DE102021201599A1

DE102021201599A1 - Oberflächenzustandssensor, Verfahren zum Trainieren eines Auswertealgorithmus eines Oberflächenzustandssensors und Verfahren zum Ermitteln eines Oberflächenzustandsparameters aus einem vorbestimmten Lichtsignal

Info

Publication number: DE102021201599A1
Application number: DE102021201599.9A
Authority: DE
Inventors: Sina Fella; Andreas Baumgartner; Stefan Kuntz
Original assignee: Robert Bosch GmbH
Current assignee: Robert Bosch GmbH
Priority date: 2020-04-01
Filing date: 2021-02-19
Publication date: 2021-10-07
Also published as: WO2021197850A1

Abstract

Die vorliegende Erfindung betrifft ein Verfahren zum Trainieren eines als maschinelles Lernverfahren ausgebildeten Auswertealgorithmus eines Oberflächenzustandssensors (1), welches durch die Schritte des Festlegens (S1) eines Oberflächenzustandsparameters, des Generierens (S2) eines Lichtspektrums anhand des festgelegten Oberflächenzustandsparameters und eines vorbestimmten Modells, das dasjenige Lichtspektrum modelliert, das von einer Oberfläche bei Vorliegen des entsprechenden Oberflächenzustandsparameters reflektiert wird, und des Verwendens (S3) des festgelegten Oberflächenzustandsparameters und des generierten Lichtspektrums als Trainingsdaten für den Auswertealgorithmus gekennzeichnet ist, wobei zumindest ein Teil des generierten Lichtspektrums als Reflexionssignal verwendet wird. Die vorliegende Erfindung betrifft außerdem ein Verfahren zum Ermitteln eines Oberflächenzustandsparameters aus einem vorbestimmten Lichtsignal. Die vorliegende Erfindung betrifft außerdem einen Oberflächenzustandssensor (1), welcher eine Auswerteeinheit (10) aufweist, die mit dem Auswertealgorithmus Oberflächenzustandsparameter aus dem Reflexionssignal (4) bestimmt.

