DE102017211556A1 - Method for route planning for a motor vehicle with an automated vehicle system and motor vehicle with an automated vehicle system - Google Patents
Method for route planning for a motor vehicle with an automated vehicle system and motor vehicle with an automated vehicle system Download PDFInfo
- Publication number
- DE102017211556A1 DE102017211556A1 DE102017211556.4A DE102017211556A DE102017211556A1 DE 102017211556 A1 DE102017211556 A1 DE 102017211556A1 DE 102017211556 A DE102017211556 A DE 102017211556A DE 102017211556 A1 DE102017211556 A1 DE 102017211556A1
- Authority
- DE
- Germany
- Prior art keywords
- route
- determined
- vehicle
- rate
- vehicle 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
Abstract
Um ein Verfahren zur Routenplanung für ein Kraftfahrzeug mit einem automatisierten Fahrzeugsystem bereitzustellen, welches die routenspezifische Lokalisierbarkeit und die Leistungsfähigkeit des automatisierten Fahrzeugsystems berücksichtigt und somit eine situationsangepasste Routenplanung ermöglicht, wird ein Verfahren zur Routenplanung für ein Kraftfahrzeug mit einem automatisierten Fahrzeugsystem vorgeschlagen, wobei eine Befahrbarkeitsanalyse mindestens einer Route erstellt wird, wobei die Befahrbarkeitsanalyse die Schritte- Wahl einer zu untersuchenden Route von einem Startpunkt zu einem Zielpunkt,- Ermittlung von fahrzeugunabhängigen Umfeldbedingungen auf der gewählten Route,- Bestimmung einer zu erwartenden Detektionsrate für zur Fahrzeuglokalisierung geeignete Landmarken auf der gewählten Route unter Verwendung der fahrzeugunabhängigen Umfeldbedingungen,- Bestimmung einer zu erwartenden Lokalisierungsgenauigkeit auf der gewählten Route unter Verwendung der zu erwartenden Detektionsrate,- Ermittlung, ob die zu erwartende Lokalisierungsgenauigkeit für ein von dem automatisierten Fahrzeugsystem unterstütztes Befahren der gewählten Route ausreichend ist, umfasst.In order to provide a method for route planning for a motor vehicle with an automated vehicle system, which takes into account the route-specific localizability and the performance of the automated vehicle system and thus enables situation-adapted route planning, a method for route planning for a motor vehicle with an automated vehicle system is proposed, wherein a driveability analysis at least a route is created, wherein the trafficability analysis, the steps selection of a route to be examined from a starting point to a destination point, - determination of vehicle-independent environmental conditions on the selected route, - determining an expected detection rate for locating suitable landmarks on the selected route using the vehicle-independent ambient conditions, - to determine an expected localization accuracy on the selected route using the expected Detection rate, - Determining whether the expected localization accuracy for a supported by the automated vehicle system driving on the selected route is sufficient includes.
Description
Die vorliegende Erfindung betrifft ein Verfahren zur Routenplanung für ein Kraftfahrzeug mit einem automatisierten Fahrzeugsystem. Ferner betrifft die vorliegende Erfindung ein Kraftfahrzeug mit einem automatisierten Fahrzeugsystem, wobei das Fahrzeugsystem zur Durchführung eines Verfahrens zur Routenplanung ausgebildet ist.The present invention relates to a route planning method for a motor vehicle having an automated vehicle system. Furthermore, the present invention relates to a motor vehicle with an automated vehicle system, wherein the vehicle system is designed for carrying out a method for route planning.
Stand der TechnikState of the art
Moderne Fahrerassistenzsystem (englisch: Advanced Driver Assistance Systems (ADAS)) und hochautomatisierte Fahrzeugsystem für UAD (Urban Automated Driving) setzen in steigendem Maße detailliertes Wissen über das Fahrzeugumfeld und Situationsbewusstsein voraus. Als Grundlage für die Wahrnehmung des Fahrzeugumfelds werden Sensormessdaten verwendet. Aus diesen lassen sich mit Hilfe sogenannter Detektionsalgorithmen Objekte extrahieren, anhand derer das Fahrzeugumfeld beschrieben und analysiert werden kann. Moderne Umfeldsensoren, wie Stereovideokameras oder Laserscanner, ermöglichen im Zusammenhang mit Detektionsalgorithmen die Erfassung vieler Informationen aus dem Fahrzeugumfeld, zum Beispiel in Form von Landmarken. Derartige Landmarken umfassen Verkehrszeichen, Ampeln, Fahrbahnmarkierungen etc.. Detektierte Objekte beziehungsweise detektierte Landmarken können wiederum verwendet werden, um eine Fahrzeuglokalisierung durchzuführen. Die Leistungsfähigkeit des gesamten automatisierten Fahrzeugsystems hängt dabei signifikant von der Leistungsfähigkeit der Umfeldsensoren ab.Advanced driver assistance systems (ADAS) and highly automated vehicle systems for UAD (Urban Automated Driving) increasingly require detailed knowledge of the vehicle environment and situational awareness. Sensor measurement data is used as the basis for the perception of the vehicle environment. From these, objects can be extracted with the aid of so-called detection algorithms, by means of which the vehicle environment can be described and analyzed. Modern environment sensors, such as stereo video cameras or laser scanners, in conjunction with detection algorithms, allow the collection of much information from the vehicle environment, for example in the form of landmarks. Such landmarks include traffic signs, traffic lights, lane markings, etc. Detected objects or detected landmarks, in turn, may be used to perform vehicle localization. The performance of the entire automated vehicle system depends significantly on the performance of environmental sensors.
Moderne Spurhalteassistenzsysteme sind auf eine zuverlässige Detektion und fahrzeugrelative Verortung der Fahrspurmarkierungen angewiesen. Aus
Ein Ansatz zur Auswahl von Landmarken zur Fahrzeuglokalisierung wird in
Die Genauigkeit der für die automatisierten Fahrzeugsysteme benötigten Fahrzeuglokalisierung hängt nicht nur von der Leistungsfähigkeit der Umfeldsensorik ab. Darüber hinaus können auch Umfeldbedingungen und die Wahl des Detektionsalgorithmus einen bedeutenden Einfluss haben. Die Leistungsfähigkeit des gesamten Fahrzeugsystems ist direkt an die zu befahrende Route und die auf dieser gegebenen Umfeldbedingungen gekoppelt.The accuracy of the vehicle localization required for the automated vehicle systems does not only depend on the performance of the environmental sensor system. In addition, environmental conditions and the choice of the detection algorithm can have a significant impact. The performance of the entire vehicle system is directly linked to the route to be traveled and the given environmental conditions.
