-
Die Erfindung betrifft ein Verfahren zum Erzeugen eines fahrzeugspezifischen, virtuellen Bilds mittels einer elektronischen Recheneinrichtung für ein Kraftfahrzeug nach einem Herstellungsprozess des Kraftfahrzeugs gemäß dem Oberbegriff von Patentanspruch 1. Ferner betrifft die Erfindung eine elektronische Recheneinrichtung.
-
Auf einer elektronischen Recheneinrichtung eines Kraftfahrzeugs, welche insbesondere auch als „Head Unit“ bezeichnet werden kann, sind oftmals viele Bilder von dem Kraftfahrzeug gespeichert, die dann auf einer Anzeigeeinrichtung dargestellt werden können. Diese Bilder sind im Allgemeinen auf das jeweilige Fahrzeug angepasst, in das die elektronische Recheneinrichtung verbaut ist. Um Bilder, die mit dem Modell, der Serie und der Karosserievariante des Kraftfahrzeugs entsprechend in der Head Unit zu haben, muss man entweder gemäß dem Stand der Technik für jede Karosserievariante und jedes Model unterschiedliche Head Units vom Zulieferer anliefern lassen oder die Bilder nach der Montage der Head Units in den Kraftfahrzeugen auf die Head Unit übertragen beziehungweise flashen. Die Anlieferung der eigenen Head Unit für jedes Modell und jede Serie ist extrem teuer, da ein Variantenhandling im Zuliefererprozess erfolgen muss und genau die richtige Head Unit zu genau dem richtigen Zeitpunkt an genau dem richtigen Fahrzeug verfügbar sein muss. Auf der anderen Seite ist es aufwendig und teuer, die Bilder nach der Montage der Head Units zu übertragen, da sehr große Datenmengen im Montageprozess übertragen werden müssen, was viel Zeit kostet. Diese Datenmenge wird durch einen Flash-Prozess übertragen, der insbesondere sehr langsam ist.
-
Die
US 2018/0247201 A1 offenbart ein Verfahren, ein computerlesbares Medium und ein System zum Trainieren eines neuronalen Netzwerks. Das Verfahren beinhaltet die Schritte des Kodierens eines ersten Bildes, das in einer ersten Domaine dargestellt wird, um das erste Bild in einem gemeinsamen latenten Raum zu konvertieren, des Erzeugens eines ersten latenten Kodes und des Kodierens eines zweiten Bildes, das in einer zweiten Domaine dargestellt wird, um das zweite Bild in einem gemeinsamen latenten Raum zu konvertieren, des Erzeugens eines zweiten latenten Kodes durch ein zweites neuronales Netzwerk. Das Verfahren beinhaltet auch den Schritt des Erzeugens eines ersten übersetzten Bildes in der zweiten Domaine durch ein drittes neuronales Netzwerk basierend auf dem ersten latenten Kode, worin das erste übersetzte Bild mit dem ersten Bild korreliert ist und Gewichtswerte des dritten neuronalen Netzwerks basierend auf dem ersten latenten Kode und dem zweiten latenten Kode berechnet werden.
-
Aufgabe der vorliegenden Erfindung ist es, ein Verfahren sowie eine elektronische Recheneinrichtung zu schaffen, mittels welchen wenige Daten an die elektronische Recheneinrichtung nach einem Herstellungsprozess des Kraftfahrzeugs übertragen werden müssen.
-
Diese Aufgabe wird durch ein Verfahren sowie durch eine elektronische Recheneinrichtung gemäß den unabhängigen Patentansprüchen gelöst. Vorteilhafte Ausgestaltungsformen sind in Unteransprüchen angegeben.
-
Ein Aspekt der Erfindung betrifft ein Verfahren zum Erzeugen eines fahrzeugspezifischen, virtuellen Bilds mittels einer elektronischen Recheneinrichtung für ein Kraftfahrzeug nach einem Herstellungsprozess des Kraftfahrzeugs, bei welchem mittels der elektronischen Recheneinrichtung das fahrzeugspezifische, virtuelle Bild des Kraftfahrzeugs auf einer Anzeigeeinrichtung des Kraftfahrzeugs nach dem Herstellungsprozess angezeigt wird, wobei das fahrzeugspezifische, virtuelle Bild mittels eines trainierten, neuronalen Netzwerks auf Basis zumindest eines Basisbilds des Kraftfahrzeugs erzeugt wird.
-
Es ist vorgesehen, dass die elektronische Recheneinrichtung mit dem zumindest einen Basisbild und einem untrainierten, neuronalen Netzwerk bereitgestellt wird und nach dem Herstellungsprozess des Kraftfahrzeugs die elektronische Recheneinrichtung in das Kraftfahrzeug verbaut wird und zumindest ein Parameter zum Erzeugen des trainierten, neuronalen Netzwerks aus dem untrainierten, neuronalen Netzwerk in eine Speichereinrichtung der elektronischen Recheneinrichtung eingeschrieben wird, so dass das fahrzeugspezifische, virtuelle Bild erzeugt wird.
-
Dadurch ist es ermöglicht, dass eine Reduzierung der Datenmengen zum Erzeugen des fahrzeugspezifischen, virtuellen Bilds insbesondere nach dem Herstellungsprozess realisiert werden kann. Mit anderen Worten ermöglicht das erfindungsgemäße Verfahren, eine identische elektronische Recheneinrichtung für eine Vielzahl von unterschiedlichen Kraftfahrzeugen anliefern zu lassen und trotzdem nur sehr wenig Daten auf die elektronische Recheneinrichtung in der Montage des spezifischen Kraftfahrzeugs übertragen zu müssen. Insbesondere ist somit das trainierte, neuronale Netzwerk dazu ausgebildet, aus dem Standardbild, welches dem Basisbild entspricht, das fahrzeugspezifische, virtuelle Bild zu generieren, wobei dies insbesondere datenreduzierter erfolgen kann als die Übertragung der Bilderdaten an die elektronische Recheneinrichtung.
-
Mit nochmals anderen Worten ist vorgesehen, dass auf die elektronische Recheneinrichtung, welche auch als Head Unit bezeichnet werden kann, ein einheitliches Basis-Bilder-Set geladen wird und das untrainierte, neuronale Netzwerk. Dieses Bilderset enthält beispielsweise Bilder aus unterschiedlichen Perspektiven. Das Bilderset beinhaltet nur Bilder von einem Fahrzeugtyp und ist somit nicht ohne Weiteres für alle Fahrzeuge verwendbar. Die einheitliche elektronische Recheneinrichtung wird inklusive des Basis-Bilder-Sets in verschiedene, unterschiedliche Kraftfahrzeuge verbaut. Am Ende des Herstellungsprozesses des jeweiligen Kraftfahrzeugs wird pro Kraftfahrzeug der zumindest eine Parameter zum Trainieren des untrainierten, neuronalen Netzwerks auf die elektronische Recheneinrichtung geschrieben beziehungweise geflasht. Dieses Modell wurde trainiert, so dass es das einheitliche Bilder-Set, welches sich bereits auf der elektronischen Recheneinrichtung befindet, auf das entsprechende Fahrzeug anpassen kann.
-
Mit dem erfindungsgemäßen Verfahren müssen somit keine gesamten Bilder-Sets pro Kraftfahrzeug übertragen werden. Stattdessen muss nur noch die Änderung zum Basis-Bilder-Set in Form des Parameters des trainierten, neuronalen Netzwerks geflasht werden. Die zu übertragende Datenmenge beim Flash-Prozess ist somit deutlich geringer als beim beschriebenen Verfahren gemäß dem Stand der Technik.
-
Das neuronale Netzwerk kann vorliegend auch als künstliche Intelligenz bezeichnet werden.
-
Gemäß einer vorteilhaften Ausgestaltungsform wird mittels eines erzeugenden, gegnerischen Netzwerks als neuronales Netzwerk das fahrzeugspezifische, virtuelle Bild erzeugt. Mit anderen Worten handelt es sich insbesondere bei dem neuronalen Netzwerk um ein sogenanntes GAN-Netzwerk (Generative Adversarial Network).
-
Ferner hat es sich als vorteilhaft erwiesen, wenn mittels zumindest zwei Generatornetzen und zumindest zwei Diskriminatornetzen als neuronales Netzwerk das fahrzeugspezifische, virtuelle Bild erzeugt wird.
-
In einer weiteren vorteilhaften Ausgestaltungsform wird auf Basis einer Vielzahl von unterschiedlichen, insbesondere perspektivisch unterschiedlichen, Basisbildern das fahrzeugspezifische, virtuelle Bild erzeugt.
-
Ein weiterer Aspekt der Erfindung betrifft eine elektronische Recheneinrichtung zum Erzeugen eines fahrzeugspezifischen, virtuellen Bilds für ein Kraftfahrzeug mit einer Speichereinrichtung und mit einem neuronalen Netzwerk, wobei die elektronische Recheneinrichtung zum Durchführen eines Verfahrens nach dem vorhergehenden Aspekt ausgebildet ist. Insbesondere wird das Verfahren mittels der elektronischen Recheneinrichtung durchgeführt.
-
Vorteilhafte Ausgestaltungen des Verfahrens sind als vorteilhafte Ausgestaltungsformen der elektronischen Recheneinrichtung anzusehen. Die elektronische Recheneinrichtung weist dazu gegenständliche Merkmale auf, welche eine Durchführung des Verfahrens oder eine vorteilhafte Ausgestaltungsform davon ermöglichen.
-
Weitere Vorteile, Merkmale und Einzelheiten der Erfindung ergeben sich aus der nachfolgenden Beschreibung eines bevorzugten Ausführungsbeispiels sowie anhand der Zeichnung. Die vorstehend in der Beschreibung genannten Merkmale und Merkmalskombinationen sowie die nachfolgend in der Figurenbeschreibung genannten und/oder in der einzigen Figur 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.
-
Dabei zeigt die einzige Figur eine schematische Ansicht einer Ausführungsform des Verfahrens.
-
In der Figur sind gleiche oder funktionsgleiche Elemente mit den gleichen Bezugszeichen versehen.
-
Die Figur zeigt in einer schematischen Ansicht eine Ausführungsform des Verfahrens. Insbesondere zeigt die Figur einen Herstellungsprozess von Kraftfahrzeugen 10, 12, 14. Im vorliegenden Ausführungsbeispiel ist ein erstes Kraftfahrzeug 10 ein unterschiedliches Modell zu einem zweiten Kraftfahrzeug 12 und wiederum unterschiedlich zu einem dritten Kraftfahrzeug 14.
-
Das Verfahren wird nachfolgend unabhängig von dem jeweiligen Modell beschrieben. Die Kraftfahrzeuge 10, 12, 14 befinden sich veranschaulicht durch ein Förderband in einem Herstellungsprozess 16.
-
Das Verfahren ist zum Erzeugen eines fahrzeugspezifischen, virtuellen Bilds 18 mittels einer elektronischen Recheneinrichtung 20 für das Kraftfahrzeug 10 ausgebildet. Mittels der elektronischen Recheneinrichtung 20 wird das fahrzeugspezifische, virtuelle Bild des Kraftfahrzeugs 10 auf einer nicht gezeigten Anzeigeeinrichtung des Kraftfahrzeugs 10 nach dem Herstellungsprozess 16 angezeigt, wobei das fahrzeugspezifische, virtuelle Bild 18 mittels eines trainierten, neuronalen Netzwerks auf Basis zumindest eines Basisbilds 22 des Kraftfahrzeugs 10 erzeugt wird.
-
Im vorliegenden Ausführungsbeispiel sind insbesondere drei Basisbilder 22 gezeigt. Insbesondere können die drei Basisbilder 22 aus unterschiedlichen Perspektiven aufgenommen sein.
-
Es ist vorgesehen, dass die elektronische Recheneinrichtung 20 mit zumindest dem einen Basisbild 22 und einem untrainierten, neuronalen Netzwerk 24 bereitgestellt wird und nach dem Herstellungsprozess 16 des Kraftfahrzeugs 10 die elektronische Recheneinrichtung 20 in das Kraftfahrzeug 10 verbaut wird und zumindest ein Parameter 26, im folgenden Ausführungsbeispiel drei Parameter 26, zum Erzeugen des trainierten, neuronalen Netzwerks aus dem untrainierten, neuronalen Netzwerk 24 in eine Speichereinrichtung 28 der elektronischen Recheneinrichtung 20 eingeschrieben wird, so dass das fahrzeugspezifische, virtuelle Bild 18 erzeugt wird.
-
Insbesondere kann vorgesehen sein, dass mittels eines erzeugenden, gegnerischen Netzwerks als neuronales Netzwerk das fahrzeugspezifische, virtuelle Bild 18 erzeugt wird.
-
Weiterhin kann vorgesehen sein, dass mittels zumindest zwei Generatornetzen und zumindest zwei Diskriminatornetzen als neuronales Netzwerk das fahrzeugspezifische, virtuelle Bild 18 erzeugt wird.
-
Weiterhin kann vorgesehen sein, dass auf Basis einer Vielzahl von unterschiedlichen, insbesondere perspektivisch unterschiedlichen, Basisbildern 22 das fahrzeugspezifische, virtuelle Bild 18 erzeugt wird.
-
Insgesamt zeigt die Figur, dass auf der elektronischen Recheneinrichtung 20 ein einheitliches Basis-Bilder-Set, was vorliegend durch die drei Basisbilder 22 angezeigt ist, geladen wird und eine untrainierte, künstliche Intelligenz, welche insbesondere durch das untrainierte, neuronale Netzwerk 24 dargestellt ist, ebenfalls auf die elektronische Recheneinrichtung 20 geladen wird. Dieses Bilder-Set enthält beispielsweise Bilder aus unterschiedlichen Perspektiven. Das Bilder-Set beinhaltet nur Bilder von einem Fahrzeugtyp und ist somit nicht ohne Weiteres für alle Kraftfahrzeuge 10, 12, 14 verwendbar. Die einheitliche elektronische Recheneinrichtung 20, inklusive des Basis-Bilder-Sets, wird in verschiedene Kraftfahrzeuge 10, 12, 14 verbaut. Am Ende der Produktionskette werden pro Kraftfahrzeugs 10, 12, 14 die Parameter 26 eines trainierten, neuronalen Netzwerks auf das Kraftfahrzeug 10, 12, 14 geflasht. Dieses Modell wurde trainiert, so dass sich das einheitliche Basis-Bilder-Set, welches sich bereits auf der elektronischen Recheneinrichtung 20 befindet, auf das entsprechende Kraftfahrzeug 10, 12, 14 anpassen kann.
-
Mit diesem Verfahren müssen somit keine gesamten Bilder-Sets pro Kraftfahrzeug 10, 12, 14 übertragen werden. Stattdessen muss nur noch die Änderung zum Basis-Bilder-Set in Form der Parameter 26 eines trainierten, neuronalen Netzwerks geflasht werden. Die zu übertragende Datenmenge beim Flash-Prozess ist somit deutlich geringer als im Stand der Technik.
-
Zur Umsetzung dieses Verfahrens wird die elektronische Recheneinrichtung 20 in dem Kraftfahrzeug 10, 12, 14 benötigt, welche genügend Rechenleistung aufweist, um das trainierte, neuronale Netzwerk anzuwenden und über ein Betriebssystem verfügt, welche die Ausführungen von den neuronalen Netzwerkmodellen unterstützt. Die beschriebenen neuronalen Netzwerke können in gängigen Programmiersprachen programmiert werden.
-
Des Weiteren benötigt man eine Möglichkeit, im Fahrzeugmontageprozess die Parameter 26 auf die elektronische Recheneinrichtung 20 zu übertragen.
-
Zusätzlich wird insbesondere ein zentraler Computer benötigt, welcher die neuronalen Netzwerke darauf trainiert, aus dem Basisbildersatz die entsprechenden fahrzeugspezifischen Bilder zu generieren. Die Trainingsergebnisse werden in Form der Parameter 26 für die trainierten, neuronalen Netzwerke gespeichert. Diese Parameter 26 müssen dann im Fertigungsprozess auf die elektronische Recheneinrichtung 20 übertragen werden, und die Generierung der fahrzeugspezifischen, virtuellen Bilder 18 muss von der elektronischen Recheneinrichtung 20 durchgeführt werden.
-
Somit kann, im Gegensatz zum Stand der Technik, zur Herstellung der Fahrzeugindividualität der Bilddatensatz, dass die individuellen Bilder erst im Fertigungsprozess auf der jeweiligen elektronischen Recheneinrichtung 20 erzeugt werden und nicht auf der elektronischen Recheneinrichtung 20 geladen werden müssen, insbesondere bei der Fertigung der elektronischen Recheneinrichtung 20 oder bei der Fahrzeugfertigung. Dadurch entstehen die Probleme einer Anliefervarianz nicht, und es kommt zu einer geringeren Übertragung von Daten beim Fertigungsprozess.
-
Insbesondere kann als neuronales Netzwerk ein CycleGAN-Netzwerk bereitgestellt werden, wobei hierbei zwei Mengen an Trainingsdaten notwendig sind, um die Bilder einer spezifischen Fahrzeugvariante erzeugen zu können. Zum einen ist ein Datensatz von Bildern von Kraftfahrzeugen der Karosserievariante erforderlich, beispielsweise von einem Kombi. Die zweite Menge an Trainingsdaten beinhaltet Bilder von Kraftfahrzeugen der Karosserievariante in einer Standardvariante, zum Beispiel Limousine. Alle Kraftfahrzeuge sind in diesem Beispiel vom selben Modell, wobei das neuronale Netzwerk auch in der Lage ist, Bilder von einem Modell und Bilder von einem anderen Modell zu überführen. Die Bilder der beiden Trainingsdatensätze sind insbesondere so ausgewählt, dass die Bilder von den Kraftfahrzeugen von möglichst vielen Winkeln in den Datensätzen vorhanden sind.
-
Das CycleGAN wird über viele Epochen trainiert und verbessert dabei seine Fähigkeit, die Bilder von einer Karosserievariante in Bilder von der anderen Karosserievariante umzuwandeln. Um die notwendige Trainingsdauer zu verkürzen, werden Trainingsbilder zu Mini-Batches zusammengefasst. Anstatt nach jedem einzelnen Trainingsbild eine Gewichtsanpassung der Diskriminationen und Generatoren durchzuführen, wird nur nach jedem Mini-Batch angepasst.
-
Aus der Trainingsphase resultiert dann ein fertiges, trainiertes CycleGAN. Das trainierte Netzwerk wurde nun dafür verwendet, aus Bildern von beispielsweise der Karosserievariante Limousine als Standardvariante Bilder des Kombifahrzeugs als spezifische Variante zu erzeugen. Das Training ist abgeschlossen, und die Gewichte des neuronalen Netzwerks werden nicht mehr verändert. Daher ist auch bei exakt gleichen Eingangsbildern die Ausgabe jedes Mal exakt dieselbe. Daher ist es möglich, dass alle elektronischen Recheneinrichtungen 20 für ein Modell mit Bildern von nur einer Karosserievariante, zum Beispiel Limousine, darauf produziert werden. Bildern von den anderen Karosserievarianten können von dem neuronalen Netzwerk in der elektronischen Recheneinrichtung 20 erzeugt werden. Somit muss im Montageprozess für beispielsweise einen silbernen Kombi nur noch das neuronale Netzwerk geflasht werden, welches aus Bildern von beispielsweise einer schwarzen Limousine Bilder von dem silbernen Kombi erzeugt. Dieses Verfahren resultiert dann in einer massiven Einsparung von übertragenen Datenmengen bei der elektronischen Recheneinrichtung 20 im Flash-Prozess bei der Herstellung des Kraftfahrzeugs 10, 12, 14.
-
Das Ziel eines CycleGANs ist es, Input-Daten der Domäne A in Daten der Domäne B zu transformieren. Die Methode lässt gleichzeitig auch eine Transformation von B nach A zu. Für ein CycleGAN werden vier neuronale Netze miteinander verkettet. Sie lassen sich in zwei Generator-Netze und zwei Diskriminator-Netze unterteilen. Die zwei Generatoren sind dabei für das eigentliche Transformieren der Input-Daten zuständig. Die Diskriminatoren beurteilen, wie gut der jeweilige Generator ist. Mit dieser Beurteilung werden die Generatoren im Trainingsverlauf optimiert. Um zu verhindern, dass zum Beispiel Generator A zufällig Daten aus Domäne B generiert, wird während des Trainings jeder Datensatz auch zurück zur Domäne B transformiert. Im besten Fall sind die Input- und die rekonstruierten Daten identisch. Die Abweichung zwischen Input- und rekonstruierten Daten fließt ebenfalls in die Optimierung der Generatoren, der sogenannten cycle-Consistency ein.
-
Insgesamt zeigt die Erfindung eine Reduzierung der Anliefervarianz und des Flash-Volumens für die elektronische Recheneinrichtung 20 von Kraftfahrzeugen 10, 12, 14 durch Generierung der Varianz der Visualisierungen durch eine künstliche Intelligenz auf der elektronischen Recheneinrichtung 20.
-
Bezugszeichenliste
-
- 10
- erstes Kraftfahrzeug
- 12
- zweites Kraftfahrzeug
- 14
- drittes Kraftfahrzeug
- 16
- Herstellungsprozess
- 18
- fahrzeugspezifisches, virtuelles Bild
- 20
- elektronische Recheneinrichtung
- 22
- Basisbild
- 24
- untrainiertes, neuronales Netzwerk
- 26
- Parameter
- 28
- Speichereinrichtung
-
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
-
- US 2018/0247201 A1 [0003]
