DE102019133902A1 - pedestrian simulation - Google Patents
pedestrian simulation Download PDFInfo
- Publication number
- DE102019133902A1 DE102019133902A1 DE102019133902.2A DE102019133902A DE102019133902A1 DE 102019133902 A1 DE102019133902 A1 DE 102019133902A1 DE 102019133902 A DE102019133902 A DE 102019133902A DE 102019133902 A1 DE102019133902 A1 DE 102019133902A1
- Authority
- DE
- Germany
- Prior art keywords
- movement data
- pedestrians
- categorized
- real
- adas
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/40—Data acquisition and logging
-
- 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
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Human Computer Interaction (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
Die Erfindung betrifft ein Verfahren zur Anwendung im ADAS Bereich, umfassend die Schritte:a) Erfassen von ersten Bewegungsdaten (5) von realen ersten Fußgängern (1);b) Verarbeiten der ersten Bewegungsdaten (5) so, dass kategorisierte erste Bewegungsdaten (6) erzeugt werden;c1) Simulieren (11) von Fußgängern (2) anhand der kategorisierten ersten Bewegungsdaten (6) durch ein zweites neuronales Netzwerk (8).The invention relates to a method for use in the ADAS area, comprising the steps of: a) acquiring first movement data (5) from real first pedestrians (1); b) processing the first movement data (5) in such a way that categorized first movement data (6) c1) simulating (11) pedestrians (2) on the basis of the categorized first movement data (6) through a second neural network (8).
Description
Die Erfindung betrifft ein Verfahren zur Simulation von Fußgängern, ein Verfahren zur Vorhersage des Verhaltens von Fußgängern, ein System zur Erfassung und Verarbeitung von Daten und ein System zur Simulation von Fußgängern und/oder zur Vorhersage des Verhaltens von Fußgängern und eine Datenbank.The invention relates to a method for simulating pedestrians, a method for predicting the behavior of pedestrians, a system for recording and processing data and a system for simulating pedestrians and / or for predicting the behavior of pedestrians and a database.
Die
Das erfindungsgemäße Verfahren zur ersten Anwendung im ADAS Bereich umfasst die Schritte:
- a) Erfassen von ersten Bewegungsdaten von realen ersten Fußgängern;
- b) Verarbeiten der ersten Bewegungsdaten so, dass kategorisierte erste Bewegungsdaten erzeugt werden;
- c1) Simulieren von Fußgängern anhand der kategorisierten ersten Bewegungsdaten durch ein zweites neuronales Netzwerk.
- a) acquisition of first movement data from real first pedestrians;
- b) processing the first movement data in such a way that categorized first movement data are generated;
- c1) Simulating pedestrians based on the categorized first movement data through a second neural network.
ADAS Systeme werden im Betrieb von autonom und/oder teilweise autonom fahrenden Fahrzeugen verwendet. Die Entwicklung und/oder die Validierung von ADAS Systemen erfolgen vorteilhafterweise in simulierten Umgebungen. Dies reduziert zum einen den Aufwand und damit die Kosten für einen solchen Test. Zum anderen werden dabei die Gefahren für Verkehrsteilnehmer reduziert, da sich das autonome Fahrzeug während des Tests nicht innerhalb des realen Straßenverkehrs befindet.ADAS systems are used in the operation of autonomous and / or partially autonomous vehicles. The development and / or validation of ADAS systems is advantageously carried out in simulated environments. On the one hand, this reduces the effort and thus the costs for such a test. On the other hand, the dangers for road users are reduced, since the autonomous vehicle is not within the real traffic during the test.
Das erfindungsgemäße Verfahren ermöglicht eine realitätsnahe Simulation von Fußgängern anhand von Bewegungsdaten. Die Bewegungsdaten werden mittels realer Fußgänger erfasst. Die realitätsnahe Simulation von Fußgängern ermöglicht die Erhöhung der Genauigkeit der Tests für ADAS Systeme, ohne reale Verkehrsteilnehmer zu gefährden.The method according to the invention enables realistic simulation of pedestrians on the basis of movement data. The movement data are recorded using real pedestrians. The realistic simulation of pedestrians enables the accuracy of the tests for ADAS systems to be increased without endangering real road users.
Das erfindungsgemäße Verfahren zur zweiten Anwendung im ADAS Bereich umfasst die Schritte:
- a) Erfassen von ersten Bewegungsdaten von realen ersten Fußgängern;
- b) Verarbeiten der ersten Bewegungsdaten so, dass kategorisierte erste Bewegungsdaten erzeugt werden;
- c2) Ermitteln von zweiten Bewegungsdaten von realen zweiten Fußgängern mittels Sensoren des zweiten ADAS Systems ;
- d2) Verarbeiten der zweiten Bewegungsdaten so, dass die kategorisierten zweiten Bewegungsdaten erzeugt werden anhand der kategorisierten ersten Bewegungsdaten durch das zweite neuronale Netzwerk.
- e2) Ermitteln einer Vorhersage des Verhaltens von Fußgängern anhand von zweiten kategorisierten Bewegungsdaten durch das zweite neuronale Netzwerk.
- a) acquisition of first movement data from real first pedestrians;
- b) processing the first movement data in such a way that categorized first movement data are generated;
- c2) determining second movement data from real second pedestrians by means of sensors of the second ADAS system;
- d2) processing the second movement data in such a way that the categorized second movement data is generated by the second neural network on the basis of the categorized first movement data.
- e2) determining a prediction of the behavior of pedestrians on the basis of second categorized movement data by the second neural network.
Im Rahmen der Erfindung zeigte sich, dass herkömmliche ADAS Systeme im Betrieb nur auf Daten zugreifen, welche von Sensoren ermittelt werden, die mit dem ADAS System verbunden sind. Diese ADAS Systeme können damit nur auf das Verhalten von Fußgängern reagieren, welches gerade stattfindet und/oder schon stattgefunden hat, und welches von den Sensoren erfasst wird und/oder wurde.In the context of the invention, it was found that conventional ADAS systems only access data in operation which are determined by sensors which are connected to the ADAS system. These ADAS systems can therefore only react to the behavior of pedestrians that is taking place and / or has already taken place, and that is and / or has been detected by the sensors.
Durch das erfindungsgemäße Verfahren wird es ermöglicht das Verhalten von Fußgängern vorherzusagen. Durch diese Vorhersage wird es ermöglicht, frühzeitig auf das Verhalten von Fußgängern zu reagieren, wodurch die Sicherheit von Verkehrsteilnehmern erhöht wird.The method according to the invention makes it possible to predict the behavior of pedestrians. This prediction makes it possible to react early to the behavior of pedestrians, which increases the safety of road users.
Ein erfindungsgemäßes System zur Erfassung und Verarbeitung von ersten Bewegungsdaten von realen ersten Fußgängern ist eingerichtet ein erfindungsgemäßes Verfahren durchzuführen.A system according to the invention for recording and processing first movement data from real first pedestrians is set up to carry out a method according to the invention.
Ein erfindungsgemäßes System zur Simulation von Fußgängern und/oder zur Vorhersage des Verhaltens von Fußgängern ist eingerichtet ein erfindungsgemäßes Verfahren durchzuführen.A system according to the invention for simulating pedestrians and / or for predicting the behavior of pedestrians is set up to carry out a method according to the invention.
Eine erfindungsgemäße Datenbank umfasst kategorisierte erste Bewegungsdaten für die erste und/oder die zweite Anwendung im ADAS Bereich.A database according to the invention comprises categorized first movement data for the first and / or the second application in the ADAS area.
Die Vorteile des erfindungsgemäßen Verfahrens ergeben sich in gleicher Weise für die erfindungsgemäßen Systeme.The advantages of the method according to the invention result in the same way for the systems according to the invention.
Die abhängigen Ansprüche beschreiben weitere vorteilhafte Ausführungsformen der Erfindung.The dependent claims describe further advantageous embodiments of the invention.
Ein bevorzugtes Ausführungsbeispiel wird anhand der folgenden Figuren näher erläutert. Dabei zeigt
-
1 eine schematische Darstellung eines erfindungsgemäßen Verfahrens zur Simulation von Fußgängern und/oder zur Vorhersage über das Verhalten von Fußgängern, und -
2 erfindungsgemäße Systeme zur Simulation von Fußgängern und/oder zur Vorhersage über das Verhalten von Fußgängern.
-
1 a schematic representation of a method according to the invention for simulating pedestrians and / or for predicting the behavior of pedestrians, and -
2 Systems according to the invention for simulating pedestrians and / or for predicting the behavior of pedestrians.
- a) Erfassen von
ersten Bewegungsdaten 5 von realenersten Fußgängern 1 ; und - b) Verarbeiten der
ersten Bewegungsdaten 5 so, dass kategorisierteerste Bewegungsdaten 6 erzeugt werden; und - c1)
Simulieren 11 vonFußgängern 2 anhand der kategorisiertenersten Bewegungsdaten 6 durch ein zweitesneuronales Netzwerk 8 .
- a) Acquisition of
first movement data 5 from realfirst pedestrians 1 ; and - b) processing the
first movement data 5 so that categorizedfirst movement data 6 be generated; and - c1) Simulate
11 ofpedestrians 2 based on the categorizedfirst movement data 6 through a second neural network8th ,
In diesem Ausführungsbeispiel werden die Schritte in der zeitlichen Reihenfolge a), b) und c1) durgeführt.In this exemplary embodiment, the steps are carried out in the chronological order a), b) and c1).
Die ersten Bewegungsdaten
Die ersten Bewegungsdaten
Zur Mimik zählt beispielsweise die Blickrichtung des realen Fußgängers
Die Verarbeitung der ersten Bewegungsdaten
In diesem Ausführungsbeispiel werden die kategorisierten ersten Bewegungsdaten
Zu einem gängigen Bewegungsmuster zählen beispielsweise das Überqueren einer Straße an einer Ampel und/oder das Überqueren einer Straße an einem Zebrastreifen. Die gängigen Verhaltensweisen umfassen Gemütszustände der realen ersten Fußgänger
Die gängigen Merkmale von Fußgängern umfassen das Geschlecht, die Körpergröße und/oder das Alter der realen ersten Fußgänger
Das zweite neuronale Netzwerk
In Schritt c1) werden Fußgänger
In einer alternativen Ausführungsform werden in Schritt c1) Fußgänger
Das Verfahren umfasst zudem den Schritt:
- d1) Validieren und/oder anpassen eines ersten
ADAS Systems 9 anhand der Simulation 11 von Fußgängern 2 .
- d1) Validate and / or adapt a
first ADAS system 9 based on thesimulation 11 ofpedestrians 2 ,
Der Schritt d1) wird in der zeitlichen Reihenfolge nach Schritt c1) durchgeführt.Step d1) is carried out in the chronological order after step c1).
Das erste ADAS System
Für den Fall, dass eine Validierung fehlschlägt, weil das ADAS System
Die vorgegebenen Parameter umfassen unter anderem Fehler des ADAS Systems
Dies ermöglicht ADAS Systeme, welche innerhalb der vorgegebenen Parameter funktionieren. This enables ADAS systems that work within the specified parameters.
Ein erfindungsgemäßes Verfahren zur Vorhersage
- a) Erfassen
von ersten Bewegungsdaten 5 von realen ersten Fußgängern1 ; - b) Verarbeiten der ersten Bewegungsdaten
5 so, dass kategorisierte erste Bewegungsdaten6 erzeugt werden; - c2) Ermitteln von zweiten Bewegungsdaten von realen zweiten Fußgängern
4 mittels Sensoren13 eines zweitenADAS Systems 10 ; - d2) Verarbeiten der zweiten Bewegungsdaten so, dass die kategorisierten zweiten Bewegungsdaten erzeugt werden anhand der kategorisierten ersten Bewegungsdaten
6 durch das zweite neuronale Netzwerk8 . - e2) Ermitteln einer Vorhersage
12 desVerhaltens von Fußgängern 3 anhand von zweiten kategorisierten Bewegungsdaten durch das zweite neuronale Netzwerk8 .
- a) Acquisition of
first movement data 5 from realfirst pedestrians 1 ; - b) processing the
first movement data 5 so that categorizedfirst movement data 6 be generated; - c2) Determination of second movement data from real
second pedestrians 4 usingsensors 13 of asecond ADAS system 10 ; - d2) processing the second movement data in such a way that the categorized second movement data are generated on the basis of the categorized
first movement data 6 through the second neural network8th , - e2) Get a
prediction 12 behavior ofpedestrians 3 based on second categorized movement data through the second neural network8th ,
In diesem Ausführungsbeispiel sind die Sensoren
Die zweiten Bewegungsdaten umfassen Beschleunigungen von Körperteilen, Positionierung der realen zweiten Fußgänger
Die Verarbeitung der zweiten Bewegungsdaten zu den kategorisierten zweiten Bewegungsdaten erfolgt anhand von gängigen Bewegungsmustern und/oder gängigen Merkmalen und/oder gängigen Verhaltensweisen von Fußgängern.The processing of the second movement data to the categorized second movement data takes place on the basis of common movement patterns and / or common characteristics and / or common behaviors of pedestrians.
Da das neuronale Netzwerk anhand der kategorisierten ersten Bewegungsdaten
Das Verfahren umfasst zudem den Schritt:
- f2) Anpassen von Ausgaben und/oder Ausgabedaten des zweiten
ADAS Systems 10 andie ermittelte Vorhersage 12 über dasVerhaltens von Fußgängern 3 .
- f2) adaptation of outputs and / or output data of the
second ADAS system 10 to the prediction determined12 about the behavior ofpedestrians 3 ,
In diesem Ausführungsbeispiel wird das zweite ADAS System
Die Schritte c2) und d2) werden in diesem Ausführungsbeispiel alternativ und/oder zusätzlich zu den Schritten c1) und d1) durchgeführt. Die Schritte c2), d2), c1) oder d1) werden in der zeitlichen Reihenfolge nach dem Schritt b) durchgeführt. Eine zeitgleiche Durchführung der Schritte c1) und d1) mit den Schritten c2), d2), e2) und f2) ist möglich.Steps c2) and d2) are carried out alternatively and / or in addition to steps c1) and d1) in this exemplary embodiment. Steps c2), d2), c1) or d1) are carried out in the chronological order after step b). Steps c1) and d1) can be carried out simultaneously with steps c2), d2), e2) and f2).
Ohne die Berücksichtigung der ermittelten Vorhersage
Wird durch die Vorhersage
Wir in einem anderen Fall durch die Vorhersage
Die Verarbeitung der ersten Bewegungsdaten
In diesem Ausführungsbeispiel umfasst das System
In einer nicht gezeigten Ausführungsform des erfindungsgemäßen Verfahrens ist das erste neuronale Netz identisch mit dem zweiten Neuronalen Netz
Die gängigen Bewegungsmuster und/oder die gängigen Verhaltensweisen von Fußgängern werden aus den ersten Bewegungsdaten
Das manuelle Hinzufügen von gängigen Bewegungsmustern und/oder Verhaltensweisen ermöglicht eine Reduktion des Risikos, dass wichtige gängige Bewegungsmuster und/oder Verhaltensweisen während der Erfassung der ersten Bewegungsdaten
Die gängigen Merkmale der ersten realen Fußgänger
Die ersten Bewegungsdaten
Die Sensoren umfassen satellitengestützte Positionsbestimmungseinrichtungen, Blickrichtungssensoren, Herzfrequenzsensoren und Beschleunigungssensoren.The sensors include satellite-based position determination devices, line-of-sight sensors, heart rate sensors and acceleration sensors.
Eine satellitengestützte Positionsbestimmungseinrichtung ist in diesem Ausführungsbeispiel an einer Brille angebracht, welche die realen ersten Fußgänger
Die Brille ermöglicht eine Erfassung der Blickrichtung und der Position des realen ersten Fußgängers
Ein Herzfrequenzsensor ermöglicht eine Abschätzung des Gemütszustandes der realen ersten Fußgänger, unabhängig von den anderweitig erfassten ersten Bewegungsdaten
Die Beschleunigungssensoren sind an der Kleidung der realen ersten Fußgänger
Ein erfindungsgemäßes System
In diesem Ausführungsbeispiel umfasst das System
Die Verwendung des neuronalen Netzwerks
ZITATE ENTHALTEN IN DER BESCHREIBUNG QUOTES INCLUDE IN THE DESCRIPTION
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of documents listed by the applicant has been generated automatically and is only included for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.
Zitierte PatentliteraturPatent literature cited
- JP 2005050117 A [0002]JP 2005050117 A [0002]
Claims (10)
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102018132813.3 | 2018-12-19 | ||
DE102018132810.9A DE102018132810A1 (en) | 2018-12-19 | 2018-12-19 | pedestrian simulation |
DE102018132813.3A DE102018132813A1 (en) | 2018-12-19 | 2018-12-19 | pedestrian simulation |
DE102018132810.9 | 2018-12-19 |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102019133902A1 true DE102019133902A1 (en) | 2020-01-30 |
Family
ID=69148904
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102019133902.2A Pending DE102019133902A1 (en) | 2018-12-19 | 2019-12-11 | pedestrian simulation |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102019133902A1 (en) |
-
2019
- 2019-12-11 DE DE102019133902.2A patent/DE102019133902A1/en active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102018128289B4 (en) | METHOD AND DEVICE FOR AUTONOMOUS SYSTEM PERFORMANCE AND CLASSIFICATION | |
EP3438901A1 (en) | Test drive scenario database system for realistic virtual test drive scenarios | |
DE102016220913A1 (en) | Method and device for generating test cases for autonomous vehicles | |
DE112017008149B4 (en) | Device for communication from a vehicle, method for communicating from a vehicle to the outside, information processing device and computer-readable medium | |
EP3393875B1 (en) | Method for the improved detection of objects by a driver assistance system | |
DE102018132813A1 (en) | pedestrian simulation | |
DE102019213546A1 (en) | Generation of synthetic lidar signals | |
DE102021000291A1 (en) | Procedure for test scenarios for ADAS | |
DE102019208735A1 (en) | Method for operating a driver assistance system for a vehicle and a driver assistance system for a vehicle | |
DE102020208474B4 (en) | Measuring the sensitivity of classifiers based on interacting disturbances | |
DE102020004792A1 (en) | Method and device for the detection and reporting of parking accidents for vehicles | |
DE102019133902A1 (en) | pedestrian simulation | |
DE102020005467A1 (en) | Process for making anonymized, ADAS-relevant vehicle data available | |
DE102020215535A1 (en) | Comparison of digital representations of driving situations of a vehicle | |
DE102019125663A1 (en) | Method for selecting data for ADAS systems | |
DE102019209536A1 (en) | Method and apparatus for evaluating and selecting signal comparison metrics | |
DE102019133901A1 (en) | pedestrian simulation | |
DE102019124257A1 (en) | Method, device, computer program and computer program product for determining AI training data in a vehicle and method, device, computer program and computer program product for determining relevant situation parameters for training an artificial intelligence unit of an automatically drivable vehicle | |
DE102023000357B3 (en) | Method for generating test data for a simulation of an assistance system of an at least partially assisted motor vehicle, computer program product, computer-readable storage medium and electronic computing device | |
DE102018112929A1 (en) | Method for validating a driver assistance system using further generated test input data sets | |
DE102022204618A1 (en) | Effective quality determination of object recognition by a neural network | |
DE102023203633A1 (en) | Hybrid traffic simulation with agent models for testing teleoperated vehicles | |
DE112022003908T5 (en) | INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING METHOD, SERVER DEVICE, VEHICLE DEVICE AND INFORMATION PROCESSING PROGRAM | |
DE102020002427A1 (en) | Method for augmenting a video for testing an ADAS system | |
DE102021004857A1 (en) | Method for communication between a driver assistance system of a vehicle and a human road user |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R084 | Declaration of willingness to licence | ||
R230 | Request for early publication | ||
R081 | Change of applicant/patentee |
Owner name: FEV GROUP GMBH, DE Free format text: FORMER OWNER: FEV EUROPE GMBH, 52078 AACHEN, DE |