DE102021123020B4 - Klassifikation von Geräuschen an einem Fahrzeug - Google Patents

Klassifikation von Geräuschen an einem Fahrzeug Download PDF

Info

Publication number
DE102021123020B4
DE102021123020B4 DE102021123020.9A DE102021123020A DE102021123020B4 DE 102021123020 B4 DE102021123020 B4 DE 102021123020B4 DE 102021123020 A DE102021123020 A DE 102021123020A DE 102021123020 B4 DE102021123020 B4 DE 102021123020B4
Authority
DE
Germany
Prior art keywords
noise
vehicle
predetermined
operating state
board
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
DE102021123020.9A
Other languages
English (en)
Other versions
DE102021123020A1 (de
Inventor
Albrecht Neff
Lorenz Makeschin
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bayerische Motoren Werke AG
Original Assignee
Bayerische Motoren Werke AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Bayerische Motoren Werke AG filed Critical Bayerische Motoren Werke AG
Priority to DE102021123020.9A priority Critical patent/DE102021123020B4/de
Publication of DE102021123020A1 publication Critical patent/DE102021123020A1/de
Application granted granted Critical
Publication of DE102021123020B4 publication Critical patent/DE102021123020B4/de
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01MTESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00Testing of vehicles
    • G01M17/007Wheeled or endless-tracked vehicles

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

Verfahren (200) zum Klassifizieren eines Geräuschs an Bord eines Fahrzeugs (105), wobei das Verfahren (200) folgende Schritte umfasst:- Erfassen (215) eines Geräuschs an Bord eines Fahrzeugs (105), während eine vorbestimmte Komponente des Fahrzeugs (105) isoliert betrieben wird;- Erkennen (220) eines vorbestimmten Musters in dem Geräusch; und- Bestimmen (225) einer dem Muster zugeordneten Klassifikation des Geräuschs auf Basis eines Betriebszustands der vorbestimmten, isoliert betriebenen Komponente des Fahrzeugs (105).

