DE102023104651A1 - Eisdickenschätzung für betrieb eines mobilen objekts - Google Patents

Eisdickenschätzung für betrieb eines mobilen objekts Download PDF

Info

Publication number
DE102023104651A1
DE102023104651A1 DE102023104651.9A DE102023104651A DE102023104651A1 DE 102023104651 A1 DE102023104651 A1 DE 102023104651A1 DE 102023104651 A DE102023104651 A DE 102023104651A DE 102023104651 A1 DE102023104651 A1 DE 102023104651A1
Authority
DE
Germany
Prior art keywords
computer
mobile object
vehicle
data
regions
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.)
Pending
Application number
DE102023104651.9A
Other languages
English (en)
Inventor
Arun Dutta
Nithya Somanath
Colleen Cauvet
Collin Hurley
David Hamilton
Donald Paul Bilger
Javier Onate
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.)
Ford Global Technologies LLC
Original Assignee
Ford Global Technologies LLC
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 Ford Global Technologies LLC filed Critical Ford Global Technologies LLC
Publication of DE102023104651A1 publication Critical patent/DE102023104651A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B79/00—Monitoring properties or operating parameters of vessels in operation
    • B63B79/10—Monitoring properties or operating parameters of vessels in operation using sensors, e.g. pressure sensors, strain gauges or accelerometers
    • B63B79/15—Monitoring properties or operating parameters of vessels in operation using sensors, e.g. pressure sensors, strain gauges or accelerometers for monitoring environmental variables, e.g. wave height or weather data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B49/00—Arrangements of nautical instruments or navigational aids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3602—Input other than that of destination using image analysis, e.g. detection of road signs, lanes, buildings, real preceding vehicles using a camera
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3626—Details of the output of route guidance instructions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3691—Retrieval, searching and output of information related to real-time traffic, weather, or environmental conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3815—Road data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3815—Road data
    • G01C21/3822—Road feature data, e.g. slope data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3848—Data obtained from both position sensors and additional sensors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/20—Ambient conditions, e.g. wind or rain
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B15/00—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons
    • G01B15/02—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons for measuring thickness
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/02—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness
    • G01B21/08—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness for measuring thickness
    • G01B21/085—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness for measuring thickness using thermal means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J2005/0077—Imaging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mechanical Engineering (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Ocean & Marine Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mathematical Physics (AREA)
  • Multimedia (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Atmospheric Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Geometry (AREA)
  • Transportation (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Computer Graphics (AREA)
  • Traffic Control Systems (AREA)

Abstract

Wenn bestimmt wird, dass sich ein mobiles Objekt einer Eisschicht über einem Gewässer nähert, wird ein Wärmebild der Eisschicht erhalten. Das Wärmebild und Umgebungstemperaturdaten werden in ein neuronales Netz eingegeben, das eine Vielzahl von Regionen der Eisschicht und jeweilige geschätzte Dicken für die Regionen ausgibt. Eine Klassifizierung für jede Region wird auf Grundlage ihrer geschätzten Dicke und des mobilen Objekts bestimmt. Die Klassifizierung ist eines von bevorzugt oder nicht bevorzugt. Die Klassifizierungen für die Regionen werden ausgegeben.

Description

  • GEBIET DER TECHNIK
  • Die vorliegende Offenbarung betrifft eine Schätzung einer Eisdicke für einen Betrieb eines mobilen Objekts.
  • ALLGEMEINER STAND DER TECHNIK
  • Ein Fahrzeug kann mit elektronischen und elektromechanischen Komponenten, z. B. Rechenvorrichtungen, Netzwerken, Sensoren und Steuerungen usw., ausgestattet sein. Ein Computer kann Daten bezüglich der Umgebung des Fahrzeugs erfassen und kann das Fahrzeug oder zumindest einige Komponenten davon auf Grundlage der erfassten Daten betreiben. Fahrzeugsensoren können Daten hinsichtlich zurückzulegender Routen und Objekten in der Umgebung des Fahrzeugs bereitstellen. Die Überwachung des Fahrzeugs kann sich auf das Erfassen genauer und aktueller Daten bezüglich Objekten in der Umgebung eines Fahrzeugs stützen, während das Fahrzeug eine Route entlangfährt oder an einem Wegpunkt der Route anhält. Die Überwachung kann an eine Befahrfläche eines Fahrzeugs angepasst werden. Wenn zum Beispiel ein Fahrzeug über Eis fährt, können Sensoren dazu konfiguriert sein, das Eis zu überwachen.
  • KURZDARSTELLUNG
  • Ein mobiles Objekt kann eine Eisschicht über einem Gewässer überqueren, d. h. sich darauf vorwärtsbewegen. Eine Mindestdicke der Eisschicht, z. B. auf Grundlage der Art des mobilen Objekts, ist typischerweise wünschenswert, um es dem mobilen Objekt zu ermöglichen, die Eisschicht zu durchqueren. Der Versuch, eine Eisschicht mit einer unerwünschten Dicke zu durchqueren, kann eine Wahrscheinlichkeit erhöhen, dass das mobile Objekt daran gehindert wird, die Eisschicht zu überqueren, z. B. wegen eines Durchbrechens der Eisschicht (z. B. wenn das mobile Objekt ein Landfahrzeug oder ein Fußgänger ist) oder bei einem Festsitzen auf der Eisschicht (z. B. wenn das mobile Objekt ein Wasserfahrzeug ist). Die Dicke der Eisschicht kann auf Grundlage von Umgebungsmodellen und/oder physikalischen Messungen geschätzt werden. Da sich jedoch eine Eisschicht nicht gleichmäßig über einem Gewässer bilden kann, können unterschiedliche Regionen der Eisschicht unterschiedliche Dicken aufweisen. Das heißt, das Umgebungsmodell oder die physikalische Messung ist möglicherweise nicht in der Lage, die Eisbildung und variierende Dicken über die Eisschicht hinweg genau zu modellieren.
  • Vorteilhafterweise kann ein Computer (z. B. ein Fahrzeugcomputer) beim Detektieren eines mobilen Objekts (z. B. eines Fahrzeugs), das sich einer Eisschicht nähert, ein Wärmebild der Eisschicht erhalten, wodurch Bestimmungen bezüglich der Eisschicht und ein effizienterer Betrieb eines mobilen Objekts (z. B. eines Fahrzeugs) als unter Verwendung anderer Technologien, wie etwa unter Verwendung von Umgebungsmodellen oder physikalischen Messungen, bereitgestellt werden. Der Computer kann das Wärmebild und Umgebungstemperaturdaten in ein neuronales Netz eingeben, das eine Vielzahl von Regionen der Eisschicht und geschätzte Dicken für die Regionen ausgibt. Der Computer kann dann die Regionen auf Grundlage der geschätzten Dicke und des mobilen Objekts als bevorzugt oder nicht bevorzugt klassifizieren. Durch Verwenden eines Wärmebildes, um die Dicken von Regionen der Eisschicht zu schätzen, kann der Computer die Eisschicht unter Umgebungsbedingungen, z. B. Nebel, Regen, Schnee usw., detektieren, die nichtthermische Sensoren daran hindern oder beeinträchtigen können, die Eisschicht zu detektieren. Der Computer kann somit Regionen der Eisschicht unabhängig von den Umgebungsbedingungen klassifizieren. Ferner ermöglicht das Klassifizieren der Regionen auf Grundlage der geschätzten Dicke und des mobilen Objekts dem Computer, Regionen der Eisschicht zu bestimmen, die eine effiziente Bewegung auf einer Eisschicht durch das mobile Objekt ermöglichen können.
  • Ein System, umfassend einen Computer, der einen Prozessor und einen Speicher beinhaltet, wobei der Speicher Anweisungen speichert, die durch den Prozessor ausgeführt werden können, um ein Wärmebild der Eisschicht zu erhalten, wenn bestimmt wird, dass sich ein mobiles Objekt einer Eisschicht über einem Gewässer nähert. Die Anweisungen beinhalten ferner Anweisungen, um das Wärmebild und Umgebungstemperaturdaten in ein neuronales Netz einzugeben, das eine Vielzahl von Regionen der Eisschicht und jeweilige geschätzte Dicken für die Regionen ausgibt. Die Anweisungen beinhalten ferner Anweisungen zum Bestimmen einer Klassifizierung für jede Region auf Grundlage ihrer geschätzten Dicke und des mobilen Objekts. Die Klassifizierung ist eines von bevorzugt oder nicht bevorzugt. Die Anweisungen beinhalten ferner Anweisungen zum Ausgeben der Klassifizierungen für die Regionen.
  • Das mobile Objekt kann eines von einem Landfahrzeug oder einem Fußgänger sein. Die Anweisungen können ferner Anweisungen beinhalten, um eine der Regionen auf Grundlage dessen, dass die geschätzte Dicke der jeweiligen Region größer als eine Schwellendicke ist, als bevorzugt zu klassifizieren.
  • Die Anweisungen können ferner Anweisungen zum Bestimmen der Schwellendicke auf Grundlage einer Benutzereingabe beinhalten.
  • Die Anweisungen können ferner Anweisungen zum Bestimmen der Schwellendicke auf Grundlage einer Eigenschaft des mobilen Objekts beinhalten.
  • Die Anweisungen können ferner Anweisungen beinhalten, um eine der Regionen auf Grundlage dessen, dass die geschätzte Dicke der jeweiligen Region geringer als eine Schwellendicke oder gleich dieser ist, als nicht bevorzugt zu klassifizieren.
  • Das mobile Objekt kann ein Wasserfahrzeug sein. Die Anweisungen können ferner Anweisungen beinhalten, um eine der Regionen auf Grundlage dessen, dass die geschätzte Dicke der jeweiligen Region geringer als eine Schwellendicke oder gleich dieser ist, als bevorzugt zu klassifizieren.
  • Die Anweisungen können ferner Anweisungen beinhalten, um einen geplanten Weg für das mobile Objekt auf Grundlage der Klassifizierungen der Regionen zu bestimmen.
  • Die Anweisungen können ferner Anweisungen beinhalten, um den geplanten Weg für das mobile Objekt auszugeben.
  • Die Anweisungen können ferner Anweisungen beinhalten, um den geplanten Weg für das mobile Objekt an einen entfernten Computer bereitzustellen.
  • Die Anweisungen können ferner Anweisungen beinhalten, um Kartendaten für die Eisschicht auf Grundlage der Klassifizierungen der Regionen zu aktualisieren.
  • Die Anweisungen können ferner Anweisungen zum Bereitstellen der aktualisierten Kartendaten an einen entfernten Computer beinhalten.
  • Das System beinhaltet den entfernten Computer, der einen zweiten Prozessor und einen zweiten Speicher aufweist. Der zweite Speicher speichert Anweisungen, die durch den zweiten Prozessor ausführbar sind, um eine Karte auf Grundlage von aggregierten Daten zu aktualisieren, die aktualisierte Kartendaten von einer Vielzahl von mobilen Objekten beinhalten.
  • Die Anweisungen können ferner Anweisungen zum Vorhersagen eines zukünftigen Zeitpunkts, zu dem die Klassifizierung für eine Region zwischen bevorzugt und nicht bevorzugt wechseln wird, auf Grundlage einer Eigenschaft des mobilen Objekts und vorhergesagter Umgebungstemperaturdaten beinhalten.
  • Die Anweisungen können ferner Anweisungen beinhalten, um nach dem Bestimmen, dass das mobile Objekt für eine Dauer eines Zeitgebers stationär bleibt, aktualisierte Klassifizierungen für die Region, in der sich das mobile Objekt befindet, auf Grundlage einer aktualisierten Umgebungstemperatur und Temperaturdaten des mobilen Objekts zu bestimmen.
  • Die aktualisierte Umgebungstemperatur kann nach Ablauf des Zeitgebers erhalten werden. Die Anweisungen können ferner Anweisungen zum Ausgeben der aktualisierten Klassifizierung beinhalten.
  • Die Anweisungen können ferner Anweisungen beinhalten, um Kartendaten für die Eisschicht auf Grundlage der aktualisierten Klassifizierungen zu aktualisieren.
  • Die Umgebungstemperaturdaten können eine aktuelle Umgebungstemperatur und eine frühere Umgebungstemperatur beinhalten.
  • Ein Verfahren beinhaltet Erhalten eines Wärmebildes einer Eisschicht, wenn bestimmt wird, dass sich ein mobiles Objekt der Eisschicht über einem Gewässer nähert. Die Anweisungen beinhalten ferner Eingeben des Wärmebildes und von Umgebungstemperaturdaten in ein neuronales Netz, das eine Vielzahl von Regionen der Eisschicht und jeweilige geschätzte Dicken für die Regionen ausgibt. Das Verfahren beinhaltet ferner Bestimmen einer Klassifizierung für jede Region auf Grundlage ihrer geschätzten Dicke und des mobilen Objekts. Die Klassifizierung ist eines von bevorzugt oder nicht bevorzugt. Das Verfahren beinhaltet ferner Ausgeben der Klassifizierungen für die Regionen.
  • Das Verfahren kann ferner Bestimmen eines geplanten Wegs für das mobile Objekt auf Grundlage der Klassifizierungen der Regionen beinhalten.
  • Ferner ist in dieser Schrift eine Rechenvorrichtung offenbart, die dazu programmiert ist, beliebige der vorstehenden Verfahrensschritte auszuführen. Außerdem ist in dieser Schrift ein Computerprogrammprodukt offenbart, das ein computerlesbares Medium beinhaltet, das Anweisungen speichert, die durch einen Computerprozessor ausführbar sind, um beliebige der vorstehenden Verfahrensschritte auszuführen.
  • KURZE BESCHREIBUNG DER ZEICHNUNGEN
    • 1 ist ein Blockdiagramm eines beispielhaften Steuersystems für ein Fahrzeug.
    • 2A-2C sind Diagramme, die beispielhafte mobile Objekte veranschaulichen, die sich einer beispielhaften Eisschicht nähern.
    • 3 ist ein beispielhaftes Balkendiagramm von Schwellendicken für beispielhafte mobile Objekte.
    • 4A-4B sind Diagramme, die beispielhafte Klassifizierungen von beispielhaften Regionen der beispielhaften Eisschicht veranschaulichen.
    • 5 ist ein beispielhaftes neuronales Netz.
    • 6A ist ein erster Abschnitt eines beispielhaften Ablaufdiagramms eines beispielhaften Prozesses zum Klassifizieren von Regionen der Eisschicht.
    • 6B ist ein zweiter Abschnitt des Ablaufdiagramms aus 6A.
  • DETAILLIERTE BESCHREIBUNG
  • Unter Bezugnahme auf die 1-5 beinhaltet ein beispielhaftes Steuersystem 100 ein Fahrzeug 105. Gemäß einigen Umsetzungen kann das Fahrzeug 105 ein Landfahrzeug, wie etwa ein Auto, ein Lastwagen usw., sein. Gemäß anderen Umsetzungen kann das Fahrzeug 105 ein Wasserfahrzeug (z. B. ein Schiff) sein. Ein Computer 110 in dem Fahrzeug 105 empfängt Daten von Sensoren 115. Gemäß noch anderen Umsetzungen kann das Fahrzeug 105 ein Luftfahrzeug, wie etwa ein Starrflügelluftfahrzeug (z. B. ein Flugzeug), ein Drehflügelluftfahrzeug (z. B. ein Hubschrauber) oder ein Leichter-als-Luft-Luftfahrzeug (z. B. ein Luftschiff oder eine Drohne) sein. Der Computer 110 ist dazu programmiert, bei Bestimmen, dass sich ein mobiles Objekt 205 einer Eisschicht 210 über einem Gewässer 200 nähert, ein Wärmebild der Eisschicht 210 zu erhalten. Der Computer 110 ist ferner dazu programmiert, das Wärmebild und Umgebungstemperaturdaten in ein neuronales Netz 500 einzugeben, das eine Vielzahl von Regionen 215 der Eisschicht 210 und jeweilige geschätzte Dicken für die Regionen 215 ausgibt. Der Computer 110 ist ferner dazu programmiert, eine Klassifizierung für jede Region 215 auf Grundlage ihrer geschätzten Dicke und des mobilen Objekts 205 zu bestimmen. Die Klassifizierung ist eines von bevorzugt oder nicht bevorzugt. Der Computer 110 ist ferner dazu programmiert, die Klassifizierungen für die Regionen 215 auszugeben.
  • Unter Bezugnahme auf 1 beinhaltet das Fahrzeug 105 den Computer 110, Sensoren 115, Aktoren 120 zum Betätigen verschiedener Fahrzeugkomponenten 125 und ein Fahrzeugkommunikationsmodul 130. Das Kommunikationsmodul 130 ermöglicht es dem Computer 110, mit einem entfernten Servercomputer 140, einer Benutzervorrichtung 145 und/oder anderen Fahrzeugen zu kommunizieren, z. B. über ein Nachrichten- oder Rundfunkprotokoll, wie etwa dedizierte Nahbereichskommunikation (Dedicated Short Range Communications - DSRC), Mobilfunk, IEEE 802.11, Bluetooth ®, Ultrabreitband (Ultra-Wideband - UWB) und/oder ein anderes Protokoll, das Kommunikationen von Fahrzeug zu Fahrzeug, von Fahrzeug zu Infrastruktur, von Fahrzeug zu einer Cloud oder dergleichen unterstützen kann, und/oder über ein Paketnetzwerk 135.
  • Der Computer 110 beinhaltet einen Prozessor und einen Speicher, wie sie bekannt sind. Der Speicher beinhaltet eine oder mehrere Formen computerlesbarer Medien und speichert Anweisungen, die durch den Computer 110 ausführbar sind, um verschiedene Vorgänge durchzuführen, einschließlich der in dieser Schrift offenbarten. Der Computer 110 kann ferner zwei oder mehr Rechenvorrichtungen beinhalten, die zusammenarbeiten, um Vorgänge des Fahrzeugs 105 auszuführen, einschließlich der hierin beschriebenen. Ferner kann der Computer 110 ein Universalcomputer mit einem Prozessor und einem Speicher sein, wie vorstehend beschrieben, und/oder kann eine elektronische Steuereinheit (electronic control unit - ECU) oder eine elektronische Steuerung oder dergleichen für eine spezifische Funktion oder einen Satz von Funktionen beinhalten und/oder kann eine dedizierte elektronische Schaltung beinhalten, die eine ASIC (application-specific integrated circuit - ASIC) beinhaltet, die für einen konkreten Vorgang hergestellt ist, z. B. eine ASIC zum Verarbeiten von Sensordaten und/oder Kommunizieren der Sensordaten. In einem weiteren Beispiel kann der Computer 110 ein FPGA (feldprogrammierbares Gate-Array) beinhalten, das eine integrierte Schaltung ist, die so hergestellt ist, dass sie durch einen Benutzer konfigurierbar ist. Typischerweise wird eine Hardware-Beschreibungssprache, wie etwa VHDL (Very High Speed Integrated Circuit Hardware Description Language - Hardware-Beschreibungssprache für integrierte Schaltungen mit sehr hoher Geschwindigkeit), in der elektronischen Ausgestaltungsautomatisierung verwendet, um digitale und Mischsignal-Systeme, wie etwa FPGA und ASIC, zu beschreiben. Zum Beispiel wird eine ASIC auf Grundlage einer vor der Herstellung bereitgestellten VHDL-Programmierung hergestellt, wohingegen logische Komponenten innerhalb eines FPGA auf Grundlage der VHDL-Programmierung konfiguriert sein können, z. B. auf einem Speicher gespeichert, der elektrisch mit der FPGA-Schaltung verbunden ist. In einigen Beispielen kann eine Kombination aus Prozessor(en), ASIC(s) und/oder FPGA-Schaltungen in dem Computer 110 beinhaltet sein.
  • Der Computer 110 kann Programmierung beinhalten, um eines oder mehrere von Bremsen, Antrieb (z. B. Steuerung der Beschleunigung in dem Fahrzeug 105 durch Steuern eines oder mehrerer von einer Brennkraftmaschine, einem Elektromotor, einem Hybridmotor usw.), Lenkung, Getriebe, Klimatisierung, Innen- und/oder Außenbeleuchtung, Hupe, Türen usw. des Fahrzeugs 105 zu betreiben sowie um zu bestimmen, ob und wann der Computer 110 derartige Vorgänge anstelle eines menschlichen Fahrzeugführers steuern soll.
  • Der Computer 110 kann mehr als einen Prozessor beinhalten, z. B. in elektronischen Steuereinheiten (ECU) oder dergleichen beinhaltet, die in dem Hostfahrzeug 105 beinhaltet sind, um verschiedene Fahrzeugkomponenten 125 zu überwachen und/oder zu steuern, z. B. eine Getriebesteuerung, eine Bremssteuerung, eine Lenksteuerung usw., oder kommunikativ mit diesen gekoppelt sein, z. B. über ein Kommunikationsnetzwerk des Fahrzeugs, wie etwa einen Kommunikationsbus, wie nachstehend näher beschrieben. Der Computer 110 ist im Allgemeinen zur Kommunikation in einem Fahrzeugkommunikationsnetzwerk, das einen Bus in dem Hostfahrzeug 105, wie etwa ein Controller Area Network (CAN) oder dergleichen, und/oder andere drahtgebundene und/oder drahtlose Mechanismen beinhalten kann, angeordnet.
  • Der Computer 110 kann über das Netzwerk des Fahrzeugs 105 Nachrichten an verschiedene Vorrichtungen in dem Fahrzeug 105 übermitteln und/oder Nachrichten (z. B. CAN-Nachrichten) von den verschiedenen Vorrichtungen, z. B. Sensoren 115, einem Aktor 120, ECUs usw., empfangen. Alternativ oder zusätzlich kann das Fahrzeugkommunikationsnetzwerk in Fällen, in denen der Computer 110 tatsächlich eine Vielzahl von Vorrichtungen umfasst, zur Kommunikation zwischen Vorrichtungen verwendet werden, die in dieser Offenbarung als der Computer 110 dargestellt sind. Ferner können, wie nachstehend erwähnt, verschiedene Steuerungen und/oder Sensoren 115 dem Computer 110 Daten über das Fahrzeugkommunikationsnetz bereitstellen.
  • Die Sensoren 115 des Fahrzeugs 105 können vielfältige Vorrichtungen beinhalten, die dem Computer 110 bekanntermaßen Daten bereitstellen. Beispielsweise können die Sensoren 115 (einen) Light-Detection-and-Ranging-Sensor(en) (LIDAR-Sensor(en)) 115 usw. beinhalten, der/die auf einer Oberseite des Fahrzeugs 105, hinter einer Windschutzscheibe des Fahrzeugs 105, um das Fahrzeug 105 herum usw. angeordnet ist/sind und der/die relative Standorte, Größen und Formen von Objekten bereitstellen, die das Fahrzeug 105 umgeben. Als ein anderes Beispiel können ein oder mehrere Radarsensoren 115, die an Stoßfängern des Fahrzeugs 105 befestigt sind, Daten bereitstellen, um Standorte der Objekte, von zweiten Fahrzeugen usw. relativ zu dem Standort des Fahrzeugs 105 bereitzustellen. Die Sensoren 115 können ferner alternativ oder zusätzlich zum Beispiel (einen) Kamerasensor(en) 115 beinhalten, z. B. eine Frontkamera, Seitenkamera usw., der/die Bilder eines das Fahrzeug 105 umgebenden Bereichs bereitstellt/bereitstellen. Im Zusammenhang mit dieser Offenbarung ist ein Objekt ein physischer, d. h. materieller, Gegenstand, der eine Masse aufweist und der durch physikalische Phänomene (z. B. Licht oder andere elektromagnetische Wellen oder Schall usw.), die durch Sensoren 115 detektierbar sind, dargestellt werden kann. Somit fallen das Fahrzeug 105 sowie andere Gegenstände, einschließlich der nachstehend erörterten, unter die Definition von „Objekt“ in dieser Schrift.
  • Der Computer 110 ist dazu programmiert, Daten von einem oder mehreren Sensoren 115 im Wesentlichen kontinuierlich, periodisch und/oder auf Anweisung durch einen entfernten Servercomputer 140 usw. zu empfangen. Die Daten können beispielsweise einen Standort des Fahrzeugs 105 beinhalten. Standortdaten spezifizieren einen Punkt oder Punkte auf einer Bodenoberfläche und können in einer bekannten Form vorliegen, z. B. Geokoordinaten, wie etwa Längengrad- und Breitengradkoordinaten, die über ein Navigationssystem erlangt werden, wie es bekannt ist, welches das globale Positionsbestimmungssystem (global positioning system - GPS) verwendet. Zusätzlich oder alternativ können die Daten einen Standort eines Objekts, z. B. eines Fahrzeugs, eines Schilds, eines Baums usw., in Bezug auf das Fahrzeug 105 beinhalten. Als ein Beispiel können die Daten Bilddaten der Umgebung um das Fahrzeug 105 herum sein. In einem derartigen Beispiel können die Bilddaten ein oder mehrere Objekte und/oder Markierungen, z. B. Fahrbahnmarkierungen, auf oder entlang einer Straße beinhalten. Mit Bilddaten sind in dieser Schrift digitale Bilddaten gemeint, die z. B. Pixel mit Intensitäts- und Farbwerten umfassen und durch die Kamerasensoren 115 erhoben werden können. Die Sensoren 115 können an einer beliebigen geeigneten Stelle in oder an dem Fahrzeug 105 montiert sein, z. B. an einem Stoßfänger des Fahrzeugs 105, an einem Dach des Fahrzeugs 105 usw., um Bilder der Umgebung um das Fahrzeug 105 herum zu sammeln. Die Aktoren 120 des Fahrzeugs 105 sind über Schaltungen, Chips oder andere elektronische und/oder mechanische Komponenten umgesetzt, die verschiedene Fahrzeugteilsysteme gemäß geeigneten Steuersignalen betätigen können, wie es bekannt ist. Die Aktoren 120 können verwendet werden, um Komponenten 125 zu steuern, die Bremsung, Beschleunigung und Lenkung eines Fahrzeugs 105 beinhalten.
  • Im Kontext der vorliegenden Offenbarung handelt es sich bei einer Fahrzeugkomponente 125 um eine oder mehrere Hardwarekomponenten, die dazu ausgelegt sind, eine(n) mechanische(n) oder elektromechanische(n) Funktion oder Vorgang durchzuführen - wie etwa Bewegen des Fahrzeugs 105, Verlangsamen oder Anhalten des Fahrzeugs 105, Lenken des Fahrzeugs 105 usw. Nicht einschränkende Beispiele für Komponenten 125 beinhalten eine Antriebskomponente (die z. B. eine Brennkraftmaschine und/oder einen Elektromotor usw. beinhaltet), eine Getriebekomponente, eine Lenkkomponente (die z. B. eines oder mehrere von einem Lenkrad, einer Zahnstange usw. beinhalten kann), eine Aufhängungskomponente (die z. B. eines oder mehrere von einem Dämpfer, z. B. einem Stoßdämpfer oder einem Federbein, einer Buchse, einer Feder, einem Querlenker, einem Kugelgelenk, einem Gestänge usw. beinhalten kann), eine Bremskomponente, eine Einparkhilfekomponente, eine Komponente für adaptive Geschwindigkeitsregelung, eine Komponente für adaptives Lenken, ein oder mehrere passive Rückhaltesysteme (z. B. Airbags), einen beweglichen Sitz usw.
  • Das Fahrzeug 105 beinhaltet ferner eine Mensch-Maschine-Schnittstelle (MMS) 118. Die MMS 118 beinhaltet Benutzereingabevorrichtungen, wie etwa Knöpfe, Tasten, Schalter, Pedale, Hebel, Touchscreens und/oder Mikrofone usw. Die Eingabevorrichtungen können Sensoren 115 beinhalten, um Benutzereingaben zu erfassen und dem Computer 110 Benutzereingabedaten bereitzustellen. Das heißt, der Computer 110 kann dazu programmiert sein, Benutzereingaben von der MMS 118 zu empfangen. Der Benutzer kann jede Benutzereingabe über die MMS 118 bereitstellen, z. B. durch Auswählen einer virtuellen Taste auf einer Touchscreen-Anzeige, durch Bereitstellen von Sprachbefehlen usw. Beispielsweise kann eine in einer MMS 118 beinhaltete Touchscreen-Anzeige Sensoren 115 beinhalten, um zu erkennen, dass ein Benutzer eine virtuelle Taste auf der Touchscreen-Anzeige drückt, um z. B. einen Betriebsmodus auszuwählen oder abzuwählen, wobei die Eingabe in dem Computer 110 empfangen und verwendet werden kann, um die Auswahl der Benutzereingabe zu bestimmen.
  • Die MMS 118 beinhaltet typischerweise ferner Ausgabevorrichtungen, wie etwa Anzeigen (einschließlich Touchscreen-Anzeigen), Lautsprecher und/oder Leuchten usw., die Signale oder Daten an den Benutzer ausgeben. Die MMS 118 ist an das Fahrzeugkommunikationsnetzwerk gekoppelt und kann Nachrichten an den Computer 110 und andere Fahrzeugteilsysteme senden und/oder von diesen empfangen.
  • Zusätzlich kann der Computer 110 dazu konfiguriert sein, über ein Fahrzeug-zu-FahrzeugKommunikationsmodul 130 oder eine Schnittstelle mit Vorrichtungen außerhalb des Fahrzeugs 105, z. B. durch eine drahtlose Kommunikation von Fahrzeug zu Fahrzeug (vehicle-to-vehicle - V2V) oder von Fahrzeug zu Infrastruktur (vehicle-to-infrastructure - V2X) (Mobilfunk und/oder DSRC usw.) mit einem anderen Fahrzeug und/oder mit einem entfernten Servercomputer 140 (typischerweise über direkte Funkfrequenzkommunikation) zu kommunizieren. Das Kommunikationsmodul 130 kann einen oder mehrere Mechanismen, wie etwa einen Transceiver, beinhalten, durch welche die Computer von Fahrzeugen kommunizieren können, einschließlich einer beliebigen gewünschten Kombination aus drahtlosen Kommunikationsmechanismen (z. B. Mobilfunk, drahtlos, Satellit, Mikrowellen und Funkfrequenz) und einer beliebigen gewünschten Netzwerktopologie (oder -topologien, wenn eine Vielzahl von Kommunikationsmechanismen genutzt wird). Beispielhafte über das Kommunikationsmodul 130 bereitgestellte Kommunikation beinhaltet Mobilfunk, Bluetooth ®, UWB, IEEE 802.11, dedizierte Nahbereichskommunikation (DSRC) und/oder Weitverkehrsnetzwerke (Wide Area Networks - WAN), was das Internet beinhaltet, die Datenkommunikationsdienste bereitstellen.
  • Das Netzwerk 135 stellt einen oder mehrere Mechanismen dar, durch die ein Computer 110 mit entfernten Rechenvorrichtungen, z. B. dem entfernten Servercomputer 140, einem anderen Computer usw., kommunizieren kann. Dementsprechend kann es sich bei dem Netzwerk 135 um einen oder mehrere von verschiedenen drahtgebundenen oder drahtlosen Kommunikationsmechanismen handeln, einschließlich einer beliebigen gewünschten Kombination aus drahtgebundenen (z. B. Kabel- und Glasfaser-) und/oder drahtlosen (z. B. Mobilfunk-, Drahtlos-, Satelliten-, Mikrowellen- und Hochfrequenz-)Kommunikationsmechanismen und einer beliebigen gewünschten Netztopologie (oder - topologien, wenn mehrere Kommunikationsmechanismen genutzt werden). Beispielhafte Kommunikationsnetzwerke beinhalten drahtlose Kommunikationsnetzwerke (z. B. unter Verwendung von Bluetooth®, Bluetooth® Low Energy (BLE), IEEE 802.11, UWB, Fahrzeugzu-Fahrzeug (V2V), wie etwa dedizierte Nahbereichskommunikation (DSRC) usw.), lokale Netzwerke (Local Area Network - LAN) und/oder Weitverkehrsnetzwerke (WAN), die das Internet beinhalten, die Datenkommunikationsdienste bereitstellen.
  • Der entfernte Servercomputer 140 kann eine herkömmliche Rechenvorrichtung sein, d. h. einen oder mehrere Prozessoren und einen oder mehrere Speicher beinhalten, die dazu programmiert sind, Vorgänge bereitzustellen, wie etwa die in dieser Schrift offenbarten. Ferner kann auf den entfernten Servercomputer 140 über das Netzwerk 135, z. B. das Internet, ein Mobilfunknetzwerk und/oder ein anderes Weitverkehrsnetzwerk, zugegriffen werden.
  • Das mobile Objekt 205 kann ein beliebiges Objekt sein, das sich unter der durch das oder in dem mobilen Objekt erzeugten Leistung bewegt (z. B. ist ein Fahrrad ein mobiles Objekt, ein Felsbrocken jedoch nicht). Als ein Beispiel kann das mobile Objekt 205 ein Fahrzeug sein (siehe 2A). Zum Beispiel kann das mobile Objekt 205 das Fahrzeug 105 sein. Als ein weiteres Beispiel kann das mobile Objekt 205 ein zweites Fahrzeug 155 sein, z. B. ein anderes Landfahrzeug, z. B. ein Auto, ein Truck, ein Schneemobil usw., oder ein Wasserfahrzeug (siehe 2B). In einem derartigen Beispiel beinhaltet das zweite Fahrzeug 155 einen zweiten Computer 160. Der zweite Computer 160 beinhaltet einen zweiten Prozessor und einen zweiten Speicher, wie sie bekannt sind. Der zweite Speicher beinhaltet eine oder mehrere Formen computerlesbarer Medien und speichert Anweisungen, die durch den zweiten Computer 160 ausführbar sind, um verschiedene Vorgänge, einschließlich der in dieser Schrift offenbarten, durchzuführen.
  • Zusätzlich kann das zweite Fahrzeug 155 Sensoren, Aktoren zum Betätigen verschiedener Fahrzeugkomponenten und ein Fahrzeugkommunikationsmodul beinhalten. Die Sensoren, Aktoren zum Betätigen verschiedener Fahrzeugkomponenten und das Fahrzeugkommunikationsmodul weisen typischerweise gemeinsame Merkmale mit den Sensoren 115, Aktoren 120 zum Betätigen verschiedener Fahrzeugkomponenten 125 und dem Fahrzeugkommunikationsmodul 130 auf und werden daher nicht weiter beschrieben, um Redundanz zu vermeiden.
  • Als ein weiteres Beispiel kann das bewegliche Objekt 205 ein Fußgänger sein (siehe 2C). In einem derartigen Beispiel kann dem Fußgänger eine Benutzervorrichtung 145 zugeordnet sein. Die Benutzervorrichtung 145 kann eine herkömmliche Rechenvorrichtung sein, d. h. einen oder mehrere Prozessoren und einen oder mehrere Speicher beinhalten, die dazu programmiert sind, Vorgänge bereitzustellen, wie etwa die in dieser Schrift offenbarten. Die Benutzervorrichtung 145 kann eine tragbare Vorrichtung sein. Eine tragbare Vorrichtung kann ein beliebiger einer Vielfalt von Computern sein, der verwendet werden kann, während er von einer Person mitgeführt wird, z. B. ein Smartphone, ein Tablet, ein persönlicher digitaler Assistent, eine Smartwatch, eine Drohne usw. Ferner kann auf die Benutzervorrichtung 145 über das Netzwerk 135, z. B. das Internet, ein Mobilfunknetzwerk und/oder ein anderes Weitverkehrsnetz, zugegriffen werden.
  • Die Benutzervorrichtung 145 beinhaltet eine oder mehrere Ausgabevorrichtungen, wie etwa Anzeigen (einschließlich Touchscreen-Anzeigen), Lautsprecher und/oder Leuchten usw., die Signale oder Daten an den Benutzer ausgeben. Zum Beispiel kann die Benutzervorrichtung 145 eine MMS beinhalten, welche die Ausgabevorrichtung(en) aufweist. Die MMS der Benutzervorrichtung 145 weist gemeinsame Merkmale mit der MMS 118 des Computers 110 auf, z. B. Eingabevorrichtungen und Ausgabevorrichtungen, und wird daher nicht weiter beschrieben, um Redundanz zu vermeiden.
  • Der Computer 110 ist dazu programmiert, eine Eisschicht 210 über einem Gewässer 200 zu identifizieren. Eine Eisschicht 210 ist ein Bereich aus Eis, der sich über einem Gewässer 200 gebildet hat. In diesem Kontext weist das Gewässer 200 eine derartige Tiefe auf, dass ein mobiles Objekt 205 in dem Gewässer 200 untertauchen könnte. Sobald es untertaucht, kann das mobile Objekt 205 das Gewässer 200 nicht durchqueren. Die Eisschicht 210 kann das Gewicht des mobilen Objekts 205 tragen, wodurch es dem mobilen Objekt 205 auf Grundlage einer Art des mobilen Objekts 205 ermöglicht wird, die Eisschicht 210 zu überqueren, oder dieses verhindert wird.
  • Der Computer 110 kann zum Beispiel die Eisschicht 210 auf Grundlage von Kartendaten identifizieren. Der Computer 110 kann die Kartendaten von einem externen Server empfangen, z. B. von einer Wetterstation, dem entfernten Servercomputer 140 usw. Die Kartendaten können zum Beispiel ein Vorhandensein oder ein Nichtvorhandensein einer Eisschicht 210 spezifizieren. Das Vorhandensein oder Nichtvorhandensein der Eisschicht kann auf Grundlage von Wetterdaten, z. B. Umgebungslufttemperatur, Umgebungsluftfeuchtigkeit, Niederschlagsdaten, Windgeschwindigkeit usw., unter Verwendung von Vorhersagemodellen bestimmt werden, wie nachstehend erörtert. Das heißt, der externe Server kann Wetterdaten, z. B. von Sensoren innerhalb einer Entfernung eines Gewässers, empfangen und dann die Kartendaten aktualisieren, wenn das Vorhandensein oder Nichtvorhandensein der Eisschicht 210 bestimmt wird. Zusätzlich oder alternativ kann der externe Server eine Benutzereingabe empfangen, die das Vorhandensein oder Nichtvorhandensein der Eisschicht 210 spezifiziert, z. B. basierend auf physikalischen Messtechniken bestimmt. Zusätzlich oder alternativ kann der Computer 110 die Eisschicht 210 auf Grundlage von Daten der Sensoren 115, z. B. thermischen Infrarotdaten, identifizieren. In einem derartigen Beispiel kann der Computer 110 die thermischen Infrarotdaten analysieren, um ein Vorhandensein oder Nichtvorhandensein der Eisschicht 210 zu identifizieren, z. B. durch Bestimmen, dass in den thermischen Infrarotdaten spezifizierte Temperaturen unter einer Schwellentemperatur liegen, z. B. 32 Grad Fahrenheit. Nach dem Identifizieren der Eisschicht 210 ist der Computer 110 dazu programmiert, zu bestimmen, ob sich ein mobiles Objekt 205 innerhalb einer Begrenzung der Eisschicht 210 befindet. Der Computer 110 kann zum Beispiel auf Grundlage von Kartendaten bestimmen, ob sich das mobile Objekt 205 innerhalb der Begrenzung der Eisschicht 210 befindet. Der Computer 110 kann die Kartendaten von dem entfernten Servercomputer 140 empfangen. Die Kartendaten können zum Beispiel einen Umkreis einer Eisschicht 210 innerhalb des Gewässers 200, d. h. einen Geofence, auf Grundlage von aggregierten Daten (wie nachstehend erörtert) spezifizieren. Ein Geofence hat in dieser Schrift die herkömmliche Bedeutung einer Begrenzung für einen Bereich, der durch Sätze von Geokoordinaten definiert ist. Der Computer 110 kann zum Beispiel einen Standort des mobilen Objekts 205 empfangen, z. B. von einem Sensor 115, einem Navigationssystem, dem entfernten Servercomputer 140, einem Computer 145, 160, der dem mobilen Objekt 205 zugeordnet ist (wenn das mobile Objekt 205 nicht das Fahrzeug 105 ist), usw. Der Computer 110 kann dann den Standort des mobilen Objekts 205 mit dem Geofence für die Eisschicht 210 vergleichen. Der Computer 110 kann auf Grundlage des Standorts des mobilen Objekts 205, der angibt, dass sich das mobile Objekt 205 innerhalb des Geofence befindet, bestimmen, dass sich das mobile Objekt 205 innerhalb der Begrenzung der Eisschicht 210 befindet.
  • Nach dem Bestimmen, dass sich das mobile Objekt 205 außerhalb des Geofence für die Eisschicht 210 befindet, ist der Computer 110 dazu programmiert, zu bestimmen, ob sich das mobile Objekt 205 der Eisschicht 210 nähert. Der Computer 110 kann auf Grundlage eines Bestimmens, dass eine Bewegungsrichtung des mobilen Objekts 205 in Richtung der Eisschicht 210 ist, bestimmen, dass sich das mobile Objekt 205 der Eisschicht 210 nähert, d. h. die Eisschicht 210 befindet sich vor dem mobilen Objekt 205 relativ zu einer Vorwärtsrichtung des Objekts (was im vorliegenden Kontext typischerweise beinhaltet, dass sie sich innerhalb eines spitzen Winkels, z. B. 10° oder 15°, in einer Vorwärtsrichtung des Objekts befindet). Der Computer 110 kann die Bewegungsrichtung des mobilen Objekts 205 auf Grundlage von Daten bestimmen, die z. B. von einem Sensor 115, einem Navigationssystem, einem entfernten Servercomputer 140, einem Computer 145, 160, der dem mobilen Objekt 205 zugeordnet ist (wenn das mobile Objekt 205 nicht das Fahrzeug 105 ist), usw. empfangen werden, die eine Vorwärtsrichtung des Objekts für das mobile Objekt 205 angeben.
  • Zusätzlich oder alternativ kann der Computer 110 auf Grundlage dessen, dass sich das mobile Objekt 205 innerhalb einer vorbestimmten Entfernung von der Eisschicht 210 befindet, bestimmen, dass sich das mobile Objekt 205 der Eisschicht 210 nähert. Die vorbestimmte Entfernung kann z. B. in einem Speicher des Computers 110 gespeichert sein. Die vorbestimmte Entfernung kann empirisch bestimmt werden, z. B. auf Grundlage von Tests, die das Bestimmen einer Entfernung ermöglichen, innerhalb derer sich ein mobiles Objekt wahrscheinlich auf eine Eisschicht 210 bewegt. Um zu bestimmen, ob sich das mobile Objekt 205 innerhalb der vorbestimmten Entfernung von der Eisschicht 210 befindet, kann der Computer 110 Geokoordinaten für einen Punkt auf einer Begrenzung der Eisschicht 210 bestimmen, an dem eine Linie, die sich von dem mobilen Objekt 205 entlang der Vorwärtsrichtung des Objekts erstreckt, die Begrenzung der Eisschicht 210 schneidet. Der Computer 110 kann dann eine Entfernung zwischen dem Standort des mobilen Objekts 205 und dem Punkt auf der Begrenzung bestimmen, z. B. durch Vergleichen jeweiliger Geokoordinaten. Wenn die Entfernung kleiner oder gleich der vorbestimmten Entfernung ist, dann kann der Computer 110 bestimmen, dass sich das mobile Objekt 205 der Eisschicht 210 nähert. Wenn die Entfernung größer als die vorbestimmte Entfernung ist, dann kann der Computer 110 bestimmen, dass sich das mobile Objekt 205 der Eisschicht 210 nicht nähert. Zusätzlich oder alternativ kann der Computer 110 Bilddaten empfangen und analysieren, um zu bestimmen, dass sich das mobile Objekt 205 der Eisschicht 210 nähert. Der Computer 110 kann die Bilddaten von einem oder mehreren Sensoren 115 oder dem Computer 145, 160, der dem mobilen Objekt 205 zugeordnet ist (wenn das mobile Objekt 205 nicht das Fahrzeug 105 ist), empfangen. In einem derartigen Beispiel beinhalten die Bilddaten die Umgebung vor dem mobilen Objekt 205. Der Computer 110 kann auf Grundlage des Detektierens eines Übergangs von einem Oberflächentyp zu einem anderen Oberflächentyp, z. B. unter Verwendung von Bilderkennungstechniken, vor dem mobilen Objekt 205 bestimmen, dass sich das mobile Objekt 205 der Eisschicht 210 nähert. Zum Beispiel kann der Computer 110 auf Grundlage des Detektierens eines Übergangs von einer Bodenfläche (oder Wasserfläche) zu einer Eisfläche in den Bilddaten bestimmen, dass sich das mobile Objekt 205 der Eisschicht 210 nähert. Nach dem Bestimmen, dass sich das mobile Objekt 205 der Eisschicht 210 nähert oder sich innerhalb des Geofence für die Eisschicht 210 befindet, ist der Computer 110 dazu programmiert, eine Art des mobilen Objekts 205 zu bestimmen. In einem Beispiel, in dem das mobile Objekt 205 das Fahrzeug 105 ist, kann der Computer 110 z. B. in einem Speicher eine Art des Fahrzeugs 105 speichern, z. B. ein Auto, einen Lastwagen, ein Schiff, ein Schneemobil usw. In einem Beispiel, in dem das mobile Objekt 205 ein Fußgänger oder das zweiten Fahrzeug 155 ist, kann der Computer 110 eine Nachricht von einem Computer 145, 160, der dem mobilen Objekt 205 zugeordnet ist, empfangen, die die Art des mobilen Objekts 205 spezifiziert. Zusätzlich oder alternativ kann der Computer 110 Daten der Sensoren 115, z. B. Bilddaten, einer Umgebung um das Fahrzeug 105 herum empfangen. Die Bilddaten können das mobile Objekt 205 beinhalten. Zum Beispiel können Objektklassifizierungs- oder - identifizierungstechniken z. B. in dem Computer 110 auf Grundlage von Daten von einem LIDAR-Sensor 115, einem Kamerasensor 115 usw. verwendet werden, um eine Art des mobilen Objekts 205 sowie physische Merkmale des mobilen Objekts 205 zu identifizieren. Beliebige geeignete Techniken können dazu verwendet werden, Daten eines Sensors 115 zu interpretieren. Zum Beispiel können Kamera- und/oder LIDAR-Bilddaten einer Klassifizierungsvorrichtung bereitgestellt werden, die Programmierung zur Nutzung einer oder mehrerer konventioneller Bildklassifizierungstechniken umfasst. Zum Beispiel kann der Klassifikator eine Technik des maschinellen Lernens verwenden, bei der Daten, von denen bekannt ist, dass sie verschiedene Objekte 205 darstellen, einem Programm des maschinellen Lernens zum Trainieren des Klassifikators bereitgestellt werden. Sobald der Klassifikator trainiert wurde, kann dieser Daten eines Fahrzeugsensors 115, z. B. ein Bild, als Eingabe heranziehen und dann für jede von einer oder mehreren jeweiligen relevanten Regionen in dem Bild eine Identifizierung eines Objekts 205 oder eine Angabe, dass in der jeweiligen relevanten Region kein Objekt 205 vorhanden ist, als Ausgabe bereitstellen. Ferner kann ein Koordinatensystem (z. B. ein polares oder kartesisches), das auf einen Bereich in der Nähe des Fahrzeugs 105 angewendet wird, angewendet werden, um Standorte und/oder Bereiche (z. B. gemäß dem Koordinatensystem des Fahrzeugs 105, umgewandelt in globale Breiten- und Längengrad-Geokoordinaten usw.) eines Benutzers, der anhand der Daten eines Sensors 115 identifiziert wurde, zu spezifizieren. Weiterhin könnte der Computer 110 verschiedene Techniken zum Fusionieren (d. h. Integrieren in ein gemeinsames Koordinatensystem oder einen gemeinsamen Referenzrahmen) von Daten von unterschiedlichen Sensoren 115 und/oder Arten von Sensoren 115, z. B. LIDAR-, Radar- und/oder optische Kameradaten, einsetzen. Zusätzlich zum Bestimmen der Art des mobilen Objekts 205 ist der Computer 110 dazu programmiert, einen oder mehrere Sensoren 115 zu betätigen, um Daten, die die Eisschicht 210 beinhalten, zu erhalten. Das heißt, das Fahrzeug 105 ist derart positioniert, dass das/die Sichtfeld(er) des Sensors/der Sensoren 115 die Eisschicht 210 beinhaltet/beinhalten, z. B. unabhängig davon, ob das Fahrzeug 105 das mobile Objekt 205 ist. Der Computer 110 kann verschiedene Sensoren 115 betätigen, um entsprechende Datenarten zu erhalten. Insbesondere kann der Computer 110 dazu programmiert sein, einen Wärmebildsensor 115 zu betätigen, der so positioniert ist, dass er der Eisschicht 210 zugewandt ist. Das heißt, der Wärmebildsensor 115 ist so positioniert, dass er von der Eisschicht 210 emittierte Infrarotstrahlung detektiert. Der Computer 110 kann ein Wärmebild auf Grundlage der durch den Wärmebildsensor 115 erhaltenen Infrarotdaten generieren. Das heißt, der Computer 110 kann jedes Pixel eines Wärmebildes auf Grundlage der detektierten thermischen Infrarotdaten einem Wert zwischen z. B. 0 und 255 zuweisen. Die thermischen Infrarotdaten in jedem Pixel stellen eine spezifische Temperatur dar, z. B. eine Schwarzkörpertemperatur auf Grundlage einer in dem Pixel detektierten Menge an Infrarotstrahlung. Zusätzlich kann der Computer 110 dazu programmiert sein, andere Sensoren 115 zu betätigen, z. B. einen Radarsensor 115, einen LIDAR-Sensor 115, eine Kamera usw., die so positioniert sind, dass sie der Eisschicht 210 zugewandt sind, z. B. um entsprechende Daten, z. B. elektromagnetische Strahlung, sichtbares Licht usw., um die Eisschicht 210 herum zu detektieren. Der Computer 110 kann dem entfernten Servercomputer 140 das Wärmebild bereitstellen. Zum Beispiel kann der Computer 110 das Wärmebild an den entfernten Servercomputer 140, z. B. über das Netzwerk 135, übermitteln. Der entfernte Servercomputer 140 kann das Wärmebild, z. B. in einem Speicher, speichern. Der entfernte Servercomputer 140 kann Wärmebilder, die von einer Vielzahl von Computern empfangen wurden, verwalten, d. h. in dem Speicher gespeichert halten.
  • Zusätzlich zum Generieren des Wärmebildes bestimmt oder empfängt der Computer 110 Umgebungstemperaturdaten für den Standort des mobilen Objekts 205. Die Umgebungstemperaturdaten können eine aktuelle, d. h. gegenwärtige, Umgebungstemperatur für den Standort des mobilen Objekts 205 und gespeicherte, d. h. frühere, Umgebungstemperaturen für den Standort des mobilen Objekts 205 beinhalten. Als ein Beispiel kann der Computer 110 Daten von einem Temperatursensor 115 an dem Fahrzeug 105 empfangen, die die aktuelle Umgebungstemperatur um das Fahrzeug 105 herum angeben, z. B. wenn das Fahrzeug 105 das mobile Objekt 205 ist. Als ein weiteres Beispiel kann der Computer 110, wenn das Fahrzeug 105 nicht das mobile Objekt 205 ist, die aktuelle Umgebungstemperatur für den Standort des mobilen Objekts 205 z. B. von einem entfernten Servercomputer 140, dem Computer 145, 160, der dem mobilen Objekt 205 zugeordnet ist, einem anderen Computer an dem Standort des mobilen Objekts 205 (oder innerhalb einer festgelegten Entfernung davon) usw. empfangen. In einem derartigen Beispiel kann der entfernte Servercomputer 140 z. B. über das Netzwerk 135 die aktuelle Umgebungstemperatur für den Standort des mobilen Objekts 205 empfangen, z. B. von dem Computer 145, 160, der dem mobilen Objekt 205 zugeordnet ist. Der entfernte Servercomputer 140 kann dann Umgebungstemperaturdaten für den Standort, z. B. in einem Speicher, speichern. Zusätzlich kann der Computer 110 gespeicherte Umgebungstemperaturen für den Standort des mobilen Objekts 205 empfangen, z. B. von dem entfernten Servercomputer 140. Zum Beispiel kann der entfernte Servercomputer 140 die Umgebungstemperaturdaten für einen festgelegten Zeitraum, z. B. bestimmt auf Grundlage von Kalendertagen, aufeinanderfolgenden Tagen mit der Umgebungstemperatur bei oder unter einer spezifizierten Temperatur (z. B. 32 Grad Fahrenheit) usw. verwalten, d. h. in dem Speicher gespeichert halten.
  • Um (eine) Region(en) 215 der Eisschicht 210 zu identifizieren, gibt der Computer 110 das Wärmebild und die Umgebungstemperaturdaten in ein neuronales Netz 500 ein, wie etwa ein tiefes neuronales Netz (deep neural network - DNN). (Siehe 5). Zusätzlich zu dem Wärmebild und den Umgebungstemperaturdaten kann der Computer 110 andere Daten der Sensoren 115, z. B. Lidardaten, Radardaten usw., und/oder gespeicherte Wärmebilder, die z. B. von dem entfernten Servercomputer 140 empfangen werden, in das DNN 500 eingeben. Das DNN 500 kann dazu trainiert werden, die Daten der Sensoren 115, insbesondere das Wärmebild, und die Umgebungstemperaturdaten als Eingabe heranzuziehen und eine Ausgabe zu generieren, die eine oder mehrere Regionen 215 der Eisschicht 210 und geschätzte Dicken für die entsprechenden Regionen 215 identifiziert. Eine Region 215 der Eisschicht 210 ist ein Bereich der Eisschicht 210, der eine im Wesentlichen einheitliche Dicke aufweist.
  • Nach dem Identifizieren der Region(en) 215 kann der Computer 110 die Region(en) 215 auf Grundlage des mobilen Objekts 205 und der geschätzten Dicke des jeweiligen Bereichs 215 klassifizieren. Jede Region 215 kann als bevorzugt oder nicht bevorzugt klassifiziert werden. Eine „bevorzugte“ Region 215a ist ein Bereich der Eisschicht 210, der es dem mobilen Objekt 205 ermöglichen kann, die Eisschicht 210 zu durchqueren. Eine „nicht bevorzugte“ Region 215b ist ein Bereich der Eisschicht 210, der verhindern kann, dass das mobile Objekt 205 die Eisschicht 210 durchquert.
  • Um eine Region 215 zu klassifizieren, kann der Computer 110 die geschätzte Dicke einer Region 215 mit einer Schwellendicke vergleichen. In einem Beispiel, in dem das mobile Objekt 205 ein Fußgänger oder ein Landfahrzeug ist (siehe 2A und 2C), kann der Computer 110 auf Grundlage dessen, dass die geschätzte Dicke größer oder gleich der Schwellendicke ist, bestimmen, dass die Klassifizierung des Bereichs 215 bevorzugt ist. Zusätzlich kann der Computer 110 auf Grundlage dessen, dass die geschätzte Dicke geringer als die Schwellendicke ist, bestimmen, dass die Klassifizierung des Bereichs 215 nicht bevorzugt ist. In einem Beispiel, in dem das mobile Objekt 205 ein Wasserfahrzeug ist (siehe 2B), kann der Computer 110 auf Grundlage dessen, dass die geschätzte Dicke größer oder gleich der Schwellendicke ist, bestimmen, dass die Klassifizierung des Bereichs 215 nicht bevorzugt ist. Zusätzlich kann der Computer 110 auf Grundlage dessen, dass die geschätzte Dicke geringer als die Schwellendicke ist, bestimmen, dass die Klassifizierung des Bereichs 215 bevorzugt ist.
  • Der Computer 110 kann zum Beispiel die Schwellendicke auf Grundlage einer Eigenschaft des mobilen Objekts 205 bestimmen. Eine Eigenschaft bedeutet hierin eine Messung eines physikalischen Phänomens, d. h. einer physikalischen Größe, für das mobile Objekt 205. Viele unterschiedliche Eigenschaften können auf Grundlage der Art des mobilen Objekts 205 bestimmt werden. Nicht einschränkende Beispiele für Eigenschaften eines mobilen Objekts beinhalten Abmessungen (z. B. Länge, Breite, Höhe), ein Gewicht, eine Geschwindigkeit, eine Beschleunigung, einen Reifendruck, einen Kontaktbereich (d. h. einen Bereich der Eisschicht 210 in Kontakt mit dem mobilen Objekt 205, während das mobile Objekt 205 die Eisschicht 210 durchquert) usw. Unterschiedliche mobile Objekte 205 können unterschiedlichen Schwellendicken zugeordnet sein. (Siehe 3).
  • In einem Beispiel, in dem das Fahrzeug 105 das mobile Objekt 205 ist, können eine oder mehrere Eigenschaften des mobilen Objekts 205, z. B. in einem Speicher des Computers 110, gespeichert sein. In dieser Situation kann der Computer 110 die eine oder mehreren Eigenschaften des mobilen Objekts 205 durch Zugreifen auf den Speicher bestimmen. Zusätzlich oder alternativ kann der Computer 110 die eine oder mehreren Eigenschaften des mobilen Objekts 205 auf Grundlage eines Empfangens, z. B. über die MMS 118, einer Benutzereingabe, die die Eigenschaft(en) des mobilen Objekts 205 spezifiziert, bestimmen. Zum Beispiel kann der Computer 110 die MMS 118 betätigen, um die Benutzereingabe zu detektieren, die die Eigenschaft(en) des mobilen Objekts 205 spezifiziert, z. B. auf im Wesentlichen dieselbe Weise wie vorstehend erörtert. Zusätzlich oder alternativ kann der Computer 110 eine oder mehrere Eigenschaften des mobilen Objekts 205 auf Grundlage von Daten der Sensoren 115 bestimmen. In dieser Situation kann der Computer 110 Daten der Sensoren 115 empfangen, z. B. Daten eines Reifendrucksensors 115, Daten eines Gewichtssensors 115 usw., die die eine oder mehreren Eigenschaften des mobilen Objekts spezifizieren, und/oder der Computer 110 kann die Eigenschaft(en) des mobilen Objekts 205 unter Verwendung von Objektklassifizierungs- und/oder -identifizierungstechniken, wie vorstehend erörtert, bestimmen.
  • In einem Beispiel, in dem das Fahrzeug 105 nicht das mobile Objekt 205 ist, kann der Computer 110 die Eigenschaft(en) des mobilen Objekts 205 von dem Computer 145, 160, die dem mobilen Objekt 205 zugeordnet sind, empfangen, z. B. über das Netzwerk 135, V2V-Kommunikation usw. In dieser Situation kann der Computer 145, 160, der dem mobilen Objekt 205 zugeordnet ist, die Eigenschaft(en) des mobilen Objekts 205 im Wesentlichen auf die gleiche Weise wie eben erörtert bestimmen.
  • Der Computer 110 kann eine Lookup-Tabelle oder dergleichen verwalten, die verschiedene Eigenschaften des mobilen Objekts 205 und Arten von mobilen Objekten 205 entsprechenden Schwellendicken zuordnet. Nach dem Bestimmen der Eigenschaft(en) des mobilen Objekts 205 kann der Computer 110 auf die Lookup-Tabelle zugreifen und die Schwellendicke bestimmen. Zum Beispiel kann der Computer 110 die Schwellendicke auswählen, die einer oder mehreren gespeicherten Eigenschaften des mobilen Objekts 205 und einer gespeicherten Art des mobilen Objekts 205 zugeordnet ist, die der/den bestimmten Eigenschaft(en) des mobilen Objekts 205 und der bestimmten Art des mobilen Objekts 205 entsprechen, d. h. damit übereinstimmen
  • Zusätzlich kann der Computer 110 die Schwellendicke auf Grundlage einer Benutzereingabe bestimmen, die die Schwellendicke spezifiziert. In einem derartigen Beispiel kann die Benutzereingabe die Schwellendicke so spezifizieren, dass sie größer oder gleich der Schwellendicke ist, die auf Grundlage der Eigenschaft des mobilen Objekts 205 bestimmt wird. Das heißt, der Computer 110 kann bestimmen, die Schwellendicke auf Grundlage der Benutzereingabe zu erhöhen.
  • In einem Beispiel, in dem das Fahrzeug 105 das mobile Objekt 205 ist, kann der Computer 110 die MMS 118 betätigen, um die Benutzereingabe zu detektieren, die die Schwellendicke spezifiziert. Zum Beispiel kann die MMS 118 durch den Computer 110 betätigt und/oder angewiesen werden, um virtuelle Tasten und/oder einen anderen geeigneten Eingabemechanismus auf einer Touchscreen-Anzeige anzuzeigen, die der Benutzer auswählen kann, um die Schwellendicke zu spezifizieren. Anders ausgedrückt kann die MMS 118 die Sensoren 115 anschalten, die detektieren können, dass der Benutzer die virtuellen Tasten auswählt, um die Schwellendicke zu spezifizieren. Nach dem Detektieren der Benutzereingabe kann die MMS 118 die Benutzereingabe am Computer 110 bereitstellen und der Computer 110 kann die Schwellendicke zum Klassifizieren der Region(en) 215 der Eisschicht 210 bestimmen.
  • In einem Beispiel, in dem das Fahrzeug 105 nicht das mobile Objekt 205 ist, kann der Computer 110 eine Nachricht, die die Benutzereingabe spezifiziert, von dem Computer 145, 160, der dem mobilen Objekt 205 zugeordnet ist, empfangen. In einem derartigen Beispiel kann der Computer 145, 160, der dem mobilen Objekt 205 zugeordnet ist, die Benutzereingabe im Wesentlichen auf die gleiche Weise wie gerade erörtert bestimmen. Nach dem Bestimmen der Benutzereingabe kann der Computer 145, 160, der dem mobilen Objekt 205 zugeordnet ist, die Benutzereingabe am Computer 110 bereitstellen, z. B. über das Netzwerk 135, V2V-Kommunikation usw.
  • Nach dem Klassifizieren der Region(en) 215 der Eisschicht 210 kann der Computer 110 die Klassifizierungen ausgeben. Zum Beispiel kann der Computer 110 die MMS 118 betätigen, um Kartendaten der Eisschicht 210 anzuzeigen, die die Regionen 215 und die entsprechenden Klassifizierungen spezifizieren. Zum Beispiel kann die MMS 118 Kartendaten anzeigen, die die bevorzugten Regionen 215a und die nicht bevorzugten Regionen 215b beschriften. (Siehe 4A). Zusätzlich oder alternativ kann der Computer 110 die Klassifizierungen z. B. über das Netzwerk 135 an den entfernten Servercomputer 140, die Benutzervorrichtung 145, den zweiten Computer 160 usw. bereitstellen. In einem Beispiel, in dem das Fahrzeug 105 nicht das mobile Objekt 205 ist, kann der Computer 145, 160, der dem mobilen Objekt 205 zugeordnet ist, nach dem Empfangen der Klassifizierungen von dem Computer 110 dazu programmiert sein, die Klassifizierungen auszugeben (siehe 4B), wie eben erörtert. Der Computer 110 kann dazu programmiert sein, die Karte der Eisschicht 210, die z. B. in dem Speicher des Computers 110 gespeichert ist, von dem entfernten Servercomputer 140 empfangen wird usw. zu aktualisieren, um die Region(en) 215 der Eisschicht 210 und die entsprechende(n) Klassifizierung(en) zu spezifizieren. Zum Beispiel kann der Computer 110 die Region(en) 215, d. h. Geokoordinaten, die die Region(en) 215 spezifizieren, auf Grundlage der Ausgabe von dem DNN 500 aktualisieren. Zusätzlich kann der Computer 110 die Klassifizierung(en) für die entsprechende(n) Region(en) 215 auf Grundlage der bestimmten Klassifizierung(en) aktualisieren. Der Computer 110 kann die aktualisierte Karte z. B. in einem Speicher des Computers 110 speichern. Zusätzlich oder alternativ kann der Computer 110 dem entfernten Servercomputer 140 die aktualisierte Karte bereitstellen, z. B. über das Netzwerk 135.
  • Zusätzlich kann der Computer 110 einen geplanten Weg P für das mobile Objekt 205 auf Grundlage der Klassifizierungen generieren. Der Computer 110 bestimmt den geplanten Weg P derart, dass das mobile Objekt 205 nicht bevorzugte Regionen 215 meidet, während es sich entlang des geplanten Wegs P bewegt. Das heißt, der geplante Weg P kann darauf beschränkt sein, sich über bevorzugte Regionen 215 zu erstrecken. Zum Beispiel kann der geplante Weg P das mobile Objekt 205 anweisen, sich über bevorzugte Regionen 215 zu bewegen und nicht bevorzugte Regionen 215 zu meiden. Nach dem Bestimmen des geplanten Wegs P kann der Computer 110 den geplanten Weg P ausgeben. Zum Beispiel kann der Computer 110 die MMS 118 betätigen, um eine Darstellung des geplanten Wegs P anzuzeigen (siehe 4A).
  • Zusätzlich oder alternativ kann der Computer 110 den geplanten Weg P z. B. über das Netzwerk 135 an den entfernten Servercomputer 140, die Benutzervorrichtung 145, den zweiten Computer 160 usw. bereitstellen. In einem Beispiel, in dem das Fahrzeug 105 nicht das mobile Objekt 205 ist, kann der Computer 145, 160, der dem mobilen Objekt 205 zugeordnet ist, nach dem Empfangen des geplanten Wegs P von dem Computer 110 dazu programmiert sein, den geplanten Weg P auszugeben (siehe 4B), wie vorstehend erörtert. Im hierin verwendeten Sinne ist ein „Weg“ ein Satz von Punkten, der z. B. als Koordinaten in Bezug auf ein Fahrzeugkoordinatensystem und/oder Geokoordinaten spezifiziert sein kann, zu deren Bestimmung mit einem herkömmlichen Navigations- und/oder Wegplanungsalgorithmus der Computer 110 programmiert ist. Ein Weg kann gemäß einem oder mehreren Wegpolynomen spezifiziert sein. Ein Wegpolynom ist eine Polynomfunktion dritten oder niedrigeren Grades, die die Bewegung eines Fahrzeugs auf einer Bodenfläche beschreibt. Die Bewegung eines Fahrzeugs auf einer Fahrbahn wird durch einen mehrdimensionalen Zustandsvektor beschrieben, der Fahrzeugstandort, -ausrichtung, - geschwindigkeit und -beschleunigung beinhaltet. Insbesondere kann der Fahrzeugbewegungsvektor Positionen in x, y, z, Gieren, Nicken, Rollen, Gierrate, Nickrate, Rollrate, Kursgeschwindigkeit und Kursbeschleunigung beinhalten, die bestimmt werden können, indem zum Beispiel eine Polynomfunktion an aufeinanderfolgende 2D-Standorte, die in dem Fahrzeugbewegungsvektor beinhaltet sind, in Bezug auf die Bodenfläche angepasst wird.
  • Bei dem Wegpolynom p(x) handelt es sich zum Beispiel ferner um ein Modell, das den Weg als eine durch eine Polynomgleichung gezeichnete Linie vorhersagt. Das Wegpolynom p(x) sagt den Weg für eine vorbestimmte bevorstehende Strecke x vorher, indem es eine seitliche Koordinate p bestimmt, die z. B. in Metern gemessen wird: p ( x ) = a 0 + a 1 x + a 2 x 2 + a 3 x 3
    Figure DE102023104651A1_0001
    wobei a0 ein Versatz ist, d. h. eine laterale Entfernung zwischen dem Weg und einer Mittellinie des Fahrzeugs 105 auf der bevorstehenden Strecke x, a1 ein Kurswinkel des Wegs ist, a2 die Krümmung des Wegs ist und a3 die Krümmungsrate des Wegs ist.
  • In einem Beispiel, in dem das Fahrzeug 105 das mobile Objekt 205 ist, kann der Computer 110 dazu programmiert sein, das Fahrzeug 105 entlang des geplanten Wegs P zu betreiben. Das heißt, der Computer 110 kann eine oder mehrere Fahrzeugkomponenten 125 betätigen, um das Fahrzeug 105 entlang des geplanten Wegs P zu bewegen. In einem derartigen Beispiel kann der Computer 110 eine oder mehrere Fahrzeugkomponenten 125 betätigen, um das Fahrzeug 105 an einem Ziel und/oder an einem oder mehreren Wegpunkten entlang des geplanten Wegs P anzuhalten. Der Computer 110 kann zum Beispiel einen oder mehrere Wegpunkte auf Grundlage des Empfangens, z. B. über die MMS 118, einer Benutzereingabe, die den/die Wegpunkt(e) spezifiziert, bestimmen. Als ein weiteres Beispiel kann der Computer 110 einen oder mehrere Wegpunkte auf Grundlage des Bestimmens eines oder mehrerer Punkte entlang des geplanten Wegs P bestimmen, der der geschätzten Dicke der Eisschicht 210 entspricht, die eine maximale Dicke aufweist.
  • Der Computer 110 kann einen zukünftigen Zeitpunkt, zu dem die Klassifizierung einer Region 215 zwischen bevorzugt und nicht bevorzugt wechseln wird, auf Grundlage der Eigenschaft(en) des mobilen Objekts 205 und vorhergesagter Umgebungstemperaturdaten vorhersagen. Zum Beispiel kann der Computer 110 vorhergesagte Umgebungstemperaturdaten, d. h. eine Vorhersage, für den Standort des mobilen Objekts 205 empfangen. Die vorhergesagten Umgebungstemperaturdaten können erwartete Umgebungstemperaturen für den Standort in festgelegten Zeitintervallen, z. B. 15 Minuten, eine Stunde usw., für eine festgelegte Zeitdauer, z. B. einen Tag, eine Woche usw. spezifizieren. Der Computer 110 kann dann eine Dicke für die Region 215 zu jedem spezifizierten Zeitintervall auf Grundlage der geschätzten Dicke für die Region 215 und der entsprechenden vorhergesagten Umgebungstemperatur vorhersagen, z. B. unter Verwendung bekannter thermodynamischer Berechnungsverfahren und/oder bekannter Vorhersagemodelle für das Eiswachstum, z. B. wie unter http://lakeice.squarespace.com/ice-growth/, und/oder Eistau, z. B. wie zum Zeitpunkt der Einreichung dieser Anmeldung unter http://lakeice.squarespace.com/thalwed-ice/ beschrieben.
  • Nach dem Vorhersagen der Dicke der Eisschicht 210 zu jedem spezifizierten Zeitintervall der vorhergesagten Umgebungstemperaturdaten kann der Computer 110 jede vorhergesagte Dicke mit der Schwellendicke vergleichen. Wenn die Region 215 als bevorzugt klassifiziert ist, kann der Computer 110 vorhersagen, dass die Region 215 zwischen spezifizierten Zeitintervallen, in denen die vorhergesagte Dicke des Bereichs 215 unter die Schwellendicke abnimmt, zu nicht bevorzugt wechseln wird. Wenn die Region 215 als nicht bevorzugt klassifiziert ist, kann der Computer 110 vorhersagen, dass die Region 215 zwischen spezifizierten Zeitintervallen, in denen die vorhergesagte Dicke des Bereichs 215 über die Schwellendicke zunimmt, zu bevorzugt wechseln wird.
  • Nach dem Vorhersagen des zukünftigen Zeitpunkts, zu dem die Region 215 zwischen bevorzugt und nicht bevorzugt wechseln wird, kann der Computer 110 den zukünftigen Zeitpunkt und die vorhergesagte Klassifizierung für die Region 215 ausgeben. Zum Beispiel kann der Computer 110 die MMS 118 betätigen, um den zukünftigen Zeitpunkt und die vorhergesagte Klassifizierung anzuzeigen. Zusätzlich oder alternativ kann der Computer 110 den zukünftigen Zeitpunkt und die vorhergesagte Klassifizierung z. B. über das Netzwerk 135 an den entfernten Servercomputer 140, die Benutzervorrichtung 145, den zweiten Computer 160 usw. bereitstellen. In einem Beispiel, in dem das Fahrzeug 105 nicht das mobile Objekt 205 ist, kann der Computer 145, 160, der dem mobilen Objekt 205 zugeordnet ist, nach dem Empfangen des zukünftigen Zeitpunks und der vorhergesagten Klassifizierung für die Region 215 dazu programmiert sein, den zukünftigen Zeitpunkt und die vorhergesagte Klassifizierung für die Region 215 auszugeben, wie vorstehend erörtert.
  • Nach dem Vorhersagen, dass eine bevorzugte Region 215 zu einem zukünftigen Zeitpunkt in eine nicht bevorzugte Region 215b wechseln wird, kann der Computer 110 dazu programmiert sein, eine Warnung vor dem zukünftigen Zeitpunkt auszugeben, z. B. um eine Zeitdauer, die durch eine Benutzereingabe, die z. B. über die MMS 118, von dem Computer 145, 160, der dem mobilen Objekt 205 zugeordnet ist, von dem entfernten Servercomputer 140 usw. empfangen wird, spezifiziert ist. Die Warnung kann angeben, dass das mobile Objekt 205 von einer aktuellen Region 215 zu einer anderen Region 215 bewegt werden soll, für die vorhergesagt wird, dass sie zu einem späteren Zeitpunkt bevorzugt ist. Als ein Beispiel kann der Computer 110 eine oder mehrere Fahrzeugkomponenten 125, z. B. Lautsprecher, Leuchten, eine Hupe usw., betätigen, um die Warnung auszugeben. Zusätzlich oder alternativ kann der Computer 110 eine Nachricht an den Computer 145, 160 senden, der dem mobilen Objekt 205 zugeordnet ist. In dieser Situation kann der Computer 145, 160, der dem mobilen Objekt 205 zugeordnet ist, eine oder mehrere Komponenten, z. B. Lautsprecher, Leuchten usw., betätigen, um die Warnung auszugeben.
  • Zusätzlich oder alternativ kann der Computer 110 einen aktualisierten Weg P für das mobile Objekt 205 zu dem zukünftigen Zeitpunkt auf Grundlage der vorhergesagten Klassifizierungen für die Regionen 215 zu dem zukünftigen Zeitpunkt bestimmen. Der Computer 110 kann den aktualisierten Weg P im Wesentlichen auf die gleiche Weise wie vorstehend erörtert bestimmen. Nach dem Bestimmen des aktualisierten Wegs P kann der Computer 110 den aktualisierten Weg P ausgeben, wie vorstehend erörtert. Zusätzlich oder alternativ kann der Computer 110 den aktualisierten Weg P z. B. über das Netzwerk 135 an den entfernten Servercomputer 140, die Benutzervorrichtung 145, den zweiten Computer 160 usw. bereitstellen. In einem Beispiel, in dem das Fahrzeug 105 nicht das mobile Objekt 205 ist, kann der Computer 145, 160, der dem mobilen Objekt 205 zugeordnet ist, nach dem Empfangen des aktualisierten Wegs P von dem Computer 110 dazu programmiert sein, den aktualisierten Weg P auszugeben, wie vorstehend erörtert.