Description

Stand der Technik
Die vorliegende Erfindung betrifft ein Verfahren zum Trainieren eines als maschinelles Lernverfahren ausgebildeten Auswertealgorithmus eines Oberflächenzustandssensors. Die vorliegende Erfindung betrifft außerdem ein Verfahren zum Ermitteln eines Oberflächenzustandsparameters aus einem vorbestimmten Lichtsignal. Die vorliegende Erfindung betrifft außerdem einen Oberflächenzustandssensor.
Aus dem Stand der Technik, beispielsweise aus der DE 41 33 359 A1 , sind Sensoren und Verfahren zur berührungslosen Messung einer Dicke einer Wasserschicht auf einer Straßenoberfläche bekannt. Dabei wird ein Straßenzustand, wie etwa „trocken“, „nass“ oder „Eis“ erfasst.
Offenbarung der Erfindung
Das erfindungsgemäße Verfahren zum Trainieren eines als maschinelles Lernverfahren ausgebildeten Auswertealgorithmus eines Oberflächenzustandssensors weist den Vorteil auf, dass keine oder nur eine geringe Anzahl von spektroskopischen Messungen notwendig ist, um den Auswertealgorithmus des Oberflächenzustandssensors zu trainieren. Hierdurch kann das Trainieren eines Auswertealgorithmus und das Optimieren dessen stark vereinfacht werden und kostengünstiger sowie effizienter ausgeführt werden. Hierbei ist der Oberflächenzustandssensor ausgebildet, ein Lichtsignal auszusenden und ein von einer Oberfläche reflektiertes, insbesondere diffus gestreutes oder reflektiertes, Reflexionssignal zu erfassen. Außerdem ist der Auswertealgorithmus hierbei zur Bestimmung von Oberflächenzustandsparametern aus dem Reflexionssignal ausgebildet. Zum Realisieren der vorgenannten Vorteile weist das Verfahren zum Trainieren des als maschinelles Lernverfahren ausgebildeten Auswertealgorithmus des Oberflächenzustandssensors einen Schritt des Festlegens mindestens eines Oberflächenzustandsparameters, einen Schritt des Generierens eines Lichtspektrums anhand des festgelegten Oberflächenzustandsparameters und eines vorbestimmten Modells, das dasjenige Lichtspektrum modelliert, das von dem Oberflächenzustandssensor bei Vorliegen des entsprechenden Oberflächenzustandsparameters erfasst wird, und einen Schritt des Verwendens des festgelegten Oberflächenzustandsparameters und des generierten Lichtspektrums als Trainingsdaten für den Auswertealgorithmus auf. Hierbei wird zumindest ein Teil des generierten Lichtspektrums als Reflexionssignal verwendet. Mit anderen Worten wird hierbei insbesondere zumindest ein Oberflächenzustandsparameter festgelegt, ein Lichtspektrum anhand dieses festgelegten Oberflächenzustandsparameters generiert und der festgelegte Oberflächenzustandsparameter und das generierte Lichtspektrum zum Trainieren des Auswertealgorithmus verwendet. Somit lassen sich beliebige Trainingsdaten, d.h. Kombinationen von Oberflächenzustandsparametern und zugehörigen Lichtspektren erstellen, um ein umfassendes Training des Auswertealgorithmus sicherzustellen.
Die vorliegende Erfindung betrifft außerdem ein Verfahren zum Ermitteln mindestens eines Oberflächenzustandsparameters aus einem vorbestimmten Lichtsignal. Das Verfahren weist einen Schritt des Bereitstellens des vorbestimmten Lichtsignals, welches einem von einer Oberfläche reflektierten Reflexionssignal entspricht, einen Schritt des Festlegens mindestens eines Oberflächenzustandsparameters und einen Schritt des Generierens eines Lichtspektrums anhand des festgelegten Oberflächenzustandsparameters und eines vorbestimmten Modells, das dasjenige Lichtspektrum modelliert, das von dem Oberflächenzustandssensor bei Vorliegen des entsprechenden Oberflächenzustandsparameters erfasst wird. Daraufhin wird das vorbestimmte Lichtsignal mit dem generierten Lichtspektrum verglichen, insbesondere durch Differenzbildung. Dabei kann die Differenzbildung insbesondere für einzelne Wellenlängen erfolgen. Insbesondere kann der Vergleich eine sogenannte mittlere quadratische Abweichung, auch als „mean squared error“ bekannt, sein.