Description

  • Die Erfindung betrifft eine Technik zur Analyse eines Fahrzeugs. Insbesondere betrifft die Erfindung die Klassifikation eines Geräuschs an Bord eines Fahrzeugs.
  • Ein Kraftfahrzeug kann im Betrieb eine Anzahl Geräusche produzieren, von denen einige als Störgeräusche gelten. Ein Störgeräusch kann innerhalb oder außerhalb des Kraftfahrzeugs als unangenehm wahrgenommen werden oder auf einen bestehenden oder sich anbahnenden Defekt hinweisen, weshalb häufig ein Problem darin besteht, das Geräusch zu klassifizieren.
  • Zur Bestimmung der Ursache eines Geräuschs kann eine Sammlung typischer Störgeräusche und jeweils zugeordneter Ursachen vorgesehen sein. Ein Servicetechniker kann auf der Basis der Sammlung versuchen, die Ursache eines auftretenden Störgeräuschs zu bestimmen. Insbesondere bei einem nur sporadisch auftretenden Störgeräusch kann es jedoch schwierig sein, einen passenden Eintrag in der Sammlung aufzufinden. Häufig wird die Suche dadurch erschwert, dass lediglich eine Beschreibung des Geräuschs durch einen Fahrer des Kraftfahrzeugs zur Verfügung steht.
  • DE 10 2018 207 408 A1 betrifft die Bestimmung einer Ursache eines Störgeräuschs an einem Kraftfahrzeug.
  • Die nachveröffentlichte DE 10 2020 107 775 A1 betrifft die Erkennung externer Geräusche von Sirenen fremder Feuerwehr-, Einsatz- oder Rettungsfahrzeuge in anderen Fahrzeugen.
  • Die DE 10 2017 221 727 A1 betrifft die Erfassung und Klassifizierung von Geräuschen, wobei die Geräusche klassifiziert werden und wobei künstliche Intelligenz verwendet wird.
  • Eine der Erfindung zu Grunde liegende Aufgabe besteht darin, eine verbesserte Technik zur Klassifikation eines Geräuschs an Bord eines Fahrzeugs bereitzustellen. Die vorliegende Erfindung löst diese Aufgabe mittels der Gegenstände der unabhängigen Ansprüche. Unteransprüche geben bevorzugte Ausführungsformen wieder.
  • Nach einem ersten Aspekt der vorliegenden Erfindung umfasst ein erstes Verfahren zum Klassifizieren eines Geräuschs an Bord eines Fahrzeugs Schritte
    • - des Erfassens eines Geräuschs an Bord eines Fahrzeugs, während eine vorbestimmte Komponente des Fahrzeugs isoliert betrieben wird;
    • - des Erkennens eines vorbestimmten Musters in dem Geräusch; und
    • - des Bestimmens einer dem Muster zugeordneten Klassifikation des Geräuschs auf Basis eines Betriebszustands der vorbestimmten, isoliert betriebenen Komponente des Fahrzeugs.
  • Erfindungsgemäß wurde erkannt, dass durch Einsatz von Mustererkennung statt einer traditionellen Signalverarbeitung eine signifikante Verbesserung der Erkennungsleistung für Geräusche an Bord eines Fahrzeugs erzielt werden kann. Beispielsweise kann eine unscharfe Erkennung durchgeführt werden, wenn ein Muster nur mit einer vorbestimmten statt einer absoluten Sicherheit erkannt wird. Ein erkanntes Geräusch kann auf eine Vielzahl unterschiedlicher Zustände oder Sachverhalte hinweisen, die beim Betreiben des Fahrzeugs von Interesse sein können.
  • In einer Ausführungsform betrifft das Geräusch ein Störgeräusch, das nicht von einem üblichen Betriebsgeräusch des Fahrzeugs umfasst ist. Auf der Basis des Geräuschs kann beispielsweise ein sich anbahnender oder bereits vorliegender Defekt oder Verschleiß bestimmt werden. In einer anderen Ausführungsform kann auf der Basis des Geräuschs eine Art Sensorsignal bereitgestellt werden. Dabei kann ein Signal eines anderen Sensors optional berücksichtigt werden, beispielsweise nach Art einer Sensor- oder Signalfusion. Beispielsweise kann die Betätigung eines Elements des Fahrzeugs bestimmt werden, für das kein dedizierter Sensor vorgesehen ist, etwa für das Öffnen oder Schließen eines Handschuhfachs, das Verstellen einer Kopfstütze oder das Herunter- oder Hinaufklappen einer Sonnenblende. Ferner kann ein Fahrzustand des Fahrzeugs erkannt werden.
  • Der Fahrzustand kann ein Fahrereignis umfassen, beispielsweise das Durchfahren eines Schlaglochs oder das Überfahren einer Stufe. Verschiedene weitere Ereignisse im Umfeld des Fahrzeugs können auf der Basis der akustischen Mustererkennung bestimmt werden, beispielsweise ein Herannahen eines Sicherheits- oder Rettungsfahrzeugs. Es kann auch erkannt werden, ob das Fahrzeug gerade Witterungseinflüssen wie Regen oder Wind ausgesetzt ist. Anhand eines charakteristischen Geräuschs, das Reifen des Fahrzeugs auf strukturierten Spurmarkierungen machen, kann das Verlassen einer Fahrspur durch das Fahrzeug erkannt werden. Auch ein Untergrund oder eine Bodenbeschaffenheit unter dem Fahrzeug kann erkannt werden. So können beispielsweise Rollkies, Asphalt, Schotter oder eine festgefahrene Schneedecke jeweils anhand eines Reifengeräuschs erkannt werden.
  • Aufgrund der akustischen Mustererkennung kann ein Fahrer verbessert auf Gefahren beim Führen des Fahrzeugs hingewiesen werden. Wird das Fahrzeug teilautomatisch oder autonom gesteuert, so kann die Steuerung in Abhängigkeit des bestimmten Ereignisses oder Sachverhalts erfolgen.
  • Es ist besonders bevorzugt, dass das Erkennen des Musters mittels Methoden des maschinellen Lernens erfolgt. Einerseits kann an Bord eines Fahrzeugs eine so große Vielzahl von Informationen und Geräuschen bestimmt werden, dass das maschinelle Lernen eine ausreichende Trainingsbasis erhält, andererseits können an einem konkreten Fahrzeug individuelle Sachverhalte erlernt werden, sodass die Erkennungsleistung weiter verbessert werden kann.
  • Es ist besonders bevorzugt, dass das Muster mittels eines künstlichen neuronalen Netzwerks (KNN) erkannt wird. Das KNN kann beispielsweise mittels unüberwachtem oder überwachtem Lernen trainiert werden. Ein trainiertes KNN kann moderate Anforderungen an die Leistungsfähigkeit einer Verarbeitungseinrichtung stellen, sodass das KNN an Bord des Fahrzeugs betrieben werden kann.
  • Nach einem zweiten Aspekt der vorliegenden Erfindung umfasst ein zweites Verfahren zum Bereitstellen eines künstlichen neuronalen Netzwerks zur Klassifizierung eines Geräuschs an Bord eines Fahrzeugs Schritte des
    • - Bestimmens eines Betriebszustands des Fahrzeugs, wobei der Betriebszustand eine vorbestimmte Komponente des Fahrzeugs betrifft;
    • - des Erfassens eines betriebsbedingten Geräuschs an Bord des Fahrzeugs, während die vorbestimmte Komponente isoliert betrieben wird;
