DE102018130910A1

DE102018130910A1 - Verfahren zum Bestimmen eines eine Umgebung eines Ultraschallsensors charakterisierenden Umgebungsparameters mittels eines neuronalen Netzwerks, elektronische Recheneinrichtung sowie Ultraschallsensorvorrichtung

Info

Publication number: DE102018130910A1
Application number: DE102018130910.4A
Authority: DE
Inventors: Mohamed-Elamir Mohamed; Heinrich Gotzig; Jens Honer
Original assignee: Valeo Schalter und Sensoren GmbH
Current assignee: Valeo Schalter und Sensoren GmbH
Priority date: 2018-12-05
Filing date: 2018-12-05
Publication date: 2020-06-10
Anticipated expiration: 2038-12-06
Also published as: DE102018130910B4

Abstract

Die Erfindung betrifft ein Verfahren zum Bestimmen eines eine Umgebung (4) eines Ultraschallsensors (5) charakterisierenden Umgebungsparameters (13) mittels einer Ultraschallsensorvorrichtung (2) mit dem Ultraschallsensor (5) für ein Kraftfahrzeug (1), bei welchem mittels des Ultraschallsensors (5) ein Ultraschallsignal (8) in die Umgebung (4) ausgesendet wird und ein reflektiertes Ultraschallsignal (9) mittels des Ultraschallsensors (5) empfangen wird und in Abhängigkeit eines Auswertens des empfangenen Ultraschallsignals (9) der Umgebungsparameter (13) mittels einer elektronischen Recheneinrichtung (11) der Ultraschallsensorvorrichtung (2) bestimmt wird, wobei das Auswerten mittels eines neuronalen Netzwerks (16) der elektronischen Recheneinrichtung (11) durchgeführt wird und mittels des neuronalen Netzwerks (16) der Umgebungsparameter (13) als Ausgangssignal des neuronalen Netzwerks (16) bestimmt wird. Ferner betrifft die Erfindung eine elektronische Recheneinrichtung (11) sowie eine Ultraschallsensorvorrichtung (2).

Description

Die Erfindung betrifft ein Verfahren zum Bestimmen eines eine Umgebung eines Ultraschallsensors charakterisierenden Umgebungsparameters mittels einer Ultraschallsensorvorrichtung mit dem Ultraschallsensor für ein Kraftfahrzeug. Bei dem Verfahren wird mittels des Ultraschallsensors ein Ultraschallsignal in die Umgebung ausgesendet und ein reflektiertes Ultraschallsignal wird mittels des Ultraschallsensors empfangen. In Abhängigkeit eines Vergleichs des empfangenen Ultraschallsignals mit einem Referenzultraschallsignal wird der Umgebungsparameter mittels einer elektronischen Recheneinrichtung der Ultraschallsensorvorrichtung bestimmt. Ferner betrifft die Erfindung eine elektronische Recheneinrichtung sowie eine U ltraschallsensorvorrichtung.
Aus dem Stand der Technik ist bekannt, dass unterschiedliche Umgebungsparameter das Ultraschallsignal des Ultraschallsensors beziehungsweise die Erfassung des Ultraschallsignals beeinträchtigen können. Beispielsweise ist aufgrund von einer unterschiedlichen Temperatur beziehungsweise Luftfeuchtigkeit in der Umgebung des Ultraschallsensors eine veränderte Aufnahme des ausgesendeten Ultraschallsignals zu erwarten. Die veränderten Umweltbedingungen können insbesondere Auswirkungen beispielsweise auf die Erfassung von Objekten oder auf eine Abstandsbestimmung zu den Objekten in der Umgebung haben. Hierzu ist beispielsweise bekannt, dass mittels eines Temperatursensors des Kraftfahrzeugs ein Temperaturwert dem Ultraschallsensor beziehungsweise der Ultraschallsensorvorrichtung zur Verfügung gestellt wird, um diesen bei der Auswertung des Ultraschallsignals mit einzubeziehen. Dies hat jedoch den Nachteil, da sich der Temperatursensor an einem unterschiedlichen Ort am Kraftfahrzeug befindet als der Ultraschallsensor, dass unzutreffende Temperaturwerte am Ort er Signalauswertung verarbeitet werden, wodurch die Objektbestimmung unpräzise wird.
Die DE 10 2017 108 348 B3 offenbart eine Konfiguration eines Sensorsystems mit einem neuronalen Netzwerk für ein Kraftfahrzeug. Diese Druckschrift betrifft ein Verfahren zum Konfigurieren eines Sensorsystems für ein Kraftfahrzeug, wobei das Sensorsystem zumindest einen Sensor aufweist, mit einem Emittieren eines Sensorsignals in eine Umgebung des Kraftfahrzeugs durch das Sensorsystem. Ein in der Umgebung reflektiertes Echo des Sensorsignals wird durch den Sensor als analoges Datensignal detektiert. Es erfolgt ein Umwandeln des analogen Datensignals in ein digitales Datensignal durch eine dem Sensor zugeordnete Analog-Digital-Wandlereinrichtung mit einer vorgebbaren Wandler-Parametereinstellung. Ferner erfolgt ein Bereitstellen des digitalen Datensignals an ein Steuergerät. Es wird das digitale Datensignal in dem Steuergerät durch ein neuronales Netzwerk ausgewertet. Es wird die Wandler-Parametereinstellung in Abhängigkeit eines Ergebnisses des Auswertens des digitalen Datensignals verändert, falls das Ergebnis des Auswertens von einem Referenzergebnis abweicht.
Ferner offenbart die DE 10 2009 039 083 A1 ein Verfahren zur Bestimmung der Umgebungstemperatur eines Ultraschallsensors, bei dem zur Bestimmung der Umgebungstemperatur das Schwingungsverhalten eines Ultraschallvibrators des Ultraschallsensors beobachtet und mit einem Referenzschwingungsverhalten verglichen wird. Es wird die Umgebungstemperatur bestimmt, indem ausgehend von einer Referenztemperatur die Abweichung des Schwingungsverhaltens von dem Referenzschwingungsverhalten als ein Maß für die Abweichung der Umgebungstemperatur von der Referenztemperatur verwendet wird.
Aufgabe der vorliegenden Erfindung ist es, ein Verfahren, eine elektronische Recheneinrichtung sowie eine Ultraschallsensorvorrichtung zu schaffen, mittels welchen ein verbesserter Betrieb der Ultraschallsensorvorrichtung realisiert werden kann.
Diese Aufgabe wird durch ein Verfahren, eine elektronische Recheneinrichtung sowie eine Ultraschallsensorvorrichtung gemäß den unabhängigen Patentansprüchen gelöst.
Ein Aspekt der Erfindung betrifft ein Verfahren zum Bestimmen eines eine Umgebung eines Ultraschallsensors charakterisierenden Umgebungsparameters mittels einer Ultraschallsensorvorrichtung mit dem Ultraschallsensor für ein Kraftfahrzeug. Bei dem Verfahren wird mittels des Ultraschallsensors ein Ultraschallsignal in die Umgebung ausgesendet und ein reflektiertes Ultraschallsignal wird mittels des Ultraschallsensors empfangen. In Abhängigkeit eines Vergleichs des empfangenen Ultraschallsignals mit einem Referenzultraschallsignal wird der Umgebungsparameter mittels einer elektronischen Recheneinrichtung der Ultraschallsensorvorrichtung bestimmt.