Hierbei wird, wenn eine Differenz zwischen dem generierten Lichtspektrum und dem vorbestimmten Lichtsignal größer als ein vorbestimmter maximaler Fehler ist, das Festlegen, Generieren und das Vergleichen wiederholt, bis die Differenz unterhalb des maximalen Fehlers ist, wobei der Oberflächenzustandsparameter bei jeder Wiederholung des Festlegens variiert wird. Alternativ oder zusätzlich dazu kann das Festlegen, Generieren und das Vergleichen wiederholt werden, bis eine Änderung zwischen den Wiederholungen der Differenz zwischen dem generierten Lichtspektrum und dem vorbestimmten Lichtsignal geringer als ein vorbestimmter Wert ist. Außerdem werden hierbei der zuletzt festgelegte Oberflächenzustandsparameter, das vorbestimmte Lichtsignal und/oder das generierte Lichtspektrum als Ausgabe des Oberflächenzustandssensors verwendet. Alternativ oder zusätzlich dazu können der zuletzt festgelegte Oberflächenzustandsparameter, das vorbestimmte Lichtsignal und/oder das generierte Lichtspektrum als Trainingsdaten für einen Auswertealgorithmus des Oberflächenzustandssensors verwendet werden. Dadurch kann das vorbestimmte Lichtsignal mit dem Modell abgeglichen werden und Oberflächenzustandsparameter aus dem vorbestimmten Lichtsignal bestimmt werden. Das vorbestimmte Lichtsignal kann ein bereits bekanntes oder erfasstes Reflexionssignal sein. Insbesondere können der aus dem vorbestimmten Lichtsignal durch den Vergleich mit den generieren Lichtspektren ausgewertete Oberflächenzustandsparameter und/oder das vorbestimmte Lichtsignal besonders einfach als Trainingsdaten für den Auswertealgorithmus verwendet werden. Das vorbestimmte Lichtsignal kann insbesondere mit einem zusätzlichen Sensor erfasst werden, wobei mit dem zusätzlichen Sensor insbesondere ein breitbandiges Spektrum des von der Oberfläche reflektierten Lichts erfassbar ist.
Die Unteransprüche zeigen bevorzugte Weiterbildungen der Erfindung.
Besonders bevorzugt ist es, wenn das vorbestimmte Lichtsignal ein von dem Oberflächenzustandssensor erfasstes Reflexionssignal ist. Dadurch kann der Auswertealgorithmus anhand von bereits erfassten Reflexionssignalen des Oberflächenzustandssensors trainiert werden und/oder bei jeder neuen Erfassung des Reflexionssignals trainiert werden.
Vorzugsweise ist das Reflexionssignal ein diskretes Lichtspektrum, welches ein Teil des generierten, insbesondere breitbandigen, Lichtspektrums ist. Dadurch kann der Auswertealgorithmus Oberflächenzustandsparameter aus dem Reflexionssignal bestimmen, selbst wenn das Reflexionssignal eine oder mehrere diskrete Spektren aufweist. Insbesondere kann der Auswertealgorithmus dabei auch für einen Oberflächenzustandssensor verwendet werden, welcher diskrete Lichtspektren erfasst.
Besonders bevorzugt ist der zumindest eine Oberflächenzustandsparameter eine Schichtdicke zumindest eines Mediums zwischen dem Oberflächenzustandssensor und der Oberfläche. Insbesondere kann dabei das Medium auf oder an der Oberfläche angeordnet sein. Dadurch kann der Auswertealgorithmus zur Bestimmung einer Schichtdicke des Mediums zwischen dem Oberflächenzustandssensor und der Oberfläche oder des Mediums auf oder an der Oberfläche verwendet werden.
Weiter bevorzugt kann der zumindest eine Oberflächenzustandsparameter ein Anteil von Luft, Eis und/oder Wasser des Mediums zwischen dem Oberflächenzustandssensor und der Oberfläche sein. Dadurch kann der Auswertealgorithmus zur Bestimmung des Anteils von Luft, Eis und/oder Wasser des Mediums verwendet werden.
Vorteilhafterweise ist der zumindest eine Oberflächenzustandsparameter eine optische Eigenschaft des Mediums zwischen dem Oberflächenzustandssensor und der Oberfläche. Insbesondere kann die optische Eigenschaft dabei ein Absorptionskoeffizient, ein Reflexionsgrad, ein Transmissionsgrad, ein Dissipationsgrad und/oder ein Brechungsindex des Mediums sein. Dadurch kann der Auswertealgorithmus anhand der optischen Eigenschaften des Mediums eine Beschaffenheit und/oder Menge und/oder Zusammensetzung des Mediums bestimmen.
Vorzugsweise ist das modellierte Lichtspektrum ein Infrarotspektrum. Dadurch kann der Auswertealgorithmus zum Bestimmen von Oberflächenzustandsparametern aus diskreten und/oder kontinuierlichen Spektren, insbesondere Reflexionssignalen, in dem Infrarotbereich verwendet werden.
Vorzugsweise ist die Oberfläche eine Straße, wobei der Oberflächenzustandssensor einen Straßenzustand erfasst. Dadurch kann der Oberflächenzustandssensor als Straßenzustandssensor verwendet werden.
