DE102021103649A1

DE102021103649A1 - Lokalisierung von fahrzeugvorrichtungen

Info

Publication number: DE102021103649A1
Application number: DE102021103649.6A
Authority: DE
Inventors: Miguel Mancilla Montiel; Tamaira Tibisay Linares Becerra
Original assignee: Ford Global Technologies LLC
Current assignee: Ford Global Technologies LLC
Priority date: 2020-02-19
Filing date: 2021-02-16
Publication date: 2021-08-19
Also published as: US20210255634A1; CN113276881A; US11586212B2

Abstract

Die vorliegende Offenbarung stellt Lokalisierung von Fahrzeugvorrichtungen bereit. Ein Computer beinhaltet einen Prozessor und einen Speicher, wobei der Speicher Anweisungen beinhaltet, die von dem Prozessor zu Folgendem auszuführen sind: Bestimmen einer Vielzahl von Indikatoren der empfangenen Signalstärke oder Laufzeitwerten für eine mobile Vorrichtung von jedem einer Vielzahl von Sensoren, die in einem Fahrzeug beinhaltet sind, Bestimmen einer Position der mobilen Vorrichtung in Bezug auf das Fahrzeug durch Verarbeiten der Indikatoren der empfangenen Signalstärke oder Laufzeitwerte mit einem neuronalen Netz, wobei jeder Indikator der empfangenen Signalstärke in ein Eingabeneuron eingegeben wird, das in einer Eingabeschicht des neuronalen Netzes beinhaltet ist, wobei jedes Eingabeneuron mindestens einen Indikator der empfangenen Signalstärke oder Laufzeitwert eingibt, und Betreiben des Fahrzeugs unter Verwendung der lokalisierten mobilen Vorrichtung.

Description

GEBIET DER TECHNIK
Die Offenbarung betrifft im Allgemeinen den Fahrzeugbetrieb.
ALLGEMEINER STAND DER TECHNIK
Fahrzeuge können mit Rechenvorrichtungen, Netzwerken, Sensoren und Steuerungen ausgestattet sein, um Daten in Bezug auf die Umgebung des Fahrzeugs zu erfassen und das Fahrzeug auf Grundlage der Daten zu betreiben. Fahrzeugsensoren können Daten über die Umgebung eines Fahrzeugs, z. B. bezüglich zurückzulegenden Routen und zu umfahrenden Objekten in der Umgebung des Fahrzeugs bereitstellen.
KURZDARSTELLUNG
Fahrzeuge können dazu ausgestattet sein, in autonomen und/oder in insassengesteuerten Modi betrieben zu werden. Unter einem halb- oder vollautonomen Modus verstehen die Erfinder einen Betriebsmodus, in dem ein Fahrzeug teilweise oder vollständig von einer Rechenvorrichtung als Teil eines Systems gesteuert werden kann, das Sensoren und Steuerungen aufweist. Das Fahrzeug kann besetzt oder unbesetzt sein, wobei das Fahrzeug in beiden Fällen teilweise oder vollständig ohne Unterstützung eines Insassen gesteuert werden kann. Für die Zwecke dieser Offenbarung ist ein autonomer Modus als ein Modus definiert, bei dem jedes von Antrieb (z. B. über einen Antriebsstrang, der eine Brennkraftmaschine und/oder einen Elektromotor beinhaltet), Bremsung und Lenkung des Fahrzeugs durch einen oder mehrere Fahrzeugcomputer gesteuert wird; in einem halbautonomen Modus steuert/steuern der/die Fahrzeugcomputer eines oder zwei von Antrieb, Bremsung und Lenkung des Fahrzeugs. In einem nichtautonomen Modus wird keines von diesen durch einen Computer gesteuert.
Ein Fahrzeug kann Daten von einem Insassen oder einem potentiellen Insassen über eine mobile Vorrichtung empfangen. Eine mobile Vorrichtung kann ein Smartphone, eine Tablet-Rechenvorrichtung oder eine drahtlose Aktivierungsvorrichtung sein, wie sie gemeinhin als „Funkschlüssel“ bezeichnet wird. Eine drahtlose Aktivierungsvorrichtung ist eine Hardware-Vorrichtung, die einen Prozessor, einen Speicher und eine Schaltung für drahtlose Nahbereichskommunikationen mit einem Fahrzeug beinhaltet. Ein Smartphone, Tablet oder eine drahtlose Aktivierungsvorrichtung kann eine drahtlose Kommunikationsschnittstelle beinhalten, die über ein drahtloses Kommunikationsprotokoll mit einer Rechenvorrichtung in einem Fahrzeug kommunizieren kann. Das Fahrzeug kann Daten von der mobilen Vorrichtung empfangen und auf Grundlage der Daten Aufgaben in Bezug auf den Insassen oder potentiellen Insassen ausführen. Die Aufgaben können zum Beispiel Entriegeln einer Tür, Öffnen einer Heckklappe oder Anschalten von Innen- und/oder Auß enlichtern des Fahrzeugs beinhalten.
In dieser Schrift wird ein Verfahren offenbart, das Folgendes beinhaltet: Bestimmen einer Vielzahl von Indikatoren der empfangenen Signalstärke oder Laufzeitwerten für eine mobile Vorrichtung von jedem einer Vielzahl von Sensoren, die in einem Fahrzeug beinhaltet sind, Bestimmen einer Position der mobilen Vorrichtung in Bezug auf das Fahrzeug durch Verarbeiten der Indikatoren der empfangenen Signalstärke oder Laufzeitwerte mit einem neuronalen Netz, wobei jeder Indikator der empfangenen Signalstärke oder Laufzeitwert in ein Eingabeneuron eingegeben wird, das in einer Eingabeschicht des neuronalen Netzes beinhaltet ist, wobei jedes Eingabeneuron mindestens einen Indikator der empfangenen Signalstärke oder Laufzeitwert eingibt, und Betreiben des Fahrzeugs unter Verwendung der lokalisierten mobilen Vorrichtung. Jeder der Sensoren kann eine Antenne beinhalten, die sich in einer Position an und in dem Fahrzeug befindet. Das neuronale Netz kann einen 3D-Abstand als eine Zone und eine Wahrscheinlichkeit ausgeben, dass sich die mobile Vorrichtung in der Zone befindet, wobei die Zone ein 3D-Volumen ist, das in Bezug auf die 3D-Positionen der Antennen definiert ist. Das neuronale Netz kann zwei oder mehr Zonen und entsprechende Wahrscheinlichkeiten ausgeben. Jedes Eingabeneuron kann einen und nur einen Indikator der empfangenen Signalstärke oder Laufzeitwert eingeben. Ein Eingabeneuron kann zwei oder mehr Indikatoren der empfangenen Signalstärke oder Laufzeitwerte auf Grundlage der zwei oder mehr Indikatoren der empfangenen Signalstärke oder Laufzeitwerte, einschliel lich stark korrelierter Signale, eingeben. Zwischenschichten des neuronalen Netzes können Zwischenneuronen beinhalten, die Daten von den Eingabeneuronen auf Grundlage von Polynomfunktionen auf Grundlage von Indikatoren der empfangenen Signalstärke oder Laufzeitwerten in eine dreidimensionale Position abbilden.
Die Polynomfunktionen können auf einer oder mehreren von Funktionen des Abstandsgesetzes, die Abstände auf Grundlage der Indikatoren der empfangenen Signalstärke bestimmen, oder simultanen linearen Gleichungen auf Grundlage von Laufzeitwerten basieren. Die Indikatoren der empfangenen Signalstärke können durch Übertragen eines Signals, das eine Antwort an die mobile Vorrichtung anfordert, und Messen eines von der mobilen Vorrichtung als Antwort empfangenen Signals bestimmt werden. Das neuronale Netz kann durch Erfassen eines Datensatzes trainiert werden, der eine Vielzahl von Indikatoren der empfangenen Signalstärke von der Vielzahl von Sensoren und entsprechende Ground-Truth-Daten in Bezug auf die Position der mobilen Vorrichtung beinhaltet, wobei die Ground-Truth-Daten eine Position im dreidimensionalen Raum der mobilen Vorrichtung in Bezug auf das Fahrzeug beinhalten. Die Vielzahl von Sensoren kann optimiert werden, indem eine Genauigkeit der bestimmten Position im Vergleich zu entsprechenden Ground-Truth-Daten bestimmt wird, wenn einer oder mehrere der Sensoren aus der neuronalen Netzverarbeitung gelöscht werden. Das Betreiben des Fahrzeugs kann eines oder mehrere von Anschalten von Fahrzeuglichtern und Entriegeln des Fahrzeugs und Öffnen einer Heckklappe beinhalten, wenn bestimmt wird, dass sich die mobile Vorrichtung innerhalb eines spezifizierten Abstands von dem Fahrzeug befindet. Das Betreiben des Fahrzeugs kann Deaktivieren einer Verriegelung des Fahrzeugs beinhalten, wenn bestimmt wird, dass sich die mobile Vorrichtung innerhalb des Fahrzeugs befindet. Das Betreiben des Fahrzeugs kann Verriegeln des Fahrzeugs beinhalten, wenn bestimmt wird, dass sich die mobile Vorrichtung um mehr als einen spezifizierte Abstand von dem Fahrzeug weg befindet.
Ferner wird ein computerlesbares Medium offenbart, das Programmanweisungen zum Ausführen einiger oder aller der vorstehenden Verfahrensschritte speichert. Ferner wird ein Computer offenbart, der zum Ausführen einiger oder aller der vorstehenden Verfahrensschritte programmiert ist und eine Computervorrichtung beinhaltet, die dazu programmiert ist, eine Vielzahl von Indikatoren der empfangenen Signalstärke für eine mobile Vorrichtung von jedem einer Vielzahl von Sensoren, die in einem Fahrzeug beinhaltet sind, zu bestimmen, eine Position der mobilen Vorrichtung in Bezug auf das Fahrzeug durch Verarbeiten der Indikatoren der empfangenen Signalstärke oder Laufzeitwerte mit einem neuronalen Netz zu bestimmen, wobei jeder Indikator der empfangenen Signalstärke oder Laufzeitwert in ein Eingabeneuron eingegeben wird, das in einer Eingabeschicht des neuronalen Netzes beinhaltet ist, wobei jedes Eingabeneuron mindestens einen Indikator der empfangenen Signalstärke oder Laufzeitwert eingibt, und das Fahrzeug unter Verwendung der lokalisierten mobilen Vorrichtung zu betreiben. Jeder der Sensoren kann eine Antenne beinhalten, die sich in einer Position an und in dem Fahrzeug befindet. Das neuronale Netz kann einen 3D-Abstand als eine Zone und eine Wahrscheinlichkeit ausgeben, dass sich die mobile Vorrichtung in der Zone befindet, wobei die Zone ein 3D-Volumen ist, das in Bezug auf die 3D-Positionen der Antennen definiert ist. Das neuronale Netz kann zwei oder mehr Zonen und entsprechende Wahrscheinlichkeiten ausgeben. Jedes Eingabeneuron kann einen und nur einen Indikator der empfangenen Signalstärke oder Laufzeitwert eingeben. Ein Eingabeneuron kann zwei oder mehr Indikatoren der empfangenen Signalstärke oder Laufzeitwerte auf Grundlage der zwei oder mehr Indikatoren der empfangenen Signalstärke oder Laufzeitwerte, einschliel lich stark korrelierter Signale, eingeben. Zwischenschichten des neuronalen Netzes können Zwischenneuronen beinhalten, die Daten von den Eingabeneuronen auf Grundlage von Polynomfunktionen auf Grundlage von Indikatoren der empfangenen Signalstärke oder Laufzeitwerten in eine dreidimensionale Position abbilden.
Der Computer kann ferner dazu programmiert sein, Polynomfunktionen auf Grundlage von Funktionen des Abstandsgesetzes, die Abstände auf Grundlage der Indikatoren der empfangenen Signalstärke bestimmen, zu bestimmen. Die Indikatoren der empfangenen Signalstärke können durch Übertragen eines Signals, das eine Antwort an die mobile Vorrichtung anfordert, und Messen eines von der mobilen Vorrichtung als Antwort empfangenen Signals bestimmt werden. Das neuronale Netz kann durch Erfassen eines Datensatzes trainiert werden, der eine Vielzahl von Indikatoren der empfangenen Signalstärke oder Laufzeitwerten von der Vielzahl von Sensoren und entsprechende Ground-Truth-Daten in Bezug auf die Position der mobilen Vorrichtung beinhaltet, wobei die Ground-Truth-Daten eine Position im dreidimensionalen Raum der mobilen Vorrichtung in Bezug auf das Fahrzeug beinhalten. Die Vielzahl von Sensoren kann optimiert werden, indem eine Genauigkeit der bestimmten Position im Vergleich zu entsprechenden Ground-Truth-Daten bestimmt wird, wenn einer oder mehrere der Sensoren aus der neuronalen Netzverarbeitung gelöscht werden. Das Betreiben des Fahrzeugs kann eines oder mehrere von Anschalten von Fahrzeuglichtern und Entriegeln des Fahrzeugs und Öffnen einer Heckklappe beinhalten, wenn bestimmt wird, dass sich die mobile Vorrichtung innerhalb eines spezifizierten Abstands von dem Fahrzeug befindet. Das Betreiben des Fahrzeugs kann Deaktivieren einer Verriegelung des Fahrzeugs beinhalten, wenn bestimmt wird, dass sich die mobile Vorrichtung innerhalb des Fahrzeugs befindet. Das Betreiben des Fahrzeugs kann Verriegeln des Fahrzeugs beinhalten, wenn bestimmt wird, dass sich die mobile Vorrichtung um mehr als einen spezifizierte Abstand von dem Fahrzeug weg befindet.
Figurenliste

1 ist eine Darstellung eines beispielhaften Verkehrsinfrastruktursystems.
2 ist eine Darstellung eines beispielhaften Fahrzeugs mit Sensoren.
3 ist eine Darstellung eines beispielhaften tiefen neuronalen Netzes.
4 ist ein Ablaufdiagramm eines beispielhaften Prozesses zum Betreiben eines Fahrzeugs auf Grundlage eines tiefen neuronalen Netzes.

DETAILLIERTE BESCHREIBUNG
1 ist eine Darstellung eines Verkehrsinfrastruktursystems 100, das ein Fahrzeug 110 beinhaltet, das in einem autonomen („autonom“ für sich bedeutet in dieser Offenbarung „vollautonom“), einem halbautonomen und einem insassengesteuerten (auch als nichtautonom bezeichneten) Modus betrieben werden kann. Eine oder mehrere Rechenvorrichtungen 115 des Fahrzeugs 110 können von Sensoren 116 Daten bezüglich des Betriebs des Fahrzeugs 110 empfangen. Die Rechenvorrichtung 115 kann das Fahrzeug 110 in einem autonomen Modus, einem halbautonomen Modus oder einem nichtautonomen Modus betreiben.
Die Rechenvorrichtung 115 beinhaltet einen Prozessor und einen Speicher, wie sie bekannt sind. Ferner beinhaltet der Speicher eine oder mehrere Formen computerlesbarer Medien und speichert Anweisungen, die durch den Prozessor ausführbar sind, um unterschiedliche Vorgänge durchzuführen, welche die in dieser Schrift offenbarten beinhalten. Zum Beispiel kann die Rechenvorrichtung 115 eine Programmierung beinhalten, um eines oder mehrere von Bremsen, Antrieb (z. B. Beschleunigungssteuerung in dem Fahrzeug 110 durch Steuern von einem oder mehreren von einer Brennkraftmaschine, einem Elektromotor, Hybridmotor usw.), Lenkung, Klimaregelung, Innen- und/oder Auß enleuchten usw. des Fahrzeugs zu betreiben sowie um zu bestimmen, ob und wann die Rechenvorrichtung 115 im Gegensatz zu einem menschlichen Fahrer derartige Vorgänge steuern soll.
Die Rechenvorrichtung 115 kann mehr als eine Rechenvorrichtung, z. B. Steuerungen oder dergleichen, die in dem Fahrzeug 110 zum Überwachen und/oder Steuern verschiedener Fahrzeugkomponenten beinhaltet sind, z. B. eine Antriebsstrangsteuerung 112, eine Bremssteuerung 113, eine Lenksteuerung 114 usw., beinhalten oder z.B. über einen Fahrzeugkommunikationsbus, wie ferner nachstehend beschrieben, kommunikativ mit dieser (diesen) gekoppelt sein. Die Rechenvorrichtung 115 ist im Allgemeinen zur Kommunikation in einem Fahrzeugkommunikationsnetzwerk angeordnet, das z. B. einen Bus in dem Fahrzeug 110, wie etwa ein Controller Area Network (CAN) oder dergleichen, beinhaltet; das Netzwerk des Fahrzeugs 110 kann zusätzlich oder alternativ drahtgebundene oder drahtlose Kommunikationsmechanismen, wie sie bekannt sind, beinhalten, z. B. Ethernet oder andere Kommunikationsprotokolle.
Über das Fahrzeugnetzwerk kann die Rechenvorrichtung 115 Nachrichten an verschiedene Vorrichtungen in dem Fahrzeug übertragen und/oder Nachrichten von den verschiedenen Vorrichtungen empfangen, z. B. Steuerungen, Betätigungselemente, Sensoren usw. einschliel lich der Sensoren 116. Alternativ oder zusätzlich kann in Fällen, bei denen die Rechenvorrichtung 115 tatsächlich mehrere Vorrichtungen umfasst, das Fahrzeugkommunikationsnetzwerk für Kommunikationen zwischen Vorrichtungen verwendet werden, die in dieser Offenbarung als die Rechenvorrichtung 115 dargestellt sind. Ferner können, wie nachstehend erwähnt, verschiedene Steuerungen oder Erfassungselemente, wie etwa die Sensoren 116, der Rechenvorrichtung 115 Daten über das Fahrzeugkommunikationsnetz bereitstellen.
Zusätzlich kann die Rechenvorrichtung 115 dazu konfiguriert sein, über ein Netzwerk 130, das, wie nachstehend beschrieben, Hardware, Firmware und Software beinhaltet, die es der Rechenvorrichtung 115 ermöglichen, über ein Netzwerk 130, wie etwa drahtloses Internet (Wi-Fi®) oder Mobilfunknetzwerke, mit einem entfernten Servercomputer 120 zu kommunizieren, durch eine Fahrzeug-Infrastruktur-Schnittstelle (F-I-Schnittstelle) 111 mit einem entfernten Servercomputer 120, z.B. einem Cloud-Server, zu kommunizieren. Die F-I-Schnittstelle 111 kann dementsprechend Prozessoren, Speicher, Sendeempfänger usw. beinhalten, die dazu konfiguriert sind, verschiedene drahtgebundene und/oder drahtlose Netzwerktechnologien zu nutzen, z. B. Mobilfunk, BLUETOOTH®, Ultrabreitband und drahtgebundene und/oder drahtlose Paketnetzwerke. Die Rechenvorrichtung 115 kann zum Kommunizieren mit anderen Fahrzeugen 110 über die F-I-Schnittstelle 111 unter Verwendung von Fahrzeug-Fahrzeug-(F-F-)Netzwerken z. B. gemäß dedizierter Nahbereichskommunikation (dedicated short range communications - DSRC) und/oder dergleichen, konfiguriert sein, die z. B. ad hoc zwischen Fahrzeugen 110 in der Nähe gebildet werden oder über infrastrukturbasierte Netzwerke gebildet werden. Die Rechenvorrichtung 115 beinhaltet zudem einen nichtflüchtigen Speicher, wie er bekannt ist. Die Rechenvorrichtung 115 kann Informationen protokollieren, indem sie die Informationen zum späteren Abrufen und Übertragen über das Fahrzeugkommunikationsnetzwerk und eine Fahrzeug-Infrastruktur(F-I)-Schnittstelle 111 an einen Servercomputer 120 oder eine mobile Vorrichtung 160 eines Benutzers in nichtflüchtigem Speicher speichert. Der Servercomputer 120 kann auch als Rechenvorrichtung 115 fungieren, die in einer stral enseitigen Infrastruktur oder einem Edge-Computing-Knoten beinhaltet ist, wobei es sich bei einem Edge-Computing-Knoten um eine Rechenvorrichtung 115 handelt, die in oder an einem stationären Infrastrukturelement beinhaltet ist, wie etwa einem Pfahl, einer Brücke, einer Wand usw., und die Sensordaten erfasst und mit Fahrzeugen 110 über dedizierte Nahbereichskommunikation (dedicated short range communications - DSRC) oder dergleichen in einem lokalen Abschnitt von einem oder mehreren von einer Fahrbahn, einem Parkplatz oder einer Parkstruktur usw. kommuniziert.
Wie bereits erwähnt, ist in Anweisungen, die in dem Speicher gespeichert und durch den Prozessor der Rechenvorrichtung 115 ausführbar sind, im Allgemeinen eine Programmierung zum Betreiben einer oder mehrerer Komponenten des Fahrzeugs 110, z. B. Bremsen, Lenkung, Antrieb usw., ohne Eingreifen eines menschlichen Bedieners beinhaltet. Unter Verwendung von in der Rechenvorrichtung 115 empfangenen Daten, z. B. der Sensordaten von den Sensoren 116, dem Servercomputer 120 usw., kann die Rechenvorrichtung 115 ohne einen Fahrer zum Betreiben des Fahrzeugs 110 verschiedene Bestimmungen vornehmen und/oder verschiedene Komponenten und/oder Vorgänge des Fahrzeugs 110 steuern. Zum Beispiel kann die Rechenvorrichtung 115 eine Programmierung zum Regeln des Betriebsverhaltens des Fahrzeugs 110 (d. h. physischer Manifestationen des Betriebs des Fahrzeugs 110), wie etwa Geschwindigkeit, Beschleunigung, Abbremsung, Lenken usw., und des taktischen Verhaltens (d. h. Steuerung des Betriebsverhaltens auf eine Weise, die in der Regel ein sicheres und effizientes Abfahren einer Route erreichen soll), wie etwa eines Abstands zwischen Fahrzeugen und/oder einer Zeit zwischen Fahrzeugen, Spurwechseln, des Mindestabstands zwischen Fahrzeugen, der Mindestzeit zur Wegquerung bei Linksabbiegung, der Zeit bis zur Ankunft an einem bestimmten Standort und der Mindestzeit bis zum Überqueren der Kreuzung an einer Kreuzung (ohne Ampel) beinhalten.
Im vorliegenden Zusammenhang beinhaltet der Ausdruck Steuerungen Rechenvorrichtungen, die in der Regel dazu programmiert sind, ein konkretes Fahrzeugteilsystem zu überwachen und/oder zu steuern. Zu Beispielen gehören eine Antriebsstrangsteuerung 112, eine Bremssteuerung 113 und eine Lenksteuerung 114. Eine Steuerung kann eine elektronische Steuereinheit (electronic control unit - ECU) sein, wie sie bekannt ist, und möglicherweise eine zusätzliche Programmierung wie in dieser Schrift beschrieben beinhalten. Die Steuerungen können kommunikativ mit der Rechenvorrichtung 115 verbunden sein und Anweisungen von dieser empfangen, um das Teilsystem gemäl den Anweisungen zu betätigen. Zum Beispiel kann die Bremssteuerung 113 Anweisungen zum Betreiben der Bremsen des Fahrzeugs 110 von der Rechenvorrichtung 115 empfangen.
Die eine oder die mehreren Steuerungen 112, 113, 114 für das Fahrzeug 110 können bekannte elektronische Steuereinheiten (ECUs) oder dergleichen beinhalten, die als nicht einschränkende Beispiele eine oder mehrere Antriebsstrangsteuerungen 112, eine oder mehrere Bremssteuerungen 113 und eine oder mehrere Lenksteuerungen 114 beinhalten. Jede der Steuerungen 112, 113, 114 kann jeweilige Prozessoren und Speicher und ein oder mehrere Betätigungselemente beinhalten. Die Steuerungen 112, 113, 114 können mit einem Kommunikationsbus des Fahrzeugs 110 programmiert und verbunden sein, wie zum Beispiel einem Controller-Area-Network-(CAN-)Bus oder einem Local-Interconnect-Network-(LIN-)Bus, um Anweisungen von der Rechenvorrichtung 115 zu empfangen und Betätigungselemente auf Grundlage der Anweisungen zu steuern.
Die Sensoren 116 können vielfältige Vorrichtungen beinhalten, die für die Bereitstellung von Daten über den Fahrzeugkommunikationsbus bekannt sind. Zum Beispiel kann ein Radar, das an einem vorderen Stoß fänger (nicht gezeigt) des Fahrzeugs 110 befestigt ist, einen Abstand von dem Fahrzeug 110 zu einem nächsten Fahrzeug vor dem Fahrzeug 110 bereitstellen oder kann ein Sensor für ein globales Positionsbestimmungssystem (global positioning system - GPS), der in dem Fahrzeug 110 angeordnet ist, geografische Koordinaten des Fahrzeugs 110 bereitstellen. Der/die durch das RADAR und/oder die anderen Sensoren 116 bereitgestellte(n) Abstand/Abstände und/oder die durch den GPS-Sensor bereitgestellten geografischen Koordinaten können durch die Rechenvorrichtung 115 verwendet werden, um das Fahrzeug 110 zum Beispiel autonom oder teilautonom zu betreiben.
Das Fahrzeug 110 ist im Allgemeinen ein Landfahrzeug 110, das zu autonomem und/oder teilautonomem Betrieb fähig ist und das drei oder mehr Räder aufweist, z. B. ein PKW, ein Kleinlaster usw. Das Fahrzeug 110 beinhaltet einen oder mehrere Sensoren 116, die F-I-Schnittstelle 111, die Rechenvorrichtung 115 und eine oder mehrere Steuerungen 112, 113, 114. Die Sensoren 116 können Daten in Bezug auf das Fahrzeug 110 und die Umgebung, in der das Fahrzeug 110 betrieben wird, sammeln. Beispielhaft und nicht einschränkend können zu den Sensoren 116 z. B. Höhenmesser, Kameras, Lidar, Radar, Ultraschallsensoren, Infrarotsensoren, Drucksensoren, Beschleunigungsmesser, Gyroskope, Temperatursensoren, Drucksensoren, Hallsensoren, optische Sensoren, Spannungssensoren, Stromsensoren, mechanische Sensoren, wie etwa Schalter, usw. zählen. Die Sensoren 116 können verwendet werden, um die Umgebung zu erfassen, in der das Fahrzeug 110 betrieben wird; so können die Sensoren 116 z. B. Phänomene wie etwa Wetterbedingungen (Niederschlag, Aul enumgebungstemperatur usw.), die Neigung einer Stral e, die Position einer Stral e (z. B. unter Verwendung von Stral enkanten, Spurmarkierungen usw.) oder Positionen von Zielobjekten, wie etwa benachbarten Fahrzeugen 110 erfassen. Die Sensoren 116 können ferner verwendet werden, um Daten, einschliel lich dynamischer Daten des Fahrzeugs 110, die sich auf Vorgänge des Fahrzeugs 110 beziehen, wie etwa Geschwindigkeitsvektor, Gierrate, Lenkwinkel, Motordrehzahl, Bremsdruck, Öldruck, des auf die Steuerungen 112, 113, 114 in dem Fahrzeug 110 angewandten Leistungspegels, Konnektivität zwischen Komponenten und einer genauen und rechtzeitigen Leistung von Komponenten des Fahrzeugs 110, zu erheben.
2 ist eine Darstellung eines Fahrzeugs 110 und einer mobilen Vorrichtung 202. Die mobile Vorrichtung 202 kann eine drahtlose Kommunikationsschnittstelle beinhalten, die mit einer Rechenvorrichtung 115 in dem Fahrzeug 110 über ein drahtloses Protokoll kommuniziert, das zum Beispiel DSRC, BLUETOOTH, WiMAX oder Ultrabreitband beinhalten kann, wie vorstehend in Bezug auf 1 erörtert. Die mobile Vorrichtung 202 kommuniziert direkt mit der Rechenvorrichtung 115 in dem Fahrzeug 110, wobei drahtlose Signale zwischen der mobilen Vorrichtung 202 und dem Fahrzeug 110 kommuniziert werden, ohne ein Netzwerk 130, wie etwa ein Mobilfunknetzwerk oder ein WI-FI-Netzwerk, zu durchlaufen. Da das Signal von der mobilen Vorrichtung 202 direkt von der Rechenvorrichtung 115 erfasst wird, kann die Rechenvorrichtung 115 eine Vielzahl von Antennen 204, 206, 208, 210, 212, 214 (zusammen die Antennen 216), die in 2 durch Kreise gekennzeichnet sind, verwenden, um eine Position der mobilen Vorrichtung 202 in Bezug auf das Fahrzeug 110 zu bestimmen.
Die mobile Vorrichtung 202 ist eine Rechenvorrichtung, die verwendet werden kann, während sie von einem Benutzer getragen wird, und kann z. B. ein Smartphone, eine Tablet-Rechenvorrichtung oder eine drahtlose Aktivierungsvorrichtung sein. Die mobile Vorrichtung 202 kann eine drahtlose Kommunikationsschnittstelle beinhalten, die mit einer Rechenvorrichtung 115 in einem Fahrzeug 110 kommunizieren kann. Die mobile Vorrichtung kann mit der Rechenvorrichtung 115 über ein Funk- oder elektromagnetisches drahtloses Kommunikationssignal kommunizieren, wie vorstehend in Bezug auf 1 erörtert. Die mobile Vorrichtung 202 wird typischerweise von einem Insassen getragen und kann verwendet werden, um mit der Rechenvorrichtung 115 zu kommunizieren. Zum Beispiel könnte eine mobile Vorrichtung 202 für den schlüssellosen Zugang eines Fahrzeugs 110 verwendet werden. Wenn eine in einem Fahrzeug 110 beinhaltete Rechenvorrichtung 115 bestimmt, dass sich eine mobile Vorrichtung 202 innerhalb eines spezifizierten Abstands von dem Fahrzeug 110, zum Beispiel eines Meters, befindet, kann die Rechenvorrichtung 115 eine oder mehrere Fahrzeugtüren entriegeln. Ein anderer Vorgang, der durch die Rechenvorrichtung 115 auf Grundlage des Bestimmens, dass sich eine mobile Vorrichtung 202 innerhalb eines spezifizierten Abstands befindet, durchgeführt werden könnte, beinhaltet das Anschalten von Innenleuchten. Noch ein weiterer Vorgang, der durchgeführt werden könnte, besteht darin, das Verriegeln von Türen des Fahrzeugs 110 zu verhindern, wenn die Rechenvorrichtung bestimmt, dass sich die mobile Vorrichtung 202 in dem Fahrzeug 110 befindet, wodurch verhindert wird, dass die mobile Vorrichtung 110 in dem Fahrzeug 110 eingeschlossen wird.
Eine Rechenvorrichtung 115 kann bestimmen, ob sich eine mobile Vorrichtung 202 innerhalb eines spezifizierten Abstands von einem Fahrzeug 110 befindet, indem sie einen Indikator der empfangenen Signalstärke (received signal strength indicator - RSSI) bestimmt. Ein RSSI ist ein Mal für die Stärke oder Amplitude eines empfangenen drahtlosen Signals. Drahtlose Signale werden typischerweise als elektromagnetische Trägerwelle auf einer bestimmten Frequenz übertragen, bei der es sich beispielsweise um eine Funkfrequenz im Bereich von 300 MHz bis 300 GHz handeln kann. Die Trägerwelle wird dann durch Phasen- und/oder Frequenzverschiebung moduliert, um Daten in die Trägerwelle zu codieren. Ein drahtloser Empfänger demoduliert die Phasen- und/oder Frequenzverschiebung, um Daten aus der Trägerwelle zu extrahieren. Die Trägerwelle kann über einen vorgegebenen Zeitraum, zum Beispiel eine Mikrosekunde, gleichgerichtet und gemittelt werden, um einen RSSI zu bestimmen.
Ein RSSI ist eine Funktion des Abstands zwischen der mobilen Vorrichtung 202, die ein Signal emittiert, das eine Trägerwelle beinhaltet, und der Antenne 216, die das Signal und die Stärke des emittierten Signals empfängt. Die Stärke des emittierten Signals wird durch Faktoren bestimmt, welche die Batteriestärke der mobilen Vorrichtung 202, die Ausrichtung einer in der mobilen Vorrichtung 202 beinhalteten Sendeantenne und die Nähe der mobilen Vorrichtung 202 zu einem Hochfrequenzabsorber, wie etwa einem menschlichen Körper, beinhalten. Das Erfassen von zwei oder mehr RSSI-Messwerten von zwei oder mehr Antennen 216 kann es einer Rechenvorrichtung ermöglichen, ein absolutes Mal des Abstands zu einer mobilen Vorrichtung 202 trotz Schwankungen der absoluten Signalstärke zu bestimmen, indem Verhältnisse zwischen den gemessenen RSSIs von den zwei oder mehr Antennen 216 gebildet werden und ein zuvor gemessener Abstand zwischen den zwei oder mehr Antennen berücksichtigt wird.
Ein absolutes Mal des Abstands kann auf Grundlage von relativen RSSIs von zwei oder mehr Antennen 216 bestimmt werden, da Hochfrequenzemissionen von einer mobilen Vorrichtung 202 im Allgemeinen einem Abstandsgesetz in Bezug auf die Signalstärke folgen. Signale von einer mobilen Vorrichtung 202 können als von einer Punktquelle emittiert modelliert werden und proportional zum Quadrat des zurückgelegten Abstands abnehmen. Die gemessene Signalstärke RSSI₁ bei einem gegebenen Abstand d₁ von einer ersten Antenne 216 der mobilen Vorrichtung 202 ist proportional zu dem Bereich einer Kugel mit einem Radius gleich d₁, wobei d₁ ein in räumlichen Koordinaten x, y und z gemessener Vektorabstand ist. ${RSSI}_{1} \propto \frac{1}{d_{1}^{2}}$
Eine Proportionalitätskonstante p kann empirisch bestimmt werden, indem RSSI-Signalstärken für die Antennen 216 auf Grundlage einer mobilen Vorrichtung 202 gemessen werden, die Strahlung auf ihrer Betriebsfunkfrequenz emittiert, um Gleichung (2) zu ergeben: ${RSSI}_{1} = p \frac{1}{d_{1}^{2}}$
Ein Verhältnis der gemessenen Signalstärken RSSI₁, RSSI₂ bei den Abständen d₁, d₂ zu einer zweiten Antenne 216 von der mobilen Vorrichtung 202 ist gleich dem Verhältnis der Abstände: $\frac{{RSSI}_{1}}{{RSSI}_{2}} = \frac{d_{1}^{2}}{d_{2}^{2}}$
Da der Vektorabstand d_1,2 von einer ersten Antenne 216 zu einer zweiten Antenne 216 eine gemessene Konstante ist, gilt für den Abstand d₂ = d₁ + d_1,2 daher: $\frac{{RSSI}_{1}}{{RSSI}_{2}} = \frac{d_{1}^{2}}{{(d_{1} + d_{1,2})}^{2}}$
Das Auflösen nach d₁ in Abhängigkeit von RSSI₁, RSSI₂ und d_1,2 ergibt: $d_{1} = \frac{d_{1,2}}{(\sqrt{\frac{{RSSI}_{2}}{{RSSI}_{1}}} - 1)}$
Für eine gegebene 3D-Position einer mobilen Vorrichtung 202 kann ein Satz von n Werten RSSI₁, ..., RSSI_n für n Antennen 216 bei Vektorabständen d_1,2, ..., d₁, _n von einer ersten Antenne gemessen werden. Diese Messungen können als ein Satz von n Polynomfunktionen ausgedrückt werden, die n Variablen simultaner linearer Gleichungen auf Grundlage von Gleichung (5) entsprechen. Eine 3D-Position für eine mobile Vorrichtung 202 kann durch Finden eines Werts von d₁ bestimmt werden, der gleichzeitig mindestens drei Gleichungen (5) erfüllt, die RSSIs von mindestens vier Antennen 216 beinhalten. Mindestens drei Gleichungen, die mindestens vier RSSIs beinhalten, sind erforderlich, da der Vektorabstand d₁ drei Variablen für Abstände in x, y und z beinhaltet. Durch Einschliel en von RSSIs für mehr als vier Antennen 216 werden die simultanen linearen Gleichungen überbestimmt und genauere Lösungen für d_1', die 3D-Position für die mobile Vorrichtung 202 von einer bestimmten Antenne 216, ermöglicht.
Ultrabreitband (Ultra-wide band - UWB) ermöglicht die direkte Bestimmung des Abstands d₁ von einer mobilen Vorrichtung 202 zu einer Antenne 216 durch Messen der Laufzeit (time of flight - TOF). Zum Beispiel kann die TOF gemessen werden, indem ein Impuls von UWB-Energie von einer mobilen Vorrichtung emittiert wird und die Ankunftszeit bei einer Vielzahl von Antennen 216 gemessen wird. Diese Technik erfordert, dass alle Antennen 216 zeitsynchronisiert sind, um es den Antennen 216 zu ermöglichen, die Ankunftszeit des von der mobilen Vorrichtung 202 emittierten Impulses jeweils genau mit einem Zeitstempel zu versehen. Da sich elektromagnetische UWB-Strahlung mit Lichtgeschwindigkeit (etwa 3,0 x 10⁸ m/s) bewegt, bedeutet dies, dass sich ein UWB-Impuls etwa 30 cm oder etwa einen Ful in einer Nanosekunde bewegt. Dies bedeutet, dass die Antennen 216 die Ankunftszeit eines Impulses mit einer Auflösung im Subnanosekundenbereich mit einem Zeitstempel versehen müssen, um einen Abstand zu einer mobilen Vorrichtung 202 auf wenige cm zu bestimmen. Zum Beispiel ergibt eine Zeitstempelauflösung von 330 Picosekunden eine Abstandsauflösung von 10 cm.
Eine andere Technik zum Bestimmen des Abstands anhand von UWB auf Grundlage der TOF besteht darin, das UWB-Signal zu modulieren und eine Phasendifferenz zwischen Empfangsantennen 216 zu bestimmen, um relative Abstände d_n zu einer Vielzahl von Antennen 216 zu bestimmen. Unabhängig davon, ob die Abstände d_n durch die Impulsankunftszeit oder die Phasendifferenz bestimmt werden, können die Abstandsmessungen als eine Reihe von simultanen linearen Gleichungen auf Grundlage der 3D-Position der mobilen Vorrichtung ausgedrückt werden, wobei die Positionen der Antennen 216 als Verschiebungen von einer einzelnen Antenne 216 ausgedrückt werden und der Abstand als 3D-Abstand d₁ von einer einzelnen Antenne berechnet wird, ähnlich den Gleichungen (1) bis (5). In diesem Beispiel werden die Abstände nicht durch das Abstandsgesetz, wie durch RSSI bestimmt, bestimmt, sondern direkt als Abstände auf Grundlage der TOF. Laufzeitwerte, die entweder unter Verwendung der Impulsankunftszeit oder von Phasendifferenzen bestimmt werden, werden in dieser Schrift als „TOF“ bezeichnet.
Das Bestimmen einer 3D-Position für eine mobile Vorrichtung 202 durch Lösen simultaner linearer Gleichungen kann eine sehr komplexe Aufgabe sein, die erhebliche Rechenressourcen erfordert. Techniken, die zum Lösen der simultanen linearen Gleichungen verwendet werden, beinhalten zum Beispiel Matrixinversionen. Matrixinversionen oder iterative Techniken beinhalten alle eine große Anzahl (>100) von Berechnungen, die proportional zur dritten Potenz der Anzahl von Elementen in der zu invertierenden Matrix sind. Aus diesem Grund erfordern Matrixinversionen das Durchführen einer großen Anzahl von Berechnungen. Da die Größe der RSSI oder TOF-Werte, die von den Antennen 216 erfasst werden, in Abhängigkeit von der 3D-Position der mobilen Vorrichtung 202 stark variieren kann, variieren die RSSI- oder TOF-Werte von sehr kleinen Zahlen nahe null bis zu großen Zahlen nahe einem Maximalwert. Das Durchführen einer großen Anzahl von Berechnungen mit stark variierenden Werten, wobei einige nahe null liegen und andere groi e Zahlen sind, die auch als schlecht konditioniert bezeichnet werden, kann numerisch instabil sein und zu ungenauen Ergebnissen führen.
Andere Techniken zum Lösen von simultanen linearen Gleichungen beinhalten iterative Techniken, bei denen die linearen Gleichungen wiederholt gelöst werden und die Änderung der Ergebnisse bei jedem Schritt mit dem vorherigen Schritt verglichen wird, um zu bestimmen, wann die Ergebnisse konvergieren. Wie Matrixinversionen beinhalten iterative Techniken eine große Anzahl von Berechnungen, die vom Kombinieren sehr kleiner Werte nahe Null mit größeren Werten abhängig sind, was zu numerischer Instabilität und ungenauen Ergebnissen führt. Der Versuch, simultane lineare Gleichungen auf Grundlage einer Vielzahl von RSSIs oder TOFs zu lösen, kann eine große Anzahl von Berechnungen (> mehrere 1000) auf Grundlage von schlecht konditionierten Eingabewerten erfordern, die einen großen Aufwand an Zeit und Rechenressourcen erfordern und zu ungenauen Ergebnissen führen können.
Das Bestimmen einer 3D-Position für eine mobile Vorrichtung 202 kann davon abhängig sein, welche Antenne 216 als die Antenne 216 ausgewählt wird, von der der Abstand d₁ und daher die 3D-Position der mobilen Vorrichtung 202 gemessen werden soll. Wenn sich die ausgewählte Antenne 216 zum Beispiel auf der von der mobilen Vorrichtung 202 gegenüberliegenden Seite des Fahrzeugs 110 befindet, kann der gemessene RSSI oder die TOF schwach sein. Ein schwacher RSSI erzeugt einen kleinen Wert, während ein schwaches TOF-Signal ein verrauschtes, ungenaues Signal erzeugen kann, wodurch die Berechnungen ungenau werden. Eine Vielzahl von unterschiedlichen Antennen kann als primäre Antenne verwendet werden, um simultane lineare Gleichungen für den Abstand d₁ und somit die 3D-Position der mobilen Vorrichtung 202 zu lösen. Das Auswählen mehrerer Antennen 216 und das Berechnen mehrerer Lösungen für mehrere simultane lineare Gleichungen erhöht die erforderlichen Rechenressourcen und die zum Bestimmen der Lösungen erforderliche Rechenzeit. Das Bestimmen einer 3D-Position für eine mobile Vorrichtung 202 durch Lösung simultaner linearer Gleichungen kann ungenau sein und erhebliche Rechenressourcen und einen erheblichen Zeitaufwand erfordert.
Eine Technik zum Bestimmen einer 3D-Position für eine mobile Vorrichtung, die kein Lösen von simultanen linearen Gleichungen erfordert, besteht darin, regelbasierte Techniken des maschinellen Lernens auf Grundlage von heuristischen Techniken zu verwenden. Eine heuristische Technik verwendet empirische Ergebnisse, um Regeln zu formulieren, die verwendet werden können, um eine ungefähre 3D-Position für eine mobile Vorrichtung 202 zu bestimmen. Heuristische Techniken können als eine Vielzahl von Regeln in einem regelbasierten maschinellen Lernsystem umgesetzt werden. Eine Vielzahl von Regeln in einem regelbasierten maschinellen Lernsystem kann verwendet werden, um eine ungefähre 3D-Position für eine mobile Vorrichtung 202 durch Messen einer Vielzahl von RSSIs, die in einem regelbasierten maschinellen Lernsystem beinhaltet sein können, zu bestimmen. Jede Regel in dem regelbasierten maschinellen Lernsystem kann einen oder mehrere RSSIs von einer oder mehreren Antennen 216 eingeben, um mögliche 3D-Positionen für eine mobile Vorrichtung 202 zu bestimmen.
Ein erster Schritt beim Bestimmen einer ungefähren 3D-Position einer mobilen Vorrichtung 202 kann darin bestehen, die empfangenen RSSIs oder TOFs zu normalisieren. Zum Beispiel kann ein maximales empfangenes Signal auf den Wert 1,0 normalisiert werden und die anderen RSSIs oder TOFs können auf einen Wert zwischen 0,0 und 1,0 normalisiert werden, indem sie durch den empfangenen Signalwert des/-r maximalen empfangenen RSSI oder TOF geteilt werden. Regeln in dem regelbasierten System können dann die 3D-Position für eine mobile Vorrichtung 202 auf Grundlage von logischen Kombinationen von empfangenen RSSIs oder TOFs bestimmen. Zum Beispiel kann eine Regel in einem regelbasierten System folgendermaßen lauten: „WENN (RSSI oder TOF von Antenne 210 > 0,6 UND RSSI oder TOF von Antenne 212 > 0,6 UND Antenne 214 > 0,4 UND Antenne 204 < 0,4 UND Antenne 206 < 0,4 UND Antenne 208 < 0,4), DANN ist die Position der mobilen Vorrichtung 202 = nahe der linken Vordertür.“ Eine zweite Regel in dem regelbasierten System kann dann einen genaueren Abstand von dem Fahrzeug zu der mobilen Vorrichtung bestimmen, indem die Ausgabe von der ersten Regel mit einer Regel kombiniert wird, die besagt: „WENN (ein beliebiger RSSI oder eine beliebige TOF > 0,8), DANN ist die mobile Vorrichtung 202 < 1 Meter vom Fahrzeug 110 entfernt. Das Kombinieren der 3D-Position aus einer ersten Regel mit der 3D-Position aus einer zweiten Regel kann bestimmen, dass sich die mobile Vorrichtung 202 wahrscheinlich weniger als einen Meter von der linken Vordertür eines Fahrzeugs 110 entfernt befindet. Auf diese Weise können mehrere Regeln in einem regelbasierten maschinellen Lernsystem kombiniert werden, um eine 3D-Position für eine mobile Vorrichtung 202 genau zu bestimmen.
Das Bestimmen von Regeln für ein regelbasiertes System zum Lokalisieren einer mobilen Vorrichtung 202 beinhaltet das Erfassen von RSSIs oder TOFs von einer beispielhaften mobilen Vorrichtung 202 für jede Antenne 216 in einer großen Anzahl (>100) von Positionen um ein Fahrzeug 110, um die richtigen Parameter zur Eingabe in eine Vielzahl von Regeln zu bestimmen. Das Erfassen einer großen Anzahl von RSSIs oder TOFs für eine Vielzahl von Antennen 216 in einer Vielzahl von 3D-Positionen um ein Fahrzeug 110 kann eine 3D-Position für eine mobile Vorrichtung 202 schätzen, ohne dass simultane lineare Gleichungen gelöst werden müssen, da die Testdaten 3D-Positionen, die RSSI-Werten entsprechen, empirisch bestimmen. Das Bestimmen von Regeln für das regelbasierte System kann das Erfassen von RSSIs von einer mobilen Vorrichtung 202 in einer großen Anzahl (>100) von Positionen um ein Fahrzeug und das Codieren der RSSI-Signale in Regeln in dem regelbasierten System beinhalten, um korrekte Ergebnisse in Bezug auf die 3D-Position der mobilen Vorrichtung 202 zu bestimmen.
Das Erzeugen von Regeln, die 3D-Positionen der mobilen Vorrichtung 202 korrekt bestimmen, kann eine schwierige Aufgabe sein, die ein groi es Mal an Versuch und Irrtum erfordert. Jede neue oder neu modifizierte Regel muss unter Berücksichtigung jeder anderen Regel in dem regelbasierten System getestet werden, um auf inkonsistentes oder widersprüchliches Verhalten zu prüfen. Das Überprüfen jeder neuen oder neu modifizierten Regel unter Berücksichtigung jeder anderen Regel in dem regelbasierten System kann Rechenressourcen und Zeit erfordern, die proportional zu einer exponentiellen Potenz der Anzahl von Regeln sind. Zum Beispiel können zwei Regeln widersprüchliche oder inkonsistente 3D-Positionen für verschiedene Sätze von RSSI- oder TOF-Signalen von einer mobilen Vorrichtung 202 in verschiedenen Positionen erzeugen. Widersprüchliche oder inkonsistente 3D-Positionen beinhalten mehrere oder mehrdeutige 3D-Positionen, wobei nur eine 3D-Position korrekt ist. Jede Regel in dem regelbasierten System muss während des Testens für jede Position der mobilen Vorrichtung 202 untersucht werden, um sicherzustellen, dass widersprüchliche oder inkonsistente 3D-Positionen nicht als Reaktion auf eine einzelne 3D-Position einer mobilen Vorrichtung 202 erzeugt werden. Wenn widersprüchliche oder inkonsistente 3D-Positionen erzeugt werden, müssen die Regeln modifiziert oder durch neue Regeln ersetzt werden, um widersprüchliche oder inkonsistente Ergebnisse zu reduzieren.
Das Bestimmen von 3D-Positionen für eine mobile Vorrichtung 202 auf Grundlage von Regeln kann eine große Anzahl von Regeln erfordern, wobei jede Antenne 216 eine Vielzahl von Regeln auf Grundlage einer Vielzahl von möglichen 3D-Positionen der mobilen Vorrichtung 202 erfordern kann. Wenn die Vielzahl von Regeln für jede Antenne 216 bestimmt wird, muss jede neue Regel dann unter Berücksichtigung jeder anderen Regel in dem regelbasierten System getestet werden. Das Hinzufügen oder Modifizieren einer einzelnen Regel kann Modifikationen jeder anderen Regel in dem System erfordern und dann erfordern, dass jede neu modifizierte Regel unter Berücksichtigung jeder anderen Regel in einem iterativen Prozess getestet wird. Dieser iterative Prozess kann erfordern, dass jede Regel eine Anzahl von Malen, die proportional zu der Anzahl von Regeln in dem System ist, modifiziert und erneut getestet wird, wodurch die Menge an Rechenressourcen und Zeit, die zum Bestimmen eines regelbasierten Systems erforderlich ist, proportional zu einem Exponentialwert der Anzahl von Regeln in dem System wird.
In dieser Schrift beschriebene Techniken verbessern die Bestimmung einer 3D-Position einer mobilen Vorrichtung 202 in Bezug auf ein Fahrzeug auf Grundlage von RSSIs oder TOFs von einer Vielzahl von Antennen 216 durch Eingeben einer großen Anzahl von RSSIs oder TOFs, die in einer großen Anzahl (>100) von Positionen einer mobilen Vorrichtung 202 erfasst wurden, in ein neuronalen Netz. Das neuronale Netz kann trainiert werden, um eine 3D-Position für eine mobile Vorrichtung 202 auf Grundlage des Lösens von simultanen linearen Gleichungen auf Grundlage von eingegebenen RSSIs oder TOFs von einer Vielzahl von Antennen 216 zu bestimmen. Sobald das neuronale Netzwerk dazu trainiert wurde, die simultanen linearen Gleichungen auf diese Weise zu lösen, kann eine 3D-Position in weitaus weniger Rechenschritten als bei Matrixinversion oder iterativen Techniken bestimmt werden. Das neuronale Netz kann trainiert werden, um eine 3D-Position für eine mobile Vorrichtung 202 im Gegensatz zu regelbasierten Maschinenlernsystemen in weitaus weniger Zeit als exponentieller Zeit zu bestimmen. Das Hinzufügen neuer Daten in Bezug auf eine zusätzliche 3D-Position einer mobilen Vorrichtung 202 kann im Gegensatz zu regelbasierten Systemen ohne ein vollständiges Umtrainieren des neuronalen Netzes durchgeführt werden. Neuronale Netzsysteme können 3D-Positionen von mobilen Vorrichtung 202 auf Grundlage einer Vielzahl von RSSIs oder TOFs von einer Vielzahl von Antennen weitaus effizienter bestimmen als entweder Matrixinversion und iterative Techniken oder regelbasierte Techniken des maschinellen Lernens.
Das trainierte neuronale Netz kann auß erdem verwendet werden, um die Vielzahl von Antennen 216 zu optimieren, indem Ausgaben von jeder Antenne 216 der Reihen nach gelöscht werden und die resultierende 3D-Position mit der 3D-Position, die auf Grundlage der vollständigen Anzahl von Antennen 216 bestimmt wurde, verglichen wird. Wenn sich die 3D-Positionsergebnisse nicht wesentlich ändern, wenn ein RSSI oder eine TOF gelöscht wurde, kann die Antenne 216, die diesem RSSI oder dieser TOF entspricht, aus dem Fahrzeug 110 entfernt werden, ohne die Ergebnisse zu ändern. Eine unbedeutende Änderung der 3D-Position bedeutet im vorliegenden Zusammenhang eine Änderung der quadrierten und summierten Differenzen in jeder der x-, y- und z-Koordinaten von weniger als 10 Zentimetern. Das Reduzieren der Anzahl von Antennen, die zum Bestimmen der 3D-Position einer mobilen Vorrichtung 202 erforderlich sind, kann die Kosten, das Gewicht und die Komplexität eines Fahrzeugs 110 reduzieren.
3 ist eine Darstellung eines neuronalen Netzes 300. Ein neuronales Netz 300 ist ein Softwareprogramm, das auf einer Rechenvorrichtung 115 ausgeführt werden kann, die zum Beispiel in einem Fahrzeug 110 beinhaltet ist. Das neuronale Netz 300 beinhaltet eine Eingabeschicht 308, vollständig verbundene Zwischenschichten 314, 320 und eine Ausgabeschicht 326. Das neuronale Netz 300 kann eine Vielzahl von RSSIs oder TOFs 302, 304, 306 (zusammen die RSSIs oder TOFs 332), die durch Antennen 216 erzeugt werden, in die Eingabeschicht 308 eingeben, wobei die Auslassungspunkte zusätzlichen RSSIs oder TOFs entsprechen, die in der Eingabe beinhaltet sein könnten. Jeder RSSI oder jede TOF 332 wird in einen Eingabeknoten 310 in der Eingabeschicht 308 eingegeben. Die Eingabeknoten 310 geben die RSSIs oder TOFs 332 ein und bereiten die eingegebenen RSSIs oder TOFs 332 durch Konditionieren der eingegebenen RSSIs oder TOFs 332 für eine weitere Verarbeitung vor. Das Konditionieren der eingegebenen RSSIs oder TOFs 332 kann Abbilden der eingegebenen RSSIs oder TOFs 332 auf das Intervall [0,1] beinhalten, wie vorstehend in Bezug auf ein regelbasiertes System erörtert. Sobald die eingegebenen RSSIs oder TOFs 332 konditioniert wurden, können sie als erste verborgene Variablen 312 an eine erste vollständig verbundene Schicht 314 kommuniziert werden. Die ersten verborgenen Variablen 312 werden als „verborgene Variablen“ bezeichnet, da sie während der Verarbeitung typischerweise nicht aul erhalb des neuronalen Netzes 300 zur Prüfung verfügbar sind. Die ersten verborgenen Variablen 312 werden an die ersten vollständig verbundenen Zwischenknoten 316 der ersten vollständig verbundenen Zwischenschicht 314 kommuniziert. Jeder erste vollständig verbundene Zwischenknoten 316 empfängt eine Eingabe von jedem Eingabeknoten 310, daher der Name „vollständig verbunden“. Jeder erste vollständig verbundene Zwischenknoten 316 führt eine parametrisierte Berechnung eines Abschnitts eines Satzes von simultanen linearen Gleichungen auf Grundlage von Polynomfunktionen des Abstandsgesetzes durch, wie in Gleichung (5) oben veranschaulicht. Die Parameter entsprechen Werten, die eine Lösung für die simultanen linearen Gleichungen auf Grundlage der konditionierten RSSIs oder TOFs 332, die der vorstehenden Gleichung (5) entsprechen, bestimmen.
Abschnitte der simultanen linearen Gleichungen, die Gleichung (5) entsprechen, werden durch die ersten vollständig verbundenen Zwischenknoten 316 der ersten vollständig verbundenen Schicht 314 bestimmt und als zweite verborgene Variablen 318 an die zweiten vollständig verbundenen Zwischenknoten 322 der zweiten vollständig verbundenen Zwischenschicht 320 übertragen. Die zweiten vollständig verbundenen Zwischenknoten 322 bestimmen einen zweiten Abschnitt einer Lösung für die simultanen linearen Gleichungen auf Grundlage von Gleichung (5) oben, auf Grundlage eines zweiten Satzes von Parametern. Die Ergebnisse der Verarbeitung der eingegebenen RSSIs 332 durch die zweiten vollständig verbundenen Zwischenknoten 322 der zweiten vollständig verbundenen Zwischenschicht 320 werden als dritte verborgene Variablen 324 an einen Ausgabeknoten 328 kommuniziert, der in der Ausgabeschicht 326 beinhaltet ist. Die Zwischenschichten 314, 320 bilden Daten von den Eingabeknoten 310 in verborgene Variablen 324, die einer 3D-Position entsprechen, auf Grundlage der simultanen linearen Polynomgleichungen auf Grundlage von Gleichung (5) ab. Der Ausgabeknoten 328 kombiniert die dritten verborgenen Variablen 324, die einer Lösung für die simultanen linearen Gleichungen entsprechen, auf Grundlage von Funktionen des Abstandsgesetzes aus den Gleichungen (1)-(5), gemäl einem dritten Satz von Parametern zu einem Ausgabezustand 330, der einer 3D-Position einer mobilen Vorrichtung 202 in Bezug auf ein Fahrzeug 110 entspricht. Die 3D-Position einer mobilen Vorrichtung 202 in Bezug auf ein Fahrzeug 110 kann im Ausgabezustand 330 als eine Zone und eine Wahrscheinlichkeit codiert sein, dass die mobile Vorrichtung 202 die Zone belegt. Eine Zone ist ein 3D-Volumen im Raum, das in Bezug auf die 3D-Positionen der Antennen 216 definiert ist. Zum Beispiel kann eine Zone so definiert sein, dass sie ein Raumvolumen innerhalb eines Meters von der vorderen linken Tür des Fahrzeugs 110 umfasst. Eine andere Zone kann so definiert sein, dass sie ein 3D-Volumen hinter dem Fahrzeug, zum Beispiel nahe dem Kofferraum oder der Heckklappe, umfasst.
Das neuronale Netz 300 kann trainiert werden, um eine Lösung für einen Satz von simultanen linearen Gleichungen ähnlich wie Gleichung (5) zu bestimmen, die einer 3D-Position einer mobilen Vorrichtung 202 in Bezug auf ein Fahrzeug 110 entsprechen. Dieses Training kann durch Aufzeichnen einer großen Anzahl (>100) von Sätzen von RSSIs oder TOFs 332, die einer Vielzahl von 3D-Positionen einer mobilen Vorrichtung 202 in Bezug auf ein Fahrzeug 110 entsprechen, erreicht werden. Jeder Satz von RSSIs oder TOFs 332 wird von einer Ground-Truth-3D-Position begleitet. Die Ground-Truth-3D-Position wird durch Durchführen von realen 3D-Messungen der 3D-Position einer mobilen Vorrichtung 202 in Bezug auf ein Fahrzeug 110 bestimmt. Die Vielzahl von 3D-Positionen einer mobilen Vorrichtung 202 in Bezug auf ein Fahrzeug 110 entspricht der Vielfalt von Zonen, die angetroffen werden würden, wenn ein Fahrzeug 110 unter Verwendung einer mobilen Vorrichtung 202 in realen Situationen betrieben würde. Die Vielfalt von Zonen kann das Annähern an ein Fahrzeug 110 aus einer beliebigen Richtung in einer Vielfalt von Höhen in Bezug auf eine Bodenebene beinhalten, wobei sich die mobile Vorrichtung 202 in einer Vielfalt von Positionen in Bezug auf einen Benutzer befindet. Beispielsweise kann sich die mobile Vorrichtung in der Hand eines Benutzers, in einer Tasche eines Kleidungsstücks eines Benutzers oder in einer Handtasche oder einem Rucksack usw. befinden. Die mobile Vorrichtung 202 kann zu dem Zeitpunkt, zu dem die RSSIs 332 aufgezeichnet werden, stationär sein oder sich in Bezug auf das Fahrzeug 110 bewegen. Die Ground Truth, die den RSSIs oder TOFs 332 entspricht, entspricht einer 3D-Position oder einer durchschnittlichen 3D-Position der mobilen Vorrichtung 202 zu dem Zeitpunkt, zu dem die RSSIs oder TOFs 332 aufgezeichnet werden.
Ein neuronales Netz 300 kann trainiert werden, um eine Position in einer definierten Zone für eine mobile Vorrichtung 202 zu bestimmen, indem ein Satz von RSSIs oder TOFs 332 eingegeben wird und zufällig (oder pseudozufällig) ein Satz von ersten, zweiten und dritten Parametern ausgewählt wird, um einen Satz simultaner linearer Gleichungen zu lösen und einen Ausgabezustand 330 zu bilden. Die in dem Ausgabezustand 330 beinhaltete Zone wird zurückpropagiert und mit der Ground Truth verglichen, indem bestimmt wird, ob sich die gemessene 3D-Position der mobilen Vorrichtung 202 innerhalb der Zone befindet. Wenn die gemessene Position der mobilen Vorrichtung 202 nicht in die Zone fällt, werden der erste, zweite und dritte Parameter variiert und eine neue Lösung als Ausgabezustand 330 bestimmt, der mit der Ground Truth verglichen werden soll. Dieser Prozess wird fortgesetzt, bis ein oder mehrere Sätze von ersten, zweiten und dritten Parametern bestimmt sind, die einen Ausgabezustand 330 erzeugen, der genau mit der Ground Truth übereinstimmt. Eine Wahrscheinlichkeit, die der Zone entspricht, die mit der Ground Truth übereinstimmt, kann durch Messen eines Abstands zwischen dem Zentrum des 3D-Volumens, das der Zone entspricht, und der 3D-Position, die in der Ground Truth beinhaltet ist, bestimmt werden. Die Genauigkeit kann durch eine Summe von quadrierten Differenzen in den x-, y- und z-Dimensionen gemessen werden, um eine Wahrscheinlichkeit zu bestimmen, dass die 3D-Position der mobilen Vorrichtung 202 in der Zone beinhaltet ist.
Der Prozess des Abgleichens von rückpropagierten Ergebnissen mit der Ground Truth wird dann für jeden Satz von RSSIs oder TOFs 332 und die entsprechende Ground Truth wiederholt, bis ein Satz von ersten, zweiten und dritten Parametern bestimmt wird, die Zonen und Wahrscheinlichkeiten erzeugen, die mit der Ground Truth für jeden Satz von RSSIs oder TOFs 332 übereinstimmen. Der Satz von ersten, zweiten und dritten Parametern, die bewirken, dass die Ausgabezustände 330 mit der Ground Truth übereinstimmen, können in ein neuronales Netz 300 heruntergeladen werden, um es zu programmieren, um 3D-Positionen für eine mobile Vorrichtung in Bezug auf ein Fahrzeug 110 zu bestimmen, wenn ein Satz von RSSIs oder TOFs 332 in das neuronale Netz 300 eingegeben wird.
Das neuronale Netz 300 kann weniger oder mehr Schichten als die erste und die zweite vollständig verbundene Eingabeschicht 314, 320 beinhalten, abhängig davon, wie die Berechnungen der simultanen linearen Gleichung zwischen Schichten aufgeteilt werden. In einigen Beispielen des neuronalen Netzes 300 wird eine Eins-zu-Eins-Entsprechung zwischen den eingegebenen RSSIs oder TOFs 332 und den Eingabenoten 310 beibehalten. In anderen Beispielen können ein(e) oder mehrere eingegebene RSSI oder TOF 332 in mehr als einen Eingabeknoten 310 eingegeben werden, um zu ermöglichen, dass ein(e) einzelne(r) RSSI oder TOF 332 anders verarbeitet wird als andere RSSIs oder TOFs 332. Zum Beispiel kann das Eingeben einer/s einzelnen RSSI oder TOF 332 in zwei Eingabeknoten 310 bewirken, dass ein(e) einzelne(r) RSSI oder TOF beim Lösen der simultanen linearen Gleichungen mehr Gewicht oder Bedeutung hat als andere RSSIs oder TOFs 332. In anderen Beispielen können zwei oder mehr RSSIs oder TOFs 332 in einen einzelnen Eingabeknoten 310 eingegeben werden. Zum Beispiel können zwei oder mehr Antennen 216 stark korrelierte RSSIs oder TOFs erzeugen, unabhängig davon, wo sich eine mobile Vorrichtung 202 in Bezug auf ein Fahrzeug 110 befindet. In diesem Beispiel kann die Eingabe eines RSSI oder einer TOF 332 in einen einzelnen Eingabeknoten 310 das gleiche Ergebnis haben.
Das Trainieren eines neuronalen Netzes 300, um eine 3D-Position einer mobilen Vorrichtung 202 in Bezug auf ein Fahrzeug 110 zu bestimmen, kann einen 3D-Positionsprozess verbessern, indem die zeitaufwändige und fehleranfällige Aufgabe des Testens und Modifizierens jeder Regel in einem regelbasierten System für jede mögliche 3D-Position einer mobilen Vorrichtung 202, einschliel lich der Vielfalt von Positionen, die eine mobile Vorrichtung in Bezug auf einen Benutzer einnehmen kann, eliminiert wird. Die Verwendung eines trainierten neuronalen Netzes 300, um eine 3D-Position einer mobilen Vorrichtung 202 zu bestimmen, kann zudem eine schnelle und genaue Optimierung der Antennen 216 ermöglichen. Eingegebene RSSIs oder TOFs 332 können einzeln eliminiert werden und ein zweites neuronales Netz 300 kann trainiert werden, um neue 3D-Positionen zu bestimmen. Die neuen 3D-Positionen können mit den alten 3D-Positionen verglichen werden, die mit einem vollständigen Komplement von RSSIs oder TOFs 332 bestimmt wurden, um zum Beispiel zu bestimmen, ob eine bestimmte Antenne 216 redundant ist.
Der Ausgabezustand 330 des neuronalen Netzes 300 kann eine oder mehrere Zonen und Wahrscheinlichkeiten beinhalten. Die Zonen sind durch Abstände d_n von einer Antenne 216 zu einem Zentrum einer Zone in x-, y- und z-Koordinaten definiert. Jede Zone ist durch eine Nummer 1, ..., n gekennzeichnet. Die Zonenidentitätsnummern entsprechen einer 3D-Position der Zone, die von einem einzelnen Punkt an dem Fahrzeug 110 gemessen und in einer Rechenvorrichtung 115 gespeichert wird. Die Rechenvorrichtung 115 kann die Ausgabezustände 330 empfangen und die Zonennummern verwenden, um die gemessene 3D-Position der Zone in Bezug auf eine oder mehrere Antennen 216 nachzuschlagen und sie zu der entsprechenden Wahrscheinlichkeit aus dem Ausgabezustand 330 hinzuzufügen, um den 3D-Abstand der mobilen Vorrichtung 202 von einem vorbestimmten Punkt an dem Fahrzeug 110 zu bestimmen. Der vorbestimmte Punkt an dem Fahrzeug kann das geometrische Zentrum des Fahrzeugs 110 oder ein Punkt an der Außenseite des Fahrzeugs 110 sein, zum Beispiel die linke Vordertür.
4 ist ein Ablaufdiagramm eines Prozesses 800, der in Bezug auf die 1-7 beschrieben wird, eines Prozesses 400 zum Betreiben eines Fahrzeugs auf Grundlage einer Bestimmung einer 3-Position und einer Identität eines Objekts. Der Prozess 800 kann durch einen Prozessor der Rechenvorrichtung ausgeführt werden, der zum Beispiel Informationen von Sensoren als Eingabe heranzieht und Befehle bereitstellt und/oder Objektinformationen ausgibt. Der Prozess 800 beinhaltet mehrere Blöcke, die in der veranschaulichten Reihenfolge ausgeführt werden können. Der Prozess 800 könnte alternativ oder zusätzlich weniger Blöcke beinhalten oder kann die Blöcke in anderer Reihenfolge ausgeführt beinhalten.
Der Prozess 400 beginnt bei Block 402, wo RSSIs oder TOFs 332 auf Grundlage von Signalen bestimmt werden, die von Antennen 216 erfasst werden, die in einem Fahrzeug 110 beinhaltet sind. Die RSSIs oder TOFs werden durch Empfangen von Signalen von einer mobilen Vorrichtung 202 erfasst. Die Signale können von einer mobilen Vorrichtung 202 als Reaktion auf ein von einem Fahrzeug 110 übertragenes Signal empfangen werden. Dies kann einer Rechenvorrichtung 115 in einem Fahrzeug 110 ermöglichen, zum Beispiel empfangene Signale von einer Vielzahl von Antennen 216 gleichzeitig abzutasten. Dies kann zudem einer Rechenvorrichtung 115 in einem Fahrzeug ermöglichen, eine mobile Vorrichtung 202 zu identifizieren, indem ein vorbestimmter Code übertragen wird und ein vorbestimmter Code angefordert wird, der von einer mobilen Vorrichtung 202 zurückgegeben werden soll. Auf diese Weise kann eine sichere Verbindung zwischen einem Fahrzeug 110 und einer mobilen Vorrichtung 202 hergestellt werden, wodurch es nur mobilen Vorrichtungen 202, die zuvor programmiert wurden, um den vorbestimmten Code zu übertragen, ermöglicht wird, das Fahrzeug 110 zu betreiben.
Bei Block 404 werden die RSSIs oder TOFs 332 in ein neuronales Netz 300 eingegeben, um eine 3D-Position für eine mobile Vorrichtung 202 in Bezug auf ein Fahrzeug 110 zu bestimmen. Das neuronale Netz 300 wurde, wie vorstehend in Bezug auf 3 erörtert, auf Grundlage einer ausgegebenen Zone und einer Wahrscheinlichkeit trainiert, um eine mobile Vorrichtung 202 zu lokalisieren. Die 3D-Position der mobilen Vorrichtung 202 beinhaltet eine Richtung und einen Abstand der mobilen Vorrichtung 202, die in Bezug auf eine Position an einem Fahrzeug 110 auf Grundlage der ausgegebenen Zone und Wahrscheinlichkeit gemessen werden. Die Position des Fahrzeugs 110 kann eine Position an der Außenseite des Fahrzeugs 110 sein, zum Beispiel eine Position an einer rechten oder linken Vordertür.
Bei Block 406 kann eine Rechenvorrichtung 115 in einem Fahrzeug 110 einen Vorgang auf Grundlage der bestimmten 3D-Position der mobilen Vorrichtung 202 durchführen. Der auszuführende Vorgang kann auf Grundlage einer regelbasierten Logik ausgewählt werden. Zum Beispiel kann die regelbasierte Logik eine Regel wie etwa Folgende beinhalten: „WENN sich eine mobile Vorrichtung 202 innerhalb einer Zone befindet, die der vorderen linken Tür entspricht UND die Wahrscheinlichkeit größer als 50 % ist UND die mobile Vorrichtung 202 einen Code übertragen hat, der mit einem vorbestimmten Code übereinstimmt, der in der Rechenvorrichtung 115 gespeichert ist, DANN die vordere, linke Tür entriegeln“. Die Rechenvorrichtung 115 kann zudem die Lichter des Fahrzeugs 110 anschalten, wenn identifiziert wird, dass sich eine mobile Vorrichtung 202 innerhalb einer beliebigen Zone befindet, die einem vorbestimmten Abstand, zum Beispiel 1 Meter, von dem Fahrzeug 110 entspricht. Diese Lichter können einem Benutzer beispielsweise beim Lokalisieren einer Tür zum Einsteigen in ein Fahrzeug 110 helfen. Ein anderer Vorgang, der durch die Rechenvorrichtung 115 als Reaktion auf 3D-Positionen einer mobilen Vorrichtung durchgeführt werden kann, beinhaltet das Verriegeln von Türen des Fahrzeugs 110, wenn die Rechenvorrichtung 115 bestimmt, dass sich die mobile Vorrichtung 202 mit einer Wahrscheinlichkeit von mehr als 50 % in einer Zone befindet, die einem Abstand von mehr als einem Meter von dem Fahrzeug 110 entspricht. Die Rechenvorrichtung 115 kann zudem Fahrzeugverriegelungen deaktivieren, wenn die Rechenvorrichtung 115 bestimmt, dass sich die 3D-Position der mobilen Vorrichtung 202 in einer Zone befindet, die dem Inneren des Fahrzeugs 110 entspricht, wodurch verhindert wird, dass die mobile Vorrichtung 202 im Inneren des Fahrzeugs 110 eingeschlossen wird. Im Anschluss an Block 406 endet der Prozess 400.
Rechenvorrichtungen, wie etwa die in dieser Schrift erörterten, beinhalten im Allgemeinen jeweils Befehle, die durch eine oder mehrere Rechenvorrichtungen, wie etwa die vorstehend genannten, und zum Ausführen von Blöcken oder Schritten von vorstehend beschriebenen Prozessen ausführbar sind. Die vorstehend erörterten Prozessblöcke können zum Beispiel als computerausführbare Befehle ausgeführt sein.
Computerausführbare Befehle können von Computerprogrammen kompiliert oder interpretiert werden, die unter Verwendung einer Vielfalt von Programmiersprachen und/oder -technologien erstellt wurden, einschliel lich unter anderem, entweder allein oder in Kombination Java™, C, C++, Python, Julia, SCALA, Visual Basic, Java Script, Perl, HTML usw. Im Allgemeinen empfängt ein Prozessor (z. B. ein Mikroprozessor) Befehle, z. B. von einem Speicher, einem computerlesbaren Medium usw., und führt diese Befehle aus, wodurch er ein oder mehrere Prozesse durchführt, einschliel lich eines oder mehrerer der hier beschriebenen Prozesse. Derartige Befehle und andere Daten können in Dateien gespeichert und unter Verwendung vielfältiger computerlesbarer Medien übertragen werden. Eine Datei in einer Rechenvorrichtung ist im Allgemeinen eine Sammlung von Daten, die auf einem computerlesbaren Medium gespeichert ist, wie etwa einem Speichermedium, einem Direktzugriffsspeicher usw.
Ein computerlesbares Medium beinhaltet jedes beliebige Medium, das am Bereitstellen von Daten (z. B. Befehlen) beteiligt ist, die durch einen Computer gelesen werden können. Ein derartiges Medium kann viele Formen annehmen, einschließ lich unter anderem nichtflüchtiger Medien, flüchtiger Medien usw. Nichtflüchtige Medien beinhalten zum Beispiel optische oder magnetische Platten und sonstige Dauerspeicher. Flüchtige Medien beinhalten einen dynamischen Direktzugriffsspeicher (dynamic random access memory - DRAM), der typischerweise einen Hauptspeicher darstellt. Gängige Formen computerlesbarer Medien beinhalten zum Beispiel eine Diskette, eine Folienspeicherplatte, eine Festplatte, ein Magnetband, ein beliebiges anderes magnetisches Medium, eine CD-ROM, eine DVD, ein beliebiges anderes optisches Medium, Lochkarten, Lochstreifen, ein beliebiges anderes physisches Medium mit Lochmustern, einen RAM, einen PROM, einen EPROM, einen FLASH-EEPROM, einen beliebigen anderen Speicherchip oder eine beliebige andere Speicherkassette oder ein beliebiges anderes Medium, das von einem Computer ausgelesen werden kann.
Allen in den Patentansprüchen verwendeten Ausdrücken soll deren allgemeine und gewöhnliche Bedeutung zukommen, wie sie vom Fachmann verstanden wird, sofern in dieser Schrift keine ausdrückliche gegenteilige Angabe erfolgt. Insbesondere ist die Verwendung der Singularartikel, wie etwa „ein“, „eine“, „der“, „die“, „das“ usw., dahingehend auszulegen, dass ein oder mehrere der aufgeführten Elemente genannt werden, sofern ein Anspruch nicht eine ausdrückliche gegenteilige Einschränkung enthält.
Der Ausdruck „beispielhaft“ wird in dieser Schrift in dem Sinne verwendet, dass er ein Beispiel angibt, z. B. sollte eine Bezugnahme auf ein „beispielhaftes Gerät“ einfach als Bezugnahme auf ein Beispiel für ein Gerät gelesen werden.
Das einen Wert oder ein Ergebnis modifizierende Adverb „ungefähr“ bedeutet, dass eine Form, eine Struktur, ein Messwert, ein Wert, eine Bestimmung, eine Berechnung usw. von einer bzw. einem genau beschriebenen Geometrie, Abstand, Messwert, Wert, Bestimmung, Berechnung usw. aufgrund von Mängeln hinsichtlich Materialien, Bearbeitung, Herstellung, Sensormessungen, Berechnungen, Verarbeitungszeit, Kommunikationszeit usw. abweichen kann.
In den Zeichnungen geben die gleichen Bezugszeichen die gleichen Elemente an. Ferner könnten einige oder alle dieser Elemente geändert werden. Hinsichtlich der in dieser Schrift beschriebenen Medien, Prozesse, Systeme, Verfahren usw. versteht es sich, dass, obwohl die Schritte oder Blöcke derartiger Prozesse usw. zwar als gemäl einer bestimmten Abfolge erfolgend beschrieben worden sind, derartige Prozesse jedoch so umgesetzt werden könnten, dass die beschriebenen Schritte in einer anderen Reihenfolge als der in dieser Schrift beschriebenen Reihenfolge durchgeführt werden. Es versteht sich ferner, dass bestimmte Schritte gleichzeitig durchgeführt, andere Schritte hinzugefügt oder bestimmte in dieser Schrift beschriebene Schritte weggelassen werden könnten. Anders ausgedrückt werden die vorliegenden Beschreibungen von Prozessen zur Veranschaulichung bestimmter Ausführungsformen bereitgestellt und sollten keinesfalls dahingehend ausgelegt werden, dass sie die beanspruchte Erfindung einschränken.
Gemäl der vorliegenden Erfindung wird ein Computer bereitgestellt, der Folgendes aufweist: einen Prozessor; und einen Speicher, wobei der Speicher Anweisungen beinhaltet, die durch den Prozessor zu Folgendem ausführbar sind: Bestimmen einer Vielzahl von Indikatoren der empfangenen Signalstärke oder Laufzeitwerten für eine mobile Vorrichtung von jedem einer Vielzahl von Sensoren, die in einem Fahrzeug beinhaltet sind; Bestimmen einer Position der mobilen Vorrichtung in Bezug auf das Fahrzeug durch Verarbeiten der Indikatoren der empfangenen Signalstärke oder Laufzeitwerte mit einem neuronalen Netz, wobei jeder Indikator der empfangenen Signalstärke oder Laufzeitwert in ein Eingabeneuron eingegeben wird, das in einer Eingabeschicht des neuronalen Netzes beinhaltet ist, wobei jedes Eingabeneuron mindestens einen Indikator der empfangenen Signalstärke oder Laufzeitwert eingibt; und Betreiben des Fahrzeugs unter Verwendung der lokalisierten mobilen Vorrichtung.
Gemäl einer Ausführungsform beinhaltet jeder der Sensoren eine Antenne, die sich in einer Position an und in dem Fahrzeug befindet.
Gemäl einer Ausführungsform gibt das neuronale Netz einen 3D-Abstand als eine Zone und eine Wahrscheinlichkeit aus, dass sich die mobile Vorrichtung in der Zone befindet, wobei die Zone ein 3D-Volumen ist, das in Bezug auf die 3D-Positionen der Antennen definiert ist.
Gemäl einer Ausführungsform gibt das neuronale Netz zwei oder mehr Zonen und entsprechende Wahrscheinlichkeiten aus.
Gemäl einer Ausführungsform gibt jedes Eingabeneuron einen und nur einen Indikator der empfangenen Signalstärke oder Laufzeitwert ein.
Gemäl einer Ausführungsform gibt ein Eingabeneuron zwei oder mehr Indikatoren der empfangenen Signalstärke oder Laufzeitwerte auf Grundlage der zwei oder mehr Indikatoren der empfangenen Signalstärke oder Laufzeitwerte, einschliel lich stark korrelierter Signale, ein.
Gemäl einer Ausführungsform beinhalten Zwischenschichten des neuronalen Netzes Zwischenneuronen, die Daten von den Eingabeneuronen auf Grundlage von Polynomfunktionen auf Grundlage von Indikatoren der empfangenen Signalstärke oder Laufzeitwerten in eine dreidimensionale Position abbilden.
Gemäl einer Ausführungsform basieren die Polynomfunktionen auf einer oder mehreren von Funktionen des Abstandsgesetzes, die Abstände auf Grundlage der Indikatoren der empfangenen Signalstärke bestimmen, oder simultanen linearen Gleichungen auf Grundlage von Laufzeitwerten.
Gemäl einer Ausführungsform ist die Erfindung ferner durch die Anweisung gekennzeichnet, die Indikatoren der empfangenen Signalstärke durch Übertragen eines Signals, das eine Antwort an die mobile Vorrichtung anfordert, und Messen eines von der mobilen Vorrichtung als Antwort empfangenen Signals zu bestimmen.
Gemäl einer Ausführungsform ist die Erfindung ferner durch die Anweisung gekennzeichnet, das neuronale Netz durch Erfassen eines Datensatzes zu trainieren, der eine Vielzahl von Indikatoren der empfangenen Signalstärke oder Laufzeitwerten von der Vielzahl von Sensoren und entsprechende Ground-Truth-Daten in Bezug auf die Position der mobilen Vorrichtung beinhaltet, wobei die Ground-Truth-Daten eine Position im dreidimensionalen Raum der mobilen Vorrichtung in Bezug auf das Fahrzeug beinhalten.
Gemäl einer Ausführungsform ist die Erfindung ferner durch die Anweisung gekennzeichnet, die Vielzahl von Sensoren zu optimieren, indem eine Genauigkeit der bestimmten Position im Vergleich zu entsprechenden Ground-Truth-Daten bestimmt wird, wenn einer oder mehrere der Sensoren aus der neuronalen Netzverarbeitung gelöscht werden.
Gemäl einer Ausführungsform beinhaltet das Betreiben des Fahrzeugs eines oder mehrere von Anschalten von Fahrzeuglichtern und Entriegeln des Fahrzeugs und Öffnen einer Heckklappe, wenn bestimmt wird, dass sich die mobile Vorrichtung innerhalb eines spezifizierten Abstands von dem Fahrzeug befindet.
Gemäl einer Ausführungsform beinhaltet das Betreiben des Fahrzeugs Deaktivieren einer Verriegelung des Fahrzeugs, wenn bestimmt wird, dass sich die mobile Vorrichtung innerhalb des Fahrzeugs befindet.
Gemäl einer Ausführungsform beinhaltet das Betreiben des Fahrzeugs Verriegeln des Fahrzeugs, wenn bestimmt wird, dass sich die mobile Vorrichtung um mehr als einen spezifizierte Abstand von dem Fahrzeug weg befindet.
Gemäl der vorliegenden Erfindung beinhaltet ein Verfahren: Bestimmen einer Vielzahl von Indikatoren der empfangenen Signalstärke oder Laufzeitwerten für eine mobile Vorrichtung von jedem einer Vielzahl von Sensoren, die in einem Fahrzeug beinhaltet sind; Bestimmen einer Position der mobilen Vorrichtung in Bezug auf das Fahrzeug durch Verarbeiten der Indikatoren der empfangenen Signalstärke oder Laufzeitwerte mit einem neuronalen Netz, wobei jeder Indikator der empfangenen Signalstärke oder Laufzeitwert in ein Eingabeneuron eingegeben wird, das in einer Eingabeschicht des neuronalen Netzes beinhaltet ist, wobei jedes Eingabeneuron mindestens einen Indikator der empfangenen Signalstärke oder Laufzeitwert eingibt; und Betreiben des Fahrzeugs unter Verwendung der lokalisierten mobilen Vorrichtung.
In einem Aspekt der Erfindung beinhaltet jeder der Sensoren eine Antenne, die sich in einer Position an und in dem Fahrzeug befindet.
In einem Aspekt der Erfindung gibt das neuronale Netz einen 3D-Abstand als eine Zone und eine Wahrscheinlichkeit aus, dass sich die mobile Vorrichtung in der Zone befindet, wobei die Zone ein 3D-Volumen ist, das in Bezug auf die 3D-Positionen der Antennen definiert ist.
In einem Aspekt der Erfindung gibt das neuronale Netz zwei oder mehr Zonen und entsprechende Wahrscheinlichkeiten aus.
In einem Aspekt der Erfindung gibt jedes Eingabeneuron einen und nur einen Indikator der empfangenen Signalstärke oder Laufzeitwert ein.
In einem Aspekt der Erfindung gibt ein Eingabeneuron zwei oder mehr Indikatoren der empfangenen Signalstärke oder Laufzeitwerte auf Grundlage der zwei oder mehr Indikatoren der empfangenen Signalstärke oder Laufzeitwerte, einschliel lich stark korrelierter Signale, ein.

Claims

Verfahren, umfassend: Bestimmen einer Vielzahl von Indikatoren der empfangenen Signalstärke oder Laufzeitwerten für eine mobile Vorrichtung von jedem einer Vielzahl von Sensoren, die in einem Fahrzeug beinhaltet sind; Bestimmen einer Position der mobilen Vorrichtung in Bezug auf das Fahrzeug durch Verarbeiten der Indikatoren der empfangenen Signalstärke oder Laufzeitwerte mit einem neuronalen Netz, wobei jeder Indikator der empfangenen Signalstärke oder Laufzeitwert in ein Eingabeneuron eingegeben wird, das in einer Eingabeschicht des neuronalen Netzes beinhaltet ist, wobei jedes Eingabeneuron mindestens einen Indikator der empfangenen Signalstärke oder Laufzeitwert eingibt; und Betreiben des Fahrzeugs unter Verwendung der lokalisierten mobilen Vorrichtung.
Verfahren nach Anspruch 1, wobei jeder der Sensoren eine Antenne beinhaltet, die sich in verschiedenen Positionen an und in dem Fahrzeug befindet.
Verfahren nach Anspruch 1, wobei das neuronale Netz einen 3D-Abstand als eine Zone und eine Wahrscheinlichkeit ausgibt, dass sich die mobile Vorrichtung in der Zone befindet, wobei die Zone ein 3D-Volumen ist, das in Bezug auf die 3D-Positionen der Antennen definiert ist.
Verfahren nach Anspruch 3, wobei das neuronale Netz zwei oder mehr Zonen und entsprechende Wahrscheinlichkeiten ausgibt.
Verfahren nach Anspruch 1, wobei jedes Eingabeneuron einen und nur einen Indikator der empfangenen Signalstärke oder Laufzeitwert eingibt.
Verfahren nach Anspruch 1, wobei ein Eingabeneuron zwei oder mehr Indikatoren der empfangenen Signalstärke oder Laufzeitwerte auf Grundlage der zwei oder mehr Indikatoren der empfangenen Signalstärke oder Laufzeitwerte, einschliel lich stark korrelierter Signale, eingibt.
Verfahren nach Anspruch 1, wobei Zwischenschichten des neuronalen Netzes Zwischenneuronen beinhalten, die Daten von den Eingabeneuronen auf Grundlage von Polynomfunktionen auf Grundlage von Indikatoren der empfangenen Signalstärke oder Laufzeitwerten in eine dreidimensionale Position abbilden.
Verfahren nach Anspruch 7, wobei die Polynomfunktionen auf einer oder mehreren von Funktionen des Abstandsgesetzes, die Abstände auf Grundlage der Indikatoren der empfangenen Signalstärke bestimmen, oder simultanen linearen Gleichungen auf Grundlage von Laufzeitwerten basieren.
Verfahren nach Anspruch 1, ferner umfassend Bestimmen der Indikatoren der empfangenen Signalstärke durch Übertragen eines Signals, das eine Antwort an die mobile Vorrichtung anfordert, und Messen eines von der mobilen Vorrichtung als Antwort empfangenen Signals.
Verfahren nach Anspruch 1, ferner umfassend Trainieren des neuronale Netzes durch Erfassen eines Datensatzes, der eine Vielzahl von Indikatoren der empfangenen Signalstärke oder Laufzeitwerten von der Vielzahl von Sensoren und entsprechende Ground-Truth-Daten in Bezug auf die Position der mobilen Vorrichtung beinhaltet, wobei die Ground-Truth-Daten eine Position im dreidimensionalen Raum der mobilen Vorrichtung in Bezug auf das Fahrzeug beinhalten.
Verfahren nach Anspruch 10, ferner umfassend Optimieren der Vielzahl von Sensoren, indem eine Genauigkeit der bestimmten Position im Vergleich zu entsprechenden Ground-Truth-Daten bestimmt wird, wenn einer oder mehrere der Sensoren aus der neuronalen Netzverarbeitung gelöscht werden.
Verfahren nach Anspruch 1, wobei das Betreiben des Fahrzeugs eines oder mehrere von Anschalten von Fahrzeuglichtern und Entriegeln des Fahrzeugs und Öffnen einer Heckklappe beinhaltet, wenn bestimmt wird, dass sich die mobile Vorrichtung innerhalb eines spezifizierten Abstands von dem Fahrzeug befindet.
Verfahren nach Anspruch 1, wobei das Betreiben des Fahrzeugs Deaktivieren einer Verriegelung des Fahrzeugs beinhaltet, wenn bestimmt wird, dass sich die mobile Vorrichtung innerhalb des Fahrzeugs befindet.
Verfahren nach Anspruch 1, wobei das Betreiben des Fahrzeugs Verriegeln des Fahrzeugs beinhaltet, wenn bestimmt wird, dass sich die mobile Vorrichtung um mehr als einen spezifizierte Abstand von dem Fahrzeug weg befindet.
System, das einen Computer umfasst, der dazu programmiert ist, die Verfahren nach einem der Ansprüche 1-14 durchzuführen.