Es ist vorgesehen, dass der Vergleich mittels eines neuronalen Netzwerks der elektronischen Recheneinrichtung durchgeführt wird und mittels des neuronalen Netzwerks der Umgebungsparameter als Ausgangssignal des neuronalen Netzwerks bestimmt wird.
Mittels des neuronalen Netzwerks können die charakterisierenden Eigenschaften der Umgebung im Ultraschallsignal zuverlässig bestimmt werden und insbesondere kann vorgesehen sein, dass bereits auf der Ebene des Ultraschallsensors eine Klassifizierung des Umgebungsparameters oder einer Mehrzahl der Umgebungsparameter durchgeführt werden kann. Der bestimmte Umgebungsparameter beziehungsweise ein bestimmter Wert des Umgebungsparameters kann dann insbesondere der Ultraschallsensorvorrichtung zur Auswertung zur Verfügung gestellt werden, wodurch dann die Ultraschallsensorvorrichtung diesen bestimmten Umgebungsparameter bei der Auswertung des Ultraschallsignals mitberücksichtigen kann und beispielsweise dieses verbessert auswertet, sodass ein verbesserter Betrieb der Ultraschallsensorvorrichtung realisiert werden kann. Dadurch kann mit einer höheren Sicherheit und einer verbesserten Leistung bei verschiedenen Umweltbedingungen eine verbesserte Objektdetektion und/oder Abstandsdetektion mittels der Ultraschallsensorvorrichtung durchgeführt werden. Des Weiteren kann eine bessere Klassifizierung und Filterung von beispielsweise ungewollten Echos im empfangenen Ultraschallsignal von beispielsweise externen Vorrichtungen, wie beispielsweise Lärm, durchgeführt werden.
Insbesondere findet somit die Umgebungsparameterbestimmung bereits auf Sensorebene, beispielsweise innerhalb eines integrierten Schaltkreises oder eines ASICS des Ultraschallsensors statt.
Mit anderen Worten kann insbesondere vorgesehen sein, dass aus dem empfangenen Ultraschallsignal der Umgebungsparameter herausgelesen werden kann. Insbesondere aufgrund der stochastischen Natur des Umgebungsparameters auf das Ultraschallsignal, beispielsweise auf die Hüllkurve des Ultraschallsignals, kann mittels des neuronalen Netzwerks dieser Umgebungsparameter identifiziert werden. Durch die Nutzung der Messdaten mittels des Ultraschallsensors kann der Umgebungsparameter beziehungsweise der Einfluss des Umgebungsparameters auf das Ultraschallsignal entsprechend bestimmt werden. Dies kann insbesondere mittels des neuronalen Netzwerks verbessert durchgeführt werden.
Bevorzugt kann vorgesehen sein, dass als Umgebungsparameter ein Wert des Umgebungsparameters bestimmt wird. Alternativ und ergänzend kann neben dem Wert auch bestimmt werden, um welchen Umgebungsparameter es sich handelt. Beispielsweise kann eine Luftfeuchtigkeit und/oder eine Temperatur und die entsprechenden Werte davon als Umgebungsparameter bestimmt werden.
Insbesondere ist vorgesehen, dass beim Bestimmen des Umgebungsparameters sich das neuronale Netz in einer Offline-Phase befindet, mit anderen Worten, dass durch eine Trainingsphase das neuronale Netzwerk bereits angelernt wurde und lediglich das neuronale Netzwerk nun zum Bestimmen des Umgebungsparameters ausgebildet ist. Die Trainingsphase kann insbesondere ebenfalls offline, beispielsweise in einem Labor, durchgeführt werden.
Gemäß einer vorteilhaften Ausgestaltungsform wird das neuronale Netzwerk als tiefes neuronales Netzwerk bereitgestellt und/oder das neuronale Netzwerk mit zumindest zwei Verarbeitungsschichten, insbesondere mit zumindest drei Verarbeitungsschichten, insbesondere mit mehr als drei Verarbeitungsschichten, bereitgestellt. Mit anderen Worten weist das neuronale Netzwerk insbesondere eine Eingabeschicht und zumindest zwei Verarbeitungsschichten und eine Ausgabeschicht auf. Mit anderen Worten weist das neuronale Netzwerk mindestens vier Schichten auf. Insbesondere weist eine jeweilige Schicht eine Vielzahl, was insbesondere mehr als eins bedeutet, von Neuronen auf. Mittels des tiefen neuronalen Netzwerks ist es somit ermöglicht, dass zuverlässig das Ultraschallsignal ausgewertet werden kann und der Umgebungsparameter bestimmt werden kann. Insbesondere kann die elektronische Recheneinrichtung ultraschallsensorextern ausgebildet sein, sodass der Ultraschallsensor bauraumsparend ausgebildet werden kann, da der Rechenaufwand ultraschallsensorextern durchgeführt werden kann.
Ferner hat es sich als vorteilhaft erwiesen, wenn das neuronale Netzwerk mittels Lernultraschallsignalen zum Bestimmen des Umgebungsparameters angelernt würde. Mit anderen Worten findet zum Anlernen des neuronalen Netzwerks insbesondere eine Lernphase statt. Bei der Lernphase wird das neuronale Netzwerk mittels der Lernultraschallsignale, insbesondere mittels einer Vielzahl von Lernultraschallsignalen, entsprechend angelernt, sodass das neuronale Netzwerk dazu ausgebildet wird, die Umweltbedingungen, beziehungsweise den Umgebungsparameter, entsprechend bestimmen zu können. Hierzu kann beispielsweise in Laborversuchen die Lernultraschallsignale bereitgestellt werden und das neuronale Netzwerk angelernt werden. Insbesondere können hierzu unterschiedliche Umweltbedingungen dem neuronalen Netzwerk zum Lernen durch eine entsprechende Bereitstellung der Lernultraschallsignale angelernt werden, wobei dann auf Basis der unterschiedlichen Umweltbedingungen das neuronale Netzwerk angelernt wird. Beispielsweise kann das Anlernen mittels unterschiedlicher maschineller Lern-Techniken durchgeführt werden. Dadurch ist ein verbesserter Betrieb der Ultraschallsensorvorrichtung ermöglicht.
In der Lernphase lernt das neuronale Netzwerk anhand des vorgegebenen Lernmaterials. Dementsprechend werden in der Regel die Gewichte zwischen den einzelnen Neuronen modifiziert. Die Lernregeln geben dabei die Art und Weise an, wie das neuronale Netz diese Veränderungen vornimmt. Viele Lernregeln lassen sich in den folgenden beiden Kategorien, wie das unüberwachte Lernen oder das überwachte Lernen, einordnen. Beispielsweise kann als Optimierungsalgorithmus während des Trainings der ADAM-Optimierungsalgorithmus genutzt werden. Ferner kann als Aktivierungsfunktion für das neuronale Netzwerk eine Sigmoid-Funktion genutzt werden.
Ebenfalls vorteilhaft ist, wenn beim Anlernen des neuronalen Netzwerks ein unüberwachtes Lernen und/oder ein überwachtes Lernen durchgeführt wird. Beim überwachten Lernen, welches auch als Supervised-Learning bezeichnet wird, wird der korrekte Output, also das Ausgangssignal, insbesondere als „Teaching Vector“, vorgegeben und daran werden die Gewichte des neuronalen Netzwerks optimiert. Beim unüberwachten Lernen, welches auch als Unsupervised-Learning bezeichnet wird, wird kein Output vorgegeben. Die Gewichtungsveränderungen erfolgen in Abhängigkeit der Ähnlichkeit der Gewichte mit den Eingangsreizen. Dadurch ist es ermöglicht, dass auf unterschiedliche Arten das neuronale Netzwerk angelernt werden kann.
In einer vorteilhaften Ausgestaltungsform wird das neuronale Netzwerk als vorwärts gerichtetes neuronales Netzwerk bereitgestellt. Bei dem vorwärts gerichteten neuronalen Netzwerk, dem sogenannten Feed Forward Neural Network (FFNN) handelt es sich um ein neuronales Netzwerk, bei dem lediglich in eine Richtung die Auswertung des Eingangssignals durchgeführt wird. Es handelt sich dabei um ein sehr einfaches neuronales Netzwerk, welches insbesondere einfach auf beispielsweise einem integrierten Schaltkreis der elektronischen Recheneinrichtung implementiert werden kann. Mit anderen Worten wird die zu verarbeitende Information nur in eine Richtung, nämlich vorwärts, von den jeweiligen Neuronen des neuronalen Netzwerks durch die jeweiligen Schichten des neuronalen Netzwerks geführt. Es befinden sich keine Kreise oder Schleifen innerhalb des neuronalen Netzwerks. Dadurch kann auf einfache Art und Weise die Bestimmung des Umgebungsparameters durchgeführt werden und das neuronale Netzwerk kann einfach auf der elektronischen Recheneinrichtung implementiert werden.
Ebenfalls vorteilhaft ist, wenn das neuronale Netzwerk mit einer Eingabeschicht mit einer Vielzahl von Neuronen, insbesondere mit 700 Neuronen bereitgestellt wird. Mit anderen Worten können 700 Eingangsinformationen mittels des neuronalen Netzwerks verarbeitet werden. Beispielsweise kann es sich bei den 700 Eingangswerten um das analoge Signal des Ultraschallwandlers handeln. Ebenfalls möglich ist, dass es sich bei dem Eingangssignal um ein bereits digitalisiertes Signal mit 700 Werten handelt. Beispielsweise können dann die 700 verschiedenen erfassten Werte des Ultraschallsignals in dem neuronalen Netzwerk verarbeitet werden. Dadurch ist eine präzise Bestimmung des Umgebungsparameters ermöglicht.
Ebenfalls vorteilhaft ist, wenn das neuronale Netzwerk mit einer Ausgabeschicht mit einer Vielzahl von Neuronen, insbesondere fünf Neuronen, bereitgestellt wird. Beispielsweise kann dann vorgesehen sein, dass das neuronale Netzwerk als Ausgangssignal fünf Klassen ausgibt. Beispielsweise können die fünf Klassen fünf unterschiedliche Bereiche für eine Temperatur oder eine Luftfeuchtigkeit als Umgebungsparameter sein. Beispielsweise kann vorgesehen sein, dass als Klasse eine Temperatur von 0 bis 5 Grad, von 5 bis 10 Grad, von 10 bis 15 Grad, von 15 bis 20 Grad ausgegeben wird. Diese Aufzählung ist rein beispielhaft und keinesfalls abschließend zu betrachten. Sie dient nur der Veranschaulichung dieser vorteilhaften Ausgestaltungsform. Dadurch ist es ermöglicht, dass mit einer geringen Anzahl von Ausgabeneuronen in der Ausgabeschicht dennoch eine zuverlässige Bestimmung des Umgebungsparameters und insbesondere eine zuverlässige Weitergabe eines Umgebungsparameters durchgeführt werden kann. Somit kann auf einfache Art und Weise der Betrieb der Ultraschallsensorvorrichtung verbessert werden.
Ferner hat es sich als vorteilhaft erwiesen, wenn durch Auswerten einer Hüllkurve des Ultraschallsignals das neuronale Netzwerk den Umgebungsparameter bestimmt. Mit anderen Worten wird dem neuronalen Netzwerk nicht das analoge Ultraschallsignal zur Verfügung gestellt, sondern ein bereits zuvor ausgewertetes Ultraschallsignal, nämlich die Hüllkurve des Ultraschallsignals, als Eingangssignal gegeben. Dadurch ist es vereinfacht ermöglicht, dass der Umgebungsparameter innerhalb der Hüllkurve bestimmt werden kann. Somit kann auf einfache Art und Weise der Umgebungsparameter mittels des neuronalen Netzwerks bestimmt werden.
Gemäß einer weiteren vorteilhaften Ausgestaltungsform werden als Umgebungsparameter eine Umgebungstemperatur und/oder eine Umgebungsluftfeuchtigkeit und/oder ein relativer Umgebungswind zum Ultraschallsensor bestimmt. Insbesondere haben die Umgebungstemperatur, die Umgebungsluftfeuchtigkeit und ein relativer Umgebungswind zum Ultraschallsensor entscheidenden Einfluss auf das Ultraschallsignal. Insbesondere durch die Bestimmung der Umgebungstemperatur und/oder der Umgebungsluftfeuchtigkeit und/oder des relativen Umgebungswinds können somit diese Umwelteinflüsse vorteilhaft bestimmt werden. Insbesondere kann dann vorgesehen sein, dass, nachdem die Umgebungstemperatur und/oder die Umgebungsluftfeuchtigkeit und/oder der relative Umgebungswind bestimmt wurden, entsprechende Gegenmaßnahmen bei der Auswertung des Ultraschallsignals in der elektronischen Recheneinrichtung durchgeführt werden, um die Auswertung entsprechend zu berichtigen. Somit können diese Umgebungsparameter bei der Auswertung des Ultraschallsignals mitberücksichtigt werden, wodurch insbesondere eine verbesserte Objektbestimmung und/oder Abstandsbestimmung in der Umgebung des Kraftfahrzeugs durchgeführt werden kann.
In einer weiteren vorteilhaften Ausgestaltungsform wird der Umgebungsparameter in zumindest zwei Klassen, insbesondere in zumindest drei Klassen, insbesondere in mehr als drei Klassen, als Ausgangssignal klassifiziert. Beispielsweise kann als Klasse ein Temperaturbereich definiert werden. Ebenfalls ist möglich, dass beispielsweise als Klasse eine niedrige Temperatur, eine mittlere Temperatur und eine hohe Temperatur als jeweilige Klasse definiert werden. Es kann dann vorgesehen sein, dass die bestimmte Temperatur als Umgebungsparameter in die jeweilige Klasse eingeordnet wird. Dadurch kann die aktuell bestimmte Klasse der Ultraschallsensorvorrichtung als Signal weitergegeben werden, wodurch dann wiederum eine Rechenkapazitätseinsparung bei der Auswertung des Ultraschallsignals auf Basis der jeweiligen Klassen verzeichnet werden kann. Analoge Klasseneinteilung kann sowohl für die Umgebungsluftfeuchtigkeit als auch für den relativen Umgebungswind durchgeführt werden.
Ferner hat es sich als vorteilhaft erwiesen, wenn das Ausgangssignal und das empfangene Ultraschallsignal zum Auswerten des Ultraschallsignals an eine weitere elektronische Recheneinrichtung der Ultraschallsensorvorrichtung übertragen werden. Mit anderen Worten werden das Ausgangssignal und separat dazu das empfangene Ultraschallsignal der weiteren elektronischen Recheneinrichtung zugeführt. Die weitere elektronische Recheneinrichtung ist dann dazu ausgebildet, das empfangene Ultraschallsignal entsprechend auszuwerten und dabei das Ausgangssignal des neuronalen Netzwerks, also den Umgebungsparameter, zu berücksichtigen. Dadurch kann das empfangene Ultraschallsignal unter Berücksichtigung des Ausgangssignals entsprechend verarbeitet werden und für beispielsweise eine weitere Verarbeitung in einem Fahrerassistenzsystem, beispielsweise einem Parkassistenzsystem, zur Verfügung gestellt werden.
Ebenfalls vorteilhaft ist, wenn das Ausgangssignal an eine nochmals weitere elektronische Recheneinrichtung eines Fahrerassistenzsystems für eine ultraschallsignalunabhängige Auswertung des Fahrerassistenzsystems übertragen wird. Beispielsweise kann hierzu vorgesehen sein, dass als Ausgangssignal ein Temperatursignal der aktuellen Umgebungstemperatur erzeugt wird. Mit anderen Worten ist es dadurch ermöglicht, dass ein Temperatursensor im Kraftfahrzeug eingespart werden kann, da die bereits bestimmte Temperatur mittels der Ultraschallsensorvorrichtung dem Fahrerassistenzsystem zur Verfügung gestellt werden kann. Beispielsweise kann die bestimmte Temperatur auf einer Anzeigeeinrichtung für einen Insassen des Kraftfahrzeugs angezeigt werden oder die bestimmte Temperatur kann für eine Auswertung einer Radarsensorvorrichtung genutzt werden. Diese Aufzählungen sind rein beispielhaft. Es können beispielsweise auch die Luftfeuchtigkeit an weitere Fahrerassistenzsysteme übertragen werden. Somit wird die bestimmte Temperatur beziehungsweise der bestimmte Umgebungsparameter nicht nur der Ultraschallsensorvorrichtung zur Verfügung gestellt, sondern eben auch dem Fahrerassistenzsystem. Dadurch ist es ermöglicht, dass sensoreinsparend das Fahrerassistenzsystem und beispielsweise das Kraftfahrzeug betrieben werden können.
Gemäß einer weiteren vorteilhaften Ausgestaltungsform werden in Abhängigkeit des bestimmten Umgebungsparameters die Auswertung des Ultraschallsignals und/oder ein Parameter des Ultraschallsensors und/oder ein Aussenden des Ultraschallsignals angepasst. Mit anderen Worten kann, um den Einfluss auf das empfangene Ultraschallsignal reduzieren zu können, entsprechende Gegenmaßnahmen eingeleitet werden. Hierzu kann beispielsweise in Abhängigkeit des bestimmten Umgebungsparameters die Auswertung, beispielsweise eine entsprechende Filterung innerhalb des Ultraschallsignals, angepasst werden. Ferner ist es auch möglich, dass ein Parameter des Ultraschallsensors, beispielsweise eine Empfangszeit des Ultraschallsensors oder eine Aussendezeit des Ultraschallsensors oder eine Verstärkung des empfangenen Ultraschallsignals, entsprechend angepasst wird. Ferner kann vorgesehen sein, dass beispielsweise das Ultraschallsignal mit einer größeren Amplitude oder einer veränderten Frequenz ausgesendet wird, um entsprechend dem Einfluss des Umgebungsparameters entgegenzutreten. Somit ist es ermöglicht, dass durch Bestimmung des Umgebungsparameters die Erfassung des Ultraschallsensors entsprechend angepasst werden kann, wodurch ein verbesserter Betrieb der Ultraschallsensorvorrichtung ermöglicht ist. Insbesondere ist dadurch eine verbesserte Erfassung eines Objekts und/oder eine Abstandsbestimmung in der Umgebung des Kraftfahrzeugs ermöglicht.
Ein weiterer Aspekt der Erfindung betrifft eine elektronische Recheneinrichtung mit einem Computerprogrammprodukt, wobei die elektronische Recheneinrichtung zum Durchführen eines Verfahrens nach dem vorhergehenden Aspekt ausgebildet ist. Das Computerprogrammprodukt weist insbesondere Programmcodemittel auf, welche auf einem Speichermedium der elektronischen Recheneinrichtung abgespeichert werden können und von der elektronischen Recheneinrichtung durchgeführt werden können. Insbesondere wird das Verfahren mittels der elektronischen Recheneinrichtung durchgeführt.
Ein nochmals weiterer Aspekt der Erfindung betrifft eine Ultraschallsensorvorrichtung mit zumindest einem Ultraschallsensor und mit einer elektronischen Recheneinrichtung nach dem vorhergehenden Aspekt.
Ein nochmals weiterer Aspekt der Erfindung betrifft ein Fahrerassistenzsystem mit einer Ultraschallsensorvorrichtung nach dem vorhergehenden Aspekt. Das Fahrerassistenzsystem ist insbesondere für ein Kraftfahrzeug ausgebildet. Das Fahrerassistenzsystem kann bei einem teilweise autonomen, insbesondere bei einem vollautonomen, Fahrbetrieb des Kraftfahrzeugs auch als elektronisches Fahrzeugführungssystem bezeichnet werden.
Vorteilhafte Ausgestaltungsformen des Verfahrens sind als vorteilhafte Ausgestaltungsformen der elektronischen Recheneinrichtung sowie der Ultraschallsensorvorrichtung anzusehen. Die elektronische Recheneinrichtung sowie die Ultraschallsensorvorrichtung weisen dazu gegenständliche Merkmale auf, welche eine Durchführung des Verfahrens oder eine vorteilhafte Ausgestaltungsform davon ermöglichen.
Weitere Merkmale der Erfindung ergeben sich aus den Ansprüchen, den Figuren und der Figurenbeschreibung. Die vorstehend in der Beschreibung genannten Merkmale und Merkmalskombinationen sowie die nahfolgend in der Figurenbeschreibung genannten und/oder in den Figuren alleine gezeigten Merkmale und Merkmalskombinationen sind nicht nur in der jeweils angegebenen Kombination, sondern auch in anderen Kombinationen oder in Alleinstellung verwendbar, ohne den Rahmen der Erfindung zu verlassen. Es sind somit auch Ausführungen von der Erfindung als umfasst und offenbart anzusehen, die in den Figuren nicht explizit gezeigt und erläutert sind, jedoch aus separierten Merkmalskombinationen aus den erläuterten Ausführungen hervorgehen und erzeugbar sind. Es sind auch Ausführungen und Merkmalskombinationen als offenbart anzusehen, die somit nicht alle Merkmale eines ursprünglich formulierten Anspruchs aufweisen. Es sind darüber hinaus Ausführungen und Merkmalskombinationen, insbesondere durch die oben dargelegten Ausführungsformen, als offenbart anzusehen, die über die in Rückbezügen der Ansprüche dargelegten Merkmalskombinationen hinausgehen oder abweichen.
Ausführungsbeispiele werden nachfolgend anhand von schematischen Zeichnungen erläutert.
Dabei zeigen:

1 eine schematische Draufsicht auf ein Kraftfahrzeug mit einer Ausführungsform einer Ultraschallsensorvorrichtung; und
2 eine schematische Ansicht einer Ausführungsform einer U ltraschallsensorvorrichtu ng.

In den Figuren sind gleiche oder funktionsgleiche Elemente mit den gleichen Bezugszeichen versehen.
1 zeigt ein Kraftfahrzeug 1 in einer Draufsicht mit einer Ausführungsform einer Ultraschallsensorvorrichtung 2. Das Kraftfahrzeug 1 ist vorliegend als Personenkraftwagen ausgebildet. Das Kraftfahrzeug 1 umfasst die Ultraschallsensorvorrichtung 2 für beispielsweise ein Fahrerassistenzsystem 12, welches dazu dient, einen Fahrer des Kraftfahrzeugs 1 beim Führen des Kraftfahrzeugs 1 zu unterstützen. Mit der Ultraschallsensorvorrichtung 2 kann beispielsweise ein Objekt 3, welches sich in einer Umgebung 4 des Kraftfahrzeugs 1 befindet, erfasst werden. Falls das Objekt 3 erfasst wird, kann mit dem Fahrerassistenzsystem 12 eine Warnung an den Fahrer ausgegeben werden. Ferner kann mit dem Fahrerassistenzsystem 12 in die Lenkung, die Bremsanlage und/oder den Antriebsmotor eingegriffen werden, um eine Kollision mit dem Objekt 3 zu vermeiden.
Zum Erfassen des Objekts 3 umfasst die Ultraschallsensorvorrichtung 2 zumindest einen Ultraschallsensor 5. Der Ultraschallsensor 5 umfasst eine Sendeeinrichtung 6, mittels welcher Ultraschallsignale als Sendesignal ausgesendet werden können. Dies ist vorliegend durch den Pfeil 8 veranschaulicht. Mit der Sendeeinrichtung 6 können die Ultraschallsignale in einem vorbestimmten Erfassungsbereich ausgesendet werden. Beispielsweise können die Ultraschallsignale in einem vorbestimmten horizontalen Winkelbereich ausgesendet werden. Der Ultraschallsensor 5 umfasst ferner eine Empfangseinrichtung 7, mittels welcher die von dem Objekt 3 reflektierten Ultraschallsignale wieder empfangen werden können. Dies ist vorliegend durch den Pfeil 9 veranschaulicht.
Darüber hinaus umfasst der Ultraschallsensor 5 eine elektronische Recheneinrichtung 10, die beispielsweise durch einen Mikrocontroller, einen digitalen Signalprozessor oder einen FPGA (Field Programmable Gate Array - integrierter Schaltkreis) gebildet sein kann. Mit der elektronischen Recheneinrichtung 10 kann die Sendeeinrichtung 6 zum Aussenden der Ultraschallsignale angesteuert werden. Darüber hinaus kann die elektronische Recheneinrichtung 10 Signale der Empfangseinrichtung 7 auswerten, die mit der Empfangseinrichtung 7 auf Grundlage der empfangenen Ultraschallsignale erzeugt werden. Schließlich umfasst Ultraschallsensorvorrichtung 2 eine elektronische Recheneinrichtung 11, mit dem entsprechende Steuersignale in Abhängigkeit von dem mit dem Ultraschallsensor 5 erfassten Objekt 3 ausgegeben werden können.
Beim erfindungsgemäßen Verfahren zum Bestimmen eines die Umgebung 4 des Ultraschallsensors 5 charakterisierenden Umgebungsparameters 13 (2) mittels der Ultraschallsensorvorrichtung 2 für das Kraftfahrzeug 1 wird mittels des Ultraschallsensors 5 das Ultraschallsignal 8 in die Umgebung 4 ausgesendet und das reflektierte Ultraschallsignal 9 mittels des Ultraschallsensors 5 empfangen. In Abhängigkeit eines Auswertens des empfangenen Ultraschallsignals 9 wird der Umgebungsparameter 13 mittels der elektronischen Recheneinrichtung 11 der Ultraschallsensorvorrichtung 2 bestimmt.
Es ist vorgesehen, dass das Auswerten mittels eines neuronalen Netzwerks 16 (2) der elektronischen Recheneinrichtung 11 durchgeführt wird und mittels des neuronalen Netzwerks 16 der Umgebungsparameter 13 als Ausgangssignal des neuronalen Netzwerks 13 bestimmt wird.
Mittels des neuronalen Netzwerks 16 können die charakterisierenden Eigenschaften der Umgebung 4 im Ultraschallsignal 9 zuverlässig bestimmt werden und insbesondere kann vorgesehen sein, dass bereits auf der Ebene des Ultraschallsensors 5 eine Klassifizierung des Umgebungsparameters 13 oder einer Mehrzahl der Umgebungsparameter 13 durchgeführt werden kann. Der bestimmte Umgebungsparameter 13 beziehungsweise ein bestimmter Wert des Umgebungsparameters 13 kann dann insbesondere der Ultraschallsensorvorrichtung 2 zur Auswertung zur Verfügung gestellt werden, wodurch dann die Ultraschallsensorvorrichtung 2 diesen bestimmten Umgebungsparameter 13 bei der Auswertung des Ultraschallsignals 9 mitberücksichtigen kann und beispielsweise dieses verbessert auswertet, sodass ein verbesserter Betrieb der Ultraschallsensorvorrichtung 2 realisiert werden kann. Dadurch kann mit einer höheren Sicherheit und einer verbesserten Leistung bei verschiedenen Umweltbedingungen eine verbesserte Objektdetektion und/oder Abstandsdetektion mittels der Ultraschallsensorvorrichtung 2 durchgeführt werden. Des Weiteren kann eine bessere Klassifizierung und Filterung von beispielsweise ungewollten Echos im empfangenen Ultraschallsignal 9 von beispielsweise externen Vorrichtungen, wie beispielsweise Lärm, durchgeführt werden.
Insbesondere findet somit die Umgebungsparameterbestimmung bereits auf Sensorebene, beispielsweise mittels eines integrierten Schaltkreises oder eines ASICS des Ultraschallsensors 5 statt.
Mit anderen Worten kann insbesondere vorgesehen sein, dass aus dem empfangenen Ultraschallsignal 9 der Umgebungsparameter 13 herausgelesen werden kann. Insbesondere aufgrund der stochastischen Natur des Umgebungsparameters 13 auf das Ultraschallsignal 8, 9, beispielsweise auf die Hüllkurve des Ultraschallsignals 9, kann mittels des neuronalen Netzwerks 16 dieser Umgebungsparameter 13 identifiziert werden. Durch die Nutzung der Messdaten mittels des Ultraschallsensors 5 kann der Umgebungsparameter 13 beziehungsweise der Einfluss des Umgebungsparameters 13 auf das Ultraschallsignal 8, 9 entsprechend bestimmt werden. Dies kann insbesondere mittels des neuronalen Netzwerks 16 verbessert durchgeführt werden.
Bevorzugt kann vorgesehen sein, dass als Umgebungsparameter 13 ein Wert des Umgebungsparameters 13 bestimmt wird. Alternativ und ergänzend kann neben dem Wert auch bestimmt werden, um welchen Umgebungsparameter 13 es sich handelt. Beispielsweise kann eine Luftfeuchtigkeit und/oder eine Temperatur und die entsprechenden Werte davon als Umgebungsparameter 13 bestimmt werden.
Insbesondere ist vorgesehen, dass beim Bestimmen des Umgebungsparameters 13 sich das neuronale Netz 16 in einer Offline-Phase befindet, mit anderen Worten, dass durch eine Trainingsphase das neuronale Netzwerk 16 bereits angelernt wurde und lediglich das neuronale Netzwerk 16 nun zum Bestimmen des Umgebungsparameters 13 ausgebildet ist. Die Trainingsphase kann insbesondere ebenfalls offline, beispielsweise in einem Labor, durchgeführt werden.
2 zeigt in einer schematischen Ansicht eine Ausführungsform der Ultraschallsensorvorrichtung 2. Im vorliegenden Ausführungsbeispiel ist das neuronale Netzwerk 16 als tiefes neuronales Netzwerk 16 bereitgestellt und/oder das neuronale Netzwerk 16 weist vorliegend zumindest zwei Verarbeitungsschichten, insbesondere zumindest drei Verarbeitungsschichten, insbesondere mehr als drei Verarbeitungsschichten, auf, wobei mittels des neuronalen Netzwerks 16 dann wiederum der Umgebungsparameter 13 bestimmt wird. Mit anderen Worten weist das neuronale Netzwerk 16 insbesondere eine Eingabeschicht und zumindest zwei Verarbeitungsschichten und eine Ausgabeschicht auf. Mit anderen Worten weist das neuronale Netzwerk 16 mindestens vier Schichten auf. Insbesondere weist eine jeweilige Schicht eine Vielzahl, was insbesondere mehr als eins bedeutet, von Neuronen auf. Mittels des tiefen neuronalen Netzwerks 16 ist es somit ermöglicht, dass zuverlässig das Ultraschallsignal 9 ausgewertet werden kann und der Umgebungsparameter 13 bestimmt werden kann. Insbesondere kann die elektronische Recheneinrichtung 11 ultraschallsensorextern ausgebildet sein, sodass der Ultraschallsensor 5 bauraumsparend ausgebildet werden kann, da der Rechenaufwand ultraschallsensorextern durchgeführt werden kann.
Ferner kann vorgesehen sein, dass das neuronale Netzwerk 16 mittels Lernultraschallsignalen L zum Bestimmen des Umgebungsparameters 13 angelernt wird. Mit anderen Worten findet zum Anlernen des neuronalen Netzwerks 16 insbesondere eine Lernphase statt. Bei der Lernphase wird das neuronale Netzwerk 16 mittels der Lernultraschallsignale L, insbesondere mittels einer Vielzahl von Lernultraschallsignalen L, entsprechend angelernt, sodass das neuronale Netzwerk 16 dazu ausgebildet wird, die Umweltbedingungen, beziehungsweise den Umgebungsparameter 13, entsprechend bestimmen zu können. Hierzu kann beispielsweise in Laborversuchen die Lernultraschallsignale L bereitgestellt werden und das neuronale Netzwerk 16 angelernt werden. Insbesondere können hierzu unterschiedliche Umweltbedingungen dem neuronalen Netzwerk 16 zum Lernen durch eine entsprechende Bereitstellung der Lernultraschallsignale L angelernt werden, wobei dann auf Basis der unterschiedlichen Umweltbedingungen das neuronale Netzwerk 16 angelernt wird. Beispielsweise kann das Anlernen mittels unterschiedlicher maschineller Lern-Techniken durchgeführt werden. Dadurch ist ein verbesserter Betrieb der Ultraschallsensorvorrichtung 2 ermöglicht.
In der Lernphase lernt das neuronale Netzwerk 16 anhand des vorgegebenen Lernmaterials. Dementsprechend werden in der Regel die Gewichte zwischen den einzelnen Neuronen modifiziert. Die Lernregeln geben dabei die Art und Weise an, wie das neuronale Netz 16 diese Veränderungen vornimmt. Viele Lernregeln lassen sich in den folgenden beiden Kategorien, wie das unüberwachte Lernen oder das überwachte Lernen, einordnen. Beispielsweise kann als Optimierungsalgorithmus während des Trainings der ADAM-Optimierungsalgorithmus genutzt werden. Ferner kann als Aktivierungsfunktion für das neuronale Netzwerk 16 eine Sigmoid-Funktion genutzt werden.
Beispielsweise kann beim Anlernen des neuronalen Netzwerks 16 ein überwachtes Lernen und/oder ein unüberwachtes Lernen durchgeführt werden. Beim überwachten Lernen, welches auch als Supervised-Learning bezeichnet wird, wird der korrekte Output, also das Ausgangssignal, insbesondere als „Teaching Vector“, vorgegeben und daran werden die Gewichte des neuronalen Netzwerks 16 optimiert. Beim unüberwachten Lernen, welches auch als Unsupervised-Learning bezeichnet wird, wird kein Output vorgegeben. Die Gewichtungsveränderungen erfolgen in Abhängigkeit der Ähnlichkeit der Gewichte mit den Eingangsreizen. Dadurch ist es ermöglicht, dass auf unterschiedliche Arten das neuronale Netzwerk 16 angelernt werden kann.
Im folgenden Ausführungsbeispiel ist insbesondere vorgesehen, dass das neuronale Netzwerk 16 als vorwärts gerichtetes neuronales Netzwerk 16 bereitgestellt wird. Bei dem vorwärts gerichteten neuronalen Netzwerk 16, dem sogenannten Feed Forward Neural Network (FFNN) handelt es sich um ein neuronales Netzwerk 16, bei dem lediglich in eine Richtung die Auswertung des Eingangssignals durchgeführt wird. Es handelt sich dabei um ein sehr einfaches neuronales Netzwerk 16, welches insbesondere einfach auf beispielsweise einem integrierten Schaltkreis der elektronischen Recheneinrichtung 11 implementiert werden kann. Mit anderen Worten wird die zu verarbeitende Information nur in eine Richtung, nämlich vorwärts, von den jeweiligen Neuronen des neuronalen Netzwerks 16 durch die jeweiligen Schichten des neuronalen Netzwerks 16 geführt. Es befinden sich keine Kreise oder Schleifen innerhalb des neuronalen Netzwerks 16. Dadurch kann auf einfache Art und Weise die Bestimmung des Umgebungsparameters 13 durchgeführt werden und das neuronale Netzwerk 16 kann einfach auf der elektronischen Recheneinrichtung 11 implementiert werden.
Ferner kann vorgesehen sein, dass das neuronale Netzwerk 16 mit einer Eingabeschicht mit 700 Neuronen bereitgestellt wird. Mit anderen Worten können 700 Eingangsinformationen mittels des neuronalen Netzwerks 16 verarbeitet werden. Beispielsweise kann es sich bei den 700 Eingangswerten um das analoge Signal des Ultraschallwandlers handeln. Ebenfalls möglich ist, dass es sich bei dem Eingangssignal um ein bereits digitalisiertes Signal mit 700 Werten handelt. Beispielsweise können dann die 700 verschiedenen erfassten Werte des Ultraschallsignals 9 in dem neuronalen Netzwerk 16 verarbeitet werden. Dadurch ist eine präzise Bestimmung des Umgebungsparameters 13 ermöglicht.
Insbesondere kann ebenfalls vorgesehen sein, dass das neuronale Netzwerk 16 mit einer Ausgabeschicht mit fünf Neuronen bereitgestellt wird und insbesondere durch Auswerten einer Hüllkurve des Ultraschallsignals 9 das neuronale Netzwerk 16 den Umgebungsparameter 13 bestimmt. Mit anderen Worten wird dem neuronalen Netzwerk 16 nicht das analoge Ultraschallsignal 9 zur Verfügung gestellt, sondern ein bereits zuvor ausgewertetes Ultraschallsignal 9, nämlich die Hüllkurve des Ultraschallsignals 9, als Eingangssignal gegeben. Dadurch ist es vereinfacht ermöglicht, dass der Umgebungsparameter 13 innerhalb der Hüllkurve bestimmt werden kann. Somit kann auf einfache Art und Weise der Umgebungsparameter 13 mittels des neuronalen Netzwerks 16 bestimmt werden.
Insbesondere kann vorgesehen sein, dass als Umgebungsparameter 13 eine Umgebungstemperatur und/oder eine Umgebungsluftfeuchtigkeit und/oder ein relativer Umgebungswind zum Ultraschallsensor 5 bestimmt werden. Insbesondere haben die Umgebungstemperatur, die Umgebungsluftfeuchtigkeit und ein relativer Umgebungswind zum Ultraschallsensor 5 entscheidenden Einfluss auf das Ultraschallsignal 8, 9. Insbesondere durch die Bestimmung der Umgebungstemperatur und/oder der Umgebungsluftfeuchtigkeit und/oder des relativen Umgebungswinds können somit diese Umwelteinflüsse vorteilhaft bestimmt werden. Insbesondere kann dann vorgesehen sein, dass, nachdem die Umgebungstemperatur und/oder die Umgebungsluftfeuchtigkeit und/oder der relative Umgebungswind bestimmt wurden, entsprechende Gegenmaßnahmen bei der Auswertung des Ultraschallsignals 9 in der elektronischen Recheneinrichtung 11 durchgeführt werden, um die Auswertung entsprechend zu berichtigen. Somit können diese Umgebungsparameter 13 bei der Auswertung des Ultraschallsignals 9 mitberücksichtigt werden, wodurch insbesondere eine verbesserte Objektbestimmung und/oder Abstandsbestimmung in der Umgebung 4 des Kraftfahrzeugs 1 durchgeführt werden kann.
Ferner kann vorgesehen sein, dass der Umgebungsparameter 13 in zumindest zwei Klassen, insbesondere in zumindest drei Klassen, insbesondere in mehr als drei Klassen, als Ausgangssignal klassifiziert wird. Beispielsweise kann als Klasse ein Temperaturbereich definiert werden. Ebenfalls ist möglich, dass beispielsweise als Klasse eine niedrige Temperatur, eine mittlere Temperatur und eine hohe Temperatur als jeweilige Klasse definiert werden. Es kann dann vorgesehen sein, dass die bestimmte Temperatur als Umgebungsparameter 13 in die jeweilige Klasse eingeordnet wird. Dadurch kann die aktuell bestimmte Klasse der Ultraschallsensorvorrichtung 2 als Signal weitergegeben werden, wodurch dann wiederum eine Rechenkapazitätseinsparung bei der Auswertung des Ultraschallsignals 9 auf Basis der jeweiligen Klassen verzeichnet werden kann. Analoge Klasseneinteilung kann sowohl für die Umgebungsluftfeuchtigkeit als auch für den relativen Umgebungswind durchgeführt werden.
2 zeigt ferner, dass das Ausgangssignal, welches in der 2 dem Umgebungsparameter 13 entspricht, und das empfangene Ultraschallsignal 9 zum Auswerten des Ultraschallsignals 9 an eine weitere elektronische Recheneinrichtung 15 der Ultraschallsensorvorrichtung 2 übertragen wird. Hierbei kann vorgesehen sein, dass mittels der weiteren elektronischen Recheneinrichtung 15 das Ultraschallsignal 9 zusätzlich ausgewertet wird. Insbesondere wird hierzu dann bei der Auswertung des Ultraschallsignals 9 auch das Ausgangssignal, mit anderen Worten der Umgebungsparameter 13, mitberücksichtigt. Beispielsweise kann eine entsprechende Filterung des empfangenen Ultraschallsignals 9 durch die Berücksichtigung des Umgebungsparameters 13 innerhalb der weiteren elektronischen Recheneinrichtung 15 durchgeführt werden. Hierbei kann dann ein ausgewertetes Ultraschallsignal 14 als Ausgangssignal der weiteren elektronischen Recheneinrichtung 15 beispielsweise dem Fahrerassistenzsystem 12 zur Verfügung gestellt werden. Das Fahrerassistenzsystem 12 kann beispielsweise hierzu ein Parkassistenzsystem sein.
Mit anderen Worten werden das Ausgangssignal und separat dazu das empfangene Ultraschallsignal 9 der weiteren elektronischen Recheneinrichtung 15 zugeführt. Die weitere elektronische Recheneinrichtung 15 ist dann dazu ausgebildet, das empfangene Ultraschallsignal 9 entsprechend auszuwerten und dabei das Ausgangssignal des neuronalen Netzwerks 16, also den Umgebungsparameter 13, zu berücksichtigen. Dadurch kann das empfangene Ultraschallsignal 9 unter Berücksichtigung des Ausgangssignals entsprechend verarbeitet werden und für beispielsweise eine weitere Verarbeitung in dem Fahrerassistenzsystem 12, beispielsweise einem Parkassistenzsystem, zur Verfügung gestellt werden.
Ferner kann vorgesehen sein, dass das Ausgangssignal, mit anderen Worten im vorliegenden Ausführungsbeispiel der Umgebungsparameter 13, an eine nochmals weitere elektronische Recheneinrichtung des Fahrerassistenzsystems 12 für eine ultraschallsignalunabhängige Auswertung des Fahrerassistenzsystems 12 übertragen wird. Beispielsweise kann hierzu vorgesehen sein, dass als Ausgangssignal ein Temperatursignal der aktuellen Umgebungstemperatur erzeugt wird. Mit anderen Worten ist es dadurch ermöglicht, dass ein Temperatursensor im Kraftfahrzeug 1 eingespart werden kann, da die bereits bestimmte Temperatur mittels der Ultraschallsensorvorrichtung 2 dem Fahrerassistenzsystem 12 zur Verfügung gestellt werden kann. Beispielsweise kann die bestimmte Temperatur auf einer Anzeigeeinrichtung für einen Insassen des Kraftfahrzeugs 1 angezeigt werden oder die bestimmte Temperatur kann für eine Auswertung einer Radarsensorvorrichtung genutzt werden. Diese Aufzählungen sind rein beispielhaft. Es können beispielsweise auch die Luftfeuchtigkeit an weitere Fahrerassistenzsysteme übertragen werden. Somit wird die bestimmte Temperatur beziehungsweise der bestimmte Umgebungsparameter 13 nicht nur der Ultraschallsensorvorrichtung 2 zur Verfügung gestellt, sondern eben auch dem Fahrerassistenzsystem 12. Dadurch ist es ermöglicht, dass sensoreinsparend das Fahrerassistenzsystem 12 und beispielsweise das Kraftfahrzeug 1 betrieben werden können.
Insbesondere kann vorgesehen sein, dass beispielsweise mittels der weiteren elektronischen Recheneinrichtung 15 in Abhängigkeit des bestimmten Umgebungsparameters 13 die Auswertung des Ultraschallsignals 9 und/oder ein Parameter des Ultraschallsensors 5 und/oder ein Aussenden des Ultraschallsignals 8 angepasst wird. Mit anderen Worten kann, um den Einfluss auf das empfangene Ultraschallsignal 9 reduzieren zu können, entsprechende Gegenmaßnahmen eingeleitet werden. Hierzu kann beispielsweise in Abhängigkeit des bestimmten Umgebungsparameters 13 die Auswertung, beispielsweise eine entsprechende Filterung innerhalb des Ultraschallsignals 9, angepasst werden. Ferner ist es auch möglich, dass ein Parameter des Ultraschallsensors 5, beispielsweise eine Empfangszeit des Ultraschallsensors 5 oder eine Aussendezeit des Ultraschallsensors 5 oder eine Verstärkung des empfangenen Ultraschallsignals 9, entsprechend angepasst wird. Ferner kann vorgesehen sein, dass beispielsweise das Ultraschallsignal 9 mit einer größeren Amplitude oder einer veränderten Frequenz ausgesendet wird, um entsprechend dem Einfluss des Umgebungsparameters 13 entgegenzutreten. Somit ist es ermöglicht, dass durch Bestimmung des Umgebungsparameters 13 die Erfassung des Ultraschallsensors 5 entsprechend angepasst werden kann, wodurch ein verbesserter Betrieb der Ultraschallsensorvorrichtung 2 ermöglicht ist. Insbesondere ist dadurch eine verbesserte Erfassung eines Objekts 3 und/oder eine Abstandsbestimmung in der Umgebung 4 des Kraftfahrzeugs 1 ermöglicht.
Insgesamt zeigt die Erfindung eine Umweltbedingungsdetektion und -klassifikation durch Nutzung von maschinellem-Lernen-Techniken.
ZITATE ENTHALTEN IN DER BESCHREIBUNG
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.
Zitierte Patentliteratur

DE 102017108348 B3 [0003]
DE 102009039083 A1 [0004]

Claims

Verfahren zum Bestimmen eines eine Umgebung (4) eines Ultraschallsensors (5) charakterisierenden Umgebungsparameters (13) mittels einer Ultraschallsensorvorrichtung (2) mit dem Ultraschallsensor (5) für ein Kraftfahrzeug (1), bei welchem mittels des Ultraschallsensors (5) ein Ultraschallsignal (8) in die Umgebung (4) ausgesendet wird und ein reflektiertes Ultraschallsignal (9) mittels des Ultraschallsensors (5) empfangen wird und in Abhängigkeit eines Auswertens des empfangenen Ultraschallsignals (9) der Umgebungsparameter (13) mittels einer elektronischen Recheneinrichtung (11) der Ultraschallsensorvorrichtung (2) bestimmt wird, dadurch gekennzeichnet, dass das Auswerten mittels eines neuronalen Netzwerks (16) der elektronischen Recheneinrichtung (11) durchgeführt wird und mittels des neuronalen Netzwerks (16) der Umgebungsparameter (13) als Ausgangssignal des neuronalen Netzwerks (16) bestimmt wird.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das neuronale Netzwerk (16) als tiefes neuronales Netzwerk (16) bereitgestellt wird und/oder das neuronale Netzwerk (16) mit zumindest zwei Verarbeitungsschichten, insbesondere mit zumindest drei Verarbeitungsschichten, insbesondere mit mehr als drei Verarbeitungsschichten, bereitgestellt wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das neuronale Netzwerk (16) mittels Lernultraschallsignalen (L) zum Bestimmen des Umgebungsparameters (13) angelernt wird.
Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass beim Anlernen des neuronalen Netzwerks (16) ein unüberwachtes Lernen und/oder ein überwachtes Lernen durchgeführt wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das neuronale Netzwerk (16) als vorwärts gerichtetes neuronales Netzwerk (16) bereitgestellt wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das neuronale Netzwerk (16) mit einer Eingabeschicht mit einer Vielzahl von Neuronen, insbesondere mit 700 Neuronen, bereitgestellt wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das neuronale Netzwerk (16) mit einer Ausgabeschicht mit einer Vielzahl von Neuronen, insbesondere mit fünf Neuronen, bereitgestellt wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass durch Auswerten einer Hüllkurve des empfangenen Ultraschallsignals (9) der Umgebungsparameter (13) mittels des neuronalen Netzwerks (16) bestimmt wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als Umgebungsparameter (13) eine Umgebungstemperatur und/oder eine Umgebungsluftfeuchtigkeit und/oder einer relativer Umgebungswind zum Ultraschallsensor (5) bestimmt wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass der Umgebungsparameter (13) in zumindest zwei Klassen, insbesondere in zumindest drei Klassen, insbesondere in mehr als drei Klassen, als Ausgangssignal klassifiziert wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Ausgangssignal und das empfangene Ultraschallsignal (9) zum Auswerten des Ultraschallsignals (9) an eine weitere elektronischen Recheneinrichtung (15) der Ultraschallsensorvorrichtung (2) übertragen wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Ausgangssignal an eine nochmals weitere elektronische Recheneinrichtung eines Fahrerassistenzsystems (12) für eine ultraschallsignalunabhängige Auswertung des Fahrerassistenzsystem (12) übertragen wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass in Abhängigkeit des bestimmten Umgebungsparameters (13) die Auswertung des Ultraschallsignals (9) und/oder ein Parameter des Ultraschallsensors (5) und/oder ein Aussenden des Ultraschallsignals (8) angepasst wird.
Elektronische Recheneinrichtung (11) mit einem Computerprogrammprodukt, wobei die elektronische Recheneinrichtung (11) zum Durchführen eines Verfahrens nach einem der Ansprüche 1 bis 13 ausgebildet ist.
Ultraschallsensorvorrichtung (2) mit zumindest einem Ultraschallsensor (5) und mit einer elektronischen Recheneinrichtung (11) nach Anspruch 14.