DE102020202603A1 - Vorrichtung und Verfahren zum Erkennen eines charakteristischen Signals im Umfeld eines Fahrzeugs - Google Patents

Vorrichtung und Verfahren zum Erkennen eines charakteristischen Signals im Umfeld eines Fahrzeugs Download PDF

Info

Publication number
DE102020202603A1
DE102020202603A1 DE102020202603.3A DE102020202603A DE102020202603A1 DE 102020202603 A1 DE102020202603 A1 DE 102020202603A1 DE 102020202603 A DE102020202603 A DE 102020202603A DE 102020202603 A1 DE102020202603 A1 DE 102020202603A1
Authority
DE
Germany
Prior art keywords
signal
probability
time window
signals
pattern
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.)
Withdrawn
Application number
DE102020202603.3A
Other languages
English (en)
Inventor
Michael Hertkorn
Thomas Keutgens
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ZF Friedrichshafen AG
Original Assignee
ZF Friedrichshafen AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ZF Friedrichshafen AG filed Critical ZF Friedrichshafen AG
Priority to DE102020202603.3A priority Critical patent/DE102020202603A1/de
Publication of DE102020202603A1 publication Critical patent/DE102020202603A1/de
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60RVEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R16/00Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
    • B60R16/02Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/09Arrangements for giving variable traffic instructions
    • G08G1/0962Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0965Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages responding to signals from another vehicle, e.g. emergency vehicle
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/18Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being spectral information of each sub-band

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • General Physics & Mathematics (AREA)
  • Emergency Management (AREA)
  • Mechanical Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Traffic Control Systems (AREA)

Abstract

Die Erfindung betrifft eine Vorrichtung (3a,3b,3c) zum Erkennen eines charakteristischen Signals im Umfeld eines Fahrzeugs (2) durch das Fahrzeug (2), die Vorrichtung (3a,3b,3c) umfassend eine Detektionseinheit (4) zum Detektieren akustischer Geräusche im Umfeld des Fahrzeugs (2) und Erzeugen von aufeinanderfolgenden Signalen aus den akustischen Geräuschen,eine Transformationseinheit (5) zur Transformation der aufeinanderfolgenden Signale als Frequenzbereichssignale in einen Frequenzbereich,eine Mustererkennungseinheit (8) zur Identifikation von Signalmuster, welche das Signal charakterisieren, in einem vorab festgelegten Zeitfenster mit einer Signalmusterwahrscheinlichkeit aus den Frequenzbereichssignalen und Bestimmen einer Erkennungswahrscheinlichkeit anhand der Summe der Signalmusterwahrscheinlichkeit und Bestimmen des Signals in dem Zeitfenster ab einem Schwellenwert in Bezug auf die Erkennungswahrscheinlichkeit als erkannt.Ferner betrifft die Erfindung ein Fahrerassistenzsystem, ein Verfahren sowie ein Computerprogramm.

Description

  • Die Erfindung betrifft eine Vorrichtung zum Erkennen eines charakteristischen Signals im Umfeld eines Fahrzeugs durch das Fahrzeug. Ferner betrifft die Erfindung ein Fahrerassistenzsystem, ein Verfahren sowie ein Computerprogramm.
  • Um Rettungsfahrzeuge/Einsatzfahrzeuge wie Polizei im Falle eines Notfalleinsatzes schneller vorankommen zu lassen, ist es ein übliches Vorgehen, eine Rettungsgasse für das Rettungsfahrzeug zu räumen, um dieses somit schneller vorankommen zu lassen. Um auf sich aufmerksam zu machen, verwenden Rettungsfahrzeuge /Einsatzfahrzeuge ein Sirenensignal mit einem periodischen Signalton.
  • Automatisierte und teilautomatisierte Fahrzeuge müssen in der Lage sein, auf Einsatzfahrzeuge wie Krankenwagen, Feuerwehrwagen etc. entsprechend der Straßenverkehrsordnung zu reagieren. Dafür müssen sie in der Lage sein, die Einsatzfahrzeuge als solche zu erkennen. Auch der Mensch muss als Fahrer in der Lage sein, auf Einsatzfahrzeuge zu reagieren. Dies wird bei immer stärker gedämmten Fahrzeugen und immer komplexeren Verkehrsbedingungen immer schwieriger.
  • Die europäische Norm erlaubt nur für Einsatzfahrzeuge die Verwendung von hohen / niedrigen Tonfolgen. Das Sirenensignal, auch Folgeton genannt, für Krankenwagen und Feuerwehrfahrzeuge liegt im Frequenzbereich von 392 Hz und 660 Hz und das Tonintervall muss eine reine Quarte sein. Eine Periode umfasst beispielsweise einen Ton bei 392 Hz für einen Zeitraum von 1/3 der Gesamtdauer, einen Ton bei 660 Hz für einen Zeitraum von 1/18 der Gesamtdauer, einen Ton bei 392 Hz für einen Zeitraum von 1/18 der Gesamtdauer, einen Ton bei 660 Hz für einen Zeitraum von 1/18 der Gesamtdauer, einen Ton bei 392 Hz für einen Zeitraum von 1/3 der Gesamtdauer, einen Ton bei 660 Hz für einen Zeitraum von 1/18 der Gesamtdauer, einen Ton bei 392 Hz für einen Zeitraum von 1/18 der Gesamtdauer und einen Ton bei 660 Hz für einen Zeitraum von 1/18 der Gesamtdauer. Die Töne müssen ohne Unterbrechungen und ohne nennenswerte Überlappung aufeinander folgen. Die Dauer der gesamten Periode beträgt 3 Sekunden. Ebenso wird zwischen einem Folgetonhorn für die Stadt und das Land unterschieden, welchen jeweils unterschiedliche Frequenzen zugrunde liegen. Bei den Polizeifahrzeugen sind die Töne bei den Frequenzen von 466 Hz bis 622 Hz gleichmäßig verteilt.
  • Weitere Sirenensignale sind beispielsweise Yelp und Wail. Diese werden zum Teil in Deutschland, besonders jedoch in anderen Ländern verwendet. Auch diese Sirenensignale weisen eine Periodizität und gewisse Charakteristiken auf.
  • Zwei Qualitäten kennzeichnen ein typisches reines Sirenensignal: der Frequenzgehalt und die periodische Wiederholung. Obwohl der Sirenenton aus mehreren harmonischen Spektralkomponenten besteht, ist die niedrigste Frequenz dominant. Die periodische Änderung der Frequenz dieser dominanten Komponente kann als Kurve dargestellt werden, die den aktuellen Frequenzwert mit der Zeit in Beziehung setzt.
  • Die DE 10 2017 126790 A1 offenbart ein Verfahren für ein Fahrzeug zum Ausweichen eines Rettungsfahrzeugs, wobei das Verfahren Folgendes umfasst: Abrufen von Sensordaten aus einer Vielzahl von Sensoren am Fahrzeug; Erkennen, dass das Rettungsfahrzeug sich auf einer Fahrbahn dem Fahrzeug nähert auf Grundlage der abgerufenen Sensordaten; Bestimmen einer Ausweichstrategie, mit der das Fahrzeug dem Rettungsfahrzeug ausweichen kann, auf Grundlage zusätzlicher Sensordaten; und automatisches Steuern von Fahrzeugkomponenten, um das Fahrzeug dazu zu veranlassen, die Ausweichstrategie umzusetzen.
  • Es ist eine Aufgabe der Erfindung einfache, schnelle und kostengünstige Mittel anzugeben, welche ein Erkennen und Wahrnehmen für Sirenen durch ein Fahrzeug ermöglichen.
  • Diese Aufgabe wird durch eine Vorrichtung mit den Merkmalen des Anspruchs 1, ein Fahrerassistenzsystem mit den Merkmalen des Anspruchs 13 sowie ein Verfahren mit den Merkmalen des Anspruchs 14 und ein Computerprogramm mit den Merkmalen des Anspruchs 15 gelöst.
  • In den Unteransprüchen sind weitere vorteilhafte Maßnahmen aufgelistet, die geeignet miteinander kombiniert werden können, um weitere Vorteile zu erzielen.
  • Die Aufgabe wird gelöst durch eine Vorrichtung zum Erkennen eines charakteristischen Signals im Umfeld eines Fahrzeugs durch das Fahrzeug, die Vorrichtung umfassend eine Detektionseinheit zum Detektieren akustischer Geräusche im Umfeld des Fahrzeugs und Erzeugen von aufeinanderfolgenden Signalen aus den akustischen Geräuschen, eine Transformationseinheit zur Transformation der aufeinanderfolgenden Signale als Frequenzbereichssignale in einen Frequenzbereich, eine Mustererkennungseinheit zur Identifikation von Signalmuster, welche das Signal charakterisieren, in einem vorab festgelegten Zeitfenster mit einer Signalmusterwahrscheinlichkeit aus den Frequenzbereichssignalen und Bestimmen einer Erkennungswahrscheinlichkeit anhand der Summe der Signalmusterwahrscheinlichkeit und Bestimmen des Signals in dem Zeitfenster ab einem Schwellenwert in Bezug auf die Erkennungswahrscheinlichkeit als erkannt.
  • Signale sind beispielsweise als charakteristische an- und abschwellende Heultöne bzw. Sirenensignal ausgestaltet. Diese sind auch als Folgeton-Signal bekannt. Folgetöne sind sich abwechselnde Tonsignale aus einem tiefen Ton und einem hohen Ton, beispielsweise die Tonfolge a'-d'', welche beispielsweise in der DIN 14610 festgelegt ist. Es dient der akustischen Warnung sowie zur Durchsetzung des Wegerechts. Diese Signale sind als akustische Sondersignale bekannt. Auch das Yelp-Signal sowie das in anderen europäischen Ländern vorkommende Wail -Signal umfassen einen dauernden an- und abschwellenden Heulton und sind ebenfalls als akustische Sondersignale bekannt.
  • Die Detektionseinheit, die Transformationseinheit und Mustererkennungseinheit können beispielsweise als Prozessor oder System-on-a-Chip mit entsprechender Schnittstelle ausgestaltet sein oder auf diesen angeordnet sein.
  • Eine Detektionseinheit kann beispielsweise als eine oder mehrere Eingangsschnittstellen, welche das Geräuschsignal oder ggf. bereits das auswertbare Signal empfängt, ausgestaltet sein. Auch kann die Detektionseinheit als Sensor/Sensoren ausgestaltet sein. Insbesondere sind dies akustische Sensoren. Dabei kann ein einzelner Sensor umfasst sein, ebenso wie ein Array von Sensoren oder verteilte Sensoren über das Fahrzeug. Auch kann eine Detektionseinheit mehrere Mikrofone oder andere akustische Schallsensoren umfassen.
    Der Übergang in den Frequenzbereich ermöglicht erfindungsgemäß eine einfache und schnelle Auswertung der frequenzabhängigen Signale.
    Es wird ein Zeitfenster (Zeitdauer) vorab festgelegt oder definiert, in welchem die Signale ausgewertet werden.
  • Durch die Erfindung werden Signalmusterwahrscheinlichkeit, beispielsweise die Wahrscheinlichkeit der Sirenenmuster (Sirenenmerkmale), bei jedem Erkennen in dem Zeitfenster aufsummiert. In den Zeitfenster werden die Frequenzbereichssignale in derselben Reihenfolge in der diese aufgenommen wurden, das heißt kontinuierlich im Zeitfenster über die Zeit, auf das Vorhandensein von Signalmustern analysiert und eine Erkennungswahrscheinlichkeit für das Signal basierend auf den einzelnen Signalmusterwahrscheinlichkeiten angepasst. Je häufiger gewisse Signalmuster erkannt werden, desto höher sind die Signalmusterwahrscheinlichkeiten und desto höher ist die Erkennungswahrscheinlichkeit, dass es sich um ein Signal handelt.
  • Umgekehrt nimmt die Erkennungswahrscheinlichkeit ab, wenn schon lange kein Signalmuster mehr erkannt wurde. Das heißt, dass die Erkennungswahrscheinlichkeit angepasst wird, wenn die Summe der Signalmusterwahrscheinlichkeiten im Zeitfenster ansteigt oder abnimmt.
  • Dies bedeutet, dass eine Berechnung einer zeitabhängigen Signalwahrscheinlichkeit erfolgt.
  • Durch die erfindungsgemäße Vorrichtung ist eine einfache und kostengünstige Echtzeitauswertung eines akustischen Geräusches möglich. Zudem ist der Rechenaufwand geringer als bei Al-basierten Systemen.
  • Vorzugsweise ist das charakteristische Signal ein periodisches Signal und das Zeitfenster ist kürzer als die Periodendauer des Signals.
  • Dies bedeutet, dass für die Erkennung des Signals nicht zwingend die Auswertung einer ganzen Periode des zu erkennenden Signals benötigt wird. Durch ein solches Zeitfenster ist eine schnellere Aussage über die Anwesenheit/Vorhandensein eines periodischen Signals möglich. Das heißt, es ist eine Echtzeitauswertung des Signals möglich.
  • Weiterhin vorzugsweise wird ein weiteres Zeitfenster nach dem verfolgenden Zeitfenster durch die Mustererkennungseinheit ausgewertet, sobald die Aufnahme der Geräusche des vorherigen Zeitfensters abgeschlossen und ausgewertet ist. Dadurch ergibt sich eine kontinuierliche Auswertung der Geräusche über die Zeit.
  • Vorzugsweise werden die Frequenzbereichssignale in derselben Reihenfolge in der diese aufgenommen wurden, das heißt kontinuierlich im Zeitfenster über die Zeit, auf das Vorhandensein von Signalmustern analysiert. Endet das Zeitfenster, so wird mit einem neuen Zeitfenster fortgefahren, welches sich beispielsweise unmittelbar an das erste Zeitfenster anschließt. Dabei können die Zeitfenster dieselbe Länge aufweisen.
  • Vorzugsweise ist die Mustererkennungseinheit dazu ausgelegt, die Erkennungswahrscheinlichkeit inkrementell zu bestimmen, die Erkennungswahrscheinlichkeit inkrementell zu bestimmen, indem bei jeder bestimmten Signalmusterwahrscheinlichkeit innerhalb des Zeitfensters die Erkennungswahrscheinlichkeit erhöht wird. Dies bedeutet, dass quasi die Erkennungswahrscheinlichkeit innerhalb des Zeitfensters aufsummiert wird.
  • Weiterhin vorzugsweise ist die Mustererkennungseinheit dazu ausgelegt, innerhalb des Zeitfensters die Erkennungswahrscheinlichkeit in Abhängigkeit von der Zeit herabzusetzen oder gleich zu lassen, wenn keine Signalmuster mehr erkannt werden. Dies bedeutet, dass, wenn beispielsweise die Erkennungswahrscheinlichkeit ohnehin bei null Prozent ist, kein Herabsetzen mehr stattfindet. Ist die Erkennungswahrscheinlichkeit bereits sehr hoch, beispielsweise bei 50 Prozent, beispielsweise in der Mitte des Zeitfensters und wird kein Signalmuster mehr erkannt (beispielsweise, wenn ein herannahender Rettungswagen vor Erreichen des Fahrzeugs abgebogen ist), so kann die Erkennungswahrscheinlichkeit herabgesetzt werden. Dabei kann ein Wert festgesetzt werden, ab wann eine Erkennungswahrscheinlichkeit herabgesetzt wird oder gleichbleibt.
  • Weiterhin vorzugsweise ist eine Filtereinheit vorgesehen, zum Filtern der Frequenzbereichssignale anhand eines vorgegebenen Frequenzbandes. Die Filtereinheit wird zur Erkennung von dominanten Tönen eingesetzt. Dadurch können Signale außerhalb eines vorgegebenen Frequenzbandes schnell abgewiesen werden, wodurch eine schnelle Auswertung möglich ist. Die Filtereinheit ist vorzugsweise dazu ausgestaltet verschiedenste Filtertechniken anzuwenden. Diese sind zum Beispiel: Bandpassfilter, Hochpassfilter, Tiefpassfilter, Adaptive Filter, spektrale Filter etc.
  • Ferner ist vorzugsweise eine Tonhöhenerkennungseinheit vorgesehen, um die Frequenzbereichssignale hinsichtlich einer vorgegebenen Tonhöhe zu filtern. Dadurch werden für die Erkennung nur Frequenzen verwendet, die den Frequenzen oder Tönen eine Sirene entsprechen könnten.
  • Ferner ist vorzugsweise eine Schallpegeldetektionseinrichtung vorgesehen, um die Frequenzbereichssignale hinsichtlich eines vorgegebenen Schallpegels zu filtern, Dadurch werden für die Erkennung nur Frequenzen mit hoher Energie im Vergleich zum Gesamtspektrum verwendet, da die Signale, insbesondere Sirenen, typischerweise einen hohen Schalldruckpegel abgeben.
  • Vorzugsweise ist das charakteristische Signal ein Sirenensignal, insbesondere ein Sirenensignal eines Einsatzwagens. Diese sind durch spezielle Tonfolgen gekennzeichnet.
  • In weiterer bevorzugter Ausgestaltung ist die Mustererkennungseinheit dazu ausgebildet, als ein Signalmuster charakteristische Signaltöne sowie einen charakteristischen an- und abschwellenden Heulton zu identifizieren. Dabei können beide Signalmuster gleichberechtigt sein, das heißt die Erkennungswahrscheinlichkeit erhöht sich jeweils um denselben Wert, wenn eines der beiden Signalmuster erkannt wird oder eines der beiden Signalmuster bzw. die dazugehörenden Signalmusterwahrscheinlichkeit kann höher gewichtet werden, das heißt beispielsweise, dass sich die Erkennungswahrscheinlichkeit bei Erkennen des einen Signalmusters um einen größeren Wert als bei Erkennen des anderen Signalmusters erhöht.
  • Ferner können auch mehrere unterschiedliche Signaltöne erkannt werden beispielsweise Yelp und Wail gleichzeitig.
  • In weiterer bevorzugter Ausgestaltung ist ein Filter zum Herausfiltern von Störgeräuschen vorgesehen. Dies bedeutet, dass innerhalb des Frequenzbereiches die Störgeräusche unterdrückt werden. Die Störgeräusche können beispielsweise sein: Eigenfahrzeuggeräusche, aeroakustische Effekte, externe Störgeräusche. Dadurch ist eine bessere Erkennung des Signals möglich.
  • Bevorzugt ist die Transformationseinheit dazu ausgebildet, die Transformation unter Verwendung einer Fast-Fourier Transformation durchzuführen. Dadurch lässt sich ein zeitdiskretes Signal in seine Frequenzanteile zerlegen und dadurch analysieren. Die Fast-Fourier Transformation eignet sich besonders um die Transformation der Signale als Frequenzbereichssignale in einen Frequenzbereich vorzunehmen.
  • Vorzugsweise sind mehrere Detektionseinheiten vorgesehen zum Detektieren akustischer Geräusche und Erzeugen von aufeinanderfolgenden Signalen aus den akustischen Geräuschen, wobei die Transformationseinheit zur Transformation jedes der aufeinanderfolgenden Signale als Frequenzbereichssignale in einen Frequenzbereich ausgelegt ist, und wobei die Mustererkennungseinheit ferner eingerichtet ist zur Identifikation von Signalmustern, welche das Signal charakterisieren, in dem vorab festgelegten Zeitfenster mit einer Signalmusterwahrscheinlichkeit aus jeder der Frequenzbereichssignale und Bestimmen jeder Einzelerkennungswahrscheinlichkeit anhand der Summe der Signalmusterwahrscheinlichkeiten und wobei die Mustererkennungseinheit ferner dazu eingerichtet ist, zum Bilden einer Gesamterkennungswahrscheinlichkeit aus den Einzelerkennungswahrscheinlichkeiten und Bestimmen des Signals in dem Zeitfenster ab einem Schwellenwert in Bezug auf die Gesamterkennungswahrscheinlichkeit als erkannt.
  • Auch hier können die Detektionseinheiten entweder akustische Sensoren und/oder Schnittstellen sein.
  • Die Erkennungswahrscheinlichkeit für jede einzelne Detektionseinheit, sprich Schnittstelle und/oder Sensor wird separat durchgeführt. Es wird somit die Berechnung einer zeitabhängigen Einzelerkennungswahrscheinlichkeit innerhalb jeder einzelnen Detektionseinheit durchgeführt. In jedem Zeitfenster wird über die Zeit für nach Signalmustern eines Signals gesucht und die Anzahl der Signalmusterwahrscheinlichkeiten in dem Zeitfenster summiert. Die Signalmuster können ein gleichbleibender Ton im Vergleich zu den vorherigen Ton sein, ein Tonsprung oder die Steigerung oder Absenkung des vorherigen Tons um einen konstanten Faktor oder andere Töne/Tonfolgen sein. Die zu erkennenden Signalmuster sind abhängig von dem zu erkennenden Signaltyp. Nach der Mustererkennung wird die Einzelerkennungswahrscheinlichkeit für jede einzelne Detektionseinheit angepasst bzw. bestimmt.
  • Anschließend werden die Informationen aus den einzelnen Detektionseinheiten fusioniert. Die Verschmelzung der Ausgänge der einzelnen Detektionseinheiten ermöglicht eine Redundanz bei der Erkennung. Diese Redundanz kann zur Korrektur von Erkennungsfehlern verschiedener Detektionseinheiten genutzt werden. Diese Fehler können auftreten, da die verschiedenen akustischen Detektionseinheiten, beispielsweise die Sensoren an unterschiedlichen Positionen platziert sind und unterschiedliche Störgeräusche aufweisen.
  • Zusätzlich können die verschiedenen Sensoren unterschiedliche Ausrichtungen haben, was zu einem besseren akustischen Abbild der Umgebung führt. Die Fusion kann beispielsweise auf den durchschnittlichen Einzelerkennungswahrscheinlichkeiten aller Detektionseinheiten fusionieren. Die Gesamterkennung basiert auf der Tatsache, dass die zusammengeführten Einzelerkennungswahrscheinlichkeiten als Gesamterkennungswahrscheinlichkeit einen Schwellenwert überschreiten. Somit kann global entschieden werden, ob ein Signal bzw. ein Sirenensignal in der Umgebung des Fahrzeugs vorhanden ist.
  • Weiterhin vorzugsweise ist die Mustererkennungseinheit dazu ausgebildet, die Gesamterkennungswahrscheinlichkeit aus gewichteten Einzelerkennungswahrscheinlichkeiten zu bilden. Dadurch ist der gezielte Einsatz von verschiedenen Fusionsansätzen möglich. Der zu wählende Ansatz der Fusion kann dabei abhängig vom Ort der Sensoren und dem Einsatzfall sein. So kann die Fusion zum Beispiel aus dem Durchschnitt der Einzelerkennungswahrscheinlichkeiten bestehen. Es kann allerdings auch eine Fusion abhängig von der jeweiligen Situation vorgenommen werden. So können bei einem von hinten herannahenden Einsatzfahrzeug gezielt im Bereich des Hecks des Fahrzeugs angeordnete Detektionseinheiten ausgewertet bzw. die Einzelerkennungswahrscheinlichkeiten höher gewichtet werden. Es kann zum Beispiel auch eine Detektion basierend auf der Erkennung einer Sirene von einem von mehreren Sensoren, oder zwei von mehreren Sensoren oder drei von mehreren Sensoren etc. genutzt werden.
  • Vorzugsweise wird die Fusionsmethode gezielt anhand der zu erfüllenden Safety Anforderungen ausgewählt. Alternativ oder ergänzend kann eine Fusionsmethode ausgewählt werden, welche Falsch Positive Fehler oder Falsch Negative Fehler vermeidet.
  • Vorzugsweise gewichtet die Mustererkennungseinheit die Einzelerkennungswahrscheinlichkeiten in Abhängigkeit von einer Detektionsrichtung. Dabei ist mit Detektionsrichtung die Richtung gemeint, aus der das Geräusch relativ zum Fahrzeug abgestrahlt wird. Diese kann beispielsweise durch die Anwendung von Richtmikrofonen bestimmt werden. Aber auch die Anordnung der Detektionseinheiten bzw. Sensoren am Fahrzeug geben eine Empfangsrichtung d.h. Detektionsrichtung vor.
  • Ferner wird die Aufgabe gelöst durch ein Fahrerassistenzsystem mit einer wie oben beschriebenen Vorrichtung. Dabei ist das Fahrerassistenzsystem vorzugsweise dazu ausgebildet, das Fahrzeug in einem zumindest teilautonomen Betrieb zu steuern.
  • Weiterhin wird die Aufgabe gelöst durch ein Verfahren zum Erkennen eines charakteristischen Signals im Umfeld eines Fahrzeugs durch das Fahrzeug umfassend der Schritte:
    • - Detektieren akustischer Geräusche und Erzeugen von aufeinanderfolgenden Signalen aus den akustischen Geräuschen,
    • - Transformieren der aufeinanderfolgenden Signale als Frequenzbereichssignale in einen Frequenzbereich,
    • - Identifizieren von Signalmustern, welche das Signal charakterisieren, in einem vorab festgelegten Zeitfenster mit einer Signalmusterwahrscheinlichkeit aus den Frequenzbereichssignalen,
    • - Bestimmen einer Erkennungswahrscheinlichkeit anhand der Summe der Signalmusterwahrscheinlichkeiten und Bestimmen des Signals in dem Zeitfenster ab einem Schwellenwert in Bezug auf die Erkennungswahrscheinlichkeit als erkannt.
  • Das Verfahren ist insbesondere dazu ausgebildet, auf der erfindungsgemäßen Vorrichtung durchgeführt zu werden.
  • Durch das Verfahren können beispielsweise automatisierte oder teilautomatisierte Fahrzeuge mit hoher Sicherheit schnell und einfach Einsatzfahrzeuge erkennen und können somit auf Einsatzfahrzeuge entsprechend der Straßenverkehrsordnung reagieren.
  • Ferner wird die Aufgabe gelöst durch ein Computerprogramm umfassend Befehle, die bewirken, dass die wie oben beschriebene Vorrichtung das wie oben beschriebene Verfahren ausführt.
  • Das Computerprogramm kann auch noch nachträglich in ein Fahrzeug eingespielt werden, beispielsweise bei einem Update oder einem Werkstattbesuch sofern beispielsweise die Detektionseinheit bereits vorhanden ist.
  • Weitere Merkmale, Eigenschaften und Vorteile der vorliegenden Erfindung ergeben sich aus der nachfolgenden Beschreibung unter Bezugnahme auf die beiliegenden Figuren. Variationen hiervon können vom Fachmann abgeleitet werden, ohne den Schutzumfang der Erfindung, wie er durch die nachfolgenden Patentansprüche definiert wird, zu verlassen.
  • Die Figuren zeigen schematisch:
    • 1: ein Fahrzeug mit einer erfindungsgemäßen Vorrichtung,
    • 2: die erfindungsgemäße Vorrichtung schematisch,
    • 3: das erfindungsgemäße Verfahren.
  • 1 zeigt ein Fahrzeug 2 mit einem Fahrerassistenzsystem 1. Dieses weist eine Vorrichtung 3a zum Erkennen eines charakteristischen Sirenensignals mit periodischer Zeitdauer im Umfeld des Fahrzeugs 2 auf. Dabei ist das charakteristische Sirenensignal ein periodisches Signal mit einer periodischen Zeitdauer.
  • Die Vorrichtung 3a weist eine Detektionseinheit 4 auf. Diese ist hier als Eingangsschnittstelle ausgebildet, welche von einem an dem Fahrzeug 2 angeordneten akustischen Sensor Geräusche empfängt.
  • Die Geräusche werden in auswertbare Signale umgewandelt. Alternativ kann die Detektionseinheit 4 bereits die auswertbaren Signale empfangen und bereitstellen.
  • Die Vorrichtung 3a weist eine Transformationseinheit 5 zur Transformation der in dem Zeitfenster eingeteilten Signale als Frequenzbereichssignale in einen Frequenzbereich auf. Dabei ist die Transformation eine Fast-Fourier Transformation (FFT). Die Fast-Fourier-Transformation (FFT) wird verwendet, um das Signal in ein Frequenzbereichssignal eines Frequenzbereiches zu transformieren. Ferner kann eine Filtereinheit 9 vorgesehen sein zum Filtern der Frequenzbereichssignale anhand eines vorgegebenen Frequenzbandes. Zudem ist ein Filter 10 vorgesehen zum Herausfiltern der Störgeräusche. Dies bedeutet, dass innerhalb des Frequenzbereiches die Störgeräusche unterdrückt werden. Die Störgeräusche können beispielsweise sein: Eigenfahrzeuggeräusche, aeroakustische Effekte, externe Störgeräusche. Dadurch ist ein besseres Erkennen des Sirenensignals möglich.
  • Zudem ist eine Tonhöhenerkennungseinheit 7 vorgesehen, um die Frequenzbereichssignale hinsichtlich einer von dem Sirenensignal vorgegebenen Tonhöhe zu filtern. Dadurch wird sichergestellt, dass für die Erkennung nur Frequenzen verwendet werden, die den Frequenzen oder Tönen eine Sirene entsprechen könnten.
  • Nachdem die möglichen Sirenentöne ermittelt wurden, werden sie innerhalb der Mustererkennungseinheit 8 auf Signalmuster, hier Sirenenmuster, mit einer Signalmusterwahrscheinlichkeit identifiziert.
  • Dabei wird ein Zeitfenster festgelegt, in dem die Signale ausgewertet werden. Das Zeitfenster ist kürzer als die Periodendauer des Signals.
  • Das Zeitfenster kann durch eine Zeitdauer festgelegt werden, indem ein erster Zeitpunkt als Beginn des Zeitfensters und eine Dauer, die die Länge des Zeitfensters festlegt, bestimmt wird. So werden die Geräusche in Echtzeit aufgenommen und ausgewertet. Nach Beendigung des Zeitfensters fängt jeweils ein neues Zeitfenster mit vorzugsweise derselben Dauer an, welches ausgewertet wird. Durch die Verwendung eines Zeitfensters ist eine Echtzeitauswertung der aufgenommenen Geräusche möglich, da das Zeitfenster kürzer als die Periodendauer des Signals ist. Für die Erkennung des Sirenensignals wurde erkannt, dass für eine Auswertung nicht zwingend eine ganze Periode des zu erkennenden Signals benötigt wird. Durch ein solches Zeitfenster ist eine schnellere Aussage über die Anwesenheit/Vorhandensein eines Sirenensignals möglich. Das heißt, es ist eine Echtzeitauswertung des Signals möglich.
  • Die Signalmusterwahrscheinlichkeiten werden gezählt und über das Zeitfenster aufsummiert.
  • Eine Erkennungswahrscheinlichkeit für das Sirenensignal wird basierend auf den Signalmusterwahrscheinlichkeiten bestimmt. Je häufiger gewisse Sirenenmuster erkannt werden, desto mehr steigt die Signalmusterwahrscheinlichkeiten und damit die Erkennungswahrscheinlichkeit an, dass es sich um ein Sirenensignal handelt. Umgekehrt nimmt die Erkennungswahrscheinlichkeit ab, wenn im Zeitfenster über die Zeit keine Sirenenmuster mehr erkannt werden.
  • Dies bedeutet, dass die Erkennungswahrscheinlichkeit in Abhängigkeit von den erkannten Sirenenmustern über das Zeitfenster adaptiert/angepasst wird.
  • 2 zeigt eine weitere Ausgestaltung einer Vorrichtung 3b zum Erkennen eines charakteristischen Sirenensignals mit periodischer Zeitdauer im Umfeld des Fahrzeugs 2. Die Vorrichtung 3b ist in dem Fahrerassistenzsystem 1 des Fahrzeugs 2 angeordnet.
  • Diese Vorrichtung 3b weist mehrere Detektionseinheiten auf, welche hier als akustische Sensoren 6a,6b, 6c,6d ausgebildet sind. Die akustischen Sensoren 6a,6b, 6c,6d detektieren akustische Geräusche im Umfeld des Fahrzeugs 2 und erzeugen auswertbare Signale aus den akustischen Geräuschen. Ferner transformiert die Transformationseinheit 5 mittels der Fast-Fourier-Transformation (FFT) jedes der in dem Zeitfenster eingeteilten Signale als Frequenzbereichssignal in den Frequenzbereich. Die Fast-Fourier-Transformation (FFT) wird daher verwendet, um jedes erzeugte Signal in den Frequenzbereich zu transformieren.
  • Anschließend wird die Filtereinheit 9 zum Filtern jedes der Frequenzbereichssignale anhand eines vorgegebenen Frequenzbandes verwendet.
  • Zudem ist der Filter 10 vorgesehen, zum Herausfiltern der Störgeräusche in jedem der Frequenzbereichssignale. Dies bedeutet, dass innerhalb des Frequenzbereiches die Störgeräusche aus jedem der Frequenzbereichssignale herausgefiltert werden. Die Störgeräusche können beispielsweise sein: Eigenfahrzeuggeräusche, aeroakustische Effekte, externe Störgeräusche etc. Dadurch ist eine bessere Erkennung des Sirenensignals möglich.
  • Zudem ist die Tonhöhenerkennungseinheit 7 vorgesehen, um jedes der Frequenzbereichssignale hinsichtlich einer von dem Sirenensignal vorgegebenen Tonhöhe zu filtern und somit dominante Töne zu erkennen.
  • Dadurch werden für die Erkennung nur Frequenzen verwendet werden, die den Frequenzen oder Tönen eine Sirene entsprechen könnten.
  • Ferner ist vorzugsweise eine Schallpegeldetektionseinrichtung (nicht gezeigt) vorgesehen, um die Frequenzbereichssignale hinsichtlich eines vorgegebenen Schallpegels zu filtern. Dadurch werden für die Erkennung nur Frequenzen mit hoher Energie im Vergleich zum Gesamtspektrum verwendet, da die Signale, insbesondere Sirenen, typischerweise einen hohen Schalldruckpegel abgeben.
  • Ferner ist die Mustererkennungseinheit 8 vorgesehen, welche jedes der gefilterten Frequenzbereichssignale mit einer Signalmusterwahrscheinlichkeit auf Sirenenmuster in dem vorab festgelegten Zeitfenster identifiziert.
  • Die Signalmusterwahrscheinlichkeiten werden gezählt und über das Zeitfenster aufsummiert. Die Einzelerkennungswahrscheinlichkeit für das Sirenensignal für jede der Sensoren 6a,6b,6c,6d wird basierend auf den Signalmusterwahrscheinlichkeiten angepasst. Je häufiger gewisse Sirenenmuster erkannt werden, desto mehr steigt die Signalmusterwahrscheinlichkeit und damit die Einzelerkennungswahrscheinlichkeit an, dass es sich um ein Sirenensignal handelt. Umgekehrt nimmt die Einzelerkennungswahrscheinlichkeit ab, wenn im Zeitfenster über die Zeit keine Sirenenmuster mehr erkannt werden.
  • Die Erkennung der Sirenenmuster und Bestimmung der Signalmusterwahrscheinlichkeiten durch die Mustererkennungseinheit 8 wird für jeden einzelnen, das heißt für jedes Frequenzbereichssignal jedes Sensors 6a,6b,6c,6d durchgeführt und die Einzelerkennungswahrscheinlichkeit in dem Zeitfenster anhand der Summe der Signalmusterwahrscheinlichkeiten für jeden Sensor 6a,6b,6c,6d bestimmt.
  • Ferner wird eine Gesamterkennungswahrscheinlichkeit aus den Einzelerkennungswahrscheinlichkeiten bestimmt. Dies bedeutet, dass die Informationen aus den einzelnen Detektionseinheiten, hier den Sensoren 6a,6b,6c,6d zusammengeführt werden. Die Verschmelzung/Fusion der Ausgänge der einzelnen Sensoren 6a,6b,6c,6d ermöglicht eine Redundanz bei der Erkennung.
  • Diese Redundanz kann zur Korrektur von Erkennungsfehlern verschiedener Sensoren 6a,6b,6c,6d genutzt werden.
  • Diese Fehler können auftreten, da die verschiedenen akustischen Sensoren 6a,6b, 6c,6d an unterschiedlichen Positionen platziert sind und unterschiedliche Störgeräusche aufweisen. Zusätzlich haben die verschiedenen akustischen Sensoren 6a,6b, 6c,6d unterschiedliche Ausrichtungen, was zu einem besseren Abbild der Umgebung führt. Die Fusion basiert auf den Einzelerkennungswahrscheinlichkeiten aller akustischen Sensoren 6a,6b, 6c,6d.
  • Dabei gilt ein Sirenensignal in dem Zeitfenster ab einem Schwellenwert in Bezug auf die Gesamterkennungswahrscheinlichkeit als erkannt.
  • Der zu wählende Ansatz der Fusion kann dabei abhängig vom Ort der Sensoren 6a,6b, 6c,6d, d.h. der Anbringung der Sensoren 6a,6b, 6c,6d an dem Fahrzeug 2 und/oder der jeweiligen Situation sein. So kann die Fusion zum Beispiel aus dem Durchschnitt der Einzelerkennungswahrscheinlichkeiten bestehen.
  • Es kann allerdings auch eine Auswahl von verschiedenen Sensoren 6a,6b,6c,6d für die Fusion abhängig von der jeweiligen Situation vorgenommen werden. So können bei einem von hinten herannahenden Einsatzfahrzeug gezielt im Bereich des Hecks des Fahrzeugs 2 angeordnete Sensoren 6c,6d ausgewertet werden.
  • Durch die erfindungsgemäße Vorrichtung 3a,3b in Fahrzeugen 2 sind diese in der Lage mit hoher Sicherheit Einsatzfahrzeuge, welche den Weg des Fahrzeugs 2 tatsächlich kreuzen, rechtzeitig und korrekt in Echtzeit zu erkennen.
  • Bei Erkennen eines Einsatzfahrzeugs kann dies dem Fahrer beispielsweise auf einem Display (nicht gezeigt) angezeigt werden. Ist das Fahrerassistenzsystem 1 dazu ausgebildet, das Fahrzeug 2 in einem automatisierten oder teilautomatisierten Betrieb zu steuern, so kann das Fahrerassistenzsystem 1 das Fahrzeug 2 beispielsweise derart steuern, dass eine Rettungsgasse gebildet werden kann.
  • Durch die erfindungsgemäße Vorrichtung 3a,3b sind Fahrzeuge 2 in der Lage auf Einsatzfahrzeuge entsprechend der Straßenverkehrsordnung zu reagieren.
  • Ferner wird von der erfindungsgemäßen Vorrichtung 3a,3b erkannt, von welcher Fahrzeugseite sich das Einsatzfahrzeug nähert und kann diese Information bei einer notwendigen Reaktion miteinbeziehen.
  • 3 zeigt eine weitere Ausgestaltung einer Vorrichtung 3c schematisch als Schaubild. Diese weist die vier Sensoren 6a,6b,6c,6d auf, welche Geräusche detektieren und in auswertbare Signale umwandeln. Die Signale werden einer FFT (Fast Fourier Transformation (FFT)) unterzogen, um jedes der in dem Zeitfenster eingeteilten Signale als Frequenzbereichssignale in den Frequenzbereich zu transformieren.
  • Anschließend werden die Frequenzbereichssignale hinsichtlich einer vorgegebenen Tonhöhe gefiltert (Pitch Detektion). Hier kann beispielsweise der Cepstrum-Algorithmus verwendet werden. Dadurch wird sichergestellt, dass für die Erkennung nur Frequenzen verwendet werden, die den Frequenzen oder Tönen eine Sirene entsprechen könnten.
  • Die gefilterten Frequenzbereichssignale werden mittels Mustererkennung auf Sirenenmuster (feature detection) überprüft und eine Signalmusterwahrscheinlichkeit ermittelt. Dabei werden die Signale in aufeinanderfolgenden Zeitfenstern separat ausgewertet, um ein periodisches Sirenengeräusch zu erkennen. Die jeweiligen Zeitfenster sind beispielsweise kürzer als die Periodendauer des Sirenengeräusches. Anhand der Signalmusterwahrscheinlichkeiten wird die Einzelerkennungswahrscheinlichkeit für jeden der Sensoren 6a,6b,6c,6d bestimmt. Je häufiger gewisse Sirenenmuster in dem Zeitfenster erkannt werden, desto höher ist die Einzelerkennungswahrscheinlichkeit, dass es sich um ein Sirenensignal handelt bzw. dass dieser Sensor 6a,6b,6c,6d ein Sirenensignal erkannt hat. Umgekehrt nimmt die Einzelerkennungswahrscheinlichkeit ab, wenn schon lange keine Sirenenmuster in dem Zeitfenster mehr erkannt wurden.
  • Anschließend werden die Einzelerkennungswahrscheinlichkeiten fusioniert (Sirene Fusion). Dabei können verschiedene Fusionsansätze zum Tragen kommen. Der zu wählende Ansatz der Fusion kann dabei abhängig vom Ort der Sensoren und/oder dem Einsatzfall sein. So kann die Fusion zum Beispiel aus dem Durchschnitt der Einzelerkennungswahrscheinlichkeiten bestehen. Es kann allerdings auch eine Auswahl von verschiedenen Sensorkanälen in die Fusion abhängig von der jeweiligen Situation vorgenommen werden. So können bei einem von hinten herannahenden Einsatzfahrzeug gezielt die hinteren Sensoren 6c,6d ausgewertet werden. Die Fusion ermöglicht eine Redundanz bei der Erkennung. Diese Redundanz kann zur Korrektur von Erkennungsfehlern bei den verschiedenen Sensoren 6a,6b,6c,6d genutzt werden.
  • Diese Fehler können auftreten, da die verschiedenen akustischen Sensoren 6a,6b,6c,6d an unterschiedlichen Positionen platziert sind und unterschiedliche Störgeräusche aufweisen können. Zusätzlich können die verschiedenen Sensoren 6a,6b,6c,6d unterschiedliche Ausrichtungen haben, was zu einem besseren Abbild der Umgebung führt.
  • Ist der Ansatz der Fusion gewählt worden und durchgeführt, so kann bestimmt werden, ob ein Sirenensignal im Umfeld des Fahrzeugs 2 vorhanden ist (Sirene Decision). Dies ist dann der Fall, wenn die Gesamterkennungswahrscheinlichkeit über einem Schwellenwert liegt.
  • Bezugszeichenliste
  • 1
    Fahrerassistenzsystem
    2
    Fahrzeug
    3a,3b,3c
    Vorrichtung
    4
    Detektionseinheit
    5
    Transformationseinheit
    6a,6b,6c,6d
    Sensoren
    7
    Tonhöhenerkennungseinheit
    8
    Mustererkennungseinheit
    9
    Filtereinheit
    10
    Filter
    11
    Tonhöhenerkennungseinheit
  • ZITATE ENTHALTEN IN DER BESCHREIBUNG
  • Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
  • Zitierte Patentliteratur
    • DE 102017126790 A1 [0007]

Claims (15)

  1. Vorrichtung (3a,3b,3c) zum Erkennen eines charakteristischen Signals im Umfeld eines Fahrzeugs (2) durch das Fahrzeug (2), die Vorrichtung (3a,3b,3c) umfassend eine Detektionseinheit (4) zum Detektieren akustischer Geräusche im Umfeld des Fahrzeugs (2) und Erzeugen von aufeinanderfolgenden Signalen aus den akustischen Geräuschen, eine Transformationseinheit (5) zur Transformation der aufeinanderfolgenden Signale als Frequenzbereichssignale in einen Frequenzbereich, eine Mustererkennungseinheit (8) zur Identifikation von Signalmuster, welche das Signal charakterisieren, in einem vorab festgelegten Zeitfenster mit einer Signalmusterwahrscheinlichkeit aus den Frequenzbereichssignalen und Bestimmen einer Erkennungswahrscheinlichkeit anhand der Summe der Signalmusterwahrscheinlichkeit und Bestimmen des Signals in dem Zeitfenster ab einem Schwellenwert in Bezug auf die Erkennungswahrscheinlichkeit als erkannt.
  2. Vorrichtung (3a,3b,3c) nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das charakteristische Signal ein periodisches Signal ist und das Zeitfenster kürzer als die Periodendauer des Signals ist.
  3. Vorrichtung (3a,3b,3c) nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Mustererkennungseinheit (8) dazu ausgelegt ist, die Erkennungswahrscheinlichkeit inkrementell zu bestimmen, indem bei jeder bestimmten Signalmusterwahrscheinlichkeit innerhalb des Zeitfensters die Erkennungswahrscheinlichkeit erhöht wird.
  4. Vorrichtung (3a,3b,3c) nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Mustererkennungseinheit (8) dazu ausgelegt ist, innerhalb des Zeitfensters die Erkennungswahrscheinlichkeit in Abhängigkeit von der Zeit herabzusetzen oder gleich zu lassen, wenn keine Signalmuster mehr erkannt werden.
  5. Vorrichtung (3a,3b,3c) nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass eine Filtereinheit (9) vorgesehen ist zum Filtern der Frequenzbereichssignale anhand eines vorgegebenen Frequenzbandes.
  6. Vorrichtung (3a,3b,3c) nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass eine Tonhöhenerkennungseinheit (7) vorgesehen ist, um die Frequenzbereichssignale hinsichtlich einer vorgegebenen Tonhöhe zu filtern.
  7. Vorrichtung (3a,3b,3c) nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das charakteristische Signal ein Sirenensignal ist.
  8. Vorrichtung (3a,3b,3c) nach Anspruch 7, dadurch gekennzeichnet, dass die Mustererkennungseinheit (8) dazu ausgebildet ist, als ein Signalmuster charakteristische Signaltöne sowie einen charakteristischen an- und abschwellenden Heulton zu identifizieren.
  9. Vorrichtung (3a,3b,3c) nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass ein Filter (10) zum Herausfiltern von Störgeräuschen vorgesehen ist.
  10. Vorrichtung (3a,3b,3c) nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Transformationseinheit (5) dazu ausgebildet ist die Transformation unter Verwendung einer Fast-Fourier Transformation durchzuführen.
  11. Vorrichtung (3a,3b,3c) nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass mehrere Detektionseinheiten (4) vorgesehen sind zum Detektieren akustischer Geräusche und Erzeugen von aufeinanderfolgenden Signalen aus den akustischen Geräuschen, und wobei die Transformationseinheit (5) zur Transformation jedes der in dem Zeitfenster eingeteilten aufeinanderfolgenden Signale als Frequenzbereichssignale in einen Frequenzbereich ausgelegt ist, und wobei die Mustererkennungseinheit (8) ferner eingerichtet ist zur Identifikation von Signalmustern, welche das Signal charakterisieren, in dem vorab festgelegten Zeitfenster mit einer Signalmusterwahrscheinlichkeit aus jeder der Frequenzbereichssignale und Bestimmen jeder Einzelerkennungswahrscheinlichkeit anhand der Summe der Signalmusterwahrscheinlichkeiten und wobei die Mustererkennungseinheit ferner dazu eingerichtet ist, zum Bilden einer Gesamterkennungswahrscheinlichkeit aus den Einzelerkennungswahrscheinlichkeiten und Bestimmen des Signals in dem Zeitfenster ab einem Schwellenwert in Bezug auf die Gesamterkennungswahrscheinlichkeit als erkannt.
  12. Vorrichtung (3a,3b,3c) nach Anspruch 11, dadurch gekennzeichnet, dass die Mustererkennungseinheit (8) ferner ausgebildet ist, die Gesamterkennungswahrscheinlichkeit aus gewichteten Einzelerkennungswahrscheinlichkeiten zu bilden.
  13. Fahrerassistenzsystem (1) mit einer Vorrichtung (3a,3b,3c) nach einem der vorhergehenden Ansprüche.
  14. Verfahren zum Erkennen eines charakteristischen Signals im Umfeld eines Fahrzeugs (2) durch das Fahrzeug (2) gekennzeichnet durch die Schritte: - Detektieren akustischer Geräusche und Erzeugen von aufeinanderfolgenden Signalen aus den akustischen Geräuschen, - Transformieren der aufeinanderfolgenden Signale als Frequenzbereichssignale in einen Frequenzbereich, - Identifizieren von Signalmustern, welche das Signal charakterisieren, in einem vorab festgelegten Zeitfenster mit einer Signalmusterwahrscheinlichkeit aus den Frequenzbereichssignalen, - Bestimmen einer Erkennungswahrscheinlichkeit anhand der Summe der Signalmusterwahrscheinlichkeiten und Bestimmen des Signals in dem Zeitfenster ab einem Schwellenwert in Bezug auf die Erkennungswahrscheinlichkeit als erkannt.
  15. Computerprogramm umfassend Befehle, die bewirken, dass die Vorrichtung (3a,3b,3c) nach einem der vorhergehenden Ansprüche 1 bis 12 das Verfahren nach Anspruch 14 ausführt.
DE102020202603.3A 2020-02-28 2020-02-28 Vorrichtung und Verfahren zum Erkennen eines charakteristischen Signals im Umfeld eines Fahrzeugs Withdrawn DE102020202603A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102020202603.3A DE102020202603A1 (de) 2020-02-28 2020-02-28 Vorrichtung und Verfahren zum Erkennen eines charakteristischen Signals im Umfeld eines Fahrzeugs

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102020202603.3A DE102020202603A1 (de) 2020-02-28 2020-02-28 Vorrichtung und Verfahren zum Erkennen eines charakteristischen Signals im Umfeld eines Fahrzeugs

Publications (1)

Publication Number Publication Date
DE102020202603A1 true DE102020202603A1 (de) 2021-09-02

Family

ID=77271297

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102020202603.3A Withdrawn DE102020202603A1 (de) 2020-02-28 2020-02-28 Vorrichtung und Verfahren zum Erkennen eines charakteristischen Signals im Umfeld eines Fahrzeugs

Country Status (1)

Country Link
DE (1) DE102020202603A1 (de)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017126790A1 (de) 2016-11-17 2018-05-17 Ford Global Technologies, Llc Erkennen und Reagieren auf Rettungsfahrzeuge auf einer Fahrbahn
DE102019113114A1 (de) 2018-06-19 2019-12-19 Nvidia Corporation Verhaltensgesteuerte wegplanung in autonomen maschinenanwendungen

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017126790A1 (de) 2016-11-17 2018-05-17 Ford Global Technologies, Llc Erkennen und Reagieren auf Rettungsfahrzeuge auf einer Fahrbahn
DE102019113114A1 (de) 2018-06-19 2019-12-19 Nvidia Corporation Verhaltensgesteuerte wegplanung in autonomen maschinenanwendungen

Similar Documents

Publication Publication Date Title
DE102005026457B4 (de) Verfahren und Steuergerät zum fahrerindividuellen Erkennen von Unaufmerksamkeiten des Fahrers eines Fahrzeuges
DE102014217681B4 (de) Sirenensignalquellenerfassung, -Erkennung und -Lokalisation
EP3522135A1 (de) Detektion von gefahrengeräuschen
DE19749372A1 (de) Elektronisches Erkennungssystem und -verfahren für akustische Signale
DE102010022165A1 (de) Verfahren und Vorrichtung zur Erfassung zumindest eines von einem Einsatzfahrzeug ausgehenden akustischen Sondersignals für ein Fahrzeug
DE102017200961A1 (de) Akustische Warnsignaldetektion für Kraftfahrzeuge
DE102017207960A1 (de) Verfahren und vorrichtung zur ortsaufgelösten detektion von einem fahrzeugexternen objekt mithilfe eines in einem fahrzeug verbauten sensors
DE102020107775A1 (de) Erkennung und Interpretation akustischer Signale und Ereignisse im Fahrzeugaußen- und/oder Innenraum
EP4189673A1 (de) Computerimplementiertes verfahren und computerprogramm zum maschinellen lernen einer robustheit eines akustischen klassifikators, akustisches klassifikationssystem für automatisiert betreibbare fahrsysteme und automatisiert betreibbares fahrsystem
DE112019003127T5 (de) Head-up-display-einrichtung
DE102019213695B3 (de) Verfahren zum Erkennen einer relativen Entfernungsänderung zwischen einem Einsatzfahrzeug und einem Fahrzeug
DE102016204315A1 (de) Fortbewegungsmittel, System und Verfahren zur Anpassung einer Länge einer erlaubten Sprechpause im Rahmen einer Spracheingabe
DE102019205543A1 (de) Verfahren zum Klassifizieren zeitlich aufeinanderfolgender digitaler Audiodaten
EP2423052A1 (de) Vorrichtung und Verfahren zur Erkennung von Personen
DE102019213697B4 (de) Verfahren zum Erkennen einer Annäherung und/oder Entfernung eines Einsatzfahrzeugs relativ zu einem Fahrzeug
DE102014207437A1 (de) Spracherkennung mit einer Mehrzahl an Mikrofonen
DE112012007111B4 (de) Vorrichtung zum Erfassen eines anderen Fahrzeugs, Fahrunterstützungsvorrichtung und Verfahren zum Erfassen eines anderen Fahrzeugs
DE102020206706A1 (de) Erkennen einer Änderung eines Abstands zwischen einem Fahrzeug und einem Einsatzfahrzeug
DE102020202603A1 (de) Vorrichtung und Verfahren zum Erkennen eines charakteristischen Signals im Umfeld eines Fahrzeugs
DE102018129708A1 (de) Verfahren zur Auswertung eines akustischen Sondersignals eines Einsatzfahrzeugs
DE102022205745A1 (de) Ultraschallsystem und -verfahren zur Klassifizierung von Hindernissen mittels eines Maschinenlernalgorithmus
DE102019213816A1 (de) Verfahren zum Erkennen einer Blockade eines Audiosensors eines Fahrzeugs
DE102013016344A1 (de) Verfahren zur Analyse und Bewertung eines Sondersignals sowie Verfahren zur Übertragung eines Sondersignals
DE102019207700A1 (de) Klassifikationsvorrichtung zur Objektdetektion in Umfeldsensordaten und Verfahren
DE102019219749B4 (de) Beurteilen der Identifizierbarkeit eines Warnsignals in Mikrofondaten

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R079 Amendment of ipc main class

Free format text: PREVIOUS MAIN CLASS: G10L0021023200

Ipc: G10L0025480000

R016 Response to examination communication
R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee