlossenen Fläche begrenzt, die durch die
Erfassungseinrichtung und die Wahrscheinlichkeitsverteilungs-Ausgabeeinheiten 1a bis 1d gebildet
wird. Dies beeinträchtigt
dadurch nicht die Verarbeitung in der Synthesebestimmungs-Verarbeitungseinheit 2,
welche nicht geändert
werden muss.
-
Die
Erfassungsgenauigkeit in den Sensoren als die Erfassungseinrich tungen
oder die Erkennungsalgorithmen, wie zum Beispiel die Bilderkennungsverarbeitung
oder dergleichen, wird durch den entsprechenden unterschiedlichen
Zustand geändert.
Deshalb müssen,
um die Wahrscheinlichkeitsverteilungen, die aus den Wahrscheinlichkeitsverteilungs-Ausgabeeinheiten 1a bis 1d ausgegeben
werden, zu ändern,
die jeweiligen Wahrscheinlichkeitsverteilungs-Ausgabeeinheiten 1a bis 1d die
jeweiligen Daten abrufen die sich auf die kritischen Parameter beziehen,
die die Erfassungsgenauigkeit beeinträchtigen.
-
Wie
es zuvor erläutert
worden ist, berechnet die Synthesebestimmungs-Verarbeitungseinheit 2 das
Produkt der mehreren Wahrscheinlichkeitsverteilungen, um die Wahrscheinlichkeitsverteilung
als das Ergebnis zu erzielen, und gibt den Datenwert aus, der der
höchsten
Wahrscheinlichkeit entspricht. Hierbei gibt die Synthesebestimmungs-Verarbeitungseinheit 2 ebenso
die Daten der höchsten
Wahrscheinlichkeit als die Zuverlässigkeitsdaten aus. Dies bedeutet,
dass der Datenwert zusammen mit den Zuverlässigkeitsdaten ausgegeben wird.
Auch dann, wenn die mehreren Steuervorrichtungen die relevante Ausgabe
empfangen, kann der Datenwert der relevanten Ausgabe standardisiert
werden, ohne von den Typen der Steuervorrichtungen oder der Anzahl der
Steuervorrichtungen abzuhängen.
Das heißt,
die Steuervorrichtungen als Empfänger
der Ausgaben empfangen ebenso die Zuverlässigkeitsdaten, so dass die
Steuervorrichtungen bestimmen können,
ob eine Genauigkeit, die zum Durchführen des relevanten Steuervorgangs
erforderlich ist, erfüllt
ist oder nicht. Daher sind auch dann, wenn die Steuervorrichtungen
unterschiedliche Genauigkeitsanforderungen aufweisen, unterschiedliche
Daten, die jeder der Steuervorrichtungen zugeordnet sind, nicht
erforderlich. Dies verbessert einen Betriebswirkungsgrad beim Einbau
der verschiedenen Steuervorrichtungen.
-
Hierbei
können
die Zuverlässigkeitsdaten mindestens
einen von diesen beinhalten:
eine Fehlerwahrscheinlichkeit;
eine Wahrscheinlichkeit einer richtigen Antwort; eine Wahrscheinlichkeitsverteilung;
einen Mittelwert der Wahrscheinlichkeitsverteilung; eine Varianz
der Wahrscheinlichkeitsverteilung; und ein normales Erkennungsverhältnis. Insbesondere
dann, wenn die Synthesebestimmungs-Verarbeitungseinheit 2 das
Produkt der mehreren Wahr scheinlichkeitsverteilungen berechnet und
den Datenwert, der die höchste
Wahrscheinlichkeit in der sich ergebenden Wahrscheinlichkeitsverteilung
aufweist, als den wahrscheinlichsten Datenwert anwendet, wird die
höchste
Wahrscheinlichkeit vorzugsweise als die Zuverlässigkeitsdaten ausgegeben.
Ohne die besondere Berechnung kann dies die Zuverlässigkeitsdaten,
die einfach und objektiv als der Index der Zuverlässigkeit
zu verstehen sind, ausgeben.