    • - des Klassifizierens des erfassten Geräuschs nach dem bestimmten Betriebszustand der vorbestimmten, isoliert betriebenen Komponente; und
    • - des Trainierens des künstlichen neuronalen Netzwerks auf der Basis des Geräuschs und des Betriebszustands der vorbestimmten, isoliert betriebenen Komponente als Klassifikation des Geräuschs.
  • Erfindungsgemäß kann eine Vielzahl von Informationen, die an Bord des Fahrzeugs vorliegen, zur Bestimmung des Betriebszustands verwendet werden. Durch Zuordnung des Betriebszustands zu einem Geräusch kann das KNN dazu trainiert werden, den Betriebszustand auf der Basis des Geräuschs zu erkennen. Der Betriebszustand kann auch als Randbedingung für das Geräusch aufgefasst werden. So kann das Erkennen von Geräuschen unter unterschiedlichen, vorbestimmten Betriebszuständen trainiert werden. Das KNN kann insbesondere darauf trainiert werden, eine akustische Anomalie zu erkennen. Die Anomalie kann erkannt werden, falls in einem vorbestimmten Betriebszustand ein Geräusch erfasst wird, auf welches das KNN im selben Betriebszustand nicht trainiert ist.
  • In einer Ausführungsform umfasst der Betriebszustand einen vorbestimmten Fehlerzustand. Der Fehlerzustand kann auf der Basis von Informationen bestimmt werden, die an Bord des Fahrzeugs bereits verfügbar sind. Beispielsweise kann ein geplatzter Reifen auf der Basis von Informationen eines Reifenluftdruck-Kontrollsystems bestimmt werden. Gleichzeitig kann das durch den geplatzten Reifen verursachte Fahrgeräusch erfasst werden. Eine Vielzahl vorbestimmter Fehlerzustände kann auf der Basis von Sensoren oder Steuergeräten erkannt werden. Dadurch kann das KNN dazu trainiert werden, einen oder mehrere Fehlerzustände zu erkennen. Auch ein Normalbetrieb, in welchem kein Fehlerzustand vorliegt, kann trainiert werden, sodass das KNN einen fehlerfreien Betrieb des Fahrzeugs erkennen kann.
  • Der Betriebszustand kann einen Fahrzustand umfassen. Der Fahrzustand kann eine Bewegung des Fahrzeugs oder ein Fahrereignis umfassen. Das Fahrereignis kann eine Änderung der Bewegung des Fahrzeugs oder von Umständen des Fahrens umfassen. Beispielsweise kann ein Wechsel des befahrenen Untergrunds, das Überfahren einer Stufe oder einer Fahrbahnmarkierung oder eine ruckartige Beschleunigung erkannt werden. Ein dabei auftretendes Geräusch kann dem Fahrzustand oder Fahrereignis zugeordnet werden.
  • Der Betriebszustand kann auch den Zustand einer Funktionsausführung umfassen. Die Funktion kann einer oder mehreren Komponenten zugeordnet sein, die vom Fahrzeug umfasst sind. Dabei kann eine Komponente in verschiedenen Phasen oder in einem zeitlichen Ablauf gesteuert sein.
  • Optional kann eine zeitliche Erstreckung des Betriebszustands berücksichtigt werden, beispielsweise wie lange ein Betriebszustand andauert, wann er vorliegt oder auf welche Weise er funktional auf- oder abgebaut wird.
  • Das Geräusch kann nach einer Position an Bord des Fahrzeugs, an der das Geräusch bestimmt wird, klassifiziert werden. Beispielsweise kann es unterschiedliche Hintergründe haben, ob ein Geräusch im Innenraum mittig oder im Motorraum vorne rechts seinen Ursprung hat. Zur Lokalisierung einer Geräuschquelle können mehrere akustische Abtasteinrichtungen vorgesehen sein.
  • Der Betriebszustand kann eine vorbestimmte Komponente des Fahrzeugs betreffen und das Geräusch kann nach der Komponente klassifiziert werden. Beispielsweise kann ein Geräusch, das einem Scheibenwischer oder einem Fensterheber zugeordnet ist, nur dann auftreten, wenn die entsprechende Vorrichtung gerade betätigt wird. Der Betätigungszustand der Komponente kann als Randbedingung für das KNN beim Lernen verwendet werden.
  • In einer Ausführungsform wird nur ein Geräusch verarbeitet, das genau während eine oder mehrere vorbestimmte Komponenten aktiviert wurden oder eine andere vorbestimmte Bedingung eingetreten ist. Ein vor oder nach dem Eintritt der Bedingung aufgenommenes Geräusch kann verworfen werden. In einer anderen Ausführungsform wird das Geräusch über einen vorbestimmten Zeitraum vor und/der nach der Aktivierung berücksichtigt. Eine umgekehrte Logik ist ebenfalls möglich, indem das Geräusch nicht beachtet wird, während eine oder mehrere vorbestimmte Komponenten aktiv sind. Auch hier kann die Zeit, in der das Geräusch verworfen wird, zeitlich nach vorne und/oder nach hinten um einen vorbestimmten Betrag ausgedehnt werden. Beispielhafte, eine Erkennung verhindernde Bedingungen umfassen laute Musik, eine laute Unterhaltung, das Passieren einer Baustelle, eines Firmengeländes oder eines Tunnels, oder das Fahren mit hoher Geschwindigkeit. Auch eine Verwendung einer Einrichtung, die einen bekannten Defekt aufweist, kann als inhibierend für die Verarbeitung des Geräuschs wirken. Ferner kann die Verarbeitung auf eine vorbestimmte geografische Region beschränkt sein.
  • Das Geräusch kann auch bestimmt werden, während die Komponente isoliert betrieben wird. Andere betriebsbedingte Geräuschquellen an Bord des Fahrzeugs können dabei möglichst vollständig deaktiviert sein. In einer Ausführungsform kann eine andere Komponente deaktiviert werden, um eine isolierte akustische Betrachtung zu unterstützen. Die Komponente kann auch außerhalb des Fahrzeugs betrieben werden, um akustische Daten ihres Betriebs zum Trainieren des KNN bereitzustellen. So können Geräuschdaten beispielsweise bereits während eines Entwicklungsprozesses oder während der Produktionsplanung bereitgestellt werden. Die Komponente kann außerhalb des Fahrzeugs betrieben werden, um ihr Geräusch isoliert aufnehmen zu können.
  • Es ist besonders bevorzugt, dass das Geräusch an einer Serie vergleichbarer Fahrzeuge bestimmt wird. Beispielsweise kann bei einer Serienfertigung von Fahrzeugen jeweils nach deren Fertigstellung oder an einem anderen vorbestimmten Punkt des Fertigungsprozesses eine individuelle Geräuschaufnahme erfolgen. Dazu kann eine Anzahl verbauter Komponenten gezielt betrieben werden, um deren Geräusche zu erfassen. Dazu kann ein vorbestimmter Fahrzustand des Fahrzeugs eingenommen oder simuliert werden. In einer weiteren Ausführungsform kann das Fahrzeug während seines üblichen Betriebs permanent, zeitgesteuert oder ereignisgesteuert Geräusche und damit einhergehende Betriebszustände des Fahrzeugs erfassen und für einen folgenden Lernvorgang eines KNN bereitstellen. Gesammelte Daten können dazu an eine zentrale Stelle übermittelt werden.
  • Bevorzugt wird eine Vielzahl Geräusche mit zugeordneten Betriebszuständen von einer Vielzahl Fahrzeugen gesammelt und zum Trainieren des KNN verwendet. Eine Erkennungsleistung des KNN kann mit der Qualität und der Menge von Trainingsdaten ansteigen. Es ist daher bevorzugt, dass eine möglichst große Flotte von Fahrzeugen für die Erhebung von relevanten Geräuschdaten und zugeordneten Betriebszuständen verwendet wird.
  • Nach einem weiteren Aspekt der vorliegenden Erfindung umfasst eine erste Vorrichtung zur Klassifizierung eines Geräuschs an Bord eines Fahrzeugs eine Abtasteinrichtung zur Erfassung eines Geräuschs an Bord des Fahrzeugs; und eine Verarbeitungseinrichtung zur Erkennung eines vorbestimmten Musters in dem Geräusch. Dabei ist die Verarbeitungseinrichtung dazu eingerichtet, eine dem Muster zugeordnete Klassifikation eines erkannten Geräuschs bereitzustellen.
  • Dabei ist die Vorrichtung zur Klassifizierung des Geräuschs dazu eingerichtet, - das Geräusch an Bord des Fahrzeugs zu erfassen, während eine vorbestimmte Komponente des Fahrzeugs isoliert betrieben wird, und - die Klassifikation des erkannten Geräuschs auf der Basis eines Betriebszustands der vorbestimmten, isoliert betriebenen Komponente des Fahrzeugs bereitzustellen.
  • Die erste Vorrichtung kann dazu eingerichtet sein, ein hierin beschriebenes erstes Verfahren teilweise oder vollständig auszuführen. Das Verfahren kann in Form eines Computerprogrammprodukts mit Programmcodemitteln vorliegen und die Verarbeitungseinrichtung kann einen programmierbaren Mikrocomputer oder Mikrocontroller umfassen. Merkmale oder Vorteile des ersten Verfahrens können auf die erste Vorrichtung übertragen werden oder umgekehrt.
  • Nach einem weiteren Aspekt der vorliegenden Erfindung umfasst ein Fahrzeug eine hierin beschriebene erste Vorrichtung. In einer Weiterführung des erfinderischen Gedankens kann das Fahrzeug auch mittels einer Schnittstelle mit einem mobilen Verarbeitungsgerät verbunden sein, in dem die Verarbeitungseinrichtung angeordnet ist. Das Gerät kann insbesondere ein Smartphone oder eine ähnliche Vorrichtung umfassen, die bevorzugt einer Person zugeordnet ist, die dem Fahrzeug zugeordnet ist oder sich im Fahrzeug aufhält.
  • Nach wieder einem weiteren Aspekt betrifft die vorliegende Erfindung eine zweite Vorrichtung, die zur Bereitstellung eines künstlichen neuronalen Netzwerks zur Klassifizierung eines Geräuschs an Bord eines Fahrzeugs dient. Diese zweite Vorrichtung umfasst
    • - eine Schnittstelle zum Empfangen eines bestimmten Betriebszustands eines Fahrzeugs, wobei der Betriebszustand eine vorbestimmte Komponente des Fahrzeugs betrifft, und eines während des isolierten Betriebs der vorbestimmten Komponente erfassten betriebsbedingten Geräuschs an Bord des Fahrzeugs; und eine Verarbeitungseinrichtung. Die Verarbeitungseinrichtung ist dazu eingerichtet,
    • - das erfasste Geräusch nach dem bestimmten Betriebszustand der vorbestimmten, isoliert betriebenen Komponente zu klassifizieren und
    • - das künstliche neuronale Netzwerk auf der Basis des Geräuschs und des Betriebszustands der vorbestimmten, isoliert betriebenen Komponente als Klassifikation des Geräuschs zu trainieren.
  • Die zweite Vorrichtung kann dazu eingerichtet sein, ein hierin beschriebenes erstes Verfahren teilweise oder vollständig auszuführen. Merkmale oder Vorteile des ersten Verfahrens können auf die erste Vorrichtung übertragen werden oder umgekehrt.
  • Die beschriebenen Verfahren und die beschriebenen Vorrichtungen reflektieren jeweils unterschiedliche Aspekte derselben Erfindung. Merkmale oder Vorteile können daher auch zwischen den Vorrichtungen, zwischen den Verfahren oder kreuzweise übertragen werden.
  • Die Verarbeitungseinrichtung kann dazu eingerichtet sein, ein hierin beschriebenes Verfahren ganz oder teilweise auszuführen. Dazu kann die Verarbeitungseinrichtung einen programmierbaren Mikrocomputer oder Mikrocontroller umfassen und das Verfahren kann in Form eines Computerprogrammprodukts mit Programmcodemitteln vorliegen. Das Computerprogrammprodukt kann auch auf einem computerlesbaren Datenträger abgespeichert sein. Merkmale oder Vorteile des Verfahrens können auf die Vorrichtung übertragen werden oder umgekehrt.
  • Die Erfindung wird nun mit Bezug auf die beigefügten Zeichnungen genauer beschrieben, in denen:
    • 1 ein System;
    • 2 ein Ablaufdiagramm eines ersten Verfahrens; und
    • 3 ein Ablaufdiagramm eines zweiten Verfahrens
    illustriert.
  • 1 zeigt ein System 100, das ein Fahrzeug 105 mit einer Vorrichtung 110 und optional eine zentrale Komponente 115 umfasst. Das Fahrzeug 105 kann insbesondere ein Kraftfahrzeug 105 umfassen, beispielsweise ein Kraftrad, einen Personenkraftwagen, einen Lastkraftwagen oder einen Bus. Die Vorrichtung 110 umfasst eine Verarbeitungseinrichtung 120 und wenigstens eine Erfassungseinrichtung 125, die zur Erfassung eines Geräuschs an Bord des Fahrzeugs 105 eingerichtet ist. Die Erfassungseinrichtung 125 kann insbesondere ein Mikrofon oder einen Körperschallsensor umfassen. Mehrere Erfassungseinrichtungen 125, auch unterschiedlicher Bauarten, können an verschiedenen Stellen am Fahrzeug 105 verteilt sein. Die Erfassungseinrichtung 125 kann auch von einem anderen System an Bord des Fahrzeugs 105 umfasst sein, beispielsweise einer Freisprecheinrichtung oder einem Diagnosesystem.
  • Mehrere Erfassungseinrichtungen 125 können auch gruppiert werden, um eine Bestimmung einer Richtung und/oder einer Position, von der sich das Geräusch ausbreitet, zu erlauben. Diese Bestimmung kann insbesondere nach dem Stereo-Prinzip auf der Basis einer Phasenverschiebung zwischen Signalen der Erfassungseinrichtungen 125 durchgeführt werden. Dazu können die Erfassungseinrichtungen 125 nahe beieinander oder mit vorbestimmten Abständen zueinander angeordnet sein.
  • Weiter kann die Vorrichtung 110 mit einer Schnittstelle 130 verbunden sein, die eine Kommunikation mit einem oder mehreren Systemen oder Einrichtungen an Bord des Fahrzeugs 105 erlauben kann. Über die Schnittstelle 130 können beispielsweise ein Beschleunigungs- oder Geschwindigkeitswert, eine Stellung eines Aktors, eine Drehzahl eines Aggregats oder eines Rads des Fahrzeugs 105, eine Konfiguration, eine Beschallung oder die Aktivität eines weiteren Systems an Bord des Fahrzeugs 105 bezogen werden. Alternativ oder zusätzlich zur Schnittstelle 130 können auch ein oder mehrere Sensoren vorgesehen sein, die Informationen über eine Fahrzustand des Fahrzeugs 105 erfassen können, beispielsweise Konfigurations- oder Bewegungsinformationen. Eine oder mehrere gleichzeitig auftretende Werte, die jeweils von einer Art des Betriebs des Fahrzeugs 105 abhängen, können in einem Betriebszustand des Kraftfahrzugs 105 zusammengefasst sein.
  • Die Vorrichtung 110 kann auch eine Speichervorrichtung 135 umfassen, in der insbesondere Informationen über eine Anzahl bekannter Geräusche abgelegt sein können, die insbesondere nicht zu üblichen Betriebsgeräuschen des Fahrzeugs 105 zählen, und beispielsweise auftreten können, wenn am Fahrzeug 105 ein Verschleiß oder ein Defekt vorliegt. Einer solchen Geräuschinformation können einer oder mehrere Fahrzustände zugeordnet sein, bei denen das Auftreten des Geräuschs möglich oder wahrscheinlich ist. Ferner können den Geräuschinformationen oder dem Fahrzustand eine oder mehrere mögliche Ursachen zugeordnet sein, die das Auftreten des betreffenden Geräuschs in den jeweiligen Fahrzuständen ermöglichen oder begünstigen.
  • Die Vorrichtung 110 kann ferner erste Kommunikationseinrichtung 140 umfassen, die zur insbesondere drahtlosen Kommunikation mit einer Komponente außerhalb des Fahrzeugs 105 eingerichtet sein kann. Dazu kann beispielsweise ein Mobilfunknetz verwendet werden.
  • Die zentrale Komponente 115 kann eine zweite Kommunikationseinrichtung 145 umfassen, die bevorzugt dazu eingerichtet ist, mit der ersten Kommunikationseinrichtung 140 der Vorrichtung 110 an Bord des Fahrzeugs 105 Informationen auszutauschen. Diese Kommunikation kann verschlüsselt erfolgen. Ferner kann die zentrale Komponente 115 eine Verarbeitungseinrichtung 150 sowie optional eine Speichervorrichtung 155 umfassen. Die Verarbeitungseinrichtung 150 kann in ihrer Arbeitsweise der Verarbeitungseinrichtung 120 und die Speichervorrichtung 155 der Speichervorrichtung 135 entsprechen, wobei aufgrund eines verbesserten Platz- oder Energieangebots auch allgemein leistungsfähigere Komponenten verwendet werden können.
  • Optional kann im Bereich des Fahrzeugs 105 ein Mobilgerät 160 vorgesehen sein. Das Mobilgerät 160 kann drahtlos mit dem Fahrzeug 105 kommunikativ verbunden werden und eine Verarbeitungseinrichtung umfassen, die zur Verarbeitung von Informationen verwendet werden kann, die an Bord des Fahrzeugs 105 vorliegen.
  • 2 zeigt ein Ablaufdiagramm eines ersten Verfahrens 200. Das erste Verfahren 200 kann insbesondere auf der Vorrichtung 110 ablaufen. Optional können einzelne oder mehrere gezeigten Verarbeitungsschritte auch auf dem Mobilgerät 160 ablaufen.
  • In einem Schritt 205 kann ein Betriebszustand des Fahrzeugs 105 erfasst werden. Der Betriebszustand kann insbesondere einen Fahrzustand oder ein Fahrereignis umfassen. Außerdem kann der Betriebszustand eine Aktivierung und/oder einen Betriebsmodus einer oder mehrerer Komponenten an Bord des Fahrzeugs 105 betreffen. In einer Ausführungsform betrifft der Betriebszustand eine Konfiguration des Fahrzeugs 105. Die Konfiguration kann beispielsweise eine Sonderausstattung oder ein Los eines verbauten Aktuators umfassen. In einer Ausführungsform kann eine Identifikation des Fahrzeugs 105 als Hinweis auf die Konfiguration verwendet werden. Die Konfiguration kann bezüglich der Identifikation beispielsweise auf der Basis von Produktions- oder Wartungsdaten bestimmt werden.
  • In einem Schritt 210 kann optional ein Fehlerzustand erfasst werden. Der Fehlerzustand kann eine Komponente des Fahrzeugs 105 oder das Fahrzeug 105 selbst betreffen. Der Fehlerzustand wird üblicherweise auf der Basis von Sensorwerten oder Bestimmungen eines Steuergeräts an Bord des Fahrzeugs 105 bestimmt. Der Fehlerzustand betrifft die Funktion des Fahrzeugs 105 oder einer ihrer Komponenten, nicht jedoch den Fahrzustand. Beispielsweise können alle Komponenten eines Fahrzeugs 105 fehlerfrei arbeiten, während das Fahrzeug 105 unkontrolliert schleudert oder den Kontakt zu einem Untergrund verloren hat.
  • In einem Schritt 215 kann ein Geräusch an Bord des Fahrzeugs 105 erfasst werden. Das Geräusch ist bevorzugt luftgestützt, kann jedoch auch als Körperschall an einem Element des Fahrzeugs 105 bestimmt werden. Bevorzugt wird das Geräusch in einem Innenraum des Fahrzeugs 105 erfasst; eine Erfassung in einem Außenraum oder Umfeld des Fahrzeugs 105 kann jedoch ebenfalls unterstützt sein.
  • Eine Aufnahme von Geräuschen kann auch beispielsweise manuell gesteuert, zyklisch oder automatisch auf der Basis einer Bedingung gesteuert werden. Beispielsweise kann eine Aufnahme erfolgen, während ein vorbestimmter Betriebszustand vorliegt, während eine vorbestimmte Funktion durch eine Komponente des Fahrzeugs 105 ausgeführt wird, zu Beginn eines Betriebszustandes oder einer Funktionsausführung für eine vorbestimmte Dauer, während ein Sensor einen vorbestimmten Wert erfasst; für eine vorbestimmte Zeit nach Fahrtantritt, während eine vorbestimmte Fehlersituation andauert, während ein vorbestimmtes Störgeräusch besteht, während eines vorbestimmten Betriebszustands oder eines Funktionsaktivierungszustands, während eine vorbestimmte Fehlersituation besteht oder während eine Position des Fahrzeugs 105 in einem vorbestimmten Gebiet liegt.
  • In einem Schritt 220 kann das Geräusch erkannt werden, beispielsweise mittels eines künstlichen neuronalen Netzwerks. Dazu können der bestimmte Betriebszustand und/oder der bestimmte Fehlerzustand als Randbedingungen betrachtet werden. Der Vorgang der Erkennung kann permanent ablaufen oder nur unter vorbestimmten Bedingungen. In einer Ausführungsform kann ein Fahrer an Bord des Fahrzeugs 105 manuell eine Erkennung des Geräuschs veranlassen. Während der Aufnahme eines Geräuschs kann ein Hinweis an Personen an Bord des Fahrzeugs 105 bereitgestellt werden, um diese dazu anzuhalten, während der Aufnahme möglichst keine Störgeräusche zu erzeugen. Ein Hinweis auf eine akustische Aufnahme kann auch aus Gründen des Datenschutzes bereitgestellt werden. In einer weiteren Ausführungsform können in den Schritten 205 bis 215 bestimmte Informationen über einen vorbestimmten Zeitraum gespeichert und auf Wunsch des Fahrers analysiert werden. So kann beispielsweise ein unmittelbar zurückliegendes Auftreten eines Geräuschs durch den Fahrer oder eine andere Person an Bord des Fahrzeugs 105 verarbeitet werden.
  • In einer ersten Variante ist das KNN darauf trainiert, ein Geräusch zu erkennen, das auf einen Fehlerzustand hinweist. Beispielsweise kann ein verschlissenes Getriebe eines Fensterhebers beim Betrieb charakteristische Geräusche von sich geben, die mittels des KNN erkannt werden können.
  • In einer zweiten Variante ist das KNN darauf trainiert, ein übliches Betriebsgeräusch des Fahrzeugs 105 zu erkennen. Dabei kann das Betriebsgeräusch aus mehreren einander überlagerten Geräuschen zusammengesetzt sein. Beispielsweise kann das KNN erkennen, ob ein während des Betriebs des Fensterhebers ausgesandtes Geräusch als üblich gelten kann oder nicht.
  • In beiden Varianten kann berücksichtigt werden, dass das Geräusch in dem in Schritt 210 bestimmten Fahrzustand auftritt. So kann einerseits ein durch den Fahrzustand bedingtes Geräusch von einem ähnlichen Geräusch unterschieden, das aus anderen Gründen auftritt. Der Fahrzustand kann die Betätigung eines Elements oder Systems des Fahrzeugs 105 oder gerade eine ausbleibende Betätigung davon betreffen.
  • In einer dritten Variante kann erst bei Auftreten eines vorbestimmten Fahrzustands untersucht werden, ob ein vorbestimmtes Geräusch auftritt. In einer Weiterbildung dieses Gedankens kann der Fahrzustand auch gezielt angesteuert werden, beispielsweise indem ein bestimmtes Aggregat an Bord des Fahrzeugs 105 entsprechend angesteuert wird. In noch einer Weiterbildung können eines oder mehrere Aggregate nacheinander oder in einer vorbestimmten Kombination angesteuert werden, um zu prüfen, ob ein vorbestimmtes Geräusch auftritt oder nicht. Auf diese Weise kann ein akustischer Test des Kraftfahrzeugs durchgeführt werden. Ferner kann gezielt nach einer Ursache für ein beispielsweise sporadisch auftretendes Geräusch gesucht werden.
  • In einem Schritt 225 kann eine dem erkannten Geräusch zugeordnete Klassifikation bereitgestellt werden. Die Klassifikation kann einen Hinweis auf eine Ursache des Geräuschs oder ein damit verbundenes Problem geben. In einer weiteren Ausführungsform kann ein Hinweis zur Behebung des Geräuschs bereitgestellt werden. In Abhängigkeit der erfolgten Klassifikation kann ein Hinweis, beispielsweise an eine Person an Bord des Fahrzeugs 105, gegeben werden. So kann ein durch die Person bemerktes Geräusch ihr zeitnah erklärt werden. Eine beispielhafte Information könnte akustisch ausgegeben werden und aussagen, dass ein quetschender Scheibenwischer erkannt wurde, dessen Wischerblatt bald ausgetauscht werden sollte.
  • 3 zeigt ein Ablaufdiagramm eines zweiten Verfahrens 300, das bevorzugt zumindest teilweise seitens einer zentralen Komponente 115 eines Systems 100 ausgeführt wird.
  • Im Folgenden beschriebene Schritte 305 bis 320 können an Bord eines Fahrzeugs 105 ausgeführt werden. Diese Schritte sind daher mehrfach dargestellt. Bevorzugt nimmt eine Vielzahl von Fahrzeugen 105 an diesem Teil des Verfahrens 300 teil, was durch die unterbrochene horizontale Linie in diesem Bereich symbolisiert ist.
  • In einem Schritt 305 kann ein Betriebszustand eines Fahrzeugs 105 erfasst werden. In einem Schritt 310 kann ein Fehlerzustand erfasst werden. In einem Schritt 315 kann ein Geräusch erfasst werden. Die Schritte 305 bis 315 können zu Schritten 205 bis 215 des Verfahrens 200 korrespondieren. Bei den Schritten 305 bis 315 bereitgestellte Informationen können sowohl vom Verfahren 200 als auch im Rahmen des vorliegenden Verfahrens 300 weiterverarbeitet werden.
  • In einem Schritt 320 können die Informationen an die zentrale Stelle 115 übermittelt werden. Es ist zu beachten, dass bevorzugt zu jedem erfassten Geräusch möglichst detailliert bekannt ist, unter welchen Bedingungen, insbesondere in welchem Betriebszustand des Fahrzeugs 105, es aufgetreten ist.
  • In einem Schritt 325 können Informationen, die von einem Fahrzeug 105 empfangen wurden, in der Speichervorrichtung 155 abgespeichert werden. Ist eine ausreichende Menge von Daten verfügbar, so können in einem Schritt 330 Trainingsdaten für ein KNN erzeugt werden. Ein Satz von Trainingsdaten umfasst ein an Bord eines Fahrzeugs 105 erfasstes Geräusch und wenigstens eine Information, die auf einen das Geräusch begleitenden Betriebszustand des Fahrzeugs 105 hinweist. Üblicherweise sind mehrere Informationen bezüglich des Betriebszustands verfügbar. Bevorzugt werden nur solche Trainingsdaten erzeugt, bei denen das Geräusch und/oder der Betriebszustand möglichst eindeutig oder möglichst störungsfrei bestimmt werden können. In einer Ausführungsform können die Trainingsdaten 330 kuratiert werden, beispielsweise indem ein Experte vorliegende Daten analysiert und bezüglich Auffälligkeiten oder bekannter Umstände bewertet.
  • Auf der Basis bestimmter Trainingsdaten kann in einem Schritt 335 ein künstliches neuronales Netzwerk trainiert werden. Das Trainieren erfolgt bevorzugt mittels überwachten Lernens.
  • Das trainierte KNN kann in einem Schritt 340 bereitgestellt werden. Insbesondere kann das KNN an eines oder mehrere Fahrzeuge 105 verteilt werden, wo es zur Durchführung des ersten Verfahrens 200 und insbesondere dessen Schritts 220 verwendet werden kann. Die Rückmeldung kann in Echtzeit erfolgen.
  • Bezugszeichen
  • 100
    System
    105
    Fahrzeug
    110
    Vorrichtung
    115
    zentrale Komponente
    120
    Verarbeitungseinrichtung
    125
    Abtasteinrichtung
    130
    Schnittstelle
    135
    Speichervorrichtung
    140
    erste Kommunikationseinrichtung
    145
    zweite Kommunikationseinrichtung
    150
    Verarbeitungseinrichtung
    155
    Speichervorrichtung
    160
    Mobilgerät
    200
    erstes Verfahren
    205
    Betriebszustand erfassen
    210
    Fehlerzustand erfassen
    215
    Geräusch erfassen
    220
    Geräusch erkennen
    225
    Klassifikation bereitstellen
    300
    zweites Verfahren
    305
    Betriebszustand erfassen
    310
    Fehlerzustand erfassen
    315
    Geräusch erfassen
    320
    Daten übermitteln
    325
    Daten abspeichern
    330
    Trainingsdaten erzeugen
    335
    KNN trainieren
    340
    KNN bereitstellen

Claims (14)

  1. Verfahren (200) zum Klassifizieren eines Geräuschs an Bord eines Fahrzeugs (105), wobei das Verfahren (200) folgende Schritte umfasst: - Erfassen (215) eines Geräuschs an Bord eines Fahrzeugs (105), während eine vorbestimmte Komponente des Fahrzeugs (105) isoliert betrieben wird; - Erkennen (220) eines vorbestimmten Musters in dem Geräusch; und - Bestimmen (225) einer dem Muster zugeordneten Klassifikation des Geräuschs auf Basis eines Betriebszustands der vorbestimmten, isoliert betriebenen Komponente des Fahrzeugs (105).
  2. Verfahren (200) nach Anspruch 1, wobei das Erkennen (220) des Musters mittels Methoden des maschinellen Lernens erfolgt.
  3. Verfahren (200) nach Anspruch 1 oder 2, wobei das Muster mittels eines künstlichen neuronalen Netzwerks erkannt (220) wird.
  4. Verfahren (300) zum Bereitstellen eines künstlichen neuronalen Netzwerks zur Klassifizierung eines Geräuschs an Bord eines Fahrzeugs (105), wobei das Verfahren (300) folgende Schritte umfasst: - Bestimmen (305) eines Betriebszustands des Fahrzeugs (105), wobei der Betriebszustand eine vorbestimmte Komponente des Fahrzeugs (105) betrifft; - Erfassen (315) eines betriebsbedingten Geräuschs an Bord des Fahrzeugs (105), während die vorbestimmte Komponente isoliert betrieben wird; - Klassifizieren (330) des erfassten Geräuschs nach dem bestimmten Betriebszustand der vorbestimmten, isoliert betriebenen Komponente; und - Trainieren (335) des künstlichen neuronalen Netzwerks auf der Basis des Geräuschs und des Betriebszustands der vorbestimmten, isoliert betriebenen Komponente als Klassifikation des Geräuschs.
  5. Verfahren (300) nach Anspruch 4, wobei der Betriebszustand einen vorbestimmten Fehlerzustand umfasst.
  6. Verfahren (300) nach Anspruch 4 oder 5, wobei der Betriebszustand einen Fahrzustand umfasst.
  7. Verfahren (300) nach einem der Ansprüche 4 bis 6, wobei das Geräusch nach einer Position an Bord des Fahrzeugs (105), an der das Geräusch bestimmt wird, klassifiziert (330) wird.
  8. Verfahren (300) nach einem der Ansprüche 4 bis 7, wobei bei dem Bestimmen (305) des Betriebszustands der vorbestimmten Komponente des Fahrzeugs (105) eine zeitliche Erstreckung des Betriebszustands der vorbestimmten Komponente berücksichtigt wird.
  9. Verfahren (300) nach einem der Ansprüche 4 bis 8, wobei die vorbestimmte Komponente des Fahrzeugs (105) in verschiedenen Phasen oder in einem zeitlichen Ablauf gesteuert wird.
  10. Verfahren (300) nach einem der Ansprüche 4 bis 9, wobei das Geräusch an einer Serie vergleichbarer Fahrzeuge (105) bestimmt (315) wird.
  11. Verfahren (300) nach Anspruch 10, wobei eine Vielzahl Geräusche mit zugeordneten Betriebszuständen von einer Vielzahl Fahrzeugen (105) gesammelt (325) und zum Trainieren (335) des künstlichen neuronalen Netzwerks verwendet wird.
  12. Vorrichtung (110) zur Klassifizierung eines Geräuschs an Bord eines Fahrzeugs (105), wobei die Vorrichtung (110) folgendes umfasst: - eine Abtasteinrichtung (125) zur Erfassung eines Geräuschs an Bord des Fahrzeugs (105); und - eine Verarbeitungseinrichtung (120) zur Erkennung eines vorbestimmten Musters in dem Geräusch; wobei die Verarbeitungseinrichtung (120) dazu eingerichtet ist, eine dem Muster zugeordnete Klassifikation eines erkannten Geräuschs bereitzustellen, wobei die Vorrichtung (110) zur Klassifizierung des Geräuschs dazu eingerichtet ist, - das Geräusch an Bord des Fahrzeugs (105) zu erfassen, während eine vorbestimmte Komponente des Fahrzeugs (105) isoliert betrieben wird, und - die Klassifikation des erkannten Geräuschs auf der Basis eines Betriebszustands der vorbestimmten, isoliert betriebenen Komponente des Fahrzeugs (105) bereitzustellen.
  13. Fahrzeug (105), umfassend eine Vorrichtung (110) nach Anspruch 12.
  14. Vorrichtung (115) zur Bereitstellung eines künstlichen neuronalen Netzwerks zur Klassifizierung eines Geräuschs an Bord eines Fahrzeugs (105), wobei die Vorrichtung (115) folgendes umfasst: - eine Schnittstelle (130) zum Empfangen eines bestimmten Betriebszustands eines Fahrzeugs (105), wobei der Betriebszustand eine vorbestimmte Komponente des Fahrzeugs (105) betrifft, und eines während des isolierten Betriebs der vorbestimmten Komponente erfassten betriebsbedingten Geräuschs an Bord des Fahrzeugs (105); - eine Verarbeitungseinrichtung (150), die dazu eingerichtet ist, das erfasste Geräusch nach dem bestimmten Betriebszustand der vorbestimmten, isoliert betriebenen Komponente zu klassifizieren und das künstliche neuronale Netzwerk auf der Basis des Geräuschs und des Betriebszustands der vorbestimmten, isoliert betriebenen Komponente als Klassifikation des Geräuschs zu trainieren.
DE102021123020.9A 2021-09-06 2021-09-06 Klassifikation von Geräuschen an einem Fahrzeug Active DE102021123020B4 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102021123020.9A DE102021123020B4 (de) 2021-09-06 2021-09-06 Klassifikation von Geräuschen an einem Fahrzeug

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102021123020.9A DE102021123020B4 (de) 2021-09-06 2021-09-06 Klassifikation von Geräuschen an einem Fahrzeug

Publications (2)

Publication Number Publication Date
DE102021123020A1 DE102021123020A1 (de) 2023-03-09
DE102021123020B4 true DE102021123020B4 (de) 2024-01-04

Family

ID=85226282

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102021123020.9A Active DE102021123020B4 (de) 2021-09-06 2021-09-06 Klassifikation von Geräuschen an einem Fahrzeug

Country Status (1)

Country Link
DE (1) DE102021123020B4 (de)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017221727A1 (de) 2017-10-30 2019-05-02 Hyundai Motor Company System zum Steuern eines entfernt verbundenen Fahrzeugs
DE102018207408A1 (de) 2018-05-14 2019-11-14 Bayerische Motoren Werke Aktiengesellschaft Ursachenbestimmung für ein Störgeräusch eines Kraftfahrzeugs
DE102020107775A1 (de) 2020-03-20 2021-09-23 Bayerische Motoren Werke Aktiengesellschaft Erkennung und Interpretation akustischer Signale und Ereignisse im Fahrzeugaußen- und/oder Innenraum

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017221727A1 (de) 2017-10-30 2019-05-02 Hyundai Motor Company System zum Steuern eines entfernt verbundenen Fahrzeugs
DE102018207408A1 (de) 2018-05-14 2019-11-14 Bayerische Motoren Werke Aktiengesellschaft Ursachenbestimmung für ein Störgeräusch eines Kraftfahrzeugs
DE102020107775A1 (de) 2020-03-20 2021-09-23 Bayerische Motoren Werke Aktiengesellschaft Erkennung und Interpretation akustischer Signale und Ereignisse im Fahrzeugaußen- und/oder Innenraum

Also Published As

Publication number Publication date
DE102021123020A1 (de) 2023-03-09

Similar Documents

Publication Publication Date Title
DE102012202914A1 (de) Diagnoseverfahren und Diagnosevorrichtung für eine Fahrzeugkomponente eines Fahrzeugs
WO2014044484A2 (de) Diagnoseverfahren für schienenfahrzeuge
DE102010010043A1 (de) Fusion angesammelter Informationen für verbesserte Diagnose-, Prognose- und Wartungspraktiken von Fahrzeugen
DE112009001371T5 (de) Integrierter hierarchischer Prozess für die Fehlerdetektierung und -lokalisierung
DE102017111505A1 (de) Systeme und Verfahren zur Datengewinnung von einem entfernten System
DE19749372A1 (de) Elektronisches Erkennungssystem und -verfahren für akustische Signale
DE102018207408A1 (de) Ursachenbestimmung für ein Störgeräusch eines Kraftfahrzeugs
EP3658428B1 (de) Verfahren zum unterdrücken von bremsgeräuschen, zentraler server, fahrzeugsteuerungsmodul und speichermedium
DE102010038971A1 (de) Verfahren und Vorrichtung zum Bewerten eines Zustands eines Fahrwerks eines Fahrzeugs
DE102015004748A1 (de) Verfahren zur Vorhersage einer gefährlichen Fahrsituation
DE102011115668A1 (de) Verfahren zum Ermitteln einer Geschwindigkeit eines Fahrzeugs und Fahrzeug
DE102014207828A1 (de) Verfahren zur Bereitstellung einer Diagnosenachricht bei einem Schienenfahrzeug
DE102020113611A1 (de) Verfahren und Sicherheitssystem zum Absichern einer automatisierten Fahrzeugfunktion und Kraftfahrzeug
DE102004010010B3 (de) Verfahren und Überwachungsvorrichtung zur Überwachung einer Radkenngröße eines Rades
DE102021123020B4 (de) Klassifikation von Geräuschen an einem Fahrzeug
DE19833614A1 (de) Verfahren zur Verkehrsqualitätserkennung und Fahrzeug als Mittel dazu
EP3727981B1 (de) Verfahren zur durchführung einer eigendiagnose bei einem autonomen fahrzeug
DE102015214987B4 (de) Bestimmung eines defekten Bauteils eines Fahrzeugs
DE602005000443T2 (de) Einrichtung und Verfahren zur Verwaltung und Steuerung von durch fahrzeugseiti ge telematische Systeme erzeugten Informationen
DE102018006477A1 (de) Überwachungsverfahren zum Überwachen eines Reifenprofils und eine Überwachungsvorrichtung hierfür
DE102021003787A1 (de) Vorrichtung und Verfahren zur Auswertung von Körperschallsignalen
DE102016007128A1 (de) Vorrichtung und Verfahren zur Frischluftzufuhr für einen Fahrzeuginnenraum
DE102019206741A1 (de) Vorrichtung und Verfahren zum Erkennen von Fremdkörpern in und/oder an Fahrzeugreifen
DE102016004292A1 (de) Verfahren zum Betrieb eines Fahrzeuges
DE102020121027A1 (de) Verfahren und System zum Betreiben einer Fahrerassistenzfunktion

Legal Events

Date Code Title Description
R163 Identified publications notified
R012 Request for examination validly filed
R016 Response to examination communication
R018 Grant decision by examination section/examining division