Außerdem kann dadurch ermöglicht werden, dass der Auswertealgorithmus Oberflächenzustandsparameter der Straße bestimmen kann. Insbesondere kann der Auswertealgorithmus dabei die Schichtdicke eines Mediums auf der Straßenoberfläche und/oder den Anteil von Luft, Eis, Öl und/oder Wasser auf der Straßenoberfläche bestimmen. Des Weiteren kann der Auswertealgorithmus insbesondere eine optische Eigenschaft des Mediums auf der Straßenoberfläche bestimmen.
Vorzugsweise wird der zumindest eine Oberflächenzustandsparameter beim Festlegen durch Zufallsgenerierung, insbesondere innerhalb vorbestimmter Wertebereiche, festgelegt. Dadurch können der zumindest eine Oberflächenzustandsparameter einfach und schnell festgelegt werden.
Besonders bevorzugt ist es, wenn das Modell ein Lichtspektrum durch eine Linearkombination der Absorptionskoeffizienten der jeweiligen Schichten modelliert, welches von einer Mehrzahl von Schichten zumindest eines Mediums auf der Oberfläche reflektiert und/oder absorbiert wird. Hierbei weist jedes der Schichten des Mediums einen Absorptionskoeffizienten auf. Insbesondere können dadurch die optischen Eigenschaften eines mehrschichtigen Mediums vereinfacht werden.
Vorzugsweise entsprechen Koeffizienten der Linearkombination einer Gewichtung der jeweiligen Schichten des Mediums, wobei die Gewichtung anhand einem prozentualen Anteil und/oder einer Schichtdicke und/oder einem Phasenzustand des zumindest einen Mediums festgelegt ist. Dadurch kann der Auswertealgorithmus trainiert werden, um Oberflächenzustandsparameter aus einem Reflexionssignal zu bestimmen, welches von einer Mehrzahl von Schichten des Mediums zwischen dem Oberflächenzustandssensor und der Oberfläche reflektiert wird.
Vorteilhafterweise ist das Modell, mit welchem das Lichtspektrum modelliert wird, das von der Oberfläche bei Vorliegen des entsprechenden Oberflächenzustandsparameters reflektiert wird, $S (λ) = (1 - γ) A (λ) e^{- 2 α_{n} d} + γ e^{- 2 α_{n} (1 - ρ) d},$
wobei S ein normiertes Spektrum in Abhängigkeit einer Wellenlänge A, γ ein Reflexionsgrad von Luft, p eine relative Schichttiefe von Luft in dem Medium, A $A (λ) = 1 + σ (A - λ_{0}),$
worin λ_ο eine Referenzwellenlänge und σ ein Koeffizient zur linearen Näherung des Spektrums ist, insbesondere ein Koeffizient ist, welcher den spektralen Verlauf als annähernd linear steigend oder fallend nähert, d $d = \frac{x}{\sqrt{\frac{n^{2} - s i n^{2} θ}{n^{2}}}},$
worin x eine Schichtdicke des Mediums, θ ein Eintreffwinkel des ausgesendeten Lichtstrahls auf das Medium und n ein Brechungsindex des Mediums ist, und α_n $α_{n} = (1 - β) (α_{W a s s e r} - α_{W a s s e r} (λ_{0})) + β (α_{E i s} - α_{E i s} (λ_{0})),$
ist, worin β ein prozentualer Anteil von Eis in dem Medium, α_Wasser ein Absorptionskoeffizient von Wasser und α_Eis ein Absorptionskoeffizient von Eis ist. Dadurch können die Oberflächenzustandsparameter eindeutig einem Lichtspektrum zugeordnet werden und/oder umgekehrt, also bijektiv oder surjektiv zugeordnet werden. α_n beschreibt hierbei die Linearkombination der Absorptionskoeffizienten der einzelnen Schichten aus Eis und Wasser des mehrschichten Mediums. Dabei kann allerdings vorzugsweise der Luftschicht-Anteil des Modells weggelassen werden. Das derart vereinfachte Modell ist dann: $S (λ) = A (λ) e^{- 2 α_{n} d} .$
Die vorliegende Erfindung betrifft außerdem einen Oberflächenzustandssensor zum Erfassen eines Zustands einer Oberfläche, insbesondere einer Straße. Dabei weist der Oberflächenzustandssensor eine Sendeeinheit, welche zum Aussenden eines Lichtsignals ausgebildet ist, eine Erfassungseinheit, welche zum Erfassen eines von der Oberfläche reflektierten Reflexionssignals ausgebildet ist, und eine Auswerteeinheit auf. Dabei ist die Auswerteeinheit ausgebildet, mit einem Auswertealgorithmus, welcher mit dem Verfahren gemäß einer der vorstehend erläuterten bevorzugten Ausführungsformen trainiert ist, Oberflächenzustandsparameter aus dem Reflexionssignal zu bestimmen.
Figurenliste
Nachfolgend werden Ausführungsbeispiele der Erfindung unter Bezugnahme auf die begleitende Zeichnung im Detail beschrieben. In der Zeichnung ist:

