-
Die Erfindung betrifft ein Verfahren, ein System und ein Computerprogrammprodukt zur Verbesserung der Performance von Wahrnehmungsfunktionen für automatisierte Fahrassistenzsysteme.
-
Der Trend zu Fahrassistenzsystemen und hochautomatisierten Fahrfunktionen bei Kraftfahrzeugen, aber auch unbemannten Luftfahrzeugen (Drohnen) oder Wasserfahrzeugen erfordert umfangreiche Absicherungsstrategien, da die Verantwortung über die Fahrzeugführung nicht mehr uneingeschränkt beim Fahrer liegt, sondern aktive Funktionen von Rechnereinheiten im Fahrzeug übernommen werden. Bei einem unbemannten Objekt ist zudem ein Fahrer gar nicht vorgesehen. Daher muss sichergestellt werden, dass autonom sich bewegende Objekte nur eine sehr geringere Fehlerrate aufweisen. Die Steuerungsalgorithmen für autonome und automatisierte Fahrfunktionen weisen auf Künstlicher Intelligenz basierenden Wahrnehmungsfunktionen auf, beispielsweise für das Erkennen einer Ampel oder von Fußgängern im Straßenverkehr. Hierzu werden insbesondere Deep-Learning-Verfahren zur Objekterkennung, Objektverfolgung, Lokalisierung und zur semantischen Segmentierung eingesetzt. Die Wahrnehmungsfunktionen werden stetig verbessert durch geänderte Architekturen, Modelle und Trainingsprozesse, um eine hohe Sicherheit der Berechnungsergebnisse und Prognosen zu erreichen.
-
Zudem werden die Wahrnehmungsfunktionen üblicherweise in einer Trainingsphase mit ausgewählten Daten trainiert. Die Qualität und die Auswahl der Daten spielt daher eine wichtige Rolle für die Entwicklung einer in einem autonom fahrenden Fahrzeug eingesetzten Wahrnehmungsfunktion. Üblicherweise werden diese Daten von Testfahrzeugen mit einem integrierten Sensor- und Kamerasystem generiert.
-
Bei der realen Anwendung von Wahrnehmungsfunktionen für ein teilautonom oder autonom fahrendes Fahrzeug ergeben sich jedoch aufgrund der Diskrepanz zwischen den trainierten Daten und den realen während einer Fahrt ermittelten Daten immer wieder nicht optimale Berechnungsergebnisse, die die Sicherheit der Fahrzeugführung gefährden können.
-
Die
US 2015/227965 A1 beschreibt ein Verfahren zum Erfassen eines Szenenbildes mit einer Beschilderung. Das Verfahren umfasst das Erfassen von Szenenbildern der Beschilderung, das Aufzeichnen von Videodaten des Szenenbildes der Beschilderung in einem Speicher, wobei die Videodaten durch Bildrahmen gebildet werden, das Kennzeichnen jedes Bildrahmens der Bildrahmen oder einer Gruppe der Bildrahmen mit Zeitdaten und Ortsdaten, und das Identifizieren und Klassifizieren einer spezifischen Beschilderung in dem Bildrahmen.
-
Die
US 2020/201350 A1 beschreibt eine Applikationsvorrichtung zum automatisierten Anbringen von Straßenmarkierungen. Dabei wird für eine bestimmte Umgebung eine Raumtrajektorie berechnet, um eine ausgewählte Markierung am Zielort auf der Grundlage der Plandaten anzubringen.
-
Das Dokument „SALMAN, Hadi, et al.: Unadversarial examples: Designing objects for robust vision. In: Advances in Neural Information Processing Systems, NeurIPS 2021 Poster, Stored on arXiv on 22 Dec 2020, S. 1 - 24“ offenbart die Untersuchung einer Klasse realistischer Computerbildeinstellungen, bei denen das Design der zu erkennenden Objekte beeinflusst werden kann, um die Leistung und Robustheit von Bildverarbeitungsmodellen zu verbessern. Durch gezielte Einfügung von Korrekturen in einem Bild in Form von Etiketten oder Texturen werden optimierte Objekte erzeugt, die sicher erkannt oder klassifiziert werden können.
-
Das Dokument „SITAWARIN, Chawin, et al.; Darts: Deceiving autonomous cars with toxic signs. In: arXiv preprint arXiv: 1802.06430, 2018, S. 1-28“ offenbart die Veränderung von Verkehrsschildern oder Werbeplakaten in der Umgebung von Fahrzeugen in der Weise, dass sie für einen menschlichen Beobachter normal erscheinen, aber von einer Kamera eines autonom fahrenden Fahrzeugs einfacher erkannt und als das jeweilige korrekte Verkehrszeichen interpretiert werden können.
-
Die
US 2020/0089247 A1 offenbart ein Verfahren zum Erzeugen von Fahrszenarien und zum Trainieren eines autonomen Fahragenten für ein autonomes Fahrzeug unter Verwendung eines oder mehrerer Parametersätze, wobei jeder Parametersatz ein entsprechendes Fahrszenario definiert. Ein neuer Satz von Parametern wird erzeugt, indem ein oder mehrere Parameter eines der Sätze von Parametern geändert werden, um ein neues Fahrszenario zu definieren, wobei die Leistung des autonomen Fahragenten für das neue Fahrszenario bewertet wird.
-
Eine Aufgabe der vorliegenden Erfindung besteht daher darin, ein Verfahren, ein System und ein Computerprogrammprodukt zur Verbesserung der Performance von Wahrnehmungsfunktionen für automatisierte Fahrassistenzsysteme zu schaffen, durch das die Sicherheit von automatisierten Fahrfunktionen verbessert werden kann.
-
Diese Aufgabe wird hinsichtlich eines Verfahrens durch die Merkmale des Patentanspruchs 1, hinsichtlich eines Systems durch die Merkmale des Patentanspruchs 6, und hinsichtlich eines Computerprogrammprodukt durch die Merkmale des Patentanspruchs 11 erfindungsgemäß gelöst. Die weiteren Ansprüche betreffen bevorzugte Ausgestaltungen der Erfindung.
-
Gemäß einem ersten Aspekt betrifft die Erfindung ein Verfahren zur Verbesserung der Performance von Wahrnehmungsfunktionen für automatisierte Fahrassistenzsysteme. Das Verfahren umfasst die folgenden Verfahrensschritte:
- - Senden von Daten einer parametrisierbaren digitalen Karte von einem Simulationsmodul zu einem Wahrnehmungsfunktionsmodul mit zumindest einer Wahrnehmungsfunktion und zu einem Bewertungsmodul, wobei die parametrisierbare digitale Karte als hochaufgelöste 3D-Karte ausgebildet ist und mit Daten erstellt wurde, die mittels Testfahrten von Fahrzeugen mit einer oder mehreren Datenerfassungseinrichtungen wie insbesondere Kameras, Radarsystemen und LIDAR-Systemen ermittelt wurden;
- - Berechnen von zumindest einer Wahrnehmungshypothese für die Daten der parametrisierbaren digitalen Karte von dem Wahrnehmungsfunktionsmodul mittels zumindest eines initialen Parameterwertes von zumindest einem initialen Parameter, und Senden der zumindest einen Wahrnehmungshypothese an das Bewertungsmodul;
- - Vergleichen der Daten der parametrisierbaren digitalen Karte mit der Wahrnehmungshypothese für die parametrisierbare digitale Karte und Erstellen einer Bewertung der Wahrnehmungshypothese mit einem Bewertungsalgorithmus von dem Bewertungsmodul, wobei die Bewertung an ein Optimierungsmodul weitergegeben wird;
- - Auswählen von zumindest einem weiteren Parameter mit zumindest einem zugehörigen Parameterwert und/oder Ändern des Parameterwertes des initialen Parameters von dem Optimierungsmodul aufgrund der Bewertung, wobei der zumindest eine weitere Parameter und der zumindest eine zugehörige Parameterwert und/oder der geänderte Parameterwert des initialen Parameters an das Simulationsmodul weitergegeben werden;
- - Durchführen einer Simulation der Daten der parametrisierbaren digitalen Karte mit dem zumindest einen ausgewählten weiteren Parameter und dem zumindest einen zugehörigen Parameterwert von dem Simulationsmodul zur Erstellung einer simulierten digitalen Karte, und Weitergeben der Daten der simulierten digitalen Karte an das Wahrnehmungsfunktionsmodul;
- - Berechnen zumindest einer Wahrnehmungshypothese für die Daten der simulierten digitalen Karte von dem Wahrnehmungsfunktionsmodul und Senden der zumindest einen Wahrnehmungshypothese an das Bewertungsmodul;
- - Erstellen einer Bewertung der Wahrnehmungshypothese für die Daten der simulierten digitalen Karte im Vergleich zu der parametrisierbaren digitalen Karte von dem Bewertungsmodul;
- - Beginnen eines neuen Simulationszyklus für die simulierte digitale Karte von dem Optimierungsmodul mit zumindest einem weiteren Parameter und einem zugehörigen Parameterwert und/oder einem geänderten Parameterwert für den zumindest einen bereits ausgewählten Parameter, wenn ein bestimmtes Bewertungskriterium nicht erfüllt wird; oder
- - Ausgeben des zumindest einen ermittelten Parameters mit dem zumindest einen zugehörigen Parameterwert von einem Ausgabemodul, wenn ein bestimmtes Bewertungskriterium erreicht ist, wobei die ermittelten Parameter und Parameterwerte die Grundlage für bautechnische und konstruktive Maßnahmen an verkehrstechnischen Komponenten wie beispielsweise der Straßenführung oder Ampeln bilden.
-
In einer Weiterbildung ist vorgesehen, dass die parametrisierbare digitale Karte in einem Speichermodul gespeichert ist.
-
Vorteilhaftweise umfasst das Wahrnehmungsfunktionsmodul und/oder das Simulationsmodul Algorithmen der Künstlichen Intelligenz, insbesondere neuronale Netzwerke.
-
Insbesondere ist das neuronale Netzwerk als gefaltetes neuronales Netzwerk (convolutional neural network) ausgebildet.
-
In einer weiteren Ausführungsform ist vorgesehen, dass das Optimierungsmodul Optimierungsalgorithmen, insbesondere genetische Algorithmen und evolutionäre Algorithmen mit Operatoren wie Mutation, Selektion, Rekombination umfasst.
-
Gemäß einem zweiten Aspekt betrifft die Erfindung ein System zur Verbesserung der Performance von Wahrnehmungsfunktionen für automatisierte Fahrassistenzsysteme. Das System umfasst ein Simulationsmodul, das ausgebildet ist, Daten einer parametrisierbaren digitalen Karte zu einem Wahrnehmungsfunktionsmodul mit zumindest einer Wahrnehmungsfunktion und zu einem Bewertungsmodul zu senden, wobei die parametrierbare digitale Karte als hochaufgelöste 3D-Karte ausgebildet ist und mit Daten erstellt wurde, die mittels Testfahrten von Fahrzeugen mit einer oder mehreren Datenerfassungseinrichtungen wie insbesondere Kameras, Radarsystemen und LIDAR-Systemen ermittelt wurden. Das Wahrnehmungsfunktionsmodul ist ausgebildet, zumindest eine Wahrnehmungshypothese für die Daten der parametrisierbaren digitalen Karte mittels zumindest eines initialen Parameterwertes von zumindest einem initialen Parameter zu berechnen und die zumindest eine Wahrnehmungshypothese an das Bewertungsmodul zu senden. Das Bewertungsmodul ist ausgebildet, die Daten der parametrisierbaren digitalen Karte mit der ersten Wahrnehmungshypothese für die parametrisierbare digitale Karte zu vergleichen, eine Bewertung der Wahrnehmungshypothese mit einem Bewertungsalgorithmus zu erstellen und die Bewertung an ein Optimierungsmodul weiterzugeben. Das Optimierungsmodul ist ausgebildet, aufgrund der Bewertung zumindest einen weiteren Parameter mit zumindest einem zugehörigen Parameterwert auszuwählen und/oder den Parameterwert des initialen Parameters zu ändern sowie den zumindest einen weiteren Parameter und den zumindest einen zugehörigen Parameterwert und/oder den geänderten Parameterwert des initialen Parameters an das Simulationsmodul weiterzugeben. Das Simulationsmodul ist ausgebildet, eine Simulation der Daten der parametrisierbaren digitalen Karte mit dem zumindest einen ausgewählten weiteren Parameter und dem zugehörigen Parameterwert von dem Simulationsmodul zur Erstellung einer simulierten digitalen Karte durchzuführen und die Daten der simulierten digitalen Karte an das Wahrnehmungsfunktionsmodul weiterzugeben. Das Wahrnehmungsfunktionsmodul ist ausgebildet, zumindest eine Wahrnehmungshypothese für die Daten der simulierten digitalen Karte zu berechnen und die zumindest eine Wahrnehmungshypothese an das Bewertungsmodul zu senden. Das Bewertungsmodul ist ausgebildet, eine Bewertung der zweiten Wahrnehmungshypothese für die Daten der simulierten digitalen Karte im Vergleich zu der parametrisierbaren digitalen Karte zu erstellen. Das Optimierungsmodul ist ausgebildet, einen neuen Simulationszyklus für die simulierte digitale Karte mit zumindest einem weiteren Parameter und einem zugehörigen Parameterwert und/oder einem geänderten Parameterwert für den zumindest einen bereits ausgewählten Parameter zu beginnen, wenn ein bestimmtes Bewertungskriterium nicht erfüllt wird. Ein Ausgabemodul ist ausgebildet, den zumindest einen ermittelten Parameter mit dem zumindest einen zugehörigen Parameterwert auszugeben, wenn ein bestimmtes Bewertungskriterium erreicht ist, wobei die ermittelten Parameter und Parameterwerte die Grundlage für bautechnische und konstruktive Maßnahmen an verkehrs-technischen Komponenten wie beispielsweise der Straßenführung oder Ampeln bilden.
-
In einer Weiterbildung ist vorgesehen, dass die parametrisierbare digitale Karte in einem Speichermodul gespeichert ist.
-
In einer Weiterentwicklung ist vorgesehen, dass das Wahrnehmungsfunktionsmodul und/oder das Simulationsmodul Algorithmen der Künstlichen Intelligenz, insbesondere neuronale Netzwerke umfasst.
-
Insbesondere ist das neuronale Netzwerk als gefaltetes neuronales Netzwerk (convolutional neural network) ausgebildet.
-
In einer weiteren Ausführungsform ist vorgesehen, dass das Optimierungsmodul Optimierungsalgorithmen, insbesondere genetische Algorithmen und evolutionäre Algorithmen mit Operatoren wie Mutation, Selektion, Rekombination umfasst.
-
Gemäß einem dritten Aspekt betrifft die Erfindung ein Computerprogrammprodukt, umfassend einen ausführbaren Programmcode, der so konfiguriert ist, dass er bei seiner Ausführung das Verfahren gemäß dem ersten Aspekt ausführt.
-
Nachfolgend wird die Erfindung anhand eines in der Zeichnung dargestellten Ausführungsbeispiels näher erläutert.
-
Dabei zeigt:
- 1 eine schematische Darstellung eines erfindungsgemäßen Systems zur Verbesserung der Performance von Wahrnehmungsfunktionen im Bereich des automatisierten Fahrens;
- 2 ein Flussdiagramm zur Erläuterung der einzelnen Verfahrensschritte eines erfindungsgemäßen Verfahrens;
- 3 ein Computerprogrammprodukt gemäß einer Ausführungsform des dritten Aspekts der Erfindung.
-
Zusätzliche Merkmale, Aspekte und Vorteile der Erfindung oder ihrer Ausführungsbeispiele werden durch die ausführliche Beschreibung in Verbindung mit den Ansprüchen ersichtlich.
-
In 1 ist eine schematische Darstellung eines erfindungsgemäßen Systems 100 zur Verbesserung der Performance von Wahrnehmungsfunktionen für automatisierte Fahrassistenzsysteme gezeigt. Das System 100 umfasst mehrere Module, die sowohl integrierte oder zugeordnete Prozessoren und/oder Speichereinheiten umfassen können.
-
Unter einem „Modul“ kann im Zusammenhang mit der Erfindung beispielsweise ein Prozessor und/oder eine Speichereinheit zum Speichern von Programmbefehlen verstanden werden. Beispielsweise ist das Modul speziell dazu eingerichtet, die Programmbefehle derart auszuführen, um das erfindungsgemäße Verfahren oder einen Schritt des erfindungsgemäßen Verfahrens zu implementieren oder zu realisieren.
-
Unter einem „Prozessor“ kann im Zusammenhang mit der Erfindung beispielsweise eine Maschine oder eine elektronische Schaltung oder ein leistungsfähiger Computer verstanden werden. Bei einem Prozessor kann es sich insbesondere um einen Hauptprozessor (engl. Central Processing Unit, CPU), einen Mikroprozessor oder einen Mikrocontroller, beispielsweise eine anwendungsspezifische integrierte Schaltung oder einen digitalen Signalprozessor, möglicherweise in Kombination mit einer Speichereinheit zum Speichern von Programmbefehlen, etc. handeln. Auch kann unter einem Prozessor ein virtualisierter Prozessor, eine virtuelle Maschine oder eine Soft-CPU verstanden werden. Es kann sich beispielsweise auch um einen programmierbaren Prozessor handeln, der mit Konfigurationsschritten zur Ausführung des genannten erfindungsgemäßen Verfahrens ausgerüstet wird oder mit Konfigurationsschritten derart konfiguriert ist, dass der programmierbare Prozessor die erfindungsgemäßen Merkmale des Verfahrens, der Komponente, der Module, oder anderer Aspekte und/oder Teilaspekte der Erfindung realisiert. Außerdem können hochparallele Recheneinheiten und leistungsfähige Grafikmodule vorgesehen sein.
-
Unter einer „Speichereinheit“ oder „Speichermodul“ und dergleichen kann im Zusammenhang mit der Erfindung beispielsweise ein flüchtiger Speicher in Form eines Arbeitsspeichers (engl. Random-Access Memory, RAM) oder ein dauerhafter Speicher wie eine Festplatte oder ein Datenträger oder z.B. ein wechselbares Speichermodul verstanden werden. Es kann sich bei dem Speichermodul aber auch um eine cloudbasierte Speicherlösung handeln.
-
Ein Wahrnehmungsfunktionsmodul 10 enthält zumindest eine Wahrnehmungsfunktion 12 mit einer definierten Zielaufgabe. Hierbei kann es sich um eine 3D-Objekterkennung zur Erkennung von anderen Fahrzeugen, eine Fahrbahnspurerkennung, eine Verkehrszeichenerkennung, eine Erkennung von Ampeln sowie des jeweiligen Ampelzustands handeln. Die Wahrnehmungsfunktion 12 verwendet insbesondere Algorithmen der Künstlichen Intelligenz wie beispielsweise Deep Learning. Insbesondere können neuronale Netze verwendet werden, wobei Convolutional Neural Networks (CNN) besonders geeignet sind. CNN weisen mehrere Faltungsschichten auf und sind für maschinelles Lernen und Anwendungen im Bereich der Bild- und Spracherkennung sehr gut geeignet. Die Funktionsweise eines CNN ist zu einem gewissen Teil biologischen Vorgängen nachempfunden und der Aufbau ist vergleichbar der Sehrinde des Gehirns.
-
Das Wahrnehmungsfunktionsmodul 10 ist mit einem Simulationsmodul 20 verbunden. Das Simulationsmodul 20 enthält zumindest eine hochaufgelöste digitale 3D-Karte 22 eines ausgewählten geographischen Bereichs. Diese digitale Karte 22 ist vorzugsweise mittels Daten, die durch Testfahrzeuge mit eingebauten Datenerfassungseinrichtungen wie insbesondere Kameras, Radarsysteme und LIDAR-Systeme insbesondere im Rahmen von Testfahrten aufgenommen wurden, erstellt worden und wird vorzugsweise von einem Speichermodul 24 dem Simulationsmodul 20 zur Verfügung gestellt. Es kann sich bei der digitalen Karte 22 um eine spezielle geographische Region wie ein Küstengebiet, eine Gebirgslandschaft oder eine Stadt handeln und somit unterschiedliche Verkehrsszenarien abbilden. Auf der digitalen Karte 22 kann aber auch nur eine bestimmte Straßensituation wie eine Autobahn oder eine Landstraße abgebildet sein. Diese digitale Karte 22 kann mittels ausgewählter Parameter von dem Simulationsmodul 20 mittels Simulationsalgorithmen geändert werden und ist somit als parametrisierbare Karte ausgebildet. Bei den Simulationsalgorithmen können wiederum Verfahren der Künstlichen Intelligenz eingesetzt werden. Die Datenformate der parametrisierbaren digitalen Karte können beispielsweise Vektoren oder Matrizen enthalten.
-
Die Daten der parametrisierbaren digitalen Karte 22 werden an das Wahrnehmungsfunktionsmodul 10 weitergegeben und die Wahrnehmungsfunktion 12 berechnet daraus zumindest eine Wahrnehmungshypothese. Beispielsweise kann die Wahrnehmungsfunktion 12 aus den Daten erkennen, dass auf der digitalen Karte 22 eine Ampel dargestellt ist. Diese Wahrnehmungshypothese wird an ein Bewertungsmodul 30 weitergegeben.
-
Das Bewertungsmodul 30 bewertet die Qualität der von dem Wahrnehmungsfunktionsmodul 20 mittels der Wahrnehmungsfunktion 12 berechneten zumindest einen Wahrnehmungshypothese. Für die Bewertung können Bewertungsalgorithmen wie eine Mittelwertgenauigkeit (engl. Average Precision), ein F-Maß (engl. F-score) oder eine Trefferquote (engl. recall) verwendet werden. Das Bewertungsergebnis wird an ein Optimierungsmodul 40 weitergegeben.
-
Das Optimierungsmodul 40 ist mit einem Parametermodul 50 verbunden. Das Parametermodul 50 kann zudem mit dem Simulationsmodul 20 verbunden sein. Das Parametermodul 50 enthält eine Liste von veränderbaren Parametern der digitalen Karte 22 wie beispielsweise die Straßenbreite, die Farben der Straßenmarkierungen, die Höhe der an eine Straße angrenzenden Häuser, die Farbe der Häuser, die Straßenfarbe, die Dimensionierung der Ampeln, etc. Die Liste der relevanten Parameter kann von einem Administrator erstellt worden sein und sie kann in Abhängigkeit von zu untersuchenden Anwendungsfällen geändert und angepasst werden.
-
Das Optimierungsmodul 40 wählt die relevanten Parameter aus und verändert den jeweiligen Parameterwert. So kann beispielsweise als relevanter Parameter die Straßenbreite ausgewählt werden und der Parameterwert wird von 4,5 m auf 4,7 m an einem bestimmten Ort der digitalen Karte 22 geändert. Das Optimierungsmodul 40 gibt den ausgewählten Parameter und den zugehörigen geänderten Parameterwert für einen bestimmten Ort bzw. Bereich an das Simulationsmodul 20 weiter. Das Optimierungsmodul 40 verwendet für die Auswahl der Parameter und die Bestimmung der Parameterwerte vorzugsweise ableitungsfreie bzw. Black-Box Optimierungsverfahren. Als Optimierungsalgorithmen können Algorithmen zur Abschätzung von Verteilungen wie beispielsweise Bayesian Optimierung, evolutionäre Algorithmen wie genetische Algorithmen und evolutionäre Strategien mit Operatoren wie Mutation, Selektion, Rekombination, oder numerische Verfahren wie das Nelder-Meat-Verfahren, Ameisenalgorithmen (Ant Colony Optimierung), Partikelschwarmoptimierung, oder heuristische Approximationsverfahren wie simuliertes Ausglühen (Simulated Annealing) verwendet werden. Es sind somit eine Vielzahl von Optimierungsverfahren im Bereich des Maschinenlernens denkbar, die von dem Optimierungsmodul 40 zum Auffinden von passenden Parametern verwendet werden können.
-
Das Simulationsmodul 20 berechnet daraufhin eine neue simulierte digitale Karte 23 mit den geänderten Parameterwerten der ausgewählten Parameter. Diese simulierte digitale Karte 23 wird dann an das Wahrnehmungsfunktionsmodul 10 weitergegeben und ein neuer Simulationszyklus beginnt.
-
Besteht beispielsweise die Zielaufgabe einer Wahrnehmungsfunktion 12 in der Erkennung von Ampeln und deren Ampelzustand, so können die Ampelgröße, die Ampelhöhe, das Material des Ampelglases, die Größe eines vorgesehenen Reflexionsschutzes optimierbare Parameter darstellen. Der Simulationszyklus wird solange durchgeführt, bis eine optimale Ampelkonfiguration für die Wahrnehmungsfunktion 12 ermittelt worden ist. Als Kriterium für das Ende eines Simulationszyklus kann ein bestimmter Bewertungswert oder eine bestimmte Anzahl von Iterationen definiert werden.
-
Ein Verfahren zur Verbesserung der Performance von Wahrnehmungsfunktionen für automatisierte Fahrassistenzsysteme umfasst die folgenden Verfahrensschritte:
- In einem Schritt S10 sendet ein Simulationsmodul 20 die Daten einer parametrisierbaren digitalen Karte 22 zu einem Wahrnehmungsfunktionsmodul 10 mit zumindest einer Wahrnehmungsfunktion 12 und zu einem Bewertungsmodul 30.
-
In einem Schritt S20 berechnet das Wahrnehmungsfunktionsmodul 10 zumindest eine Wahrnehmungshypothese für die Daten der parametrisierbaren digitalen Karte mittels zumindest eines initialen Parameterwertes von zumindest einem initialen Parameter und sendet die Wahrnehmungshypothese an das Bewertungsmodul 30.
-
In einem Schritt S30 vergleicht das Bewertungsmodul 30 die Daten der parametrisierbaren digitalen Karte 22 mit der Wahrnehmungshypothese und erstellt eine Bewertung der Wahrnehmungshypothese mit einem Bewertungsalgorithmus, wobei die Bewertung an ein Optimierungsmodul 40 weitergegeben wird.
-
In einem Schritt S40 wählt das Optimierungsmodul 40 aufgrund der Bewertung zumindest einen weiteren Parameter mit einem zugehörigen Parameterwert aus und/oder ändert den Parameterwert des initialen Parameters, wobei der zumindest eine Parameter und der zumindest eine zugehörige Parameterwert an das Simulationsmodul 20 weitergegeben werden.
-
In einem Schritt S50 führt das Simulationsmodul 20 eine Simulation der Daten der parametrisierbaren digitalen Karte 22 mit dem zumindest einen ausgewählten weiteren Parameter und dem zumindest einen zugehörigen Parameterwert zur Erstellung einer simulierten digitalen Karte durch und gibt die Daten der simulierten digitalen Karte 23 an das Wahrnehmungsfunktionsmodul 10 weiter.
-
In einem Schritt S60 berechnet das Wahrnehmungsfunktionsmodul 10 zumindest eine Wahrnehmungshypothese für die Daten der simulierten digitalen Karte 23 und sendet diese an das Bewertungsmodul 30.
-
In einem Schritt S70 erstellt das Bewertungsmodul 30 eine Bewertung der zumindest einen Wahrnehmungshypothese für die Daten der simulierten digitalen Karte 23 im Vergleich zu der parametrisierbaren digitalen Karte 22.
-
In einem Schritt S80 beginnt ein neuer Simulationszyklus für die simulierte digitale Karte von dem Optimierungsmodul mit zumindest einem weiteren Parameter und einem zugehörigen Parameterwert und/oder einem geänderten Parameterwert für den zumindest einen bereits ausgewählten Parameter, wenn ein bestimmtes Bewertungskriterium nicht erfüllt wird.
-
In einem Schritt S90 wird der zumindest eine ermittelte Parameter mit dem zumindest einen zugehörigen Parameterwert von einem Ausgabemodul 70 ausgegeben, wenn ein bestimmtes Bewertungskriterium erreicht ist.
-
Durch die vorliegende Erfindung wird die Performance einer gegebenen Wahrnehmungsfunktion 12 verbessert, indem die Parameter der Umgebung an die Wahrnehmungsfunktion 12 angepasst werden. Dies stellt gegenüber der üblichen Vorgehensweise, die Wahrnehmungsfunktion 12 selbst zu verbessern, einen inversen Ansatz dar, da nicht die Wahrnehmungsfunktion 12 selbst verbessert wird, sondern es wird eine Umgebung geschaffen, für die sie eine optimale Performance zeigt. Hierzu wird die Umgebung mittels einer virtuellen Simulation einer digitalen Karte 22 an die Wahrnehmungsfunktion 12 angepasst. Durch das erfindungsgemäße Verfahren wird somit eine optimale Umgebung für eine bestehende Wahrnehmungsfunktion 12 ermittelt.
-
In einem weiteren Anwendungsschritt des erfindungsgemäßen Verfahrens kann beispielsweise vorgesehen sein, reale Ampeln gemäß der ermittelten Ampelkonfiguration herzustellen und diese im Straßenverkehr zu installieren. Die auf die Erkennung von Ampeln spezialisierte Wahrnehmungsfunktion 12 würde nun für diese Ampeln optimale Ergebnisse liefern. Dies gilt in gleicher Weise für andere bautechnische Maßnahmen, die aufgrund der Simulationsergebnisse eingeleitet werden können, wie beispielsweise eine Änderung der Straßenführung. In der Realität können somit verschiedene bautechnische und konstruktive Maßnahmen an verkehrstechnischen Komponenten auf der Grundlage der ermittelten Parameter und Parameterwerte durchgeführt werden.
-
Bezugszeichenliste
-
- 10
- Wahrnehmungsfunktionsmodul
- 12
- Wahrnehmungsfunktion
- 20
- Simulationsmodul
- 22
- parametrisierbare digitale Karte
- 23
- simulierte digitale Karte
- 24
- Speichermodul
- 30
- Bewertungsmodul
- 40
- Optimierungsmodul
- 50
- Parametermodul
- 70
- Ausgabemodul
- 100
- System
- 200
- Computerprogrammprodukt
- 250
- Programmcode
