DE102019124504A1 - Method and device for simulating and evaluating a sensor system for a vehicle as well as method and device for designing a sensor system for environment detection for a vehicle - Google Patents
Method and device for simulating and evaluating a sensor system for a vehicle as well as method and device for designing a sensor system for environment detection for a vehicle Download PDFInfo
- Publication number
- DE102019124504A1 DE102019124504A1 DE102019124504.4A DE102019124504A DE102019124504A1 DE 102019124504 A1 DE102019124504 A1 DE 102019124504A1 DE 102019124504 A DE102019124504 A DE 102019124504A DE 102019124504 A1 DE102019124504 A1 DE 102019124504A1
- Authority
- DE
- Germany
- Prior art keywords
- sensor
- environment
- virtual
- vehicle
- sensor 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
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
Es werden ein Verfahren zur Simulation und Bewertung eines Sensorsystems für ein Fahrzeug sowie eine korrespondierende Vorrichtung angegeben. Das Sensorsystem (10) weist einen oder mehrere Umfeldsensoren (1, 2, 3, n) auf. Das Verfahren umfasst die Schritte:A1) Bereitstellen jeweils eines Sensormodells (SM) für jeden der Umfeldsensoren (1-n) des Sensorsystems (10), das jeweils repräsentativ ist für physikalische Eigenschaften des jeweiligen Umfeldsensors (1-n) bei Abbildung eines realen Umfelds des Fahrzeugs (100) mittels realer Messung durch den jeweiligen Umfeldsensor (1-n),B1) Bereitstellen eines Umfeldmodells (UM), das repräsentativ ist für ein virtuelles Umfeld eines virtuellen Fahrzeugs (100),C1) Ermitteln virtueller Sensordaten (SD) für jeden der Umfeldsensoren (1-n) des Sensorsystems (100) abhängig von dem Umfeldmodell (UM) und dem jeweiligen Sensormodell (SM), D1) Evaluieren der virtuellen Sensordaten (SD) abhängig von dem Umfeldmodell (UM).Darüber hinaus werden ein Verfahren zum Entwurf eines Sensorsystems zur Umfelddetektion für ein Fahrzeug sowie eine korrespondierende Vorrichtung angegeben.A method for simulating and evaluating a sensor system for a vehicle and a corresponding device are specified. The sensor system (10) has one or more environment sensors (1, 2, 3, n). The method comprises the steps: A1) providing a sensor model (SM) for each of the environment sensors (1-n) of the sensor system (10), which is representative of the physical properties of the respective environment sensor (1-n) when mapping a real environment of the vehicle (100) by means of real measurement by the respective environment sensor (1-n), B1) providing an environment model (UM) which is representative of a virtual environment of a virtual vehicle (100), C1) determining virtual sensor data (SD) for each of the environment sensors (1-n) of the sensor system (100) depending on the environment model (UM) and the respective sensor model (SM), D1) evaluating the virtual sensor data (SD) depending on the environment model (UM) for the design of a sensor system for the detection of the surroundings for a vehicle and a corresponding device.
Description
Die Erfindung betrifft ein Verfahren zur Simulation und Bewertung eines Sensorsystems für ein Fahrzeug sowie eine korrespondierende Vorrichtung. Darüber hinaus betrifft die Erfindung ein Verfahren zum Entwurf eines Sensorsystems zur Umfelddetektion für ein Fahrzeug sowie eine korrespondierende Vorrichtung. Schließlich werden ein Computerprogramm und ein computerlesbares Speichermedium angegeben.The invention relates to a method for simulating and evaluating a sensor system for a vehicle and a corresponding device. The invention also relates to a method for designing a sensor system for detecting surroundings for a vehicle and a corresponding device. Finally, a computer program and a computer-readable storage medium are specified.
Mit steigendem Automatisierungsgrad von (Kraft-)fahrzeugen wachsen auch die Anforderungen an Sensorsysteme der Fahrzeuge zur Umfelddetektion. Derartige Sensorsysteme umfassen einen oder mehrere Umfeldsensoren, um Hindernisse im Umfeld des jeweiligen Fahrzeugs bzw. die Umgebung selbst frühzeitig, sicher und präzise zu erkennen. Auf dem Markt existieren bereits zahlreiche solcher Umfeldsensoren und zugrundeliegende Sensortechnologien werden beständig weiterentwickelt. Eine Herausforderung in diesem Zusammenhang liegt insbesondere darin, ein Zusammenwirken einzelner Umfeldsensoren in einem Sensorsystem zu bewerten, ohne aufwändige Testfahrten vornehmen zu müssen.With the increasing degree of automation of (motor) vehicles, the requirements for sensor systems in vehicles for detecting the surroundings also grow. Such sensor systems include one or more environment sensors in order to detect obstacles in the environment of the respective vehicle or the environment itself at an early stage, safely and precisely. Numerous such environmental sensors already exist on the market and the underlying sensor technologies are constantly being further developed. A particular challenge in this context is to evaluate the interaction of individual environment sensors in a sensor system without having to undertake complex test drives.
Eine Aufgabe, die der Erfindung zugrunde liegt, ist es, ein Verfahren und eine korrespondierende Vorrichtung zu schaffen, das bzw. die eine einheitliche, kostengünstige Bewertung verschiedener Sensorsysteme ermöglicht. Insbesondere soll beigetragen werden, das Sensorsystem derart zu konfigurieren, dass ein sicherer Betrieb des Fahrzeugs gewährleistet ist.One object on which the invention is based is to create a method and a corresponding device that enables a uniform, cost-effective evaluation of various sensor systems. In particular, the aim is to help configure the sensor system in such a way that safe operation of the vehicle is guaranteed.
Die Aufgabe wird gelöst durch die unabhängigen Patentansprüche. Vorteilhafte Ausgestaltungen sind in den Unteransprüchen gekennzeichnet.The object is achieved by the independent patent claims. Advantageous refinements are characterized in the subclaims.
Gemäß einem ersten Aspekt betrifft die Erfindung ein Verfahren zur Simulation eines Sensorsystems für ein Fahrzeug. Das Sensorsystem weist einen oder mehrere Umfeldsensoren auf. Bei den Umfeldsensoren handelt es sich beispielhaft um eine Kamera und/oder einen Radar und/oder einen Lidar und/oder einen Ultraschallsensor.According to a first aspect, the invention relates to a method for simulating a sensor system for a vehicle. The sensor system has one or more environment sensors. The environment sensors are, for example, a camera and / or a radar and / or a lidar and / or an ultrasonic sensor.
Das Verfahren umfasst folgende Schritte:
- In einem Schritt A1) wird jeweils ein Sensormodell für jeden der Umfeldsensoren des Sensorsystems bereitgestellt. Das Sensormodell ist jeweils repräsentativ für physikalische Eigenschaften des jeweiligen Umfeldsensors bei Abbildung eines realen Umfelds des Fahrzeugs mittels realer Messung durch den jeweiligen Umfeldsensor. In anderen Worten beschreibt das jeweilige Sensormodell eine Datenstruktur, die eine Übersetzung von einer realen Gegebenheit auf eine Messung der realen Gegebenheit durch den jeweiligen Umfeldsensors auf Basis physikalischer Eigenschaften und/oder vorgegebenen Testmessungen des jeweiligen Umfeldsensors modelliert.
- In a step A1), a sensor model is provided for each of the environment sensors of the sensor system. The sensor model is in each case representative of the physical properties of the respective environment sensor when mapping a real environment of the vehicle by means of real measurement by the respective environment sensor. In other words, the respective sensor model describes a data structure that models a translation from a real situation to a measurement of the real situation by the respective environment sensor on the basis of physical properties and / or predetermined test measurements of the respective environment sensor.
In einem Schritt B1) wird ein Umfeldmodell bereitgestellt. Das Umfeldmodell ist repräsentativ für ein virtuelles Umfeld eines virtuellen Fahrzeugs. Das Umfeldmodell bezeichnet insbesondere eine Datenstruktur, die eine weitgehend exakte Nachbildung eines realen Umfelds eines realen Fahrzeugs modelliert. Beispielhaft kann das reale Umfeld zur Erzeugung eines solchen Umfeldmodells vermessen und als virtuelles Polygonmodell konstruiert werden. Es kann jedoch auch ein beliebiges Umfeld mit diversen Polygon-Elementen virtuell designt und generiert werden. Polygonmodelle des Umfelds bieten den Vorteil, dass sie den Sensormodellen wichtige physikalische Informationen (Formkontur, Oberflächeneigenschäften wie Reflexion/Absorption) bereitstellen können. Alternativ kann das Umfeldmodell vereinfacht auch in Form von Objektlisten umgesetzt werden, was eine Simulation auf „High-Level-Ebene“ ermöglicht.In a step B1) an environment model is provided. The environment model is representative of a virtual environment of a virtual vehicle. The environment model particularly denotes a data structure that models a largely exact replica of a real environment of a real vehicle. For example, the real environment can be measured to generate such an environment model and constructed as a virtual polygon model. However, any environment with various polygon elements can also be virtually designed and generated. Polygon models of the environment offer the advantage that they can provide the sensor models with important physical information (shape contour, surface properties such as reflection / absorption). Alternatively, the environment model can also be implemented in a simplified manner in the form of object lists, which enables simulation on a "high-level" level.
In einem Schritt C1) werden virtuelle Sensordaten für jeden der Umfeldsensoren des Sensorsystems abhängig von dem Umfeldmodell und dem jeweiligen Sensormodell ermittelt. In anderen Worten werden in dem Schritt C1) virtuelle Messungen in dem durch das Umfeldmodell repräsentierten virtuellen Umfeld durchgeführt. Hierzu können etwa Schnittpunkte einer Anzahl von Strahlen ausgehend von dem jeweiligen Umfeldsensor mit virtuellen Objekten des Umfeldmodells ermittelt werden. Bei einer Simulation auf „High-Level-Ebene“ können die virtuellen Sensordaten alternativ hierzu auch in Form von Objektlisten umgesetzt werden. Die virtuellen Sensordaten repräsentieren insbesondere eine virtuelle Abbildung des virtuellen Umfelds durch den jeweiligen Umfeldsensor.In a step C1), virtual sensor data are determined for each of the environment sensors of the sensor system as a function of the environment model and the respective sensor model. In other words, in step C1) virtual measurements are carried out in the virtual environment represented by the environment model. For this purpose, points of intersection of a number of beams can be determined starting from the respective environment sensor with virtual objects of the environment model. In the case of a “high-level” simulation, the virtual sensor data can alternatively also be implemented in the form of object lists. The virtual sensor data represent, in particular, a virtual image of the virtual environment by the respective environment sensor.
In einem Schritt D1) werden die virtuellen Sensordaten abhängig von dem Umfeldmodell evaluiert. Als derartige Evaluierung wird hier und im Folgenden ein Vergleich des durch die Umfeldsensoren erfassten virtuellen Umfelds und des durch das Umfeldmodell repräsentierten virtuellen Umfelds bezeichnet. Abhängig von dem Vergleich können dabei ein oder mehrere Bewertungskennzahlen (sogenannte „key performance indicators“, KPIs) vergeben werden, wobei das durch die Umfeldsensoren erfasste virtuelle Umfeld im Idealfall mit dem durch das Umfeldmodell repräsentierten virtuellen Umfeld übereinstimmt.In a step D1), the virtual sensor data are evaluated as a function of the environment model. Such an evaluation is referred to here and below as a comparison of the virtual environment detected by the environment sensors and the virtual environment represented by the environment model. Depending on the comparison, one or more evaluation key figures (so-called “key performance indicators”, KPIs) can be assigned, with the virtual environment recorded by the environment sensors ideally matching the virtual environment represented by the environment model.
In vorteilhafter Weise kann das Sensorsystem so ohne aufwändige Testfahrten durchführen zu müssen bereits in einer frühen Entwicklungsphase einheitlich bewertet werden, was insbesondere einen effizienten Vergleich mehrerer Sensorsysteme ermöglicht. Mit dem erfindungsgemäßen Verfahren wird beigetragen, auch bei hoher Komplexität hinsichtlich einer Anzahl denkbarer, unterschiedlicher Sensorsysteme anhand von Kosten-Nutzen-Analysen ein optimales Sensorsystem für einen jeweiligen Fahrzeugtyp festzulegen. Automobilherstellern wird damit insbesondere erleichtert, geeignete Sensorsysteme zu definieren, welche sämtliche (Sicherheits-)Anforderungen berücksichtigen bzw. erfüllen. Neben einer Leistungsfähigkeit der einzelnen Umfeldsensoren und einer bevorzugt vollständigen Sichtfeldabdeckung um das Fahrzeug (d.h. 360° um das Fahrzeug im Nah- und Fernbereich) können weitere Faktoren wie Gesamtkosten des jeweiligen Sensorsystems und Integration der einzelnen Umfeldsensoren bzw. des gesamten Sensorsystems in das Fahrzeug, insbesondere Anordnung und Ausrichtung der einzelnen Umfeldsensoren im Hinblick auf ein Design des Fahrzeugs berücksichtigt werden. Darüber hinaus können ein redundanter Aufbau des Sensorsystems und störende Umwelteinflüsse wie Wetter- und Lichtbedingungen sowie Verschmutzung berücksichtigt werden. Zusammenfassend kann somit auch beigetragen werden, das Sensorsystem derart zu konfigurieren, dass ein sicherer Betrieb des Fahrzeugs gewährleistet ist.In an advantageous manner, the sensor system can be uniformly evaluated in an early development phase without having to carry out complex test drives, which is particularly important enables an efficient comparison of several sensor systems. The method according to the invention contributes to establishing an optimal sensor system for a respective vehicle type on the basis of cost-benefit analyzes, even with a high level of complexity with regard to a number of conceivable different sensor systems. This makes it easier for automobile manufacturers in particular to define suitable sensor systems that take into account or meet all (safety) requirements. In addition to the performance of the individual environment sensors and a preferably complete field of vision coverage around the vehicle (i.e. 360 ° around the vehicle in the near and far range), other factors such as total costs of the respective sensor system and integration of the individual environment sensors or the entire sensor system in the vehicle, in particular Arrangement and alignment of the individual environment sensors are taken into account with regard to a design of the vehicle. In addition, a redundant structure of the sensor system and disturbing environmental influences such as weather and light conditions as well as pollution can be taken into account. In summary, this can also help to configure the sensor system in such a way that safe operation of the vehicle is guaranteed.
In einer vorteilhaften Ausgestaltung gemäß dem ersten Aspekt werden in dem Schritt A1) zu dem jeweiligen Umfeldsensor Konfigurationsparameter bereitgestellt, die repräsentativ sind für eine Konfiguration des jeweiligen Umfeldsensors. Die Konfigurationsparameter können insbesondere einen oder mehrere der folgenden Parameter umfassen: eine Position des Umfeldsensors im bzw. am Fahrzeug, eine Ausrichtung des Umfeldsensors bezüglich eines vorgegebenen Bezugskoordinatensystems des Fahrzeugs.In an advantageous embodiment according to the first aspect, in step A1) configuration parameters are provided for the respective environment sensor, which are representative of a configuration of the respective environment sensor. The configuration parameters can in particular include one or more of the following parameters: a position of the environment sensor in or on the vehicle, an alignment of the environment sensor with respect to a predefined reference coordinate system of the vehicle.
Darüber hinaus werden in dem Schritt C1) die virtuellen Sensordaten des jeweiligen Umfeldsensors abhängig von den Konfigurationsparametern ermittelt. In vorteilhafter Weise können so etwa unterschiedliche Einbaupositionen verschiedener Umfeldsensoren berücksichtigt werden.In addition, in step C1) the virtual sensor data of the respective environment sensor are determined as a function of the configuration parameters. In this way, for example, different installation positions of different environment sensors can advantageously be taken into account.
In einer vorteilhaften Ausgestaltung gemäß dem ersten Aspekt wird wenigstens ein wichtiger Bereich um das virtuelle Fahrzeug vorgegeben. Als wichtiger Bereich wird hier und im Folgenden eine sogenannte „region of interest“, ROI, bezeichnet. Der wichtige Bereich beschreibt etwa einen Bereich um das Fahrzeug, welcher bevorzugt von dem Sensorsystem überwacht werden soll. Derartige Bereiche können sich etwa aus Vorschriften und Randbedingungen in diesem Zusammenhang ergeben. So kann beispielsweise ein minimaler Kurvenradius eines Straßenabschnitts bei einer vorgegebenen Höchstgeschwindigkeit gesetzlich geregelt sein, so dass eine nötige Sichtweite auf den Straßenverlauf in Fahrtrichtung und schräg zur Fahrtrichtung geometrisch erschlossen werden können.In an advantageous embodiment according to the first aspect, at least one important area around the virtual vehicle is specified. Here and in the following, a so-called “region of interest”, ROI, is referred to as an important area. The important area describes, for example, an area around the vehicle that should preferably be monitored by the sensor system. Such areas can arise, for example, from regulations and boundary conditions in this context. For example, a minimum curve radius of a road section can be regulated by law at a given maximum speed, so that a necessary visual range of the course of the road in the direction of travel and at an angle to the direction of travel can be determined geometrically.
Darüber hinaus werden in dem Schritt D1) die virtuellen Sensordaten bezüglich des wichtigen Bereichs gewichtet. In addition, in step D1) the virtual sensor data are weighted with regard to the important area.
Einzelne wichtige Bereiche können sich dabei in ihrer Gewichtung unterscheiden, etwa je nach Wahrscheinlichkeit eines Unfalls und einem zu erwartenden Ausmaß im Falle eines Unfalls. In die Gewichtung kann bzw. können etwa eine Relativgeschwindigkeit des Fahrzeugs zu anderen Verkehrsteilnehmern und/oder ein Abstand zwischen dem Fahrzeug und anderen Verkehrsteilnehmern und/oder ein Typ der anderen Verkehrsteilnehmer und eine damit verbundene Kritikalität im Falle eines Unfalls einfließen.Individual important areas can differ in their weighting, for example depending on the probability of an accident and the extent to be expected in the event of an accident. The weighting can include a relative speed of the vehicle to other road users and / or a distance between the vehicle and other road users and / or a type of other road user and an associated criticality in the event of an accident.
In einer vorteilhaften Ausgestaltung gemäß dem ersten Aspekt wird in dem Schritt D1) abhängig von den virtuellen Sensordaten sämtlicher Umfeldsensoren eine Sensordatenfusion ermittelt. Die Sensordatenfusion wird dabei abhängig von dem Umfeldmodell evaluiert. Insbesondere erfolgt die Ermittlung der Sensordatenfusion nach dem Schritt C1) und bevor das Umfeldmodell in dem Schritt D1) evaluiert wird. Bei dem Ermitteln der Sensordatenfusion werden in anderen Worten die Informationen aller Sensoren zusammengeführt und ein Abbild des Umfeldmodells aus Sicht des gesamten Sensorsetups generiert. Bei der Durchführung einer derartigen Datenfusion können Algorithmen (typischerweise Kalman Filter) zum Einsatz kommen, welche bei der Erstellung dieses Gesamtbilds die Performance der jeweiligen Sensoren berücksichtigen. Einem Sensor mit geringerer Genauigkeit wird beispielhaft weniger Gewichtung zugeteilt als Performance-stärkeren Sensoren.In an advantageous embodiment according to the first aspect, a sensor data fusion is determined in step D1) as a function of the virtual sensor data of all environment sensors. The sensor data fusion is evaluated depending on the environment model. In particular, the sensor data fusion is determined after step C1) and before the environment model is evaluated in step D1). In other words, when determining the sensor data fusion, the information from all sensors is combined and an image of the environment model is generated from the perspective of the entire sensor setup. When performing such a data fusion, algorithms (typically Kalman filters) can be used, which take into account the performance of the respective sensors when creating this overall image. For example, a sensor with lower accuracy is assigned less weighting than higher-performance sensors.
In einer vorteilhaften Ausgestaltung gemäß dem ersten Aspekt umfasst das Umfeldmodell Umfelddaten, die repräsentativ sind für eine Vielzahl dreidimensionaler Koordinaten virtueller Objektbegrenzungen im virtuellen Umfeld des virtuellen Fahrzeugs. Die Umfelddaten können auch als „Ground Truth“-Daten bezeichnet werden (kurz „GT“).In an advantageous embodiment according to the first aspect, the environment model includes environment data that are representative of a large number of three-dimensional coordinates of virtual object boundaries in the virtual environment of the virtual vehicle. The environment data can also be referred to as “Ground Truth” data (“GT” for short).
Die virtuellen Sensordaten eines jeweiligen Umfeldsensors sind jeweils repräsentativ für eine Vielzahl dreidimensionaler Koordinaten einer virtuellen Messung des jeweiligen Umfeldsensors im virtuellen Umfeld des virtuellen Fahrzeugs.The virtual sensor data of a respective environment sensor are each representative of a large number of three-dimensional coordinates of a virtual measurement of the respective environment sensor in the virtual environment of the virtual vehicle.
Die ermittelte Sensordatenfusion umfasst Fusionsdaten, die repräsentativ sind für eine Vielzahl dreidimensionaler Koordinaten virtueller Objektbegrenzungen im virtuellen Umfeld des virtuellen Fahrzeugs. Die Fusionsdaten stellen in anderen Worten Ergebnisse einer durchgeführten Fusion der Sensordaten dar und können auch als „Tracks“ bezeichnet werden.The determined sensor data fusion includes fusion data that are representative of a large number of three-dimensional coordinates of virtual object boundaries in the virtual environment of the virtual vehicle. In other words, the merger data represent results of a merger that has been carried out Sensor data and can also be referred to as "tracks".
In dem Schritt D1) werden die Fusionsdaten mit den Umfelddaten mittels Bewertungskennzahlen evaluiert. In anderen Worten wird in dem Schritt D1) ein Zusammenwirken sämtlicher (zur Sensordatenfusion beitragender) Umfeldsensoren bewertet. Als Bewertungskennzahlen kommen insbesondere eine oder mehrere Metriken in Frage, die die Fusionsdaten mit den Umfelddaten in Relation setzen.In step D1), the merged data with the surrounding data are evaluated by means of evaluation indicators. In other words, in step D1), an interaction of all environmental sensors (which contribute to the sensor data fusion) is evaluated. In particular, one or more metrics that relate the merged data to the surrounding data come into question as evaluation indicators.
In einer vorteilhaften Ausgestaltung gemäß dem ersten Aspekt werden die Fusionsdaten in dem Schritt D1) mit den Umfelddaten anhand einer oder einer Kombination aus mehreren der folgenden statistischen Bewertungskennzahlen evaluiert:
- - Hausdorff,
- - optimal subpattern assignment, OSPA,
- - Positions-/Geschwindigkeits-/Beschleunigungsfehler,
- - normalized estimation error squared, NEES,
- - multiple object tracker accuracy, MOTA,
- - multiple object tracker performance, MOTP,
- - Detektionsrate, oder
- - Falsch-Alarm-Rate.
- - Hausdorff,
- - optimal subpattern assignment, OSPA,
- - position / speed / acceleration errors,
- - normalized estimation error squared, NEES,
- - multiple object tracker accuracy, MOTA,
- - multiple object tracker performance, MOTP,
- - detection rate, or
- - False alarm rate.
Alternativ zu den vorgenannten Metriken können auch beliebige andere Metriken, insbesondere andere statistische Bewertungskennzahlen, zum Einsatz kommen.As an alternative to the aforementioned metrics, any other metrics, in particular other statistical evaluation indicators, can also be used.
Bei der Hausdorff-Metrik wird ein größter Abstand zwischen einem Track und einem zugehörigen GT-Wert (Ausreißer) bewertet.The Hausdorff metric evaluates the greatest distance between a track and an associated GT value (outlier).
Bei der OSPA-Metrik wird zwischen GT und Tracks ein globales Optimum hinsichtlich Übereinstimmung (subpattern) gesucht und der gemittelte Abstand zwischen Tracks und zugehörigen GT-Werten ermittelt. Gibt es mehr GT-Werte als Tracks (oder umgekehrt), fließt dies negativ in die OSPA-Metrik ein, so dass Falsch-Positive bzw. Falsch-Negative berücksichtigt werden können.In the OSPA metric, a global optimum with regard to correspondence (subpattern) is sought between GT and tracks and the averaged distance between tracks and associated GT values is determined. If there are more GT values than tracks (or vice versa), this flows negatively into the OSPA metric so that false positives or false negatives can be taken into account.
Bei dem Positions-/Geschwindigkeits-/Beschleunigungsfehler wird ein Abstand zwischen Tracks und GT-Werten (in Metern) ermittelt, sodass der entsprechende Fehler die Genauigkeit der Sensordaten angibt.For the position / speed / acceleration error, a distance between tracks and GT values (in meters) is determined so that the corresponding error indicates the accuracy of the sensor data.
Bei der NEES-Metrik wird ein Abstand zwischen Tracks und GT-Werten in Einheiten der Unsicherheit ermittelt. Die NEES-Metrik kann auch ein Indikator dafür sein, ob eine Unsicherheit wie ein Messfehler eines Umfeldsensors oder ein Prozessrauschen im Sensormodell als zu groß oder zu klein angenommen wurde.With the NEES metric, a distance between tracks and GT values is determined in units of uncertainty. The NEES metric can also be an indicator of whether an uncertainty such as a measurement error in an environment sensor or process noise in the sensor model was assumed to be too large or too small.
Bei der MOTA-Metrik werden Abweichungen zwischen Tracks und zugehörigen GT-Werten aufsummiert und geteilt durch die Anzahl aller Zuordnungen (gemittelter Fehler).With the MOTA metric, deviations between tracks and the associated GT values are added up and divided by the number of all assignments (averaged errors).
Bei der MOTP-Metrik werden Falsch-Positive, Falsch-Negative und Falsch-Zuordnungen aufsummiert und geteilt durch eine Anzahl an Objekten im virtuellen Umfeld des Fahrzeugs.With the MOTP metric, false positives, false negatives and false assignments are added up and divided by a number of objects in the virtual environment of the vehicle.
Bei der Detektionsrate wird eine Anzahl der Tracks geteilt durch eine Anzahl der GTs innerhalb der Sichtkegel der Umfeldsensoren.In the detection rate, a number of tracks is divided by a number of GTs within the cones of vision of the environment sensors.
Bei der Falsch-Alarm-Rate wird eine Anzahl an Tracks, die keinem GT-Wert zugeordnet werden konnten, geteilt durch die Gesamtanzahl an Zuordnungen ermittelt.With the false alarm rate, a number of tracks that could not be assigned a GT value is determined divided by the total number of assignments.
In einer vorteilhaften Ausgestaltung gemäß dem ersten Aspekt werden die Fusionsdaten in dem Schritt D1) mit den Umfelddaten anhand einer oder einer Kombination aus mehreren der folgenden globalen Bewertungskennzahlen evaluiert:
- - Objekt-Detektionszeit,
- - Erfassungsrate,
- - Sensor-aufgelöste Erfassungsrate.
- - object detection time,
- - acquisition rate,
- - Sensor-resolved acquisition rate.
Alternativ zu den vorgenannten Metriken können auch beliebige andere Metriken, insbesondere andere globale Bewertungskennzahlen, zum Einsatz kommen.As an alternative to the aforementioned metrics, any other metrics, in particular other global evaluation indicators, can also be used.
Die globalen Bewertungskennzahlen dienen insbesondere zur Differenzierung verschiedener Sensorsysteme.The global evaluation indicators are used in particular to differentiate between different sensor systems.
Bei der Objekt-Detektionszeit wird ermittelt, wann ein Objekt vom jeweiligen Sensorsystem erkannt wurde. Insbesondere kann in diesem Zusammenhang geprüft werden, wann ein Track angelegt wurde. Darüber hinaus wird ermittelt, welcher Abstand zum Objekt vorliegt. Ferner wird ermittelt, ob ein Bremsweg insbesondere bei einer vorgegebenen Geschwindigkeit höher als der ermittelte Abstand zum Objekt ist, sodass es zu einem Unfall kommen würde oder ob genügend Zeit verbleibt, um einen Unfall durch Bremsen verhindern zu können.The object detection time determines when an object was recognized by the respective sensor system. In particular, it can be checked in this context when a track was created. In addition, the distance to the object is determined. It is also determined whether a braking distance is higher than the determined distance to the object, especially at a predetermined speed, so that an accident would occur or whether there is enough time to be able to prevent an accident by braking.
Bei der Erfassungsrate wird eine Anzahl der Tracks geteilt durch eine Anzahl aller GTs ermittelt, insbesondere unabhängig davon, ob die GT-Werte innerhalb eines Sichtkegels eines der Umfeldsensoren liegen oder nicht.In the detection rate, a number of tracks divided by a number of all GTs is determined, in particular regardless of whether or not the GT values are within a cone of vision of one of the surroundings sensors.
Bei der Sensor-aufgelösten Erfassungsrate wird eine Übersicht ermittelt, welcher Umfeldsensor zu welchem Track beigetragen hat, um so eine Redundanz im Sensorsystem hervorzuheben.With the sensor-resolved detection rate, an overview is determined of which environmental sensor contributed to which track in order to highlight redundancy in the sensor system.
Gemäß einem zweiten Aspekt betrifft die Erfindung ein Verfahren zum Entwurf eines Sensorsystems zur Umfelddetektion für ein Fahrzeug. Sämtliche im Zusammenhang mit dem ersten Aspekt beschriebenen Merkmale gelten ebenso für den zweiten Aspekt und umgekehrt.According to a second aspect, the invention relates to a method for designing a sensor system for detecting surroundings for a vehicle. All of the features described in connection with the first aspect also apply to the second aspect and vice versa.
Das Verfahren gemäß dem zweiten Aspekt umfasst folgende Schritte: In einem Schritt A2) wird eine Vielzahl von Umfeldsensoren bereitgestellt. Ferner wird für jeden der Umfeldsensoren ein Sensormodell erzeugt. Das Sensormodell ist jeweils repräsentativ für physikalische Eigenschaften des jeweiligen Umfeldsensors bei Abbildung eines realen Umfelds des Fahrzeugs mittels realer Messung durch den jeweiligen Umfeldsensor. Die Vielzahl von Umfeldsensoren weist insbesondere mehrere unterschiedliche Typen von Umfeldsensoren auf. Das Sensormodell wird beispielhaft anhand von Messprotokollen, bei Prototypen etwa im Rahmen von sogenannten „Proof-of-Concepts“, POCs, erzeugt. Bei den Messprotokollen können insbesondere sogenannte „Corner Cases“ geprüft werden, um systematisch Schlüsselkriterien des jeweiligen Umfeldsensors zu testen. Alternativ oder zusätzlich kann bei Erzeugung des Sensormodells ein Datenblatt des Herstellers oder ein bereits bestehendes Sensormodell herangezogen werden.The method according to the second aspect comprises the following steps: In a step A2) a multiplicity of surroundings sensors are provided. Furthermore, a sensor model is generated for each of the environment sensors. The sensor model is in each case representative of the physical properties of the respective environment sensor when mapping a real environment of the vehicle by means of real measurement by the respective environment sensor. The multitude of environment sensors has, in particular, several different types of environment sensors. The sensor model is generated using measurement protocols, for example, in the case of prototypes as part of so-called “proof-of-concepts”, POCs. In particular, so-called “corner cases” can be checked in the measurement protocols in order to systematically test key criteria of the respective environment sensor. Alternatively or additionally, a data sheet from the manufacturer or an already existing sensor model can be used when generating the sensor model.
In einem Schritt B2) wird wenigstens ein Umfeldmodell erzeugt. Das jeweilige Umfeldmodell ist repräsentativ für ein virtuelles Umfeld eines virtuellen Fahrzeugs. Bei der Erzeugung des jeweiligen Umfeldmodells kann insbesondere jeweils ein Szenario anhand von Szenarioparametern abgebildet werden, das gezielt relevante Schlüsselkriterien des Sensorsystems adressiert (z.B. Corner Cases). Ein Szenario kann etwa das rechtzeitige Erkennen eines Stauendes oder ein Hindernis einer Kurve betreffen.At least one environment model is generated in a step B2). The respective environment model is representative of a virtual environment of a virtual vehicle. When generating the respective environment model, a scenario in particular can be mapped using scenario parameters that specifically addresses relevant key criteria of the sensor system (e.g. corner cases). A scenario can relate to the timely detection of the end of a traffic jam or an obstacle in a curve.
In einem Schritt C2) werden mehrere verschiedene virtuelle Sensorsysteme erzeugt. Ein virtuelles Sensorsystem weist jeweils einen oder mehrere Umfeldsensoren der Vielzahl von Umfeldsensoren auf. In anderen Worten wird aus der bereitgestellten Vielzahl von Umfeldsensoren mit zum Teil unterschiedlichen Typen von Umfeldsensoren jeweils eine Untermenge ausgewählt, um ein Zusammenwirken dieser Umfeldsensoren bewerten zu können.In a step C2), several different virtual sensor systems are generated. A virtual sensor system has one or more environment sensors of the multiplicity of environment sensors. In other words, a subset is selected from the plurality of environment sensors provided, some of which have different types of environment sensors, in order to be able to evaluate the interaction of these environment sensors.
In einem Schritt D2) wird jeweils eine Simulation gemäß dem ersten Aspekt eines der mehreren verschiedenen virtuellen Sensorsysteme durchgeführt abhängig von dem jeweiligen Sensormodell der Umfeldsensoren des entsprechenden Sensorsystems und dem wenigstens einen Umfeldmodell. In anderen Worten wird in dem Schritt A1) das für jeden der Umfeldsensoren des zu simulierenden Sensorsystems erzeugte Sensormodell bereitgestellt, in dem Schritt B1) eines der Umfeldmodelle bereitgestellt und die Evaluierung in dem Schritt D1) ermittelt.In a step D2), a simulation according to the first aspect of one of the several different virtual sensor systems is carried out depending on the respective sensor model of the environment sensors of the corresponding sensor system and the at least one environment model. In other words, in step A1) the sensor model generated for each of the environment sensors of the sensor system to be simulated is provided, in step B1) one of the environment models is provided and the evaluation is determined in step D1).
In einem Schritt E2) wird eine Evaluierung des jeweiligen Sensorsystems abhängig von der Simulation ausgegeben oder gespeichert.In a step E2), an evaluation of the respective sensor system is output or stored as a function of the simulation.
In vorteilhafter Weise können die mehreren verschiedenen virtuellen Sensorsysteme so in einem einheitlichen, reproduzierbaren Bewertungsprozess beurteilt werden, der objektive und vergleichbare Ergebnisse liefert, etwa in Form von KPIs. Das Verfahren trägt zu einer zeitsparenden und kostengünstigen Lösung zur Beurteilung verschiedener Sensorsystem-Varianten für eine Vorauswahl oder eine Festlegung auf ein final zu verbauendes Sensorsystem im Fahrzeug bei. Hierbei kann mit Vorteil eine Analyse hinsichtlich verschiedener Einbaupositionen, Kombinationen und Sensortechnologien der verschiedenen Umfeldsensoren umgesetzt werden, insbesondere im Hinblick auf Wirkzusammenhänge beim Zusammenspiel verschiedener Umfeldsensoren.In an advantageous manner, the several different virtual sensor systems can thus be assessed in a uniform, reproducible evaluation process that delivers objective and comparable results, for example in the form of KPIs. The method contributes to a time-saving and cost-effective solution for assessing different sensor system variants for a preselection or a determination of a sensor system to be finally installed in the vehicle. In this case, an analysis with regard to various installation positions, combinations and sensor technologies of the various environment sensors can advantageously be implemented, in particular with regard to the interactions in the interaction of various environment sensors.
In einer vorteilhaften Ausgestaltung gemäß dem zweiten Aspekt wird abhängig von der Evaluierung des jeweiligen Sensorsystems eine Auswahl des wenigstens eines Umfeldsensors getroffen. Alternativ oder zusätzlich wird abhängig von der Evaluierung des jeweiligen Sensorsystems eine Platzierung des Umfeldsensors im Fahrzeug vorgenommen. Alternativ oder zusätzlich wird abhängig von der Evaluierung des jeweiligen Sensorsystems eine Ausrichtung des Umfeldsensors bezüglich des Fahrzeugs vorgenommen. In anderen Worten kann das Simulationsergebnis gezielt dazu genutzt werden, die Umfeldsensoren des realen Sensorsystems bestmöglich im realen Fahrzeug zu integrieren, um so zu einem sicheren Betrieb des Fahrzeugs beizutragen.In an advantageous embodiment according to the second aspect, a selection of the at least one environment sensor is made depending on the evaluation of the respective sensor system. Alternatively or additionally, depending on the evaluation of the respective sensor system, the environment sensor is placed in the vehicle. Alternatively or additionally, depending on the evaluation of the respective sensor system, the surroundings sensor is aligned with respect to the vehicle. In other words, the simulation result can be used specifically to integrate the environment sensors of the real sensor system in the real vehicle in the best possible way in order to contribute to the safe operation of the vehicle.
In einer vorteilhaften Ausgestaltung gemäß dem zweiten Aspekt wird das jeweilige Sensormodell in dem Schritt A2) abhängig von einem vorgegebenen Satz an Sensorparametern ermittelt, die repräsentativ sind für die physikalischen Eigenschaften des jeweiligen Umfeldsensors bei Abbildung eines realen Umfelds des Fahrzeugs mittels realer Messung durch den jeweiligen Umfeldsensor. Die Sensorparameter können insbesondere einen oder mehrere folgender Parameter umfassen: eine Messgenauigkeit des Umfeldsensors, eine Detektionswahrscheinlichkeit des Umfeldsensors, eine Reichweite des Umfeldsensors, einen Sichtkegel des Umfeldsensors (sogenanntes „Field of view“, FOV). Die Sensorparameter entsprechen beispielhaft Erkenntnissen aus Testmessungen und/oder Datenblattangaben. Die Sensorparameter sind variabel und werden insbesondere so eingestellt, dass sie den zu betrachtenden Umfeldsensor möglichst gut repräsentieren und so den für den entsprechenden Umfeldsensor den vorgegebenen Satz an Sensorparametern bilden. Zum Einstellen der Sensorparameter können Angaben aus Sensor-Datenblättern und Messprotokollen entnommen oder aus Testmessungen mit dem einzelnen Umfeldsensor abgeleitet werden. Alternativ ist es möglich, ein durch den Hersteller des Umfeldsensors bereitgestelltes Sensormodell heranzuziehen, das den entsprechenden Umfeldsensor mit hoher Übereinstimmung repräsentiert. Wird solch ein Sensormodell des jeweiligen Sensorherstellers genutzt, so kann auf eine Einstellung der Sensorparameter verzichtet werden. Sind Sensormodelle seitens der Sensorhersteller zu dem Zeitpunkt des Sensorsetup-Entwurfs nicht verfügbar, können durch Einstellung der Sensorparameter eigene Sensormodelle erstellt und zusätzlich neue Sensoreigenschaften getestet werden, die in verfügbaren Sensoren noch nicht realisiert sind, um so auch Anforderungen an zukünftige Sensortechnologien ableiten zu können.In an advantageous embodiment according to the second aspect, the respective sensor model is determined in step A2) as a function of a predetermined set of sensor parameters that are representative of the physical properties of the respective environment sensor when mapping a real environment of the vehicle by means of real measurements by the respective environment sensor . The sensor parameters can in particular include one or more of the following parameters: a measurement accuracy of the environment sensor, a detection probability of the environment sensor, a range of the environment sensor, a cone of vision of the environment sensor (so-called “field of view”, FOV). The sensor parameters correspond, for example, to findings from test measurements and / or data sheet information. The sensor parameters are variable and are set in particular in such a way that they represent the environment sensor to be viewed as well as possible and thus form the set of sensor parameters specified for the corresponding environment sensor. To set the sensor parameters, information can be taken from sensor data sheets and measurement protocols or derived from test measurements with the individual environment sensor. Alternatively, it is possible to use a sensor model provided by the manufacturer of the environment sensor, which represents the corresponding environment sensor with a high degree of correspondence. If such a sensor model from the respective sensor manufacturer is used, then there is no need to set the sensor parameters. If sensor models are not available from the sensor manufacturer at the time of the sensor setup design, custom sensor models can be created by setting the sensor parameters and new sensor properties can be tested that are not yet implemented in available sensors in order to derive requirements for future sensor technologies.
Das Verfahren wird im Anschluss an den Schritt E2) in dem Schritt A2) iterativ fortgesetzt. Abhängig von der Evaluierung wird bzw. werden wenigstens einer der Sensorparameter und/oder einer der Konfigurationsparameter variiert. Das Verfahren wird solange iteriert, bis die Evaluierung des jeweiligen Sensorsystems einen Hochpunkt erreicht oder sämtliche Sensorparameter des Satzes variiert wurden. Ein solcher iterativer Prozess wird im Folgenden auch als „Closed-loop Simulation“ bezeichnet. Durch Rückkopplung der Evaluierung, insbesondere KPIs, können die dem Sensormodell bzw. den virtuellen Sensordaten zugrundeliegenden Einflussgrößen und damit auch das entsprechende Sensorsystem variiert und optimiert werden. Beispielhaft kann der vorgegebene Satz an Sensorparametern in jeder Iteration geändert werden, bis alle möglichen Kombinationen variiert wurden. Alternativ können auch Modellbildungsstrategien aus dem sogenannten Bereich „Design of Experiments“, DoE, zum Einsatz kommen. Sobald erkennbar wird, dass die Variation einer Einflussgröße nach mehreren Durchläufen nicht zu einer Änderung der Evaluierung führt, wird zum nächsten Einflussgröße übergegangen, so dass nur relevante Einflussgrößen in Richtung des gesuchten Optimums variiert werden müssen.Following step E2), the method is iteratively continued in step A2). Depending on the evaluation, at least one of the sensor parameters and / or one of the configuration parameters is or are varied. The process is iterated until the evaluation of the respective sensor system reaches a high point or all sensor parameters of the set have been varied. Such an iterative process is also referred to below as “closed-loop simulation”. By feedback from the evaluation, in particular KPIs, the influencing variables on which the sensor model or the virtual sensor data and thus also the corresponding sensor system are based can be varied and optimized. For example, the specified set of sensor parameters can be changed in each iteration until all possible combinations have been varied. Alternatively, modeling strategies from the so-called “Design of Experiments”, DoE, can also be used. As soon as it becomes apparent that the variation of an influencing variable after several runs does not lead to a change in the evaluation, the next influencing variable is switched on, so that only relevant influencing variables have to be varied in the direction of the desired optimum.
In einer vorteilhaften Ausgestaltung gemäß dem zweiten Aspekt dienen die in dem Schritt C2) erzeugten mehreren verschiedenen virtuellen Sensorsysteme als initiale Population eines genetischen Algorithmus. Die mehreren verschiedenen virtuellen Sensorsysteme bestehen dabei jeweils aus einem oder mehreren Konfigurationsbereichen. Als Konfigurationsbereich wird hier und im Folgenden ein austauschbarer Teil eines virtuellen Sensorsystems verstanden, welcher durch einen Teil eines anderen virtuellen Sensorsystems ersetzt werden kann. Beispielhaft umfasst ein solcher Teil einen oder mehrere spezifische Umfeldsensoren samt entsprechender Konfiguration wie Position, Ausrichtung und Typ.In an advantageous embodiment according to the second aspect, the multiple different virtual sensor systems generated in step C2) serve as the initial population of a genetic algorithm. The several different virtual sensor systems each consist of one or more configuration areas. Here and in the following, a configuration area is understood to be an exchangeable part of a virtual sensor system which can be replaced by a part of another virtual sensor system. By way of example, such a part comprises one or more specific environment sensors together with the corresponding configuration such as position, orientation and type.
Der genetische Algorithmus umfasst folgende Schritte: In einem Schritt A3) wird für jedes der mehreren verschiedenen virtuellen Sensorsysteme abhängig von einer Anzahl von Umfeldsensoren des jeweiligen Sensorsystems sowie eines jeweiligen Sensortyps der Umfeldsensoren des jeweiligen Sensorsystems ein Kostenkennwert des jeweiligen Sensorsystems ermittelt. Als Kostenkennwert kommt neben den Anschaffungs- bzw. Herstellungskosten des jeweiligen Umfeldsensors auch ein Aufwand, welcher mit einem Einbau des entsprechenden Umfeldsensors in das Fahrzeug verbunden ist, in Betracht.The genetic algorithm comprises the following steps: In a step A3), a cost parameter of the respective sensor system is determined for each of the several different virtual sensor systems depending on a number of environment sensors of the respective sensor system and a respective sensor type of the environment sensors of the respective sensor system. In addition to the acquisition or production costs of the respective environment sensor, an expense associated with installing the corresponding environment sensor in the vehicle can also be considered as a cost parameter.
In einem Schritt B3) wird abhängig von der Evaluierung des jeweiligen Sensorsystems ein Nutzenkennwert des jeweiligen Sensorsystems ermittelt. Der Nutzenkennwert kann beispielsweise aus den KPIs abgeleitet werden. Zusätzlich können beispielsweise vorgenannte wichtige Bereiche berücksichtigt werden.In a step B3), a utility parameter of the respective sensor system is determined as a function of the evaluation of the respective sensor system. The benefit value can be derived from the KPIs, for example. In addition, the aforementioned important areas can be taken into account, for example.
In einem Schritt C3) wird ein Verhältnis aus dem Nutzenkennwert zu dem Kostenkennwert ermittelt und geprüft, ob das Verhältnis einen vorgegebenen Schwellenwert überschreitet. Im Falle, dass der vorgegebene Schwellenwert überschritten wird, wird das entsprechende Sensorsystem ausgegeben oder gespeichert.In a step C3), a ratio is determined from the utility parameter to the cost parameter and a check is made to determine whether the ratio exceeds a predetermined threshold value. In the event that the predefined threshold value is exceeded, the corresponding sensor system is output or stored.
Anderenfalls werden in einem Schritt D3) abhängig von dem jeweiligen Verhältnis unterschiedliche Konfigurationsbereiche wenigstens zwei der Sensorsysteme ausgewählt. Dies kann auch als „Select“ Schritt des genetischen Algorithmus bezeichnet werden. Insbesondere werden hierbei die Konfigurationsbereiche der zwei bis drei Sensorsysteme mit dem besten, ermittelten Verhältnis gewählt.Otherwise, in a step D3), different configuration areas of at least two of the sensor systems are selected depending on the respective ratio. This can also be referred to as the “select” step of the genetic algorithm. In particular, the configuration areas of the two to three sensor systems with the best determined ratio are selected here.
In einem Schritt E3) werden die ausgewählten Konfigurationsbereiche in zufälliger Weise zu mehreren virtuellen Sensorsystemen als neue Population des genetischen Algorithmus zusammengesetzt und der genetische Algorithmus mit der neuen Population in dem Schritt A3) iterativ fortgesetzt. Dies kann auch als „Crossover“ Schritt des genetischen Algorithmus bezeichnet werden. Den derart neu erstellten Sensorsystemen können nun in dem Schritt A3) wiederum Kostenkennwerte zugeordnet werden, bis das ermittelte Verhältnis eines der Sensorsysteme in dem Schritt C3) den vorgegebenen Schwellenwert überschreitet. In vorteilhafter Weise kann so eine Optimierung der Einflussgrößen der Umfeldsensoren hinsichtlich der wichtigen Bereiche umgesetzt werden, und insbesondere analysiert werden, wie die Kosten eines Sensorsystems im Verhältnis zu dessen Nutzen stehen.In a step E3), the selected configuration areas are randomly combined to form a plurality of virtual sensor systems as a new population of the genetic algorithm, and the genetic algorithm is iteratively continued with the new population in step A3). This can also be referred to as the “crossover” step of the genetic algorithm. In step A3), the newly created sensor systems can in turn be assigned cost parameters until the determined ratio of one of the sensor systems in step C3) exceeds the predefined threshold value. In this way, an optimization of the influencing variables of the environment sensors with regard to the important areas can advantageously be implemented and, in particular, analyzed, such as the Costs of a sensor system are in relation to its benefits.
In einer vorteilhaften Ausgestaltung gemäß dem zweiten Aspekt wird nach dem Schritt D3) in einem Schritt F3) eine zufällige Variation wenigstens eines der ausgewählten Konfigurationsbereiche als Mutation in dem genetischen Algorithmus vorgenommen. In vorteilhafter Weise kann so eine Diversität der erzeugten Sensorsysteme erhöht werden.In an advantageous embodiment according to the second aspect, after step D3), in a step F3), a random variation of at least one of the selected configuration areas is carried out as a mutation in the genetic algorithm. In this way, the diversity of the sensor systems produced can advantageously be increased.
In einer vorteilhaften Ausgestaltung gemäß dem zweiten Aspekt wird das wenigstens eine Umfeldmodell in dem Schritt B2) abhängig von einem vorgegebenen Satz an Szenarioparametern ermittelt. Die Szenarioparameter sind repräsentativ für ein vorgegebenes Fahrmanöver des virtuellen Fahrzeugs. Als Szenarioparameter sind beispielhaft eine Geschwindigkeit des virtuellen Fahrzeugs oder ein Kurvenradius der virtuell befahrenen Strecke zu nennen.In an advantageous embodiment according to the second aspect, the at least one environment model is determined in step B2) as a function of a predetermined set of scenario parameters. The scenario parameters are representative of a predefined driving maneuver of the virtual vehicle. Scenario parameters include, for example, a speed of the virtual vehicle or a curve radius of the virtually traveled route.
Das Verfahren wird im Anschluss an den Schritt E2) in dem Schritt B2) iterativ fortgesetzt. Abhängig von der Evaluierung wird wenigstens einer der Szenarioparameter variiert. Das Verfahren wird solange iteriert, bis die Evaluierung des jeweiligen Sensorsystems einen Tiefpunkt erreicht oder sämtliche Szenarioparameter des Satzes variiert wurden. Ein solcher iterativer Prozess wird wie bereits erläutert auch als „Closed-loop Simulation“ bezeichnet. Durch Rückkopplung der Evaluierung, insbesondere KPIs, können die dem Umfeldmodell zugrundeliegenden Einflussgrößen und damit auch das entsprechende Sensorsystem variiert und optimiert werden. Beispielhaft kann der vorgegebene Satz an Szenarioparametern in jeder Iteration geändert werden, bis alle möglichen Kombinationen variiert wurden. Alternativ können auch Modellbildungsstrategien aus dem sogenannten Bereich „Design of Experiments“, DoE, zum Einsatz kommen. Sobald erkennbar wird, dass die Variation einer Einflussgröße nach mehreren Durchläufen nicht zu einer Änderung der Evaluierung führt, wird zum nächsten Einflussgröße übergegangen, so dass nur relevante Einflussgrößen in Richtung des gesuchten Optimums variiert werden müssen. Durch Variieren der Szenarioparameter, bis die Evaluierung, insbesondere die entsprechenden KPIs, einen Tiefpunkt erreicht bzw. erreichen, kann eine negative Optimierung umgesetzt werden, durch die automatisiert ein Worst-Case-Szenario einschließlich der Leistungsfähigkeit des jeweiligen Sensorsystems hierin bestimmt werden kann.The method is iteratively continued after step E2) in step B2). Depending on the evaluation, at least one of the scenario parameters is varied. The method is iterated until the evaluation of the respective sensor system reaches a low point or all scenario parameters of the set have been varied. As already explained, such an iterative process is also referred to as “closed-loop simulation”. By feedback from the evaluation, in particular KPIs, the influencing variables on which the environment model is based and thus also the corresponding sensor system can be varied and optimized. For example, the specified set of scenario parameters can be changed in each iteration until all possible combinations have been varied. Alternatively, modeling strategies from the so-called “Design of Experiments”, DoE, can also be used. As soon as it becomes apparent that the variation of an influencing variable after several runs does not lead to a change in the evaluation, the next influencing variable is switched on, so that only relevant influencing variables have to be varied in the direction of the desired optimum. By varying the scenario parameters until the evaluation, in particular the corresponding KPIs, reaches or reaches a low point, a negative optimization can be implemented through which a worst-case scenario including the performance of the respective sensor system can be determined automatically.
Gemäß einem dritten Aspekt betrifft die Erfindung eine Vorrichtung zur Simulation eines Sensorsystems für ein Fahrzeug. Das Sensorsystem weist einen oder mehrere Umfeldsensoren auf. Die Vorrichtung ist eingerichtet, das Verfahren gemäß dem ersten Aspekt auszuführen. Bei der Vorrichtung handelt es sich insbesondere um eine Recheneinheit wie einen Computer.According to a third aspect, the invention relates to a device for simulating a sensor system for a vehicle. The sensor system has one or more environment sensors. The device is set up to carry out the method according to the first aspect. The device is in particular a processing unit such as a computer.
Gemäß einem vierten Aspekt betrifft die Erfindung eine Vorrichtung zum Entwurf eines Sensorsystems zur Umfelddetektion für ein Fahrzeug. Die Vorrichtung ist eingerichtet, das Verfahren gemäß dem zweiten Aspekt auszuführen. Bei der Vorrichtung handelt es sich insbesondere um eine Recheneinheit wie einen Computer.According to a fourth aspect, the invention relates to a device for designing a sensor system for detecting surroundings for a vehicle. The device is set up to carry out the method according to the second aspect. The device is in particular a processing unit such as a computer.
Gemäß einem fünften Aspekt betrifft die Erfindung ein Computerprogramm umfassend Befehle, die bei der Ausführung des Computerprogramms durch einen Computer diesen veranlassen, das Verfahren gemäß dem ersten oder zweiten Aspekt auszuführen.According to a fifth aspect, the invention relates to a computer program comprising instructions which, when the computer program is executed by a computer, cause the computer to execute the method according to the first or second aspect.
Gemäß einem sechsten Aspekt betrifft die Erfindung ein computerlesbares Speichermedium, auf dem das Computerprogramm gemäß dem fünften Aspekt gespeichert ist.According to a sixth aspect, the invention relates to a computer-readable storage medium on which the computer program according to the fifth aspect is stored.
Ausführungsbeispiele der Erfindung sind im Folgenden anhand der schematischen Zeichnungen näher erläutert.Embodiments of the invention are explained in more detail below with reference to the schematic drawings.
Es zeigen:
-
1 ein Fahrzeug mit einem Sensorsystem zur Umfelddetektion, -
2 ein Schema zur Bewertung eines Sensorsystems, -
3 eine Datenverarbeitungskette zur Umfelddetektion im automatisierten Fahrzeug, -
4 ein weiteres Schema zur Bewertung eines Sensorsystems, -
5 eine schematische Darstellung eines Verfahrens zur Simulation eines Sensorsystems, -
6 beispielhafter Vergleich statistischer und globaler Bewertungskennzahlen, -
7 beispielhafte Illustration globaler Bewertungskennzahlen, -
8 eine schematische Darstellung eines weiteren Verfahrens zur Simulation eines Sensorsystems, -
9 beispielhaftes Schema zur Optimierung eines Sensorsystems mittels Rückkopplung, -
10 eine beispielhafte gewichtete Evaluierung anhand wichtiger Bereiche, -
11 ein Ablaufdiagramm eines beispielhaften Verfahrens zur Erzeugung eines Umfeldmodells, -
12 ein Ablaufdiagramm eines beispielhaften Verfahrens zur Simulation eines Sensorsystems für ein Fahrzeug, und -
13 ein Ablaufdiagramm eines beispielhaften Verfahrens zum Entwurf eines Sensorsystems zur Umfelddetektion für ein Fahrzeug.
-
1 a vehicle with a sensor system for detecting the surroundings, -
2 a scheme for evaluating a sensor system, -
3 a data processing chain for the detection of the surroundings in the automated vehicle, -
4th another scheme for evaluating a sensor system, -
5 a schematic representation of a method for simulating a sensor system, -
6th exemplary comparison of statistical and global valuation indicators, -
7th exemplary illustration of global valuation indicators, -
8th a schematic representation of a further method for simulating a sensor system, -
9 exemplary scheme for optimizing a sensor system by means of feedback, -
10 an exemplary weighted evaluation based on important areas, -
11 a flowchart of an exemplary method for generating an environment model, -
12th a flowchart of an exemplary method for simulating a sensor system for a vehicle, and -
13th a flowchart of an exemplary method for designing a sensor system for environment detection for a vehicle.
Elemente gleicher Konstruktion oder Funktion sind figurenübergreifend mit den gleichen Bezugszeichen versehen.Elements of the same construction or function are provided with the same reference symbols in all the figures.
Anhand
Mit steigendem Automatisierungsgrad von Fahrzeugen
In
Das Sensorverhalten
Bei der Sensor-Bewertung
Für die Bewertung verschiedener Sensorsetup-Konfigurationen zum Zeitpunkt der Fahrzeug-Konzepterstellung existiert aktuell kein methodisches Vorgehen. Bislang waren die Setups für die Fahrerassistenzsysteme (FAS) mit bspw. einer Kamera, einem Radar und vier Ultraschallsensoren jeweils vorne und hinten am Fahrzeug
Ein Ziel ist es daher, ein konsistentes und objektives Bewertungs- und Auswahlverfahren für Sensorsetups zu schaffen. Der hohen Komplexität, die sich aus steigenden (Sicherheits-)Anforderungen an das Setup, der Vielzahl an möglichen Setup-Variationen und der Diversität für verschiedene Fahrzeugtypen / Derivate ergibt, gilt es entgegenzutreten. Es soll eine Alternative geschaffen werden zu Setup-Betrachtungen anhand von Skizzen/3D-Ansichten der Sensor-Sichtbereiche, die mit zunehmender Sensoranzahl unübersichtlich werden und keine aussagekräftige Bewertung bezüglich der Erkennungs-Performance erlauben. Derartige Setup-Betrachtungen diskutieren die Sensor-Anordnung und Integration am jeweiligen Fahrzeugtyp ohne quantitative Bewertung und Vergleichbarkeit verschiedener Lösungsmöglichkeiten. Auch eine ledigliche Betrachtung des Fahrzeugs
Für die Auslegung und Bewertung von Sensorsetups und neuen Sensortechnologien wird daher ein dreistufiges Verfahren vorgeschlagen (siehe
Die im Schritt
Anhand der
Hierbei ist vorgesehen, dass der folgende Simulationsworkflow auf „High-Level-Ebene“ abläuft, d.h. die Ground Truth Daten
Die Simulation kann in zwei verschiedenen Modi, einem Open-Loop Modus sowie einem Closed-Loop Modus genutzt werden. In einer ersten Ausführungsvariante wird die Simulation im Open-Loop Modus betrieben (
Der Simulationsworkflow ist in zwei Teile gegliedert: Im ersten Teil werden mit einer Umgebungssimulation
Die in dem ersten Teil generierten virtuellen Fahrszenarien
Der Sensorsimulations-
- Ein erstes Modul betrifft die Simulation der Sensordaten
SD aller Sensoren 1-n eines Setups 10: Hier wird das virtuelle Sensorsetup konfiguriert und SensormodelleSM der einzelnen Sensoren 1-n erstellt. Über eine grafische Benutzeroberfläche (GUI) können zudem EigenschaftenSE der einzelnen Sensoren des Setups (entsprechend der gewonnenen Informationen aus SchrittI des Drei-Stufen-Modells in4 ) eingestellt werden. Insbesondere können hierbei sowohl die im allgemeinen Teil der Beschreibung genannten Sensorparameter als auch die im allgemeinen Teil der Beschreibung genannten Konfigurationsparameter als EigenschaftenSE variiert werden. Bei den SensormodellenSM handelt es sich um generische probabilistische Sensormodelle, die für jeden virtuellen Sensor des Setups entsprechend der jeweiligen sensorspezifischen WerteSK (u.a. Sensorposition am Fahrzeug, Messgenauigkeit, Detektionswahrscheinlichkeit) eingestellt werden, um den realen Sensor 1-n möglichst präzise in der Simulation zu repräsentieren. Bei Bedarf ist es jedoch auch möglich, über ein Software Development Kit (SDK) / ProgrammCode neue SensormodelleSM hinzuzufügen oder die bestehenden SensormodelleSM anzupassen, um das Tool für neuartige Sensortechnologien zu erweitern. An dieser Stelle besteht die Möglichkeit, die Parameter der Sensorsetup-Konfiguration über ein Optimierungstool automatisiert zu optimieren wie anhand8 und dem Closed-Loop Modus geschildert. Zusammengefasst werden in dem ersten Modul die Ground Truth DatenUD entsprechend den Einstellungen der probabilistischen SensormodelleSM modifiziert und als simulierte SensordatenSD ausgegeben.
- A first module concerns the simulation of the sensor data
SD of all sensors 1-n of a setup 10: The virtual sensor setup and sensor models are configured hereSM of the individual sensors 1-n created. Via a graphic User interface (GUI) can also have propertiesSE of the individual sensors of the setup (according to the information obtained from stepI. of the three-step model in4th ) can be set. In particular, both the sensor parameters mentioned in the general part of the description and the configuration parameters mentioned in the general part of the description can be used as propertiesSE can be varied. With the sensor modelsSM These are generic probabilistic sensor models that correspond to the respective sensor-specific values for each virtual sensor in the setupSK (including sensor position on the vehicle, measurement accuracy, detection probability) can be set in order to represent the real sensor 1-n as precisely as possible in the simulation. If necessary, however, it is also possible to use a software development kit (SDK) / program code to add new sensor modelsSM or add the existing sensor modelsSM adapt to expand the tool for novel sensor technologies. At this point there is the option of automatically optimizing the parameters of the sensor setup configuration using an optimization tool, such as using8th and the closed-loop mode. The ground truth data are summarized in the first moduleUD according to the settings of the probabilistic sensor modelsSM modified and as simulated sensor dataSD issued.
In einem zweiten Modul werden die simulierten Sensordaten
In einem dritten Modul werden anschließend die simulierten und fusionierten Sensordaten
Die KPIs können in zwei Typen untergliedert werden:
- 1. Statistische KPIs, beispielsweise die folgenden Metriken:
- - Hausdorff Metrik: größter Abstand zwischen einem Track und dem zugehörigen GT-Wert (Ausreißer).
- - Optimal SubPattern Assignment (OSPA): Zwischen GT und Tracks wird ein globales Optimum hinsichtlich Übereinstimmung (subpattern) gesucht und der gemittelte Abstand zwischen Tracks und den zugehörigen GT-Werten ermittelt. Gibt es mehr GT-Werte als Tracks (oder umgekehrt), fließt dies negativ in die Metrik ein, um False-Positives / False Negatives zu berücksichtigen.
- - Position/Velocity/Acceleration Error: Abstand zwischen Tracks und GT-Werten (in Metern). Gibt die Genauigkeit der Sensordaten an.
- - Normalized Estimation Error Squared (NEES): Abstand zwischen Tracks und GT-Werten in Einheiten der Unsicherheit. Diese Metrik kann auch ein Indikator dafür sein, ob die Unsicherheit (Sensor-Messfehler, Prozessrauschen) als zu groß oder zu klein angenommen wurde (im Sensormodell).
- - Multiple Object Tracker Accuracy (MOTA): Abweichungen zwischen Tracks und zugehörigen GT-Werten aufsummiert und geteilt durch die Anzahl aller Zuordnungen (gemittelter Fehler).
- - Multiple Object Tracker Performance (MOTP): False-Positives, False-Negatives und Falsch-Zuordnungen aufsummiert und geteilt durch die Objektanzahl.
- - Detektionsrate: Anzahl der Tracks geteilt durch die Anzahl der GTs (innerhalb von Sensor-FOVs).
- - Falsch-Alarm-Rate: Anzahl an Tracks, die keinem GT-Wert zugeordnet werden konnten, geteilt durch die Gesamtanzahl an Zuordnungen.
- 2. Globale KPIs (zur Differenzierung verschiedener Setup-Konfigurationen), beispielsweise die folgenden Metriken:
- - Objekt-Detektionszeit: Wann wurde ein Objekt vom Sensorsystem erkannt (Track angelegt); Welcher Abstand liegt hier zum Objekt vor? Ist der Bremsweg (bei gegebener Geschwindigkeit) höher als der vorhandene Abstand zum Objekt, sodass es zu einem Unfall kommen würde oder reicht die Zeit aus, um noch bremsen zu können?
- - Erfassungsrate: Anzahl der Tracks geteilt durch die Anzahl aller GTs (unabhängig davon, ob die GT-Werte innerhalb eines Sensor-FOVs liegen oder nicht).
- - Sensor-aufgelöste Erfassungsrate: Übersicht, welcher Sensor zu welchem Track beigetragen hat, um Redundanz aufzuzeigen.
- 1. Statistical KPIs, such as the following metrics:
- - Hausdorff metric: largest distance between a track and the associated GT value (outlier).
- - Optimal SubPattern Assignment (OSPA): A global optimum with regard to correspondence (subpattern) is sought between GT and tracks and the averaged distance between tracks and the associated GT values are determined. If there are more GT values than tracks (or vice versa), this flows negatively into the metric in order to take false positives / false negatives into account.
- - Position / Velocity / Acceleration Error: Distance between tracks and GT values (in meters). Indicates the accuracy of the sensor data.
- - Normalized Estimation Error Squared (NEES): Distance between tracks and GT values in units of uncertainty. This metric can also be an indicator of whether the uncertainty (sensor measurement error, process noise) was assumed to be too large or too small (in the sensor model).
- - Multiple Object Tracker Accuracy (MOTA): Deviations between tracks and associated GT values summed up and divided by the number of all assignments (averaged errors).
- - Multiple Object Tracker Performance (MOTP): false positives, false negatives and false assignments summed up and divided by the number of objects.
- - Detection rate: number of tracks divided by the number of GTs (within sensor FOVs).
- - False alarm rate: Number of tracks that could not be assigned a GT value, divided by the total number of assignments.
- 2. Global KPIs (to differentiate between different setup configurations), for example the following metrics:
- - Object detection time: When was an object recognized by the sensor system (track created); What is the distance to the object here? Is the braking distance (at a given speed) greater than the existing distance to the object, so that an accident would occur, or is there enough time to be able to brake?
- - Acquisition rate: number of tracks divided by the number of all GTs (regardless of whether the GT values are within a sensor FOV or not).
- - Sensor-resolved acquisition rate: overview of which sensor contributed to which track in order to show redundancy.
Anhand dieser Ergebnisse kann die Performance der getesteten Sensorsetups quantitativ und objektiv bewertet werden. Die KPI-Berichte P sowie anschließend mögliche Kosten-Nutzen-Analysen
Anhand der
- Links (1.) ist die Erkennungszeit „Zuerst gesehen“ und/oder Abstandsrate „Bremsweg / Objektabstand“ verschiedener Objekte (Objekt IDs #1-#4) dargestellt. Es wird geprüft, wann ein Objekt zum ersten Mal gesehen wird, insbesondere um eine „Unfallprognose“ unter Berücksichtigung des Bremsweges in die Evaluierung einfließen lassen zu können.
- On the left (1.) the detection time “first seen” and / or the distance rate “braking distance / object distance” of various objects (object IDs # 1- # 4) is shown. It is checked when an object is seen for the first time, in particular in order to be able to incorporate an "accident prognosis" into the evaluation, taking the braking distance into account.
Mittig links (2.) sind die Erkennungszeiträume „insgesamt“ dargestellt. Es wird geprüft, welche Objekte bei jedem Zeitschritt erkannt werden.In the middle on the left (2.) the detection periods “in total” are shown. It is checked which objects are recognized at each time step.
Mittig rechts sind die Erfassungszeiträume „pro Sensor“ dargestellt, und zwar für einen Lidar (3a), einen Radar (3b) und eine Kamera (3c). Es wird geprüft, welche Objekte von welchem Sensor zu jedem Zeitpunkt erfasst werden.In the middle on the right, the acquisition periods “per sensor” are shown for a lidar (3a), a radar (3b) and a camera (3c). It is checked which objects are detected by which sensor at any point in time.
Rechts (4.) ist die globale Erkennungsrate dargestellt, um eine Abdeckung der Umgebung zu berücksichtigen.On the right (4th) the global recognition rate is shown in order to take into account coverage of the surrounding area.
In einer zweiten Ausführungsvariante wird die Simulation im Closed-Loop Modus betrieben (
In einem ersten Ausführungsbeispiel gemäß der zweiten Ausführungsvariante wird die Rückkopplung
Mithilfe eines Optimierungstools
Es ist auch möglich, die KPIs direkt als Feedback an ein Optimierungstool
Die Änderung der Szenarien-Parameter innerhalb des Optimierungstools
In einer optionalen Ausgestaltung können bei der Szenarien-Betrachtung vorab die sogenannten „Regions of Interest“ (
In einem zweiten Ausführungsbeispiel gemäß der zweiten Ausführungsvariante wird die Rückkopplung
Ähnlich zu der Szenarien-Variation gemäß dem ersten Ausführungsbeispiel können auch die Setup-Konfigurationen sowie die einzelnen Parameter der Sensormodelle
Die Optimierung hinsichtlich der KPIs kann analog zu den Szenarien erfolgen. Der Parametersatz wird beispielhaft nach dem Schema gemäß
Bei der Optimierung hinsichtlich der Heatmap kann wie oben beschrieben eine Heatmap erstellt werden, die die Bereiche um das Fahrzeug
Mithilfe eines genetischen Algorithmus kann automatisiert ein optimales Setup gefunden werden. Hierzu wird zunächst ein initiales Set an verschiedenen Setups definiert (
Aus dem vorherigen (im ersten Durchlauf aus dem initialen) Setup-Set (Population) werden aus den laut Kostenfunktion besten 2-3 Setups jeweils unterschiedliche Bereiche ausgewählt (
Das neu erstellte Setup wird wieder anhand der Kostenfunktion bewertet und der Kreislauf beginnt erneut, bis nach mehreren Durchläufen das Setup die Anforderungen der Kostenfunktion erfüllt.The newly created setup is again evaluated using the cost function and the cycle begins again until, after several runs, the setup meets the requirements of the cost function.
Anhand der Ablaufdiagramme der
Das Programm zur Simulation eines Sensorsystems gemäß
Das Programm gemäß
Die beschriebene simulationsbasierte Bewertung von Sensorsetup-Konfigurationen für die Fahrzeug-Umfelderfassung bietet folgende Vorteile:
- Es kann eine virtuelle Testsuite für die Auslegung und Bewertung von Sensorsetups für beliebige Fahrszenarien/Fahrmanöver erzielt werden. Hierbei kann ein einheitlicher, reproduzierbarer Bewertungsprozess, der objektive und vergleichbare Ergebnisse in Form von KPIs liefert, erreicht werden. Dies bietet eine zeitsparende und kostengünstige Lösung zur Beurteilung verschiedener Setup-Varianten für die Vorauswahl / Festlegung auf ein finales Setup. Hierdurch wird ein wichtiges Werkzeug in der frühen Phase der Fahrzeugkonzept-Entwicklung angegeben, das Entwickler beim Setup-Entwurf unterstützt und als fundierte Entscheidungsgrundlage dient. Eine Setup-Analyse hinsichtlich verschiedener Sensor-Einbaupositionen, Sensor-Kombinationen und verschiedener Sensoren/Sensortechnologien wird ermöglicht. Darüber hinaus bietet sich die Möglichkeit einer Performance-Analyse für zu untersuchende Setups (Open-Loop Simulation) oder eine automatisierte Setup-Optimierung für gegebene Fahrzeugmodelle (Closed-Loop Simulation). Es wird zur Aufdeckung von Wirkzusammenhängen beim Zusammenspiel verschiedener Sensoren beigetragen. Eine einfache Nutzung der Simulationsumgebung über eine nutzerfreundliche GUI zum Konfigurieren des virtuellen Sensorsetups und schnelles Anpassen/Einstellen der Sensorparameter wird ermöglicht; gleichzeitig besteht aber auch die Möglichkeit, über das Software Development Kit die Sensormodelle in ihrer Funktionsweise im Programmcode anzupassen oder neue Sensormodelle selbst zu erstellen. Dies kann entscheidend für die Evaluation zukünftiger Sensortechnologien sein, die Anpassungen der bisherigen Sensormodelle erfordern. KPIs ermöglichen eine quantitative und objektive Bewertung der verschiedenen Sensorsetups. Es kann eine übersichtliche Ergebnisübersicht über die jeweilige Setup-Performance in diversen Fahrszenarien erzielt werden. Durch eine implementierte, standardisierte OSI-Schnittstelle kann eine hohe Kompatibilität mit diversen Umgebungssimulationstools erreicht werden. Schließlich kann die Simulation als kompaktes und flexibles Simulationswerkzeug (lauffähig auf einem Notebook) implementiert werden.
- A virtual test suite for the design and evaluation of sensor setups for any driving scenario / driving maneuver can be achieved. A uniform, reproducible evaluation process that delivers objective and comparable results in the form of KPIs can be achieved here. This offers a time-saving and cost-effective solution for assessing different setup variants for the pre-selection / determination of a final setup. This provides an important tool in the early phase of vehicle concept development that supports developers in the setup design and serves as a well-founded basis for decision-making. A setup analysis with regard to different sensor installation positions, sensor combinations and different sensors / sensor technologies is made possible. In addition, there is the option of performing a performance analysis for setups to be examined (open-loop simulation) or automated setup optimization for given vehicle models (closed-loop simulation). It contributes to the discovery of causal relationships in the interaction of different sensors. A simple use of the simulation environment via a user-friendly GUI for configuring the virtual sensor setup and quick adjustment / setting of the sensor parameters is made possible; At the same time, however, it is also possible to use the software development kit to adapt the functionality of the sensor models in the program code or to create new sensor models yourself. This can be decisive for the evaluation of future sensor technologies that require adjustments to the previous sensor models. KPIs enable a quantitative and objective evaluation of the various sensor setups. A clear overview of the results of the respective setup performance can be achieved in various driving scenarios. An implemented, standardized OSI interface enables high compatibility with various environment simulation tools to be achieved. Finally, the simulation can be implemented as a compact and flexible simulation tool (executable on a notebook).
BezugszeichenlisteList of reference symbols
- 100100
- Fahrzeugvehicle
- 1010
- SensorsystemSensor system
- 30, 3130, 31
- Objektobject
- 1, 1*1, 1 *
- Kamera (Prototyp*)Camera (prototype *)
- 2, 2*2, 2 *
- Radar (Prototyp*)Radar (prototype *)
- 3, 3*3, 3 *
- Lidar (Prototyp*)Lidar (prototype *)
- n, n*n, n *
- Ultraschallsensor (Prototyp*)Ultrasonic sensor (prototype *)
- 1111
- SteuereinheitControl unit
- SFSF
- SensordatenfusionSensor data fusion
- HH
- SensorerstellerSensor creator
- DD.
- Datenblattdata sheet
- M, M*M, M *
- Messprotokoll (Automobilhersteller*)Measurement protocol (automobile manufacturer *)
- OO
- AutomobilherstellerAutomobile manufacturer
- CC.
- Sensor-CharakterisierungSensor characterization
- BB.
- Sensor-BewertungSensor evaluation
- SVSV
- Sensorverhalten im VerbundSensor behavior in the network
- TT
- Testfahrttest drive
- PP.
- VorverarbeitungsschrittPreprocessing step
- UU
- UmgebungsmodellEnvironment model
- FF.
- FAS-FunktionFAS function
- AA.
- AktuatorActuator
- I-IIII-III
- Schrittesteps
- USUS
- UmgebungssimulationEnvironment simulation
- SZ, SZ*SZ, SZ *
- virtuelle Fahrszenarien (optimiert *)virtual driving scenarios (optimized *)
- SGSG
- Fahrszenarien-Generierung Driving scenario generation
- UMAROUND
- UmfeldmodellEnvironment model
- UDUD
- UmfelddatenEnvironment data
- SSSS
- SensorsimulationSensor simulation
- APAP
- Analyse-PartAnalysis part
- LL.
- Live-ModusLive mode
- RR.
- Aufzeichnungs-ModusRecording mode
- KK
- SzenarienkatalogScenario catalog
- SESE
- Sensor-EigenschaftenSensor properties
- SM, SM*SM, SM *
- Sensormodell (optimiert*)Sensor model (optimized *)
- SKSK
- sensorspezifische Wertesensor-specific values
- SDSD
- simulierte Sensordatensimulated sensor data
- FDFD
- FusionsdatenFusion data
- PP.
- Ergebnis-ReportResults report
- K/NK / N
- Kosten-Nutzen-AnalyseCost-benefit analysis
- OLOIL
- Open-Loop-AnteilOpen loop portion
- CLCL
- RückkopplungFeedback
- OPOP
- OptimierungstoolOptimization tool
- NONO
- PrüfschrittTest step
- VSPVSP
- ÄnderungsschrittChange step
- R1-R3R1-R3
- ROI-ErmittlungsschrittROI determination step
- ROI, ROI*ROI, ROI *
- wichtiger Bereich (gewichtet*)important area (weighted *)
- KPIKPI
- BewertungskennzahlValuation indicator
- A1-G3A1-G3
- ProgrammschritteProgram steps
Claims (15)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019124504.4A DE102019124504A1 (en) | 2019-09-12 | 2019-09-12 | Method and device for simulating and evaluating a sensor system for a vehicle as well as method and device for designing a sensor system for environment detection for a vehicle |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019124504.4A DE102019124504A1 (en) | 2019-09-12 | 2019-09-12 | Method and device for simulating and evaluating a sensor system for a vehicle as well as method and device for designing a sensor system for environment detection for a vehicle |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102019124504A1 true DE102019124504A1 (en) | 2021-04-01 |
Family
ID=74872897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102019124504.4A Pending DE102019124504A1 (en) | 2019-09-12 | 2019-09-12 | Method and device for simulating and evaluating a sensor system for a vehicle as well as method and device for designing a sensor system for environment detection for a vehicle |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102019124504A1 (en) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114802284A (en) * | 2022-02-16 | 2022-07-29 | 武汉路特斯汽车有限公司 | Vehicle perception performance evaluation method and system |
DE102021205072A1 (en) | 2021-05-19 | 2022-11-24 | Zf Friedrichshafen Ag | Computer-implemented method and computer program for obtaining a performance indicator for at least one sensor |
DE102021206033A1 (en) | 2021-06-14 | 2022-12-15 | Continental Autonomous Mobility Germany GmbH | Method for determining the position and orientation of ultrasonic sensors on a vehicle |
EP4198482A1 (en) * | 2021-12-17 | 2023-06-21 | dSPACE GmbH | Generation of test data with consistent initial conditions for stimulating a controller to be tested |
DE102022107158A1 (en) | 2022-03-25 | 2023-09-28 | Iav Gmbh Ingenieurgesellschaft Auto Und Verkehr | Method for testing automated systems |
DE102022118631A1 (en) | 2022-07-26 | 2024-02-01 | Dr. Ing. H.C. F. Porsche Aktiengesellschaft | Method, system and computer program product for validating a driver assistance system (ADAS) and/or an automated driving system (ADS) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008001256A1 (en) * | 2008-04-18 | 2009-10-22 | Robert Bosch Gmbh | A traffic object recognition system, a method for recognizing a traffic object, and a method for establishing a traffic object recognition system |
DE102009053509A1 (en) * | 2009-11-16 | 2011-05-19 | Valeo Schalter Und Sensoren Gmbh | Method for simulative determination of measuring characteristics of virtually modeled sensor at passenger car, involves moving passenger car relative to object during time interval between time points of transmitting and receiving signals |
DE102010013943A1 (en) * | 2010-04-06 | 2011-10-06 | Audi Ag | Method and device for a functional test of an object recognition device of a motor vehicle |
DE102013212710A1 (en) * | 2013-05-16 | 2014-11-20 | Siemens Aktiengesellschaft | Sensor product, simulator and method for simulating sensor measurements, merging sensor measurements, validating a sensor model and designing a driver assistance system |
-
2019
- 2019-09-12 DE DE102019124504.4A patent/DE102019124504A1/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008001256A1 (en) * | 2008-04-18 | 2009-10-22 | Robert Bosch Gmbh | A traffic object recognition system, a method for recognizing a traffic object, and a method for establishing a traffic object recognition system |
DE102009053509A1 (en) * | 2009-11-16 | 2011-05-19 | Valeo Schalter Und Sensoren Gmbh | Method for simulative determination of measuring characteristics of virtually modeled sensor at passenger car, involves moving passenger car relative to object during time interval between time points of transmitting and receiving signals |
DE102010013943A1 (en) * | 2010-04-06 | 2011-10-06 | Audi Ag | Method and device for a functional test of an object recognition device of a motor vehicle |
DE102013212710A1 (en) * | 2013-05-16 | 2014-11-20 | Siemens Aktiengesellschaft | Sensor product, simulator and method for simulating sensor measurements, merging sensor measurements, validating a sensor model and designing a driver assistance system |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102021205072A1 (en) | 2021-05-19 | 2022-11-24 | Zf Friedrichshafen Ag | Computer-implemented method and computer program for obtaining a performance indicator for at least one sensor |
DE102021206033A1 (en) | 2021-06-14 | 2022-12-15 | Continental Autonomous Mobility Germany GmbH | Method for determining the position and orientation of ultrasonic sensors on a vehicle |
WO2022262909A1 (en) * | 2021-06-14 | 2022-12-22 | Continental Autonomous Mobility Germany GmbH | Method for determining the position and orientation of ultrasonic sensors on a vehicle |
EP4198482A1 (en) * | 2021-12-17 | 2023-06-21 | dSPACE GmbH | Generation of test data with consistent initial conditions for stimulating a controller to be tested |
CN114802284A (en) * | 2022-02-16 | 2022-07-29 | 武汉路特斯汽车有限公司 | Vehicle perception performance evaluation method and system |
DE102022107158A1 (en) | 2022-03-25 | 2023-09-28 | Iav Gmbh Ingenieurgesellschaft Auto Und Verkehr | Method for testing automated systems |
DE102022118631A1 (en) | 2022-07-26 | 2024-02-01 | Dr. Ing. H.C. F. Porsche Aktiengesellschaft | Method, system and computer program product for validating a driver assistance system (ADAS) and/or an automated driving system (ADS) |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102019124504A1 (en) | Method and device for simulating and evaluating a sensor system for a vehicle as well as method and device for designing a sensor system for environment detection for a vehicle | |
EP3695244B1 (en) | Method and device for creating an inverse sensor model and method for detecting obstacles | |
EP3438901A1 (en) | Test drive scenario database system for realistic virtual test drive scenarios | |
DE102016220670A1 (en) | Method and system for testing software for autonomous vehicles | |
DE102007053501A1 (en) | Method for developing and / or testing at least one safety and / or driver assistance system for a motor vehicle and simulation environment | |
DE102014208009A1 (en) | Capture static and dynamic objects | |
DE102018128289A1 (en) | METHOD AND DEVICE FOR AUTONOMOUS SYSTEM PERFORMANCE AND CLASSIFICATION | |
DE102005037837A1 (en) | Production method of measuring plan for measurement of 3D-measuring objects, involves measuring plan which is provided under use of genetic algorithms where by finite element model is produce from 3D-rough data record of 3D-measuring object | |
DE102019124018A1 (en) | Method for optimizing tests of control systems for automated vehicle dynamics systems | |
EP3767403B1 (en) | Machine learning based shape and surface measurement for monitoring production | |
WO2021058223A1 (en) | Method for applying automated driving functions efficiently and in a simulated manner | |
EP3757795A1 (en) | Method and device for optimal distribution of test cases to different test platforms | |
EP4193135A1 (en) | Computer-implemented method for providing a test process for traffic scenarios to be tested | |
DE102021100351A1 (en) | ADAPTIVE EXAMINATION FOR LIDAR-BASED GROUPING | |
DE102022112059B3 (en) | Method, system and computer program product for calibrating and validating a driver assistance system (ADAS) and/or an automated driving system (ADS) | |
DE102022100549A1 (en) | RANKED FAULT CONDITIONS | |
WO2019119011A1 (en) | Behaviour model of an environment sensor | |
DE102019130096A1 (en) | Method for determining radar information, simulation method, classification method, computer program and calculation system | |
DE102020214596A1 (en) | Method for generating training data for a recognition model for recognizing objects in sensor data of an environment sensor system of a vehicle, method for generating such a recognition model and method for controlling an actuator system of a vehicle | |
WO2021165077A1 (en) | Method and device for evaluating image classifiers | |
AT524932B1 (en) | Method and system for testing a driver assistance system for a vehicle | |
DE102005044411A1 (en) | A driver load measuring method, apparatus and program for a vehicle accompanied by changes in position, and a storage medium for storing the program | |
WO2022063900A1 (en) | Method for fusing environment-related parameters | |
DE102016109596A1 (en) | Computer-aided design of mechatronic systems for describing text-based system specifications | |
DE102020202552A1 (en) | Validation and optimization of a degradation detection of a sensor-specific performance |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R163 | Identified publications notified |