1 eine blockschematische Darstellung eines Verfahrens zum Trainieren eines als maschinelles Lernverfahren ausgebildeten Auswertealgorithmus eines Oberflächenzustandssensors gemäß einer ersten Ausführungsform der vorliegenden Erfindung,
2 eine blockschematische Darstellung eines Verfahrens zum Ermitteln eines Oberflächenzustandsparameters aus einem vorbestimmten Lichtsignal gemäß einer zweiten Ausführungsform der vorliegenden Erfindung, und
3 eine schematische Darstellung eines Oberflächenzustandssensors gemäß der vorliegenden Erfindung.

Ausführungsformen der Erfindung
1 zeigt eine blockschematische Darstellung eines Verfahrens zum Trainieren eines als maschinelles Lernverfahren ausgebildeten Auswertealgorithmus eines Oberflächenzustandssensors 1 gemäß einer ersten Ausführungsform der vorliegenden Erfindung.
Beim maschinellen Lernverfahren wird der Auswertealgorithmus des Oberflächenzustandssensors 1 anhand vorbestimmter oder generierter Daten trainiert, welche als Trainingsdaten verwendet werden, um, bei Eingabe weiterer neuer Daten, die aus den Trainingsdaten trainierten Muster auf die weiteren Daten anzuwenden und daraus bestimmte Parameter zu bestimmen.
Dabei ist der Oberflächenzustandssensor 1 insbesondere ein Straßenzustandssensor zum Aussenden eines Lichtsignals 2 (siehe 3) und zum Erfassen eines von einer Oberfläche 3, insbesondere von einer Straße, reflektierten Reflexionssignals 4 ausgebildet. Der Oberflächenzustandssensor 1 kann allerdings auch zum Erfassen eines von einer Flugzeugoberfläche, beispielsweise bei einer Anwendung bei der Flugzeugenteisung, reflektierten Reflexionssignals 4 ausgebildet sein. Alternativ oder zusätzlich dazu kann der Oberflächenzustandssensor 1 auch bei industriellen Fertigungsprozessen oder bildgebender Spektroskopie wie etwa bei Satelliten Anwendung finden.
Der Auswertealgorithmus ist zur Bestimmung zumindest eines Oberflächenzustandsparameters, beispielsweise die Beschaffenheit und/oder die Form der Oberfläche 3 und/oder eine Beschaffenheit eines Mediums 6 auf oder an der Oberfläche 3, aus dem Reflexionssignal 4 ausgebildet.
Das Verfahren zum Trainieren des Auswertealgorithmus des Oberflächensensors 1 weist dafür einen ersten Schritt des Festlegens S1 zumindest eines Oberflächenzustandsparameters auf. Dabei wird der Wert des Oberflächenzustandsparameters auf einen Wert innerhalb des entsprechenden möglichen Wertebereichs (siehe Tabelle 1) mittels Zufallsgenerierung festgelegt.
Des Weiteren weist das Verfahren einen zweiten Schritt des Generierens S2 eines Lichtspektrums anhand des in dem ersten Schritt S1 festgelegten Oberflächenzustandsparameters auf. Dabei wird das Lichtspektrum durch ein vorbestimmtes Modell modelliert, wobei das Modell ein Lichtspektrum, das von dem Oberflächenzustandssensor bei Vorliegen des entsprechenden Oberflächenzustandsparameters erfasst wird. Das heißt, dass das Modell eine eindeutige Zuordnung zwischen dem zumindest einen Oberflächenzustandsparameter und einem von der Oberfläche reflektierten beziehungsweise von dem Oberflächenzustandssensor erfassten Lichtspektrum bildet.
Das vorgenannte Lichtspektrum kann hierbei beispielsweise durch das Modell $S (λ) = (1 - γ) A (λ) e^{- 2 α_{n} d} + γ e^{- 2 α_{n} (1 - ρ) d}$
bestimmt werden. S beschreibt hierbei eine normierte, wellenlängenabhängige Intensität eines modellierten Reflexionssignals, wobei das Reflexionssignal ferner von Oberflächenzustandsparametern wie etwa eine Dicke und Beschaffenheit eines Mediums auf der Oberfläche abhängt.
Darin beschreiben die Oberflächenzustandsparameter γ ein Reflexionsgrad von Luft, p eine relative Schichttiefe von Luft in dem Medium 6, A $A (λ) = 1 + σ (λ - λ_{0}),$
wobei λ₀ eine Referenzwellenlänge und σ eine relative linear wellenlängenabhängige Änderung des Spektrums der Oberfläche 3 ist, d $d = \frac{x}{\sqrt{\frac{n^{2} - s i n^{2} θ}{n^{2}}}}$
wobei x eine Schichtdicke des Mediums, θ ein Eintreffwinkel des ausgesendeten Lichtstrahls 2 auf das Medium 6 und n ein Brechungsindex des Mediums 6 ist, und α_n $α_{n} = (1 - β) (α_{W a s s e r} - α_{W a s s e r} (λ_{0})) + β (α_{E i s} - α_{E i s} (λ_{0})),$
wobei β ein prozentualer Anteil von Eis in dem Medium 6, α_Wasser ein Absorptionskoeffizient von Wasser und α_Eis ein Absorptionskoeffizient von Eis ist. α_n ist hierbei eine Linearkombination der Absorptionskoeffizienten von Eis und Wasser, welche anhand des prozentualen Anteils β von Eis gewichtet wird.

Der mögliche Wertebereich für die jeweiligen Oberflächenzustandsparameter kann der Tabelle 1 entnommen werden. Tabelle 1

Oberflächenzustandsparameter	Wertebereich	Einheit
x Schichtdicke	>=0	µm
β Eisanteil	[0, 1]	1
σ Relative linear wellenlängenabhängige Änderung des Spektrums der Oberfläche	z.B. [-2, 2]	µm^-1
ρ Relative Luftschichttiefe	[0, 1]	1
γ Luftschicht Reflexionsgrad	[0, 1]	1
θ Eintreffwinkel gesendeten Lichtstrahls	[-Π/4, Π/4]	rad

α_n wird hierbei aus der vorstehend genannten Formel bestimmt, wobei α_n die Einheit µm^-1 hat. λ₀ ist außerdem eine Referenzwellenlänge aus dem Spektrum A und hat die Einheit µm.
Das Generieren S2 des Lichtspektrums ist allerdings nicht auf das vorstehend erläuterte Modell S(λ) beschränkt. Vielmehr kann ein beliebiges Modell zur Modellierung eines Lichtspektrums anhand von Oberflächenzustandsparametern verwendet werden. Außerdem kann der Luftschicht-Anteil des Modells weggelassen werden. Das Modell ist dann: $S (λ) = A (λ) e^{- 2 α_{n} d} .$
Das Verfahren weist außerdem einen dritten Schritt des Verwendens des festgelegten Oberflächenzustandsparameters und des generierten Lichtspektrums als Trainingsdaten für den Auswertealgorithmus auf. Hierbei wird der Auswertealgorithmus durch die vorgenannten Oberflächenzustandsparameter und das durch das Modell, insbesondere S(λ), generierte Lichtspektrum mittels maschinellem Lernen trainiert. Dadurch kann der Oberflächenzustandssensor 1 beziehungsweise eine Auswerteeinheit 10 des Oberflächenzustandssensors 1, wenn dieser ein von einer Oberfläche 3 reflektiertes Lichtspektrum oder einzelne diskrete Spektren und/oder Wellenlängen erfasst, die entsprechenden Oberflächenzustandsparameter aus dem erfassten Reflexionssignal bestimmen. Hierbei ist besonders vorteilhaft, dass der Auswertealgorithmus trainiert werden kann, ohne dass Lichtspektren erfasst werden müssen. Stattdessen können diese über das Modell generiert S2 und zum Trainieren des Auswertealgorithmus verwendet S3 werden.
2 zeigt eine blockschematische Darstellung eines Verfahrens zum Ermitteln eines Oberflächenzustandsparameters aus einem vorbestimmten Lichtsignal gemäß einer zweiten Ausführungsform der vorliegenden Erfindung.
Hierbei wird in einem ersten Schritt ein vorbestimmtes Lichtsignal bereitgestellt S5. Dabei kann das vorbestimmte Lichtsignal ein bereits erfasstes Reflexionssignal sein. Alternativ oder zusätzlich dazu kann das vorbestimmte Lichtsignal aus einer Datenbank bereits bekannter und/oder berechneter Reflexionssignale entnommen werden.
Daraufhin werden Oberflächenzustandsparameter festgelegt S1 und ein Lichtspektrum anhand des vorgenannten Modells generiert S2.
Das dabei generierte S2 Lichtspektrum wird daraufhin mit dem vorbestimmten bereitgestellten S5 Lichtsignal verglichen S6. Dieser Vergleich S6 kann beispielsweise mittels einer Differenzbildung zwischen den beiden Signalen erfolgen. Alternativ oder zusätzlich dazu können beliebige funktionalanalytische Werte der beiden Spektren, wie etwa Steigung, Maxima, Minima und/oder Flächen verglichen werden. Die beiden Lichtspektren können insbesondere über das gesamte Spektrum und/oder über einzelne diskrete Wellenlängen verglichen werden.
Wenn bei dem Vergleich S6 ein Wert ermittelt wird, welcher größer als ein maximaler Fehler ist, wird das Festlegen S1 und das Generieren S2 wiederholt. Dabei werden die Oberflächenzustandsparameter auf Werte festgelegt, welche von den Oberflächenzustandsparametern bei der ersten Festlegung S1 abweichen. Dies kann dadurch erfolgen, dass bei der erneuten Festlegung S1 die Oberflächenzustandsparameter auf neue zufallsgenerierte Werte festgelegt S1 werden, oder innerhalb des Wertebereichs variiert, beispielsweise erhöht oder verringert werden. Dabei kann das Variieren der Oberflächenzustandsparameter bei jeder neuen Festlegung S1 schrittweise mit einer vorbestimmten Schrittgröße erfolgen. Das Variieren kann dabei so durchgeführt werden, dass der ermittelte Wert aus dem Vergleich S6 bei jeder Wiederholung verringert wird. Der maximale Fehler kann hierbei beispielsweise 1% des generierten S2 Lichtspektrums oder des vorbestimmten bereitgestellten S5 Lichtsignals betragen.
Alternativ oder zusätzlich dazu kann die vorgenannte Optimierung (Festlegen, Generieren, Vergleichen, Wiederholen) abgebrochen werden, wenn eine Differenz zwischen den bei dem Vergleich S6 ermittelten Wert zwischen mindestens zwei Iterationen des Festlegens, Generierens und Vergleichens kleiner als ein vorgegebener Wert ist.
Daraufhin wird das neu generierte S2 Lichtspektrum mit dem vorbestimmten bereitgestellten S5 Lichtsignal verglichen.
Wenn bei dem Vergleich S6 ein Wert ermittelt wird, welcher geringer als ein maximaler Fehler ist, werden/wird der zuletzt festgelegte S1 Oberflächenzustandsparameter, das vorbestimmte Lichtsignal und/oder das zuletzt generierte S2 Lichtspektrum als eine Ausgabe des Oberflächenzustandssensors 1 verwendet S3. Insbesondere kann dadurch der Oberflächenzustandsparameter ermittelt und ausgegeben werden, welcher mit dem vorbestimmten Lichtsignal korrespondiert. Das heißt, dass dadurch der zumindest eine Oberflächenzustandsparameter aus dem vorbestimmten Lichtsignal ermittelt werden kann. Alternativ oder zusätzlich dazu können/kann dieser ermittelte Oberflächenzustandsparameter, das vorbestimmte Lichtsignal und/oder das zuletzt generierte S2 Lichtspektrum als Trainingsdaten für den Auswertealgorithmus verwendet S3 werden. Dadurch kann der Auswertealgorithmus des Oberflächenzustandssensors 1, insbesondere zusätzlich durch das vorbestimmte Lichtsignal, trainiert werden.
Insbesondere kann der Auswertealgorithmus dadurch sowohl durch generierte Lichtspektren als auch durch vorbestimmte Lichtspektren, insbesondere bereits erfasste Lichtspektren, trainiert werden.
Nachstehend werden die Oberflächenzustandsparameter und der Oberflächenzustandssensor anhand der 3 näher erläutert.
3 zeigt eine schematische Darstellung eines Oberflächenzustandssensors 1 gemäß der vorliegenden Erfindung. Die 3 zeigt außerdem eine Oberfläche 3, welche hierbei insbesondere eine Straßenoberfläche ist.
Auf der dargestellten Oberfläche 3 ist ein Medium 6, dessen Beschaffenheit, Zusammensetzung und/oder Dicke durch den Oberflächenzustandssensor 1 bestimmt wird.
Dafür weist der Oberflächenzustandssensor 1 eine Sendeeinheit 8 auf, welche zum Aussenden eines Lichtsignals 2 ausgebildet ist. Die Sendeeinheit 8 ist hierbei insbesondere mindestens ein Laser und/oder mindestens eine LED. Die Sendeeinheit 8 kann hierbei zum Aussenden diskreter Wellenlängen oder zum Aussenden eines Breitbandspektrums ausgebildet sein. Die Sendeeinheit 8 kann insbesondere eine Infrarotlichtquelle oder eine Weißlichtquelle sein.
Das von dem Oberflächenzustandssensor 1 ausgesendete Lichtsignal 2 trifft mit einem Winkel θ₁ , auf die Oberfläche 3 und/oder das Medium 6. θ₁ entspricht hierbei dem vorgenannten Oberflächenzustandsparameter θ.
Das Lichtsignal 2 wird von dem Medium 6 in Abhängigkeit des Brechungsindexes des Mediums 6 gebrochen und pflanzt sich in dem Medium 6 mit dem Winkel θ₂ fort. Besteht das Medium 6 aus einer Schicht 7, also beispielsweise einer Schicht 7 Wasser, kann der Oberflächenzustandsparameter d dieser Schicht durch $d = \frac{x}{\sqrt{\frac{n^{2} - s i n^{2} θ}{n^{2}}}}$
oder $d = \frac{x}{c o s θ_{2}}$
beschrieben werden. Wobei x eine Dicke 5 der Schicht 7 ist.
Das in der 3 dargestellte Medium 6 besteht aus einer oberen Schicht 7 Eis und einer unteren Schicht 7 Wasser. Hierbei wird zur Vereinfachung ein Gesamtbrechungsindex n beziehungsweise ein Ablenkungswinkel θ₂ als Linearkombination der entsprechenden Parameter der einzelnen Schichten 7 anhand der vorgenannten Formel für α_n berechnet. Das heißt, dass hierbei ein Medium 6 aus mehreren Schichten 7 als Medium 6 mit einer Schicht 7 modelliert wird.
Zusätzlich zu den in 3 dargestellten Schichten 7 des Mediums 6 kann das Medium auch eine Schicht (nicht dargestellt) Luft zwischen der Wasserschicht und der Eisschicht aufweisen. Diese Luftschicht kann allerdings auch zwischen der Oberfläche 3 und dem Medium 6 angeordnet sein. Die Tiefe dieser Schicht wird durch den Oberflächenzustandsparameter ρ beschrieben.
Alternativ oder zusätzlich dazu kann die vorgenannte Luftschicht auch als Vereinfachung im Modell verwendet werden, um beispielsweise eine Oberflächenrauheit einer Eisschicht spektral zu modellieren.
Licht 4, welches von der Oberfläche 3 reflektiert und/oder gestreut wird, wird von einer Erfassungseinheit 9 des Oberflächenzustandssensors 1 erfasst. Die Erfassungseinheit 9 ist ausgebildet, um ein Lichtspektrum und/oder zumindest eine diskrete Wellenlänge zu erfassen. Die erfassbaren Wellenlängen sind dabei insbesondere in dem Spektrum des vorgenannten Modells, insbesondere in S(λ), enthalten.
Der Oberflächenzustandssensor 1 weist außerdem eine Auswerteeinheit 10 auf, welche das erfasste Reflexionssignal 4 auswertet. Die Auswerteeinheit 10 wertet dabei das Reflexionssignal 4 anhand des Auswertealgorithmus aus, welcher durch die mit Bezug auf 1 und 2 beschriebenen Verfahren trainiert wurde.
Dadurch kann der Oberflächenzustandssensor 1, insbesondere die Auswerteeinheit 10 des Oberflächenzustandssensors 1, die Oberflächenzustandsparameter wie etwa die Schichtdicke x der einzelnen Schichten 7, die Gesamtschichtdicke d und die Beschaffenheit, also insbesondere der Phasenzustand der Schichten 7 aus dem erfassten Reflexionssignal 4 bestimmen.
Der Oberflächenzustandssensor 1 erfasst hierbei den Oberflächenzustand einer Straße. Allerdings kann der Oberflächenzustandssensor 1 auch den Oberflächenzustand einer Flugzeugaußenfläche, wie etwa einer Tragfläche bestimmen. Alternativ oder zusätzlich dazu kann der Oberflächenzustandssensor 1 auch bei industriellen Fertigungsprozessen eingesetzt werden. Der Oberflächenzustandssensor 1, insbesondere die Auswerteeinheit 10, kann hierbei insbesondere eine Menge beziehungsweise Schichtdicke Luft, Wasser, Eis, Öl, Sand und/oder beliebiger Verschmutzungen auf der Oberfläche erfassen.
ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

DE 4133359 A1 [0002]

Claims

Verfahren zum Trainieren eines als maschinelles Lernverfahren ausgebildeten Auswertealgorithmus eines Oberflächenzustandssensors (1), wobei der Oberflächenzustandssensor (1) ausgebildet ist, ein Lichtsignal (2) auszusenden und ein von einer Oberfläche (3) reflektiertes Reflexionssignal (4) zu erfassen, und wobei der Auswertealgorithmus zur Bestimmung von Oberflächenzustandsparametern aus dem Reflexionssignal (4) ausgebildet ist, gekennzeichnet durch die Schritte: • Festlegen (S1) mindestens eines Oberflächenzustandsparameters; • Generieren (S2) eines Lichtspektrums anhand des festgelegten Oberflächenzustandsparameters und eines vorbestimmten Modells, das dasjenige Lichtspektrum modelliert, das von dem Oberflächenzustandssensor (1) bei Vorliegen des entsprechenden Oberflächenzustandsparameters erfasst wird; und • Verwenden (S3) des festgelegten Oberflächenzustandsparameters und des generierten Lichtspektrums als Trainingsdaten für den Auswertealgorithmus, wobei zumindest ein Teil des generierten Lichtspektrums als Reflexionssignal verwendet wird.
Verfahren zum Ermitteln zumindest eines Oberflächenzustandsparameters aus einem vorbestimmten Lichtsignal, gekennzeichnet durch die Schritte: • Bereitstellen (S5) des vorbestimmten Lichtsignals, welches einem von einer Oberfläche reflektierten Reflexionssignal entspricht; • Festlegen (S1) mindestens eines Oberflächenzustandsparameters; • Generieren (S2) eines Lichtspektrums anhand des festgelegten Oberflächenzustandsparameters und eines vorbestimmten Modells, das dasjenige Lichtspektrum modelliert, das von einem Oberflächenzustandssensor (1) bei Vorliegen des entsprechenden Oberflächenzustandsparameters erfasst wird; • nach den Schritten des Festlegens (S1) und Generierens (S2), Vergleichen (S6), insbesondere durch Differenzbildung, des vorbestimmten Lichtsignals mit dem generierten Lichtspektrum; • wobei, wenn eine Differenz zwischen dem generierten Lichtspektrum und dem vorbestimmten Lichtsignal größer als ein vorbestimmter maximaler Fehler ist, Wiederholen des Festlegens (S1), des Generierens (S2) und des Vergleichens (S6) durchgeführt wird, bis die Differenz unterhalb des maximalen Fehlers ist, wobei der Oberflächenzustandsparameter bei jeder Wiederholung des Festlegens (S1) variiert wird; und • Verwenden (S3) des zuletzt festgelegten Oberflächenzustandsparameters, des vorbestimmten Lichtsignals und/oder des generierten Lichtspektrums als Ausgabe des Oberflächenzustandssensors (1), insbesondere als Trainingsdaten für einen Auswertealgorithmus des Oberflächenzustandssensors (1).
Verfahren gemäß Anspruch 2, dadurch gekennzeichnet, dass das vorbestimmte Lichtsignal ein von dem Oberflächenzustandssensor (1) erfasstes Reflexionssignal (4) ist.
Verfahren gemäß einem der vorherigen Ansprüche, wobei das Reflexionssignal (4) ein diskretes Lichtspektrum ist, welches ein Teil des generierten, insbesondere breitbandigen, Lichtspektrums ist.
Verfahren gemäß einem der vorherigen Ansprüche, dadurch gekennzeichnet, dass der zumindest eine Oberflächenzustandsparameter eine Schichtdicke (5) und/oder Schichttiefe zumindest eines Mediums (6) zwischen dem Oberflächenzustandssensor (1) und der Oberfläche (3) ist.
Verfahren gemäß einem der vorherigen Ansprüche, dadurch gekennzeichnet, dass der zumindest eine Oberflächenzustandsparamater ein Anteil von Luft, Eis und/oder Wasser eines Mediums (6) zwischen dem Oberflächenzustandssensor (1) und der Oberfläche (3) ist.
Verfahren gemäß einem der vorherigen Ansprüche, dadurch gekennzeichnet, dass der zumindest eine Oberflächenzustandsparameter eine optische Eigenschaft, insbesondere ein Absorptionskoeffizient, ein Reflexionsgrad und/oder ein Brechungsindex, eines Mediums (6) zwischen dem Oberflächenzustandssensor (1) und der Oberfläche (3) ist.
Verfahren gemäß einem der vorherigen Ansprüche, dadurch gekennzeichnet, dass das modellierte Lichtspektrum ein Infrarotspektrum ist.
Verfahren gemäß einem der vorherigen Ansprüche, dadurch gekennzeichnet, dass die Oberfläche (3) eine Straße ist, wobei der Oberflächenzustandssensor (1) einen Straßenzustand erfasst.
Verfahren gemäß einem der vorherigen Ansprüche, dadurch gekennzeichnet, dass der zumindest eine Oberflächenzustandsparameter durch Zufallsgenerierung festgelegt (S1) wird.
Verfahren gemäß einem der vorherigen Ansprüche, dadurch gekennzeichnet, dass das Modell ein Lichtspektrum, welches von einer Mehrzahl von Schichten (7) zumindest eines Mediums (6) auf einer Oberfläche (3) reflektiert und/oder absorbiert wird, durch eine Linearkombination der Absorptionskoeffizienten der jeweiligen Schichten (7) modelliert.
Verfahren gemäß Anspruch 10, dadurch gekennzeichnet, dass Koeffizienten der Linearkombination einer Gewichtung der jeweiligen Schichten (7) des Mediums (6) entsprechen, wobei die Gewichtung anhand einem prozentualen Anteil und/oder einer Schichtdicke und/oder einem Phasenzustand des zumindest einen Mediums (6) festgelegt ist.
Verfahren gemäß einem der vorherigen Ansprüche, wobei das Modell $S (λ) = A (λ) e^{- 2 α_{n} d}$
ist, wobei • S ein normiertes Spektrum in Abhängigkeit einer Wellenlänge A; • A das Spektrum der Oberfläche $A (λ) = 1 + σ (λ - λ_{0}),$
• wobei λ₀ eine Referenzwellenlänge und σ eine relative linear wellenlängenabhängige Änderung des Spektrums der Oberfläche (3) ist; • d $d = \frac{x}{\sqrt{\frac{n^{2} - s i n^{2} θ}{n^{2}}}}$
• wobei x eine Schichtdicke des Mediums (6), θ ein Eintreffwinkel des ausgesendeten Lichtstrahls (2) auf das Medium (6) und n ein Brechungsindex des Mediums (6) ist; und • α_n $α_{n} = (1 - β) (α_{W a s s e r} - α_{W a s s e r} (λ_{0})) + β (α_{E i s} - α_{E i s} (λ_{0}))$
ist, • wobei β ein prozentualer Anteil von Eis in dem Medium (6), α_Wasser ein Absorptionskoeffizient von Wasser und α_Eis ein Absorptionskoeffizient von Eis ist.
Verfahren gemäß Anspruch 13, wobei das Modell derart um eine Luftschicht erweitert ist, dass $S (λ) = (1 - γ) A (λ) e^{- 2 α_{n} d} + γ e^{- 2 α_{n} (1 - ρ) d}$
ist, wobei • γ ein Reflexionsgrad von Luft; und • ρ eine relative Schichttiefe von Luft in dem Medium (6) ist;
Oberflächenzustandssensor (1) zum Erfassen eines Zustands einer Oberfläche (3), insbesondere einer Straße, aufweisend: • eine Sendeeinheit (8), welche zum Aussenden eines Lichtsignals (2) ausgebildet ist; • eine Erfassungseinheit (9), welche zum Erfassen eines von der Oberfläche (3) reflektierten Reflexionssignals (4) ausgebildet ist; und • eine Auswerteeinheit (10), wobei die Auswerteeinheit (10) ausgebildet ist, mit einem Auswertealgorithmus, welcher mit dem Verfahren gemäß einem der vorherigen Ansprüche trainiert ist, Oberflächenzustandsparameter aus dem Reflexionssignal (4) zu bestimmen.