  • Der Computer 110 kann auf Grundlage von Daten der Sensoren 115 bestimmen, dass das mobile Objekt 205 in einer Region 215 stationär, d. h. angehalten, ist. In einem Beispiel, in dem das Fahrzeug 105 das mobile Objekt 205 ist, kann der Computer 110 Daten von einem oder mehreren Sensoren 115, z. B. einem Raddrehzahlsensor 115, Sensoren 115 mit variabler Reluktanz, Tachogeneratoren usw., empfangen, die angeben, dass das Fahrzeug 105 angehalten wird. In einem Beispiel, in dem das Fahrzeug 105 nicht das mobile Objekt 205 ist, kann der Computer 110 Sensordaten von dem Computer 145, 160, der dem mobilen Objekt 205 zugeordnet ist, empfangen, die eine Geschwindigkeit des mobilen Objekts 205 spezifizieren. Auf Grundlage der empfangenen Sensordaten, die angeben, dass das mobile Objekt 205 angehalten ist, kann der Computer 110 bestimmen, dass das mobile Objekt 205 stationär ist. Nach dem Bestimmen, dass das mobile Objekt 205 stationär ist, kann der Computer 110 die Region 215 auf Grundlage eines Vergleichs eines Standorts des mobilen Objekts 205 mit einer Begrenzung für die Region 215 identifizieren, die z. B. über das DNN 500 ausgegeben wird. Zusätzlich kann der Computer 110 einen Zeitgeber einleiten. Eine Dauer des Zeitgebers kann empirisch bestimmt werden, z. B. auf Grundlage von Tests, die das Bestimmen einer Zeitdauer ermöglichen, innerhalb derer sich ein Vorhandensein eines mobilen Objekts 205 wahrscheinlich auf eine Dicke einer Eisschicht 210 auswirkt (z. B. auf Grundlage einer Temperatur des mobilen Objekts 205). Die Dauer des Zeitgebers kann z. B. in einem Speicher des Computers 110 gespeichert sein. Der Computer 110 kann den Zeitgeber zurücksetzen, wenn detektiert wird, dass das mobile Objekt 205 die Region 215 verlässt, z. B. auf Grundlage von Daten der Sensoren 115 (wie vorstehend erörtert).
  • Nach Ablauf des Zeitgebers kann der Computer 110 eine aktualisierte Klassifizierung für die Region 215, in der sich das mobile Objekt 205 befindet, auf Grundlage einer aktualisierten Umgebungstemperatur und einer Temperatur für das mobile Objekt 205 bestimmen. Die aktualisierte Umgebungstemperatur ist die Umgebungstemperatur, die erhalten wird, wenn der Zeitgeber abläuft. Der Computer 110 kann die aktualisierte Umgebungstemperatur aus Daten der Sensoren 115, von einem entfernten Servercomputer 140, dem Computer 145, 160, der dem mobilen Objekt 205 zugeordnet ist, usw. erhalten, wie vorstehend erörtert. Der Computer 110 kann die Temperatur des mobilen Objekts 205 auf Grundlage von Daten der Sensoren 115 bestimmen. In einem Beispiel, in dem das Fahrzeug 105 das mobile Objekt 205 ist, kann der Computer 110 Temperaturdaten von einem oder mehreren Sensoren 115 empfangen, die eine Temperatur des Fahrzeugs 105 oder einer oder mehrerer seiner Komponenten 125 angeben. In einem Beispiel, in dem das Fahrzeug 105 nicht das mobile Objekt 205 ist, kann der Computer 110 ein nachfolgendes Wärmebild erhalten, das das mobile Objekt 205 beinhaltet. Der Computer 110 kann dann die Temperatur des mobilen Objekts 205 auf Grundlage des Wärmebildes bestimmen, z. B. gemäß bekannten Bildverarbeitungstechniken. Zusätzlich oder alternativ kann der Computer 110 Temperaturdaten des mobilen Objekts 205, z. B. von dem Computer 145, 160, der dem mobilen Objekt 205 zugeordnet ist, empfangen.
  • Auf Grundlage der aktualisierten Umgebungstemperatur und der Temperatur des mobilen Objekts 205 kann der Computer 110 eine aktualisierte geschätzte Dicke der Region 215 bestimmen, z. B. unter Verwendung bekannter thermodynamischer Berechnungstechniken und/oder bekannter Umgebungsvorhersagemodelle, wie vorstehend erörtert. Der Computer 110 kann dann die aktualisierte geschätzte Dicke mit der Schwellendicke vergleichen. Der Computer 110 kann dann die Klassifizierung der Region 215 auf Grundlage des Vergleichs der aktualisierten geschätzten Dicke mit der Schwellendicke aktualisieren, z. B. im Wesentlichen auf die gleiche Weise wie vorstehend erörtert.
  • Nach dem Bestimmen der aktualisierten Klassifizierung für die Region 215 kann der Computer 110 den die aktualisierte Klassifizierung ausgeben, wie vorstehend erörtert. Zusätzlich oder alternativ kann der Computer 110 die aktualisierte Klassifizierung z. B. über das Netzwerk 135 an den entfernten Servercomputer 140, die Benutzervorrichtung 145, den zweiten Computer 160 usw. bereitstellen. Zusätzlich oder alternativ kann der Computer 110 dazu programmiert sein, die Warnung auszugeben und/oder eine Nachricht an den Computer 145, 160, der dem mobilen Objekt 205 zugeordnet ist, zu senden, die die Warnung auf Grundlage der aktualisierten Klassifizierung spezifiziert, wie vorstehend erörtert. Zusätzlich oder alternativ kann der Computer 110 einen aktualisierten geplanten Weg P für das mobile Objekt 205 auf Grundlage der aktualisierten Klassifizierung bestimmen, wie vorstehend erörtert. Zusätzlich oder alternativ kann der Computer 110 die Karte auf Grundlage der aktualisierten Klassifizierung aktualisieren, wie vorstehend erörtert. Zusätzlich oder alternativ kann der Computer 110 einen aktualisierten zukünftigen Zeitpunkt vorhersagen, zu dem die Region 215 auf Grundlage der aktualisierten Klassifizierung zwischen bevorzugt und nicht bevorzugt wechseln wird, wie vorstehend erörtert.
  • Der entfernte Servercomputer 140 kann dazu programmiert sein, die Kartendaten der Eisschicht 210, die z. B. in dem zweiten Speicher gespeichert sind, auf Grundlage von aggregierten Daten zu generieren (und/oder zu aktualisieren). Mit aggregierten Daten sind Daten von einer Vielzahl von Computern 110 gemeint, die Nachrichten bereitstellen und dann die Ergebnisse (z. B. durch Mitteln und/oder Verwenden einer anderen statistischen Maßnahme) kombinieren. Das heißt, der entfernte Servercomputer 140 kann dazu programmiert sein, Nachrichten von einer Vielzahl von Computern 110 zu empfangen, die eine oder mehrere Regionen 215 einer Eisschicht 210 und eine jeweilige geschätzte Dicke für jede Region 215 auf Grundlage von Daten des Fahrzeugs 105 aus einer Vielzahl von Fahrzeugen 105 angeben. Auf Grundlage der aggregierten Daten, die die jeweiligen geschätzten Dicken der entsprechenden Regionen 215 der Eisschicht 210 angeben (z. B. eine durchschnittliche Anzahl von Nachrichten, ein Prozentsatz von Nachrichten usw., die die geschätzten Dicken der entsprechenden Regionen 215 angeben) und Nutzen der Tatsache, dass Nachrichten von unterschiedlichen Fahrzeugen 105 unabhängig voneinander bereitgestellt werden, kann der entfernte Servercomputer 140 die Kartendaten generieren (und/oder aktualisieren), um die Eisschicht 210 und die geschätzten Dicken der entsprechenden Regionen 215 auf Grundlage der Daten des Fahrzeugs 105 zu spezifizieren. Der entfernte Servercomputer 140 kann dann die Kartendaten z. B. über das Netzwerk 135 an eine Vielzahl von Fahrzeugen 105, einschließlich des Fahrzeugs 105, übertragen.
  • 5 ist ein Diagramm eines beispielhaften tiefen neuronalen Netzes (DNN) 500, das trainiert werden kann, um Regionen 215 einer Eisschicht 210 zu identifizieren und Dicken für die Regionen 215 auf Grundlage von Daten der Sensoren 115 und insbesondere eines Wärmebildes, das die Eisschicht 210 beinhaltet, und Umgebungstemperaturdaten zu schätzen. Bei dem DNN 500 kann es sich beispielsweise um ein Softwareprogramm handeln, das in den Speicher geladen und durch einen Prozessor, der in einem Computer beinhaltet ist, ausgeführt werden kann. In einer beispielhaften Umsetzung kann das DNN 500 unter anderem ein neuronales Faltungsnetz (CNN), R-CNN (regionenbasiertes CNN), schnelles R-CNN und schnelleres R-CNN beinhalten. Das DNN 500 beinhaltet mehrere Knoten und die Knoten sind so angeordnet, dass das DNN 500 eine Eingabeschicht, eine oder mehrere verborgene Schichten und eine Ausgabeschicht beinhaltet. Jede Schicht des DNN 500 kann eine Vielzahl von Knoten 505 beinhalten. Während 5 zwei verborgene Schichten veranschaulicht, versteht es sich, dass das DNN 500 zusätzliche oder weniger verborgene Schichten beinhalten kann. Die Eingabe- und Ausgabeschichten für das DNN 500 können mehr als einen Knoten 505 beinhalten.
  • Die Knoten 505 werden gelegentlich als künstliche Neuronen 505 bezeichnet, da sie dazu ausgebildet sind, biologische, z. B. menschliche, Neuronen zu emulieren. Ein Satz von Eingaben (durch die Pfeile dargestellt) an jedem Neuron 505 wird jeweils mit entsprechenden Gewichtungen multipliziert. Die gewichteten Eingaben können dann in einer Eingabefunktion summiert werden, um eine, möglicherweise um eine systematische Abweichung angepasste, Nettoeingabe bereitzustellen. Die Nettoeingabe kann dann an einer Aktivierungsfunktion bereitgestellt werden, die wiederum eine Ausgabe an einem verbundenen Neuron 505 bereitstellt. Bei der Aktivierungsfunktion kann es sich um eine Vielfalt geeigneter Funktionen handeln, die in der Regel auf Grundlage einer empirischen Analyse ausgewählt wird. Wie durch die Pfeile in 5 veranschaulicht, können die Ausgaben des Neurons 505 dann zur Aufnahme in einen Satz von Eingaben in ein oder mehrere Neuronen 505 in einer nächsten Schicht bereitgestellt werden.
  • Als ein Beispiel kann das DNN 500 mit Ground-Truth-Daten trainiert werden, d. h. Daten zu einer realen Bedingung oder einem realen Zustand. Beispielsweise kann das DNN 500 durch einen Prozessor des entfernten Servercomputers 140 mit Ground-Truth-Daten trainiert und/oder mit zusätzlichen Daten aktualisiert werden. Die Gewichtungen können zum Beispiel unter Verwendung einer Gauß-Verteilung initialisiert werden und eine systematische Abweichung für jeden Knoten 505 kann auf null gesetzt werden. Das Trainieren des DNN 500 kann Aktualisieren von Gewichtungen und systematischen Messabweichungen durch geeignete Methoden beinhalten, wie etwa Rückpropagierung mit Optimierungen. Ground-Truth-Daten, die für das Training verwendet werden, können unter anderem Daten beinhalten, die manuell von menschlichen Bedienern als Dicken für Bereiche 215 von Eisschichten 210 in Wärmebildern bei gegebenen Umgebungstemperaturdaten beschriftet sind.
  • