-
Die Erfindung betrifft ein Verfahren und ein System zur Auswahl von Daten für ADAS (Advanced Driver Assistance Systems) und ein Computerprogrammprodukt.
-
Die
US2015300825 offenbart ein Verfahren und ein System zum Betrieb von ADAS. Das Verfahren umfasst das Erzeugen eines Horizonts anhand von Fahrzeugdaten.
-
Ein erfindungsgemäßes Verfahren zur Auswahl von Daten für ADAS umfasst die Schritte:
- - Erfassen von einer Datenmenge durch ein Fahrzeug;
- - Ermitteln einer Untermenge der Datenmenge nach definierten Kriterien;
- - Komprimieren der Untermenge zu einer komprimierten Untermenge;
- - Analysieren der komprimierten Untermenge zwecks Detektion von auffälligen Verläufen durch ein neuronales Netz;
- - Kennzeichnen der Daten und/oder der Untermenge, wenn auffällige Verläufe in der komprimierten Untermenge detektiert wurden.
-
Im Rahmen der Erfindung zeigte sich, dass Fahrzeuge, welche mit einer Vielzahl von Sensoren ausgestattet sind, innerhalb einer Stunde eine große Menge an Sensordaten von mehreren Terrabyte erfassen können. Ein Analyse und/oder ein Transfer dieser Menge an Daten sind sehr kostenintensiv.
-
Dadurch, dass eine Untermenge der Datenmenge ermittelt wird und dadurch, dass diese Untermenge zusätzlich komprimiert wird, wird eine Reduktion der Menge an Daten ermöglicht, welche analysiert werden. Eine Analyse einer kleinen Menge an Daten ist deutlich weniger rechenaufwändig und zeitaufwändig, als eine Analyse einer großen Menge an Daten. Zusätzlich wird durch die kleine Menge an Daten eine ressourcensparende Übertragung der komprimierten Untermenge ermöglicht.
-
Das erfindungsgemäße Verfahren eignet sich bevorzugt zum Bereitstellen von Trainingsdaten und/oder Testdaten für ADAS. Ebenfalls eignet sich das erfindungsgemäße Verfahren bevorzugt für Verkehrssysteme und/oder für eine Kommunikation zwischen verschiedenen Fahrzeugen.
-
ADAS sind bevorzugt Systeme, welche bei autonomen und/oder teilweise autonomen Fahrzeugen zur Steuerung eingesetzt werden. ADAS sind bevorzugt Systeme, die einen Fahrer des Fahrzeugs bei einer Fahrt unterstützen. Die Unterstützung kann dabei verschiedene Grade erreichen bis hin zum autonomen Fahren. ADAS sind bevorzugt fahrzeugintern, können aber auch auf Daten beispielsweise aus dem Internet zugreifen. Weiterhin können ADAS auch als Verkehrssysteme ausgebildet sein, welche in Städten eingesetzt werden, um den Verkehr dort zu regeln.
-
Die von dem Fahrzeug erfasste Datenmenge umfasst bevorzugt Sensordaten von fahrzeuginternen Sensoren. Fahrzeuginterne Sensoren umfassen bevorzugt Lidar Sensoren, Radar Sensoren, Kameras und/oder andere Sensoren wie Lenkwinkelsensoren und/oder Beschleunigungssensoren. Weiter umfasst sind bevorzugt Kartendaten und dabei insbesondere Spurbreiten und Spuranzahl von Fahrbahnen, auf denen sich das Fahrzeug zu einem Zeitpunkt befindet. Die Datenmenge wird bevorzugt für ein definiertes Zeitinterwall erfasst. Die Datenmenge umfasst in diesem Fall Sensordaten für das definierte Zeitinterwall.
-
Die Untermenge umfasst bevorzugt ausgewählte Sensordaten. Die Auswahl erfolgt anhand definierter Kriterien. Die definierten Kriterien werden entsprechend interessanter Anwendungsfälle bestimmt. Durch interessante Anwendungsfälle werden bevorzugt Sensorquellen des Fahrzeugs bestimmt, die für diesen Anwendungsfall relevant sind. Die Sensorquellen erzeugen Sensordaten. Der Anwendungsfall wird bevorzugt von einem Nutzer des Verfahrens manuell vorgegeben.
-
Die Untermenge ist bevorzugt eine mathematische Abbildung der Datenmenge, wobei die bevorzugt umfassten Sensordaten eine niedrigere Dimension in der Untermenge aufweisen als in der Datenmenge.
-
Die Komprimierung erfolgt vorzugsweise dadurch, dass lediglich Verläufe von den bevorzugt umfassten Sensordaten in der komprimierten Untermenge umfasst sind.
-
Absolutwerte aus den Sensorwerten sind in diesem Fall in der komprimierten Untermenge nicht umfasst.
-
Das Analysieren erfolgt bevorzugt derart, dass in der komprimierten Untermenge umfasse Sensordaten auf auffällige Verläufe hin untersucht werden.
-
Das Kennzeichnen erfolgt bevorzugt derart, dass der interessante Anwendungsfall den Daten und/oder der Untermenge vorangestellt wird.
-
Das neuronale Netz wurde bevorzugt trainiert mit der Untermenge und/oder der komprimierten Untermenge. Dies ermöglicht ein präzises Analysieren der komprimierten Untermenge.
-
Ein erfindungsgemäßes System zur Auswahl von Daten für ADAS umfasst ein Fahrzeug mit Fahrzeugsensoren zum Erfassen einer Datenmenge und ein neuronales Netz zur Analyse der Datenmenge.
-
Dadurch, dass das System ein Fahrzeug und ein neuronales Netz umfasst, wird ermöglicht, dass das Erfassen der Daten unabhängig von dem Analysieren erfolgt. Dies ermöglicht es, dass eine effektive Analyse von einem Hochleistungsrechner durchgeführt wird, welcher räumlich getrennt von dem Fahrzeug operiert. Dies ermöglicht eine Reduktion der Analysezeit und eine Erhöhung der Präzision der Analyse.
-
Ein erfindungsgemäßes Computerprogrammprodukt umfasst ein Programm das, wenn es von einem Computer ausgeführt wird, den Computer veranlasst, ein erfindungsgemäßes Verfahren zur Auswahl von Daten für ADAS durchzuführen.
-
Die abhängigen Ansprüche beschreiben vorteilhafte Ausführungsformen der Erfindung.
-
Ein bevorzugtes Ausführungsbeispiel wird anhand der folgenden Figur näher erläutert. Dabei zeigt 1 schematisch ein Ausführungsbeispiel eines erfindungsgemäßen Systems 10 zur Auswahl von Daten für ADAS 3. Das System 10 umfasst ein Fahrzeug 1 mit Fahrzeugsensoren zum Erfassen einer Datenmenge 4 und ein neuronales Netz 2 zur Analyse der Datenmenge 4.
-
Das Fahrzeug 1 umfasst in diesem Ausführungsbeispiel ein Steuergerät zum Erfassen der Datenmenge 4. Das Steuergerät umfasst einen Speicher zum Speichern der Datenmenge 4.
-
Die Datenmenge 4 umfasst in diesem Ausführungsbeispiel Sensordaten, welche von den Fahrzeugsensoren erfasst wurden. Das Fahrzeug 1 ist eingerichtet und ausgebildet, zusätzlich zu in der Datenmenge 4 umfassten Sensordaten auch Daten zu erfassen, welche von externen Quellen zur Verfügung gestellt werden. Dazu zählen Kartendaten und Daten von Verkehrssystemen, wie beispielsweise Daten zu Spurbreiten und Ampelschaltungen.
-
Fahrzeugsensoren sind in diesem Ausführungsbeispiel Lidar Sensoren, Radar Sensoren, Kameras, Lenkwinkelsensoren und Beschleunigungssensoren. Die Datenmenge 4 umfasst in diesem Ausführungsbeispiel Sensordaten, welche in einem Zeitintervall erzeugt wurden. Besonders geeignet sind Zeitintervalle zwischen 0.1 Sekunden und 15 min. Bei einer Fahrt des Fahrzeugs 1 auf der Autobahn bietet sich ein Zeitintervall von 5 min an. Bei einer Fahrt des Fahrzeugs in einer Innenstadt bietet sich ein Zeitintervall von 1 Sekunde an.
-
Das Steuergerät ermittelt die Untermenge 5 nach vorgegebenen und definierten Kriterien. Die definierten Kriterien ergeben sich aus interessanten Anwendungsfällen, welche manuell und durch einen Bediener des Systems 10 vorgegeben werden. Alternativ werden die definierten Kriterien von dem neuronales Netz 2 zur Verfügung gestellt.
-
Für die Anwendungsfälle ergeben sich Sensorquellen, welche für den jeweiligen Anwendungsfall relevant sind. Die definierten Kriterien umfassen demnach Sensorquellen von Fahrzeugsensoren. Die Datenmenge 4 umfasst in diesem Ausführungsbeispiel 1TB an Daten. Die Untermenge umfasst dagegen um einen Faktor 1000 weniger Datenmenge.
-
In diesem Ausführungsbeispiel wird die Untermenge zum Trainieren und/oder Testen eines Spurhalteassistenten eines ADAS 3 eingesetzt. Demnach ergeben sich die Spurbreite und der Abstand zu einem Rand der Spur als relevante Sensorquellen. Sensorquellen erzeugen Sensordaten. Die Sensordaten weisen eine zeitliche Abhängigkeit auf. Informationen für den interessanten Anwendungsfall sind als Metadaten den der Datenmenge 4 und/oder der Untermenge 5 vorangestellt. Dies ermöglicht eine schnelle Zuordnung der der Datenmenge 4 und/oder der Untermenge 5 zu dem interessanten Anwendungsfall.
-
Eine Zuordnung zwischen den Anwendungsfällen und den dafür relevanten Sensorquellen wird ebenfalls von einer externen Quelle bereitgestellt. Alternativ sind hier auch 200 verschiedene Sensordaten relevant. Die Untermenge 5 umfasst die relevanten Sensordaten.
-
Das Steuergerät komprimiert die Untermenge 5 zu einer komprimierten Untermenge 6. Dabei wird in diesem Ausführungsbeispiel lediglich der Verlauf der Sensordaten auf dem internen Speicher des Steuergerätes gespeichert. Absolutwerte der Sensordaten, werden nicht gespeichert. Dies reduziert die Datenmenge der komprimierten Untermenge 6 relativ zur Untermenge 5 vorteilhaft. Der Untermenge wird ebenfalls der interessante Anwendungsfall als Metadaten vorangestellt.
-
Das System 10 umfasst eine Übertragungsvorrichtung zum Übertragen von Daten zwischen dem Fahrzeug und dem neuronalen Netz 2. In diesem Ausführungsbeispiel erfolgt die Übertragung der komprimierten Untermenge 6 von dem Fahrzeug 1 zu dem neuronalen Netz 2, so dass das Analysieren örtlich und/oder räumlich getrennt von dem Erfassen erfolgt. Das neuronale Netz 2 ist räumlich getrennt von dem Fahrzeug 1 ausgebildet. Alternativ ist das Fahrzeug 1 mit einem neuronalen Netz 2 ausgestattet.
-
Die komprimierte Untermenge 6 wird mittels mobiler Netzwerke zu dem neuronales Netz 2 übertragen. Durch die geringe Datenmenge der komprimierten Untermenge 6 wird eine ressourcenschonende Übertragung ermöglicht.
-
In einer Abwandlung dieses Ausführungsbeispiels erfolgt die Übertragung zu dem neuronalen Netz 2 nachdem eine Fahrt, beispielsweise eine Testfahrt des Fahrzeugs 1, abgeschlossen ist. Der Speicherinhalt wird dann mittels Kabelverbindungen zu dem neuronalen Netz 2 übertragen. Dies ermöglicht eine sehr ressourcenschonende.
-
Das neuronale Netz 2 analysiert die komprimierte Untermenge 5 zwecks Detektion von auffälligen Verläufen. Auffällige Verläufe sind in diesem Ausführungsbeispiel plötzliche Ansteige oder Abfälle in den Sensordaten. Insbesondere, wenn in mehreren der relevanten Sensorsignale für eine Zeitspanne plötzliche Anstiege oder Abfälle auftreten, wird die zugehörige Datenmenge 4 gekennzeichnet. So deutet beispielsweise eine plötzliche Verringerung eines Abstandes des Fahrzeugs 1 zu einem vorausfahrenden Fahrzeug einen interessanten Anwendungsfall an. Kommen weitere plötzliche Verlaufsänderungen für andere Sensorverläufe hinzu, so steigt die Wahrscheinlichkeit, dass es sich um einen interessanten Anwendungsfall handelt. Beispielhaft hierfür wäre ein zusätzlicher Anstieg im Verlauf der Beschleunigung des Fahrzeugs 1.
-
Dadurch, dass die Analyse von dem neuronalen Netz 2 durchgeführt wird, wird eine besonders effiziente Detektion von auffälligen Verläufen 7 ermöglicht.
-
Wurden auffällige Verläufe in Sensordaten gefunden, wird die Untermenge 6 von dem neuronalen Netz 2 gekennzeichnet. Dabei werden eine Beschreibung des Anwendungsfalls und die Sensorquellen, für die auffällige Verläufe gefunden wurden, als Metadaten der Untermenge 6 vorangestellt.
-
Das neuronale Netz 2 wurde trainiert mit Daten, welche der Untermenge 5 und/oder der komprimierten Untermenge 6 entsprechen. Dies ermöglicht eine effiziente und präzise Detektion von auffälligen Verläufen.
-
Das neuronale Netz 2 macht die so gekennzeichnete Datenmenge 4 und/oder der Untermenge 6 für ADAS System 3 und/oder zum Trainieren von neuronalen Netzen verfügbar. Dies wird technisch einfach ermöglicht, da die Untermenge 6 anhand der Metadaten einfach identifiziert werden kann.
-
In diesem Ausführungsbeispiel wird die Untermenge 5 zum Testen von ADASn 3 verfügbar gemacht. Dabei wird die Untermenge 5 zu den zu testenden ADAS 3 via Internet übertragen.
-
Nach der Übertragung wird ein Testscenario aus der Untermenge 5 erzeugt. Dies wird von dem neuronalen Netz 2 durchgeführt. Anschließend ermöglicht dies einen realitätsnahen Test, da die Untermenge 5 eine Abbildung eines realen Zeitabschnitts ist, der von dem Fahrzeug 1 erfasst wurde.
-
Ein nicht gezeigtes Computerprogrammprodukt umfasst ein Programm das, wenn es von einem Computer ausgeführt wird, den Computer veranlasst, ein Ausführungsbeispiel eines erfindungsgemäßen Verfahrens nach einem der durchzuführen.
-
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
-