Offenbarung der ErfindungDisclosure of the invention
Der vorliegenden Erfindung liegt die Aufgabe zugrunde, ein Verfahren zur Routenplanung für ein Kraftfahrzeug mit einem automatisierten Fahrzeugsystem bereitzustellen, welches die routenspezifische Lokalisierbarkeit und die Leistungsfähigkeit des automatisierten Fahrzeugsystems berücksichtigt und somit eine situationsangepasste Routenplanung ermöglicht.The present invention has for its object to provide a method for route planning for a motor vehicle with an automated vehicle system, which takes into account the route-specific localizability and the performance of the automated vehicle system and thus allows a situation-adapted route planning.
Ferner ist es Aufgabe der Erfindung, ein Kraftfahrzeug mit einem automatisierten Fahrzeugsystem bereitzustellen, welches eine situationsangepasste Routenplanung bereitstellt.It is another object of the invention to provide a motor vehicle with an automated vehicle system, which provides a situation-adapted route planning.
Zur Lösung der Aufgabe wird ein Verfahren zur Routenplanung für ein Kraftfahrzeug mit einem automatisierten Fahrzeugsystem vorgeschlagen, wobei eine Befahrbarkeitsanalyse mindestens einer Route erstellt wird, wobei die Befahrbarkeitsanalyse die Schritte:
- - Wahl einer zu untersuchenden Route von einem Startpunkt zu einem Zielpunkt,
- - Ermittlung von fahrzeugunabhängigen Umfeldbedingungen auf der gewählten Route,
- - Bestimmung einer zu erwartenden Detektionsrate für zur Fahrzeuglokalisierung geeignete Landmarken auf der gewählten Route unter Verwendung der fahrzeugunabhängigen Umfeldbedingungen,
- - Bestimmung einer zu erwartenden Lokalisierungsgenauigkeit auf der gewählten Route unter Verwendung der zu erwartenden Detektionsrate,
- - Ermittlung, ob die zu erwartende Lokalisierungsgenauigkeit für ein von dem automatisierten Fahrzeugsystem unterstütztes Befahren der gewählten Route ausreichend ist,
- Choosing a route to be examined from a starting point to a destination point,
- Determination of vehicle-independent ambient conditions on the selected route,
- Determination of an expected detection rate for landmarks suitable for vehicle localization on the selected route using the vehicle-independent environmental conditions,
- Determination of an expected localization accuracy on the selected route using the expected detection rate,
- Determining whether the localization accuracy to be expected is sufficient for driving on the selected route, supported by the automated vehicle system,
Bei dem automatisierten Fahrzeugsystem kann es sich um ein Fahrerassistenzsystem für ein assistiertes Fahren und/oder für ein hochautomatisiertes Fahren und/oder für ein autonomes Fahren handeln.The automated vehicle system may be a driver assistance system for assisted driving and / or highly automated driving and / or autonomous driving.
In vorteilhafter Weise werden bei dem Verfahren zur Routenplanung eine hinreichend genaue routenspezifische Lokalisierbarkeit und die Leistungsfähigkeit des Gesamtsystems, insbesondere des automatisierten Fahrzeugsystems, berücksichtigt. Routen, entlang derer unter den gegebenen Umfeldbedingungen und mit der dem Fahrzeugsystem zur Verfügung stehenden Umfeldsensorik keine anforderungsgerechte Lokalisierung möglich ist, können als unbefahrbar eingestuft werden. Solche Routen oder Routenabschnitte können dann umfahren werden. Das Verfahren verwendet fahrzeugunabhängige Umfeldbedingungen entlang der zu untersuchenden Route als Eingangsgrößen. Die zur Fahrzeuglokalisierung geeigneten Landmarken können aus einer Lokalisierungskarte entnommen werden.Advantageously, in the method for route planning, a sufficiently precise route-specific localizability and the performance of the overall system, in particular of the automated vehicle system, are taken into account. Routes along which no requirement-oriented localization is possible under the given environmental conditions and with the surroundings sensor system available to the vehicle system can be classified as impracticable. Such routes or route sections can then be bypassed. The method uses vehicle-independent ambient conditions along the route to be examined as input variables. The landmarks suitable for vehicle localization can be taken from a localization map.
Das Verfahren ermöglicht die Planung von Routen, auf welchen die anforderungsgerechte Leistungsfähigkeit des Fahrzeugsystems mit hoher Wahrscheinlichkeit sichergestellt ist, wodurch zu einer vorteilhaften Beeinflussung der Robustheit des automatisierten Fahrzeugsystems beigetragen wird. Gegenüber bekannten Verfahren zur Routenplanung für automatisierte Fahrzeugsysteme werden zusätzlich fahrzeugunabhängige Umfeldbedingungen, das heißt Umfeldbedingungen, welche nicht das Fahrzeug und/oder das automatisierte Fahrzeugsystem betreffen, verwendet. Jedoch können auch fahrzeugabhängige Umfeldbedingungen in die Berechnung der zu erwartenden Lokalisierungsgenauigkeit einfließen. Fahrzeugabhängige Umfeldbedingungen können beispielsweise die Sensoreffizienz oder die Robustheit der Detektionsalgorithmen für Landmarken sein.The method allows the planning of routes on which the requirement-oriented performance of the vehicle system is ensured with high probability, thereby contributing to an advantageous influence on the robustness of the automated vehicle system. In contrast to known methods for route planning for automated vehicle systems, vehicle-independent environmental conditions, that is to say environmental conditions which do not relate to the vehicle and / or the automated vehicle system, are additionally used. However, vehicle-dependent environmental conditions can also be included in the calculation of the expected localization accuracy. Vehicle-dependent environmental conditions can be, for example, the sensor efficiency or the robustness of the landmark detection algorithms.
Bei den Umfeldsensoren kann es sich um Stereovideokameras oder Laserscanner oder weitere geeignete Sensorvorrichtungen handeln.The environmental sensors may be stereo video cameras or laser scanners or other suitable sensor devices.
