-
Die Erfindung betrifft ein computerimplementiertes Verfahren zum Überwachen eines Einsatzbereiches einer unter Verwendung eines ersten Algorithmus maschinellen Lernens bereitgestellten Funktion.
-
Die Erfindung betrifft des Weiteren ein System zum Überwachen eines Einsatzbereiches einer unter Verwendung eines ersten Algorithmus maschinellen Lernens bereitgestellten Funktion.
-
Darüber hinaus betrifft die Erfindung ein computerimplementiertes Verfahren zum Bereitstellen eines trainierten Algorithmus maschinellen Lernens zum Überwachen eines Einsatzbereiches einer unter Verwendung eines ersten Algorithmus maschinellen Lernens bereitgestellten Funktion.
-
Der Einsatz einer datenbasierten Funktion in einer sicherheitskritischen Funktion hängt wesentlich davon ab zu detektieren, dass sich die Funktion immer noch innerhalb eines intendierten Einsatzbereiches befindet. Übliche Verfahren zur Überwachung dieses Einsatzbereiches extrahieren oder modellieren eine Datenverteilung und melden eine Abweichung.
-
DE 10 2019 001 100 A1 offenbart ein Verfahren zur Überwachung einer Funktionalität eines Fahrzeuginformationssystems eines Kraftfahrzeugs. Das Verfahren umfasst hierbei ein Anfordern der Funktionalität über eine Schnittstelle, ein Ausführen der Funktionalität durch ein Fahrzeuginformationssystem, ein Erfassen eines Betriebszustands der Funktionalität des Fahrzeuginformationssystems, ein Vergleichen des Betriebszustands mit der in einem Rahmenbedingungsplan festgehaltenen Funktionalitätseigenschaft, und im Falle einer Abweichung des Betriebszustands von der in dem Rahmenbedingungsplan festgehaltenen Funktionalitätseigenschaft ein Bereitstellen wenigstens eines die Abweichung charakterisierenden Werts für das Register und/oder an der Schnittstelle des Fahrzeuginformationssystems.
-
Ein solches Verfahren ist jedoch zur Verwendung im Rahmen einer unter Verwendung eines Algorithmus maschinellen Lernens bereitgestellten Funktion nur bedingt anwendbar. Gerade bei sicherheitskritischen Funktionen ist es zudem erforderlich, ein hohes Maß an Redundanz vorzusehen, um sowohl die Durchführung der bereitgestellten Funktion als auch deren Überwachung nach vorgegebenen Kriterien umsetzen zu können.
-
Der Erfindung liegt somit die Aufgabe zugrunde, ein verbessertes Verfahren und System zum Überwachen eines Einsatzbereiches einer bereitgestellten Funktion vorzusehen.
-
Die Aufgabe wird mit einem computerimplementierten Verfahren zum Überwachen eines Einsatzbereiches einer unter Verwendung eines ersten Algorithmus maschinellen Lernens bereitgestellten Funktion mit den Merkmalen des Patentanspruchs 1 gelöst.
-
Die Aufgabe wird darüber hinaus mit einem Verfahren zum Bereitstellen eines trainierten Algorithmus maschinellen Lernens zum Überwachen eines Einsatzbereiches einer unter Verwendung eines ersten Algorithmus maschinellen Lernens bereitgestellten Funktion mit den Merkmalen des Patentanspruchs 12 gelöst.
-
Die Aufgabe wird des Weiteren mit einem System zum Überwachen eines Einsatzbereiches unter Verwendung eines ersten Algorithmus maschinellen Lernens bereitgestellten Funktion mit den Merkmalen des Patentanspruchs 13 gelöst.
-
Ferner wird die Aufgabe mit einem Computerprogramm mit den Merkmalen des Patentanspruchs 14 und einem Computerlesbarer Datenträger mit den Merkmalen des Patentanspruchs 15 gelöst.
-
Offenbarung der Erfindung
-
Die vorliegende Erfindung schafft ein computerimplementiertes Verfahren zum Überwachen eines Einsatzbereiches einer unter Verwendung eines ersten Algorithmus maschinellen Lernens bereitgestellten Funktion.
-
Das Verfahren umfasst ein Bereitstellen von Bilddaten einer durch einen bildgebenden Sensor aufgenommenen Sequenz von Einzelbildern.
-
Das Verfahren umfasst ferner ein Empfangen der Bilddaten durch den ersten Algorithmus maschinellen Lernens, welcher die Bilddaten nach ersten Kriterien klassifiziert und einen eine ermittelte erste Klasse repräsentierenden ersten Datensatz ausgibt.
-
Darüber hinaus umfasst das Verfahren ein Berechnen und Ausgeben eines eine pixelweise Differenz zwischen einem ersten Einzelbild und einem zweiten Einzelbild bildenden Differenzbildes der durch den bildgebenden Sensor aufgenommenen Sequenz von Einzelbildern durch einen zweiten Algorithmus.
-
Des Weiteren umfasst das Verfahren ein Empfangen des durch den zweiten Algorithmus ausgegebenen Differenzbildes durch einen dritten Algorithmus maschinellen Lernens, welcher das Differenzbild nach sich von den ersten Kriterien unterscheidenden zweiten Kriterien klassifiziert.
-
Das Verfahren umfasst ferner ein Ausgeben eines eine ermittelte zweite Klasse repräsentierenden zweiten Datensatzes durch den dritten Algorithmus maschinellen Lernens, wobei die ermittelte zweite Klasse repräsentiert, ob die durch den ersten Algorithmus maschinellen Lernens bereitgestellte Funktion innerhalb oder außerhalb ihres Einsatzbereiches durchgeführt wird.
-
Die vorliegende Erfindung schafft Des Weiteren ein computerimplementiertes Verfahren zum Bereitstellen eines trainierten Algorithmus maschinellen Lernens zum Überwachen eines Einsatzbereiches einer unter Verwendung eines ersten Algorithmus maschinellen Lernens bereitgestellten Funktion.
-
Das Verfahren umfasst ein Empfangen eines ersten Trainingsdatensatzes von Differenzbildern einer pixelweisen Differenz zwischen einem ersten Einzelbild und einem zweiten Einzelbild einer durch einen bildgebenden Sensor aufgenommenen Sequenz von Einzelbildern.
-
Ferner umfasst das Verfahren ein Empfangen eines zweiten Trainingsdatensatzes von Klassifikationsdaten in den Differenzbildern enthaltenen Umweltparametern, insbesondere Wetterbedingungen, einer Sichtweite und/oder Lichtverhältnissen.
-
Das Verfahren umfasst darüber hinaus ein Trainieren des Algorithmus maschinellen Lernens durch einen Optimierungsalgorithmus, welcher einen Extremwert einer Verlustfunktion zur Klassifikation von in den Differenzbildern enthaltenen Umweltparametern berechnet.
-
Die vorliegende Erfindung schafft Des Weiteren ein System zum Überwachen eines Einsatzbereiches einer unter Verwendung eines ersten Algorithmus maschinellen Lernens bereitgestellten Funktion.
-
Das System umfasst einen bildgebenden Sensor, welche dazu eingerichtet ist, Bilddaten einer aufgenommenen Sequenz von Einzelbildern bereitzustellen.
-
Ferner umfasst das System eine erste Recheneinrichtung, welche dazu eingerichtet ist, die Bilddaten zu empfangen, wobei ein erster Algorithmus maschinellen Lernens dazu eingerichtet ist, die Bilddaten nach ersten Kriterien zu klassifizieren und einen eine ermittelte erste Klasse repräsentierenden ersten Datensatz auszugeben.
-
Darüber hinaus umfasst das System eine zweite Recheneinrichtung, welche dazu eingerichtet ist, ein eine pixelweise Differenz zwischen einem ersten Einzelbild und einem zweiten Einzelbild bildendes Differenzbild der durch den bildgebenden Sensor aufgenommenen Sequenz von Einzelbildern durch einen zweiten Algorithmus zu berechnen und auszugeben.
-
Das System umfasst ferner eine dritte Recheneinrichtung, welche dazu eingerichtet ist, das durch den zweiten Algorithmus ausgegebene Differenzbild durch einen dritten Algorithmus maschinellen Lernens, welcher das Differenzbild nach sich von den ersten Kriterien unterscheidenden zweiten Kriterien klassifiziert, zu empfangen, und einen eine ermittelte zweite Klasse repräsentierenden zweiten Datensatz durch den dritten Algorithmus maschinellen Lernens auszugeben, wobei die ermittelte zweite Klasse repräsentiert, ob die durch den ersten Algorithmus maschinellen Lernens bereitgestellte Funktion innerhalb oder außerhalb ihres Einsatzbereiches durchgeführt wird.
-
Die vorliegende Erfindung schafft ferner ein Computerprogramm mit Programmcode, um das erfindungsgemäße Verfahren durchzuführen, wenn das Computerprogramm auf einem Computer ausgeführt wird sowie einen computerlesbaren Datenträger mit Programmcode eines Computerprogramms, um das erfindungsgemäße Verfahren durchzuführen, wenn das Computerprogramm auf einem Computer ausgeführt wird.
-
Eine Idee der vorliegenden Erfindung ist es, für das Überwachungssignal einen unabhängigen Pfad zu schaffen. Ferner wird durch Verwendung des Differenzbildes zweier Einzelbilder der durch den bildgebenden Sensor aufgenommenen Sequenz von Einzelbildern eine Ableitung der Rohbilddaten des bildgebenden Sensors zur Überwachung der unter Verwendung des ersten Algorithmus maschinellen Lernens bereitgestellten Funktion verwendet.
-
Somit kann in vorteilhafter Weise ein redundantes Verfahren und System zur Überwachung des Einsatzbereiches der unter Verwendung des ersten Algorithmus maschinellen Lernens bereitgestellten Funktion vorgesehen werden. Hierdurch wird zum einen die Sicherheit zum anderen die Genauigkeit der Bereitstellung der Funktion innerhalb ihres intendierten Einsatzbereiches gewährleistet.
-
Vorteilhafte Ausführungsformen und Weiterbildungen ergeben sich aus den Unteransprüchen sowie aus der Beschreibung unter Bezugnahme auf die Figuren.
-
Gemäß einer bevorzugten Weiterbildung ist vorgesehen, dass der durch den ersten Algorithmus maschinellen Lernens ausgegebene erste Datensatz und der durch den dritten Algorithmus maschinellen Lernens ausgegebene zweite Datensatz fusioniert und an ein Bewertungssystem übertragen werden, welches in Abhängigkeit des zweiten Datensatzes bestimmt, ob die durch den ersten Algorithmus maschinellen Lernens bereitgestellte Funktion innerhalb oder außerhalb ihres Einsatzbereiches durchgeführt wird.
-
Durch die Unabhängigkeit des Funktionspfades und des Überwachungspfades kann somit eine verbesserte Überwachung der Funktion vorgesehen werden.
-
Gemäß einer weiteren bevorzugten Weiterbildung ist vorgesehen, dass das Bewertungssystem eine Mehrzahl von Klassifikationsdaten einer Mehrzahl von Sensoren empfängt, wobei das Bewertungssystem auf Basis der Mehrzahl von Klassifikationsdaten bestimmt, ob die Funktion bereitgestellt wird.
-
Das Vorsehen der Mehrzahl von Klassifikationsdaten ermöglicht somit in vorteilhafter Weise eine verbesserte Bereitstellung der betreffenden Funktion.
-
Gemäß einer weiteren bevorzugten Weiterbildung ist vorgesehen, dass der dritte Algorithmus maschinellen Lernens einen eine Vorhersagegenauigkeit der zweiten Klasse bezeichnenden Konfidenzwert ausgibt, wobei das Bewertungssystem in Abhängigkeit des zweiten Datensatzes und des Konfidenzwertes bestimmt, ob die durch den ersten Algorithmus maschinellen Lernens bereitgestellte Funktion innerhalb oder außerhalb ihres Einsatzbereiches durchgeführt wird.
-
Das Vorsehen des Konfidenzwertes ermöglicht beispielsweise, dass zur Bereitstellung der Funktion beispielsweise Klassifikationsdaten eines bestimmten Sensors höher priorisiert werden als sie Daten eines anderen Sensors.
-
Gemäß einer weiteren bevorzugten Weiterbildung ist vorgesehen, dass falls der durch den dritten Algorithmus maschinellen Lernens ausgegebene Konfidenzwert außerhalb eines vorgegebenen Normbereiches liegt, der durch den ersten Algorithmus maschinellen Lernens ausgegebene erste Datensatz bei der Bereitstellung der Funktion nicht verwendet wird.
-
Der Konfidenzwert ermöglicht somit ferner das Treffen einer Entscheidung, welche Daten in die Bereitstellung der Funktion einfließen.
-
Gemäß einer weiteren bevorzugten Weiterbildung ist vorgesehen, dass der erste Algorithmus maschinellen Lernens eine Objektklassifikation, Objektlokalisation und/oder Bildsegmentierung von in den Bilddaten, insbesondere eines Innenraums und/oder eines Umfelds eines Kraftfahrzeugs, enthaltenen Objekten und/oder Segmenten durchführt, und wobei der erste Datensatz zumindest ein in den Bilddaten klassifiziertes Objekt und/oder ein segmentiertes Bild umfasst.
-
Der erste Algorithmus maschinellen Lernens ist somit in vorteilhafter Weise im Rahmen eines breiten Spektrums an Anwendungsszenarien einsetzbar.
-
Gemäß einer weiteren bevorzugten Weiterbildung ist vorgesehen, dass der durch den dritten Algorithmus maschinellen Lernens ausgegebene zweite Datensatz in dem Differenzbild, insbesondere in Form der zweiten Klasse, klassifizierte Umweltparameter, insbesondere Wetterbedingungen, eine Sichtweite und/oder Lichtverhältnisse, repräsentiert.
-
Der zweite Algorithmus ist somit in vorteilhafter Weise in der Lage, das Bereitstellen der Funktion in Abhängigkeit vorgegebener Umweltparameter zu überwachen.
-
Gemäß einer weiteren bevorzugten Weiterbildung ist vorgesehen, dass der zweite Algorithmus die Pixelwerte des ersten Einzelbildes in einem Datenspeicher zwischenspeichert, bei Empfang des zweiten Einzelbildes mit den Pixelwerten des zweiten Einzelbildes vergleicht und daraus das Differenzbild berechnet. Somit kann eine effiziente Überwachung der Funktion in einem Echtzeitbetrieb ermöglicht werden.
-
Gemäß einer weiteren bevorzugten Weiterbildung ist vorgesehen, dass der durch den dritten Algorithmus maschinellen Lernens ausgegebene zweite Datensatz zumindest einen numerischen Wert umfasst, wobei falls der zumindest eine numerische Wert innerhalb einem vorgegebenen Wertebereich liegt, klassifiziert wird, dass die durch den ersten Algorithmus maschinellen Lernens bereitgestellte Funktion innerhalb ihres Einsatzbereiches durchgeführt wird, und wobei falls der zumindest eine numerische Wert außerhalb einem vorgegebenen Wertebereich liegt, klassifiziert wird, dass die durch den ersten Algorithmus maschinellen Lernens bereitgestellte Funktion außerhalb ihres Einsatzbereiches durchgeführt wird.
-
Das Vorsehen des vorgegebenen Wertebereiches ermöglicht in vorteilhafter Weise die Unterscheidung zwischen im Wesentlichen einem Positivfall und einer Reihe von Negativfällen, welche durch Werte außerhalb des vorgegebenen Wertebereiches gekennzeichnet sind.
-
Gemäß einer weiteren bevorzugten Weiterbildung ist vorgesehen, dass falls der zumindest eine numerische Wert innerhalb dem vorgegebenen Wertebereich liegt, Wetterbedingungen, eine Sichtweite und/oder Lichtverhältnisse derart sind, dass die durch den ersten Algorithmus maschinellen Lernens bereitgestellte Funktion innerhalb ihres Einsatzbereiches durchgeführt wird, und wobei falls der zumindest eine numerische Wert außerhalb dem vorgegebenen Wertebereich liegt, Wetterbedingungen, eine Sichtweite und/oder Lichtverhältnisse derart sind, dass die durch den ersten Algorithmus maschinellen Lernens bereitgestellte Funktion außerhalb ihres Einsatzbereiches durchgeführt wird. Die Funktion kann somit in Abhängigkeit der ermittelten Umweltparameter bereitgestellt werden.
-
Gemäß einer weiteren bevorzugten Weiterbildung ist vorgesehen, dass der durch den ersten Algorithmus maschinellen Lernens ausgegebene erste Datensatz und der durch den dritten Algorithmus maschinellen Lernens ausgegebene zweite Datensatz in vorgegebenen Intervallen fusioniert werden, und wobei der bildgebende Sensor durch einen Videosensor, einen Lidarsensor, einen Ultraschallsensor und/oder einen Wärmebildsensor ausgebildet ist.
-
Der Fachmann versteht unter dem Begriff fusionieren, dass der erste Datensatz und der zweite Datensatz zu einem einzelnen Datensatz zusammengefügt bzw. konkateniert werden. Alternativ wäre auch ein Annotieren des ersten Datensatzes mit den Daten des zweiten Datensatzes möglich.
-
Somit kann eine kontinuierliche Überwachung der Funktion bereitgestellt werden, ohne eine überproportional hohe Rechenleistung zu erfordern.
-
Die beschriebenen Ausgestaltungen und Weiterbildungen lassen sich beliebig miteinander kombinieren.
-
Weitere mögliche Ausgestaltungen, Weiterbildungen und Implementierungen der Erfindung umfassen auch nicht explizit genannte Kombinationen von zuvor oder im Folgenden bezüglich der Ausführungsbeispiele beschriebenen Merkmale der Erfindung.
-
Figurenliste
-
Die beiliegenden Zeichnungen sollen ein weiteres Verständnis der Ausführungsformen der Erfindung vermitteln. Sie veranschaulichen Ausführungsformen und dienen im Zusammenhang mit der Beschreibung der Erklärung von Prinzipien und Konzepten der Erfindung.
-
Andere Ausführungsformen und viele der genannten Vorteile ergeben sich im Hinblick auf die Zeichnungen. Die dargestellten Elemente der Zeichnungen sind nicht notwendigerweise maßstabsgetreu zueinander gezeigt.
-
Es zeigen:
- 1 ein Ablaufdiagramm eines computerimplementierten Verfahrens zum Überwachen eines Einsatzbereiches einer unter Verwendung eines ersten Algorithmus maschinellen Lernens bereitgestellten Funktion gemäß einer bevorzugten Ausführungsform der Erfindung;
- 2 ein Ablaufdiagramm eines computerimplementierten Verfahrens zum Bereitstellen eines trainierten Algorithmus maschinellen Lernens zum Überwachen eines Einsatzbereiches einer unter Verwendung eines weiteren Algorithmus maschinellen Lernens bereitgestellten Funktion gemäß der bevorzugten Ausführungsform der Erfindung; und
- 3 eine schematische Darstellung eines Systems zum Überwachen eines Einsatzbereiches einer unter Verwendung eines ersten Algorithmus maschinellen Lernens bereitgestellten Funktion gemäß der bevorzugten Ausführungsform der Erfindung.
-
In den Figuren der Zeichnungen bezeichnen gleiche Bezugszeichen gleiche oder funktionsgleiche Elemente, Bauteile oder Komponenten, soweit nichts Gegenteiliges angegeben ist.
-
1 zeigt ein Ablaufdiagramm eines computerimplementierten Verfahrens zum Überwachen eines Einsatzbereiches einer unter Verwendung eines ersten Algorithmus maschinellen Lernens bereitgestellten Funktion gemäß einer bevorzugten Ausführungsform der Erfindung.
-
Das Verfahren umfasst ein Bereitstellen S1 von Bilddaten BD einer durch einen bildgebenden Sensor 10 aufgenommenen Sequenz von Einzelbildern EB1, EB2.
-
Das Verfahren umfasst ferner ein Empfangen S2 der Bilddaten BD durch den ersten Algorithmus maschinellen Lernens A1, welcher die Bilddaten BD nach ersten Kriterien klassifiziert und einen eine ermittelte erste Klasse K1 repräsentierenden ersten Datensatz DS1 ausgibt. Der erste Algorithmus maschinellen Lernens A1 ist dabei durch ein künstliches neuronales Netz ausgebildet.
-
Darüber hinaus umfasst das Verfahren ein Berechnen und Ausgeben S3 eines eine pixelweise Differenz zwischen einem ersten Einzelbild EB1 und einem zweiten Einzelbild EB2 bildenden Differenzbildes DB der durch den bildgebenden Sensor 10 aufgenommenen Sequenz von Einzelbildern EB1, EB2 durch einen zweiten Algorithmus A2.
-
Des Weiteren umfasst das Verfahren ein Empfangen S4 des durch den zweiten Algorithmus A2 ausgegebenen Differenzbildes DB durch einen dritten Algorithmus maschinellen Lernens A3, welcher das Differenzbild DB nach sich von den ersten Kriterien unterscheidenden zweiten Kriterien klassifiziert.
-
Ferner umfasst das Verfahren ein Ausgeben S5 eines eine ermittelte zweite Klasse K2 repräsentierenden zweiten Datensatzes DS2 durch den dritten Algorithmus maschinellen Lernens A3, wobei die ermittelte zweite Klasse K2 repräsentiert, ob die durch den ersten Algorithmus maschinellen Lernens A1 bereitgestellte Funktion F innerhalb oder außerhalb ihres Einsatzbereiches EB durchgeführt wird.
-
Der durch den ersten Algorithmus maschinellen Lernens A1 ausgegebene erste Datensatz DS1 und der durch den dritten Algorithmus maschinellen Lernens A3 ausgegebene zweite Datensatz DS2 werden fusioniert und an ein Bewertungssystem BS übertragen, welches in Abhängigkeit des zweiten Datensatzes DS2 bestimmt, ob die durch den ersten Algorithmus maschinellen Lernens A1 bereitgestellte Funktion F innerhalb oder außerhalb ihres Einsatzbereiches EB durchgeführt wird.
-
Das Bewertungssystem BS empfängt eine Mehrzahl von Klassifikationsdaten einer Mehrzahl von Sensoren 10, 11, 12. Das Bewertungssystem BS bestimmt auf Basis der Mehrzahl von Klassifikationsdaten, ob die Funktion F bereitgestellt wird.
-
Der dritte Algorithmus maschinellen Lernens A3 gibt einen eine Vorhersagegenauigkeit der zweiten Klasse K2 bezeichnenden Konfidenzwert K aus. Das Bewertungssystem BS bestimmt in Abhängigkeit des zweiten Datensatzes DS2 und des Konfidenzwertes K, ob die durch den ersten Algorithmus maschinellen Lernens A1 bereitgestellte Funktion F innerhalb oder außerhalb ihres Einsatzbereiches EB durchgeführt wird.
-
Falls der durch den dritten Algorithmus maschinellen Lernens A3 ausgegebene Konfidenzwert K außerhalb eines vorgegebenen Normbereiches liegt, wird der durch den ersten Algorithmus maschinellen Lernens A1 ausgegebene erste Datensatz DS1 bei der Bereitstellung der Funktion F nicht verwendet.
-
Der erste Algorithmus maschinellen Lernens A1 führt eine Objektklassifikation, Objektlokalisation und/oder Bildsegmentierung, insbesondere eines Innenraums und/oder eines Umfelds eines Kraftfahrzeugs, enthaltenen Objekten und/oder Segmenten durch. Der erste Datensatz DS1 umfasst zumindest ein in den Bilddaten BD klassifiziertes Objekt und/oder ein segmentiertes Bild.
-
Bei dem klassifizierten Objekt handelt es sich beispielsweise um ein Kraftfahrzeug in einer Verkehrssituation und/oder sonstige Objekte wie Verkehrszeichen oder Fußgänger. Ein segmentiertes Bild kann beispielsweise in verschiedene Segmente wie Straßenmarkierungen, Verkehrsteilnehmer, etc. segmentiert sein.
-
Die Funktion F wird unter Verwendung der Ausgabe des ersten Algorithmus maschinellen Lernens A1, d.h. der Objektklassifikation, Objektlokalisation und/oder Bildsegmentierung, insbesondere von im Innenraum und/oder im Umfeld des Kraftfahrzeugs, enthaltenen Objekten und/oder Segmenten bereitgestellt.
-
Die Funktion F umfasst dabei ein Steuern von Komponenten eines Antriebsstrangs, beispielsweise eines Verbrennungsmotors, eines Schaltgetriebes und/oder einer elektrischen Maschine des Kraftfahrzeugs. Ferner und/oder alternativ umfasst die Funktion F ein Steuern eines Bremssystems und/oder eines Lenksystems des Kraftfahrzeugs.
-
Der durch den dritten Algorithmus maschinellen Lernens A3 ausgegebene zweite Datensatz DS2 repräsentiert in dem Differenzbild DB, insbesondere in Form der zweiten Klasse K2, klassifizierte Umweltparameter, insbesondere Wetterbedingungen, eine Sichtweite und/oder Lichtverhältnisse.
-
Der zweite Algorithmus A2 speichert die Pixelwerte des ersten Einzelbildes EB1 in einem Datenspeicher zwischen. Bei Empfang des zweiten Einzelbildes EB2 vergleicht der zweite Algorithmus A2 dieses mit den Pixelwerten des zweiten Einzelbildes EB2 und berechnet daraus das Differenzbild DB.
-
Der durch den dritten Algorithmus maschinellen Lernens A3 ausgegebene zweite Datensatz DS2 umfasst zumindest einen numerischen Wert W. Falls der zumindest eine numerische Wert W innerhalb einem vorgegebenen Wertebereich liegt, wird klassifiziert, dass die durch den ersten Algorithmus maschinellen Lernens A1 bereitgestellte Funktion F innerhalb ihres Einsatzbereiches EB durchgeführt wird.
-
Falls der zumindest eine numerische Wert W außerhalb eines vorgegebenen Wertebereiches liegt, wird klassifiziert, dass die durch den ersten Algorithmus maschinellen Lernens A1 bereitgestellte Funktion F außerhalb ihres Einsatzbereiches EB durchgeführt wird.
-
Falls der zumindest eine numerische Wert W innerhalb dem vorgegebenen Wertebereich liegt, sind Wetterbedingungen, eine Sichtweite und/oder Lichtverhältnisse derart, dass die durch den ersten Algorithmus maschinellen Lernens A1 bereitgestellte Funktion F innerhalb ihres Einsatzbereiches EB durchgeführt wird.
-
Falls der zumindest eine numerische Wert W außerhalb dem vorgegebenen Wertebereich liegt, sind Wetterbedingungen, eine Sichtweite und/oder Lichtverhältnisse derart, dass die durch den ersten Algorithmus maschinellen Lernens A1 bereitgestellte Funktion F außerhalb ihres Einsatzbereiches EB durchgeführt wird.
-
Der durch den ersten Algorithmus maschinellen Lernens A1 ausgegebene erste Datensatz DS1 und der durch den dritten Algorithmus maschinellen Lernens A3 ausgegebene zweite Datensatz DS2 werden in vorgegebenen Intervallen fusioniert. Der bildgebende Sensor 10 ist durch einen Videosensor, einen Lidarsensor, einen Ultraschallsensor und/oder einen Wärmebildsensor ausgebildet.
-
2 zeigt ein Ablaufdiagramm eines computerimplementierten Verfahrens zum Bereitstellen eines trainierten Algorithmus maschinellen Lernens zum Überwachen eines Einsatzbereiches einer unter Verwendung eines weiteren Algorithmus maschinellen Lernens bereitgestellten Funktion gemäß der bevorzugten Ausführungsform der Erfindung.
-
Das Verfahren umfasst ein Empfangen S1' eines ersten Trainingsdatensatzes TD1 von Differenzbildern DB einer pixelweisen Differenz zwischen einem ersten Einzelbild EB1 und einem zweiten Einzelbild EB2 einer durch einen bildgebenden Sensor 10 aufgenommenen Sequenz von Einzelbildern EB1, EB2.
-
Ferner umfasst das Verfahren ein Empfangen S2' eines zweiten Trainingsdatensatzes TD2 von Klassifikationsdaten in den Differenzbildern DB enthaltenen Umweltparametern, insbesondere Wetterbedingungen, einer Sichtweite und/oder Lichtverhältnissen.
-
Darüber hinaus umfasst das Verfahren ein Trainieren S3' des Algorithmus maschinellen Lernens A3 durch einen Optimierungsalgorithmus, welcher einen Extremwert einer Verlustfunktion zur Klassifikation von in den Differenzbildern DB enthaltenen Umweltparametern berechnet.
-
3 zeigt eine schematische Darstellung eines Systems zum Überwachen eines Einsatzbereiches einer unter Verwendung des ersten Algorithmus maschinellen Lernens bereitgestellten Funktion gemäß der bevorzugten Ausführungsform der Erfindung.
-
Das System umfasst einen bildgebenden Sensor 10, welche dazu eingerichtet ist, Bilddaten BD einer aufgenommenen Sequenz von Einzelbildern EB1, EB2 bereitzustellen.
-
Darüber hinaus umfasst das System eine erste Recheneinrichtung 14, welche dazu eingerichtet ist, die Bilddaten BD zu empfangen, wobei ein erster Algorithmus maschinellen Lernens A1 dazu eingerichtet ist, die Bilddaten BD nach ersten Kriterien zu klassifizieren und einen eine ermittelte erste Klasse K1 repräsentierenden ersten Datensatz DS1 auszugeben.
-
Ferner umfasst das System eine zweite Recheneinrichtung 16, welche dazu eingerichtet ist, ein eine pixelweise Differenz zwischen einem ersten Einzelbild EB1 und einem zweiten Einzelbild EB2 bildendes Differenzbild DB der durch den bildgebenden Sensor 10 aufgenommenen Sequenz von Einzelbildern EB1, EB2 durch einen zweiten Algorithmus zu berechnen und auszugeben.
-
Das System umfasst darüber hinaus eine dritte Recheneinrichtung 18, welche dazu eingerichtet ist, das durch den zweiten Algorithmus ausgegebene Differenzbild DB durch einen dritten Algorithmus maschinellen Lernens A3, welcher das Differenzbild DB nach sich von den ersten Kriterien unterscheidenden zweiten Kriterien klassifiziert, zu empfangen, und einen eine ermittelte zweite Klasse K2 repräsentierenden zweiten Datensatz DS2 durch den dritten Algorithmus maschinellen Lernens A3 auszugeben, wobei die ermittelte zweite Klasse K2 repräsentiert, ob die durch den ersten Algorithmus maschinellen Lernens A1 bereitgestellte Funktion F innerhalb oder außerhalb ihres Einsatzbereiches EB durchgeführt wird.
-
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 102019001100 A1 [0005]