Der Schritt der Bestimmung einer zu erwartenden Detektionsrate für zur Fahrzeuglokalisierung geeignete Landmarken muss bei dem Verfahren nicht zwingend in einem separaten Verfahrensschritt erfolgen, sondern kann auch implizit in die Bestimmung einer zu erwartenden Lokalisierungsgenauigkeit einfließen. Wesentlich bei dem Verfahren zur Routenplanung ist, dass die Bestimmung einer zu erwartenden Lokalisierungsgenauigkeit und einer daraus folgenden Ermittlung, ob die zu erwartende Lokalisierungsgenauigkeit für ein von dem automatisierten Fahrzeugsystem unterstütztes Befahren der gewählten Route ausreichend ist, unter Verwendung von fahrzeugunabhängigen Umfeldbedingungen auf der gewählten Route stattfindet. Beispielsweise ist es auch möglich, dass die Bestimmung der zu erwartenden Lokalisierungsgenauigkeit beziehungsweise die Ermittlung, ob die zu erwartende Lokalisierungsgenauigkeit für ein von dem automatisierten Fahrzeugsystem unterstütztes Befahren der gewählten Route ausreichend ist, mittels eines parametrisierten Modells und/oder eines neuronalen Netzwerkes oder weiterer Verfahren des maschinellen Lernes und/oder eines statistischen Modells erfolgt. Im Falle eines parametrisierten Modells kann die Detektionsrate in Form eines Parameters explizit oder implizit in das Verfahren Eingang finden. Wird die Lokalisierungsgenauigkeit mittels eines neuronalen Netzwerkes oder dergleichen ermittelt, so ist die zu erwartende Detektionsrate implizit in den im neuronalen Netzwerk erlernten Gewichten berücksichtigt. Auch bei dem statistischen Modell findet die Detektionsrate über die statistischen Gewichte Eingang in die Ermittlung der Lokalisierungsgenauigkeit. Für das Verständnis der Erfindung ist es wichtig, dass die Lokalisierungsgenauigkeit implizit oder explizit von dem Produkt der Detektionsrate, das heißt von dem prozentualen Anteil der auf einer gewählten Route detektierbaren Landmarken, und der Anzahl der auf der gewählten Route vorhandenen Landmarken abhängt.The step of determining an expected detection rate for landmarks suitable for vehicle localization does not necessarily have to be carried out in a separate method step in the method, but can also be incorporated implicitly into the determination of an expected localization accuracy. It is essential in the method for route planning that the determination of an expected localization accuracy and a subsequent determination as to whether the expected localization accuracy is sufficient for a driving of the selected route supported by the automated vehicle system is carried out using vehicle-independent ambient conditions on the selected route , For example, it is also possible that the determination of the localization accuracy to be expected or the determination of whether the localization accuracy to be expected is sufficient for driving the selected route supported by the automated vehicle system by means of a parameterized model and / or a neural network or further methods of the machine learning and / or a statistical model. In the case of a parameterized model, the detection rate in the form of a parameter can be explicitly or implicitly included in the method. If the localization accuracy is determined by means of a neural network or the like, then the expected detection rate is implicitly taken into account in the weights learned in the neural network. In the case of the statistical model too, the detection rate via the statistical weights is included in the determination of the localization accuracy. For the understanding of the invention it is important that the localization accuracy implicitly or explicitly depends on the product of the detection rate, that is, on the percentage of landmarks detectable on a selected route, and the number of landmarks present on the selected route.
Die implizit oder explizit in das Verfahren einfließende Detektionsrate kann darüber hinaus von dem Typ der auf der gewählten Route vorhandenen Landmarken abhängen. Beispielsweise kann die Detektionsrate für Verkehrszeichen, Fahrbahnbegrenzungen, Lichtsignale, Bäume oder Gebäude unterschiedlich sein. Darüber hinaus kann die Detektionsrate auch von der Effizienz der Sensoreinrichtung der Umfeldsensorik abhängen. Auch die verwendeten Detektionsalgorithmen können eine unterschiedliche Effizienz für die Detektionsrate von bestimmten Typen von Landmarken aufweisen. Alle vorgenannten Faktoren können einzeln oder gemeinsam über eine explizite oder implizite Berücksichtigung der Detektionsrate Eingang in die Bestimmung einer zu erwartenden Lokalisierungsgenauigkeit und der daraus folgenden Ermittlung, ob die zu erwartende Lokalisierungsgenauigkeit für ein von dem automatisierten Fahrsystem unterstütztes Befahren der gewählten Route ausreichend ist, einfließen.The detection rate implicit or explicit in the method may also depend on the type of landmarks present on the selected route. For example, the detection rate for traffic signs, lane boundaries, light signals, trees or buildings may be different. In addition, the detection rate may also depend on the efficiency of the sensor device of the environment sensor. Also, the detection algorithms used may have a different efficiency for the detection rate of certain types of landmarks. All of the aforementioned factors can be used individually or jointly via an explicit or implicit consideration of the detection rate input into the determination of an expected localization accuracy and the consequent determination as to whether the localization accuracy to be expected is sufficient for driving the selected route supported by the automated driving system.
Bevorzugt ist vorgesehen, dass die fahrzeugunabhängigen Umfeldbedingungen die Verkehrsdichte und/oder die Wetterbedingungen und/oder die Straßenbedingungen für die gewählte Route sind.It is preferably provided that the vehicle-independent ambient conditions are the traffic density and / or the weather conditions and / or the road conditions for the selected route.
Die Wetterbedingungen, das Verkehrsaufkommen und die Verkehrsdichte sowie Straßenbedingungen können einen Einfluss auf die Detektionsperformance der Sensorik und damit auf die Detektionsrate für verschiedene Typen von Landmarken haben. Insbesondere kann eine hohe Verkehrsdichte dazu führen, dass ein bestimmter Anteil von Landmarken auf der gewählten Route zumindest zeitweise von Fahrzeugen vor der Umfeldsensorik verdeckt wird, wodurch die Detektionsrate und die Lokalisierungsgenauigkeit verringert wird. Mit Vorteil wird somit die Abhängigkeit der Lokalisierungsgenauigkeit von den aktuellen Wetterbedingungen und dem Verkehrsaufkommen berücksichtigt. Die Ermittlung der fahrzeugunabhängigen Umfeldbedingungen, insbesondere der Wetterbedingungen und des Verkehrsaufkommens, kann beispielsweise durch Abfrage von Wetterdatenbanken oder Verkehrsdatenbanken erfolgen.The weather conditions, the traffic volume and the traffic density as well as road conditions can have an influence on the detection performance of the sensors and thus on the detection rate for different types of landmarks. In particular, a high traffic density can lead to a certain proportion of landmarks on the selected route being at least temporarily obscured by vehicles in front of the environmental sensor system, which reduces the detection rate and the localization accuracy. Advantageously, the dependency of the localization accuracy on the current weather conditions and the traffic volume is taken into account. The determination of the vehicle-independent environmental conditions, in particular the weather conditions and the traffic volume, can, for example, by polling Weather databases or traffic databases are made.
Bevorzugt ist vorgesehen, dass eine Verdeckungsrate für Landmarken auf der gewählten Route bestimmt wird, wobei die Verdeckungsrate bevorzugt unter Verwendung der Umfeldbedingungen und/oder des Typs der geeigneten Landmarken bestimmt wird, wobei die Lokalisierungsgenauigkeit und/oder die Detektionsrate unter Verwendung der Verdeckungsrate bestimmt wird.It is preferably provided that a concealment rate for landmarks on the selected route is determined, wherein the concealment rate is preferably determined using the environmental conditions and / or the type of suitable landmarks, wherein the localization accuracy and / or the detection rate is determined using the concealment rate.
Mit Vorteil bildet die Verdeckungsrate den Einfluss der routenabhängigen und fahrzeugunabhängigen Umfeldbedingungen auf die Lokalisierungsgenauigkeit ab. Dabei kann die Verdeckungsrate auch von dem Typ der Landmarken abhängen. So werden in geringer Höhe oberhalb der Fahrbahnfläche angeordnete Landmarken eher durch ein erhöhtes Verkehrs- und Fahrzeugaufkommen für die Umfeldsensorik verdeckt, was in Folge die Detektionsrate für derartige Landmarken verringert. Dementgegen ist die Verdeckungsrate für in größerer Höhe angeordneten Landmarken, wie beispielsweise für Lichtsignale, geringer.The occlusion rate advantageously reflects the influence of the route-dependent and vehicle-independent environmental conditions on the localization accuracy. The occlusion rate may also depend on the type of landmarks. Thus, landmarks located at a low height above the road surface are more likely to be obscured by increased traffic and vehicle volume for the environmental sensor system, which consequently reduces the detection rate for such landmarks. In contrast, the occlusion rate is lower for higher altitude landmarks, such as light signals.
Auch die Verdeckungsrate kann implizit oder explizit in dem Verfahren berücksichtigt werden. In parametrisierten Modellen oder neuronalen Netzen kann eine implizite Berücksichtigung über die Parameter oder die gelernten Gewichte stattfinden.The occlusion rate can also be taken into account implicitly or explicitly in the procedure. In parameterized models or neural networks, an implicit consideration can take place via the parameters or the learned weights.
Weiter bevorzugt kann vorgesehen sein, dass die Verdeckungsrate und/oder die Detektionsrate und/oder die Lokalisierungsgenauigkeit unter Verwendung eines parametrisierten Modells ermittelt wird, wobei das parametrisierte Modell bevorzugt ein maschinell gelerntes Modell ist, wobei weiter bevorzugt das maschinell gelernte Modell unter Verwendung von vorherigen Befahrbarkeitsanalysen, insbesondere unter Verwendung von früheren Umfeldbedingungen und/oder früheren bestimmten Detektionsraten und/oder früheren bestimmten Verdeckungsraten und/oder früheren bestimmten Lokalisierungsgenauigkeiten und/oder der Leistungsfähigkeit von Sensorvorrichtungen und/oder der Detektionsalgorithmen des Automatisierten Fahrzeugsystems, gelernt wird.More preferably, provision can be made for the occlusion rate and / or the detection rate and / or the localization accuracy to be determined using a parameterized model, wherein the parameterized model is preferably a machine-learned model, wherein the machine-learned model is further preferred using previous trafficability analyzes , in particular, using previous environmental conditions and / or previously determined detection rates and / or previously determined occlusion rates and / or prior determined localization accuracies and / or the performance of sensor devices and / or detection algorithms of the Automated Vehicle System.
Mit Vorteil kann die Verdeckungsrate und/oder die Detektionsrate und/oder die Lokalisierungsgenauigkeit unter Verwendung eines parametrisierten Modells oder unter Verwendung eines neuronalen Netzes ermittelt werden. Das parametrisierte Modell beziehungsweise das neuronale Netz ermittelt dabei die Verdeckungsrate und/oder die Detektionsrate und/oder die Lokalisierungsgenauigkeit auf Basis früher durchgeführter Befahrbarkeitsanalysen, das heißt unter Verwendung der Ergebnisse von Befahrbarkeitsanalysen, welche vor der aktuellen Durchführung des Verfahrens durchgeführt wurden.Advantageously, the occlusion rate and / or the detection rate and / or the localization accuracy can be determined using a parameterized model or using a neural network. The parameterized model or the neural network determines the occlusion rate and / or the detection rate and / or the localization accuracy on the basis of previously conducted trafficability analyzes, that is to say using the results of trafficability analyzes which were carried out prior to the current performance of the method.
Dementsprechend kann vorgesehen sein, dass vor der Durchführung der Befahrbarkeitsanalyse, insbesondere vor der Durchführung der Wahl einer zu untersuchenden Route, das parametrisierte Modell beziehungsweise das neuronale Netz eine Lernphase durchläuft.Accordingly, it can be provided that, before carrying out the trafficability analysis, in particular before the choice of a route to be examined is carried out, the parameterized model or the neural network undergoes a learning phase.
In einer bevorzugten Ausführungsform wird die Verdeckungsrate unter Verwendung des parametrisierten Modells ermittelt, wobei als Eingangsgröße für das parametrisierte Modell die aktuellen Wetterinformationen und/oder das aktuelle Verkehrsaufkommen auf der ausgewählten Route und/oder die auf der ausgewählten Route vorhandenen Typen von Landmarken verwendet werden.In a preferred embodiment, the occlusion rate is determined using the parameterized model using as input to the parameterized model the current weather information and / or the current traffic on the selected route and / or the types of landmarks present on the selected route.
Das System basiert auf einem mit maschinellen Lehrmethoden parametrisierten Modell, insbesondere auf einem neuronalen Netz, welches den Zusammenhang zwischen Wetter und Verkehrsdaten sowie weiteren Informationen über das Umfeld, den verwendeten Umfeldwahrnehmungsmodulen oder Umfeldsensoren auf Fahrzeugseite und der resultierenden Detektionswahrscheinlichkeit von einzelnen Landmarkentypen herstellt.The system is based on a model parameterized with machine teaching methods, in particular on a neural network, which establishes the relationship between weather and traffic data as well as other information about the environment, the environment perception modules used or environment sensors on the vehicle side and the resulting detection probability of individual landmark types.
Weiter bevorzugt ist vorgesehen, dass die Detektionsrate unter Verwendung der Verdeckungsrate und/oder einer, insbesondere maximalen, Anzahl und/oder der Anzahldichte und/oder des Typs von auf der gewählten Route detektierbaren Landmarken und/oder der Leistungsfähigkeit von Sensorvorrichtungen und/oder Detektionsalgorithmen des automatisierten Fahrzeugsystems und/oder der Umfeldbedingungen und/oder der Genauigkeit von Lokalisierungsdaten, insbesondere von GPS-Daten, bestimmt wird.It is further preferred for the detection rate to be determined using the occlusion rate and / or a maximum number and / or the number density and / or the type of landmarks detectable on the selected route and / or the performance of sensor devices and / or detection algorithms of the automated vehicle system and / or the environmental conditions and / or the accuracy of localization data, in particular GPS data, is determined.
Mit der Verdeckungsrate wird der typabhängige Anteil von Landmarken bestimmt, welcher voraussichtlich auf der gewählten Route von den Umfeldbedingungen wie einem erhöhten Verkehrsaufkommen verdeckt werden. Die Detektionsrate hängt dann von der Verdeckungsrate und darüber hinaus von Effizienz der Sensoren oder Sensorvorrichtungen ab. Ferner kann die Detektionsrate auch von der Effizienz der Detektionsalgorithmen abhängen, wobei unterschiedliche Detektionsalgorithmen, insbesondere für unterschiedliche Typen von Landmarken, zur Anwendung kommen können.The occlusion rate is used to determine the type-dependent fraction of landmarks that are likely to be obscured on the selected route by environmental conditions such as increased traffic. The rate of detection then depends on the occlusion rate and, moreover, on the efficiency of the sensors or sensor devices. Furthermore, the detection rate can also depend on the efficiency of the detection algorithms, wherein different detection algorithms, in particular for different types of landmarks, can be used.
Weiter bevorzugt kann vorgesehen sein, dass die Lokalisierungsgenauigkeit mittels eines statistischen Modells bestimmt wird, wobei die Lokalisierungsgenauigkeit bevorzugt unter Verwendung der zu erwartenden Detektionsrate und/oder der zu erwartenden Verdeckungsrate und/oder der Anzahl und/oder der Anzahldichte und/oder des Typs der Landmarken entlang der gewählten Route bestimmt wird.Further preferably, it can be provided that the localization accuracy is determined by means of a statistical model, wherein the localization accuracy preferably by using the expected detection rate and / or the expected occlusion rate and / or the number and / or the number density and / or the type of landmarks along the selected route.
Die Lokalisierungsgenauigkeit hängt explizit oder implizit von der zu erwartenden Detektionsrate und der, insbesondere typabhängigen, Anzahl oder Anzahldichte der Landmarken entlang der gewählten Route ab. Dabei kann die Detektionsrate durch die Verdeckungsrate beeinflusst werden.The localization accuracy depends explicitly or implicitly on the expected detection rate and, in particular type-dependent, number or number density of the landmarks along the selected route. The detection rate can be influenced by the occlusion rate.
Weiter vorteilhafterweise kann vorgesehen sein, dass die ermittelte Lokalisierungsgenauigkeit mit einem vorbestimmten Schwellwert verglichen wird, wobei einem Fahrer des Kraftfahrzeugs die Möglichkeit eines manuellen Befahrens der gewählten Route ermöglicht und/oder wobei eine neue Befahrbarkeitsanalyse für eine andere Route durchgeführt wird, wenn die Lokalisierungsgenauigkeit kleiner als der Schwellwert ist.Further advantageously, it can be provided that the determined localization accuracy is compared with a predetermined threshold value, whereby a driver of the motor vehicle enables the possibility of manually driving the selected route and / or a new trafficability analysis is carried out for another route if the localization accuracy is less than the threshold is.
Bei dem Verfahren kann dem Fahrer bei Unterschreiten des Schwellwertes für die Lokalisierungsgenauigkeit gemeldet werden, dass die gewählte Route von dem Fahrzeug unter Verwendung des automatisierten Fahrzeugsystems nicht befahrbar ist und es kann anschließend eine neue Route geplant werden. In the method, the driver may be informed when falling below the threshold for the localization accuracy that the selected route from the vehicle using the automated vehicle system is not passable and then a new route can be planned.
Alternativ oder zusätzlich kann dem Fahrer des Kraftfahrzeuges die Möglichkeit geboten werden, zu entscheiden, ob dieser die ursprünglich geplante oder gewählte Route manuell befahren oder eine automatisierte, dafür möglicherweise längere Fahrt akzeptieren möchte.Alternatively or additionally, the driver of the motor vehicle can be offered the opportunity to decide whether he wants to manually drive the originally planned or selected route or would like to accept an automated, possibly longer, journey.
Vorteilhafterweise wird eine globale Planung und Umplanung einer Gesamt-Route für ein automatisiertes Fahrzeugsystem zu einem definierten Zielpunkt möglich.Advantageously, global planning and rescheduling of an overall route for an automated vehicle system to a defined destination point becomes possible.
Bevorzugt kann vorgesehen sein, dass die Ermittlung, ob die zu erwartende Lokalisierungsgenauigkeit für ein von dem automatisierten Fahrzeugsystem unterstütztes Befahren der gewählten Route ausreichend ist, eine möglichst gute Lokalisierbarkeit berücksichtigt und/oder dass diese Ermittlung auf eine möglichst kurze Strecke mit hinreichend genauer Lokalisierungsgenauigkeit hin optimiert wird.It can preferably be provided that the determination of whether the expected localization accuracy is sufficient for a driving of the selected route supported by the automated vehicle system takes into account the best possible localization and / or optimizes this determination to the shortest possible route with sufficiently accurate localization accuracy becomes.
Weiter bevorzugt kann vorgesehen sein, dass die für das von dem automatisierten Fahrzeugsystem unterstützte Befahren der gewählten Route geeigneten Sensorvorrichtungen und/oder Detektoralgorithmen bestimmt werden, bevorzugt wenn die Lokalisierungsgenauigkeit größer oder gleich dem Schwellwert ist.It can also be provided that the sensor systems and / or detector algorithms suitable for driving the selected route are supported by the automated vehicle system, preferably if the localization accuracy is greater than or equal to the threshold value.
Mit Vorteil wird mittels des Verfahrens bestimmt, welche Sensorvorrichtungen für welchen Typ von Landmarken für das Befahren der gewählten Route geeignet sind. Das System beruht, insbesondere unter Verwendung eines parametrisierten Modells, auf der Herstellung des Zusammenhangs zwischen Wetterdaten, Verkehrsdaten sowie weiteren Informationen über das Umfeld, den Sensorvorrichtungen beziehungsweise Umfeldwahrnehmungsmodulen auf Fahrzeugseite und der resultierenden Detektionswahrscheinlichkeit von einzelnen Landmarkentypen. Zusammen mit den Informationen über die Dichte von Landmarken, welche beispielsweise aus einer Lokalisierungskarte entnommen werden können und den detektierbaren Landmarkentypen, welche je nach Lokalisierungsmodul des einzelnen Fahrzeugsystems gegeben sind, kann durch das Verfahren ermittelt werden, ob eine Strecke aktuell durch das Fahrzeugsystem befahren werden kann. Dabei werden durch das Verfahren verschiedene Ausprägungen von Detektionsalgorithmen auf Fahrzeugseite berücksichtigt, das heißt je nach vorhandener Sensorvorrichtung beziehungsweise je nach vorhandenen Detektionsalgorithmen können einzelne Fahrzeugsystem möglicherweise in Bereichen fahren, in denen andere es nicht können. Hierfür kann mit Vorteil festgelegt werden, welche Sensorvorrichtungen und/oder welche Detektionsalgorithmen zum Befahren einer Route, insbesondere an welchem Streckenabschnitt der Route, verwendet werden.Advantageously, the method determines which sensor devices are suitable for which type of landmarks for driving on the selected route. The system is based, in particular using a parameterized model, on the establishment of the relationship between weather data, traffic data and other information about the environment, the sensor devices or environment perception modules on the vehicle side and the resulting detection probability of individual landmark types. Together with the information about the density of landmarks, which can be taken for example from a localization map and the detectable landmark types, which are given depending on the localization module of the individual vehicle system, can be determined by the method, whether a route can be currently traveled by the vehicle system , Different methods of detection algorithms on the vehicle side are taken into account by the method, that is to say, depending on the existing sensor device or depending on the existing detection algorithms, individual vehicle systems may possibly travel in areas where others can not. For this purpose, it can be advantageously determined which sensor devices and / or which detection algorithms are used for driving on a route, in particular at which route section of the route.
Das Verfahren verwendet Wetterdaten, Verkehrsinformationen, Informationen über die Genauigkeit von GPS und Informationen über die Dichte der detektierbaren Landmarken entlang einer Route als Eingangsgröße. Ein Modell, dessen Parameter durch ein maschinelles Lernverfahren bestimmt wurden, wird darin verwendet, um für die gewählte Route eine Aussage treffen zu können, ob und falls ja, mit welchem Detektionsalgorithmen die Route befahrbar ist.The method uses weather data, traffic information, accuracy of GPS, and information about the density of detectable landmarks along a route as an input. A model whose parameters have been determined by a machine learning method is used in order to be able to make a statement for the selected route as to whether and, if so, with which detection algorithms the route is passable.
Eine weitere Lösung des der Erfindung zugrundeliegenden Problems besteht in der Bereitstellung eines Kraftfahrzeuges mit einem automatisierten Fahrzeugsystem, wobei das automatisierte Fahrzeugsystem zur Durchführung des vorbeschriebenen Verfahrens ausgebildet ist.Another solution to the problem underlying the invention is to provide a motor vehicle with an automated vehicle system, wherein the automated vehicle system is designed to carry out the method described above.
Weiter bevorzugt kann vorgesehen sein, dass das automatisierte Fahrzeugsystem für ein assistiertes Fahren und/oder ein hochautomatisiertes Fahren und/oder ein autonomes Fahren ausgebildet ist.Further preferably, it can be provided that the automated vehicle system is designed for assisted driving and / or highly automated driving and / or autonomous driving.
Figurenlistelist of figures
Die Erfindung wird nachstehend anhand der Zeichnungen näher erläutert. Es zeigen
-
1 ein Ablaufdiagramm eines Verfahrens zur Routenplanung für ein Kraftfahrzeug mit einem automatisierten Fahrzeugsystem, -
2 eine Übersicht über die Eingangsgrößen für eine Lernphase eines parametrisierten Modells.
-
1 a flowchart of a method for route planning for a motor vehicle with an automated vehicle system, -
2 an overview of the input variables for a learning phase of a parameterized model.
Ausführliche Beschreibung der FigurenDetailed description of the figures
In einem ersten, optionalen Schritt
Im Anwendungsfall beginnt das Verfahren mit der Befahrbarkeitsanalyse in Schritt
Daraufhin erfolgt in Schritt
Im folgenden Schritt
In Schritt
Im Schritt
Die Lokalisierungsgenauigkeit für die gewählte Route ergibt sich für einen bestimmten Landmarkentyp insbesondere aus dem Produkt der Detektionsrate und der Anzahldichte der auf der gewählten Route oder auf Streckenabschnitten der gewählten Route vorhandenen Landmarken.The localization accuracy for the selected route results, in particular, from the product of the detection rate and the number density of the landmarks present on the selected route or on sections of the selected route for a specific landmark type.
In einem weiteren Schritt
Ist die Lokalisierungsgenauigkeit für ein von dem automatisierten Fahrzeugsystem unterstütztes Befahren der gewählten Route ausreichend, können in einem weiteren Schritt
Beispielhaft wird eine Route für ein automatisiertes Fahrzeugsystem entlang einer Hauptstraße geplant. Entlang dieser Route sind genug Umfeldinformationen vorhanden, sodass durch die Detektion sämtlicher Landmarken des Typs „Verkehrszeichen“ eine hinreichend genaue Lokalisierung des Fahrzeugsystems möglich ist.By way of example, a route is planned for an automated vehicle system along a main road. Enough surrounding information is available along this route, so that a sufficiently accurate localization of the vehicle system is possible by the detection of all landmarks of the "traffic sign" type.
Zu den Hauptverkehrszeiten ist auf dieser Route jedoch mit dichtem Verkehr zu rechnen. Ein das Verfahren implementierendes automatisiertes Fahrzeugsystem ermittelt für diese Verkehrslage und die geplante Route eine Detektionsrate, welche durch die zu erwartende Verdeckungsrate, welche auf fahrzeugunabhängigen Umfeldbedingungen beruht, deutlich unter 100 % liegt. Dennoch ermittelt das System als zu erwartende Lokalisierungsgenauigkeit einen Wert, welcher hinreichend gut ist, und insbesondere über einem vorbestimmten Schwellwert liegt. Das System ermöglicht somit das von dem automatisierten Fahrzeugsystem unterstützte Befahren der gewählten Route.However, heavy traffic is expected during peak hours on this route. An automated vehicle system implementing the method determines a detection rate for this traffic situation and the planned route, which is clearly below 100% due to the expected occultation rate, which is based on vehicle-independent environmental conditions. Nevertheless, the system determines as the expected localization accuracy a value which is sufficiently good, and in particular lies above a predetermined threshold value. The system thus enables driving of the selected route supported by the automated vehicle system.
In einem anderen Fall kann es zur gleichen Tageszeit zu einem starken Niederschlag kommen. Das Verfahren ermittelt erneut eine Detektionsrate. Aufgrund der schlechten Wetterverhältnisse ist diese nicht hinreichend hoch, was insbesondere durch eine erhöhte Verdeckungsrate aufgrund der schlechten Wetterverhältnisse bedingt ist. Eine hinreichend genaue Lokalisierungsgenauigkeit ist somit nicht möglich. Es kann dann im Rahmen des Verfahrens eine alternative Route gewählt und im Rahmen einer weiteren Befahrbarkeitsanalyse bewertet werden. Die neue Route führt durch weniger befahrene Straßen und ist damit mit einer geringeren Verdeckungsrate behaftet. Dem Fahrer kann optional über eine Mensch-Maschine-Schnittstelle mitgeteilt werden, dass eine längere Route geplant wurde und nun eine Auswahlmöglichkeit zwischen automatisiertem Betrieb auf dieser Route oder einer manuellen Fahrt auf einer kürzeren Route gegeben werden.In another case, it can come at the same time of day to a strong precipitation. The method again determines a detection rate. Due to the bad weather conditions, this is not sufficiently high, which is due in particular to an increased concealment rate due to the bad weather conditions. A sufficiently accurate localization accuracy is therefore not possible. In the context of the method, an alternative route can then be selected and evaluated within the framework of a further trafficability analysis. The new route leads through less traveled roads and is therefore associated with a lower rate of obstruction. The driver can optionally be informed via a man-machine interface that a longer route has been planned and now a choice between automatic operation on this route or a manual drive on a shorter route are given.
In der Lernphase werden
- GPS-
Daten 10 , Verkehrsdaten 11 ,Wetterdaten 12 undfrühere Detektionsraten 13
-
GPS data 10 . -
traffic data 11 . -
Weather data 12 and -
earlier detection rates 13
als Eingangsparameter in ein neuronales Netz
ZITATE ENTHALTEN IN DER BESCHREIBUNG QUOTES INCLUDE IN THE DESCRIPTION
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of the documents listed by the applicant has been generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.
Zitierte Nicht-PatentliteraturCited non-patent literature
- Borrmann, J.M. et al., „STELLaR - a Case-Study on systematically embedding of traffic light recognition“, Intelligent Transportation Systems (ITSC), 2014 IEEE, 17. International Conference on, pp. 1258, 1265, 8.-11. Oktober 2014 [0003]Borrmann, J.M. et al., "STELLaR - A Case-Study on Systematically Embedding Traffic Light Recognition," Intelligent Transportation Systems (ITSC), 2014 IEEE, 17th International Conference on, pp. 1258, 1265, 8.-11. October 2014 [0003]
- Thrun, S., „Finding Landmarks for Mobile Robot Navigation“, Robotics & Automation, 1998. Proceedings. 1998 IEEEE International Conference on, Volume 2, pp. 958, 963, 16.-20. Mai 1998 [0004]Thrun, S., "Finding Landmarks for Mobile Robot Navigation," Robotics & Automation, 1998. Proceedings. 1998 IEEEE International Conference on, Volume 2, pp. 958, 963, 16.-20. May 1998 [0004]
Claims (10)
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102017211556.4A DE102017211556A1 (en) | 2017-07-06 | 2017-07-06 | Method for route planning for a motor vehicle with an automated vehicle system and motor vehicle with an automated vehicle system |
FR1856150A FR3068777B1 (en) | 2017-07-06 | 2018-07-04 | JOURNEY PLANNING PROCESS OF A MOTOR VEHICLE EQUIPPED WITH AN AUTOMATED DRIVING SYSTEM AND VEHICLE IMPLEMENTING THE PROCESS |
CN201810736269.4A CN109211255B (en) | 2017-07-06 | 2018-07-06 | Method for planning a route for a motor vehicle having an automatic vehicle system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102017211556.4A DE102017211556A1 (en) | 2017-07-06 | 2017-07-06 | Method for route planning for a motor vehicle with an automated vehicle system and motor vehicle with an automated vehicle system |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102017211556A1 true DE102017211556A1 (en) | 2019-01-10 |
Family
ID=64666390
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102017211556.4A Pending DE102017211556A1 (en) | 2017-07-06 | 2017-07-06 | Method for route planning for a motor vehicle with an automated vehicle system and motor vehicle with an automated vehicle system |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN109211255B (en) |
DE (1) | DE102017211556A1 (en) |
FR (1) | FR3068777B1 (en) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113359696A (en) * | 2020-03-03 | 2021-09-07 | 动态Ad有限责任公司 | System, method, and storage medium for autonomous vehicles |
WO2023186457A1 (en) * | 2022-04-01 | 2023-10-05 | Robert Bosch Gmbh | Method for predicting the availability of feature-based localisation of a vehicle, and method for controlling a vehicle |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109808615A (en) * | 2019-03-22 | 2019-05-28 | 北京经纬恒润科技有限公司 | A kind of automatic Pilot method and device |
WO2021016920A1 (en) * | 2019-07-31 | 2021-02-04 | 深圳市大疆创新科技有限公司 | Method, system and device for identifying accessibility, and computer-readable storage medium |
CN111024084A (en) * | 2019-12-17 | 2020-04-17 | 国汽(北京)智能网联汽车研究院有限公司 | Automatic driving method, device, equipment and storage medium for automatic driving vehicle |
CN114112421B (en) * | 2021-09-30 | 2023-06-20 | 东风汽车集团股份有限公司 | Automatic driving test method and device, electronic equipment and storage medium |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050216182A1 (en) * | 2004-03-24 | 2005-09-29 | Hussain Talib S | Vehicle routing and path planning |
EP2490092B1 (en) * | 2011-02-16 | 2013-09-18 | Siemens Aktiengesellschaft | Method for autonomous localisation of a driver-less motorised vehicle |
DE102013205840A1 (en) * | 2013-04-03 | 2014-10-09 | Robert Bosch Gmbh | Automatic driving on a route |
EP2915718B1 (en) * | 2014-03-04 | 2018-07-11 | Volvo Car Corporation | Apparatus and method for continuously establishing a boundary for autonomous driving availability and an automotive vehicle comprising such an apparatus |
JP6537780B2 (en) * | 2014-04-09 | 2019-07-03 | 日立オートモティブシステムズ株式会社 | Traveling control device, in-vehicle display device, and traveling control system |
EP3109115B1 (en) * | 2015-06-23 | 2018-01-31 | Volvo Car Corporation | Arrangement and method for facilitating handover to and from an automated autonomous driving aid system |
DE102015220360A1 (en) * | 2015-10-20 | 2017-04-20 | Robert Bosch Gmbh | Method for selecting an optimized trajectory |
CN106908775B (en) * | 2017-03-08 | 2019-10-18 | 同济大学 | A kind of unmanned vehicle real-time location method based on laser reflection intensity |
-
2017
- 2017-07-06 DE DE102017211556.4A patent/DE102017211556A1/en active Pending
-
2018
- 2018-07-04 FR FR1856150A patent/FR3068777B1/en active Active
- 2018-07-06 CN CN201810736269.4A patent/CN109211255B/en active Active
Non-Patent Citations (2)
Title |
---|
Borrmann, J.M. et al., „STELLaR - a Case-Study on systematically embedding of traffic light recognition", Intelligent Transportation Systems (ITSC), 2014 IEEE, 17. International Conference on, pp. 1258, 1265, 8.-11. Oktober 2014 |
Thrun, S., „Finding Landmarks for Mobile Robot Navigation", Robotics & Automation, 1998. Proceedings. 1998 IEEEE International Conference on, Volume 2, pp. 958, 963, 16.-20. Mai 1998 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113359696A (en) * | 2020-03-03 | 2021-09-07 | 动态Ad有限责任公司 | System, method, and storage medium for autonomous vehicles |
WO2023186457A1 (en) * | 2022-04-01 | 2023-10-05 | Robert Bosch Gmbh | Method for predicting the availability of feature-based localisation of a vehicle, and method for controlling a vehicle |
Also Published As
Publication number | Publication date |
---|---|
CN109211255A (en) | 2019-01-15 |
FR3068777B1 (en) | 2021-09-17 |
FR3068777A1 (en) | 2019-01-11 |
CN109211255B (en) | 2022-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102017211556A1 (en) | Method for route planning for a motor vehicle with an automated vehicle system and motor vehicle with an automated vehicle system | |
DE102014008578A1 (en) | Method for determining position data for use in the operation of a vehicle system of a motor vehicle and position data acquisition and distribution system | |
EP3436782B1 (en) | Updating an electronic map | |
DE102017217443A1 (en) | A method and system for providing machine learning training data for an automatic vehicle control control model | |
DE102017105086A1 (en) | Updating a landmark map | |
DE102014009627A1 (en) | Method for reporting a free parking space for a vehicle | |
DE102012004625A1 (en) | Method for creating and updating map information for use in driver assistance system in motor vehicle, involves determining attribute from driving history data, which is assigned defined route section determined by route section information | |
EP3161808B1 (en) | Method for processing measurement data of a vehicle in order to determine the start of a search for a parking space and computer program product | |
DE102017201669A1 (en) | Method and device for updating a digital map | |
DE102016208883A1 (en) | A method for providing vehicle trajectory information and method for locating a pothole | |
DE102017009435A1 (en) | Evaluation of components of automatic driving functions and road marking at different processing stages | |
DE102019108644A1 (en) | METHOD AND DEVICE FOR AUTOMATIC LEARNING OF RULES FOR AUTONOMOUS DRIVING | |
DE102015010542A1 (en) | Method for generating a digital environment map | |
DE102018214971A1 (en) | Method for creating a map of the surroundings of a vehicle | |
DE102010001700A1 (en) | Method for determination utilization of e.g. roads, for driver of vehicle, has repeating detection of utilization of route section and increase of degree of utilization of route section, where degree of utilization is increased again | |
DE102017206344A1 (en) | Driver assistance system for a vehicle | |
DE102016122200A1 (en) | Forming a rescue lane considering their necessity | |
DE102019101405A1 (en) | Method for evaluating position information of a landmark in the surroundings of a motor vehicle, evaluation system, driver assistance system and motor vehicle | |
DE102014217654A1 (en) | Method for processing measurement data of a vehicle for determining the beginning of a parking search traffic and computer program product | |
DE102017208168A1 (en) | A method for generating a passing probability collection, a method for operating a control device of a motor vehicle, passing probability collection device and control device | |
DE102014008467A1 (en) | Method for operating a navigation system and a navigation device | |
DE102017217169A1 (en) | Method for the automated identification of parking areas and / or non-parking areas | |
DE102013211028A1 (en) | Method and system for locating one or more persons by a vehicle | |
DE102019131446A1 (en) | Process for the acquisition of environmental information for autonomously operated vehicles | |
DE102018122992A1 (en) | Method for providing position data from at least one entrance to a navigation destination, server device for carrying out such a method and motor vehicle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed |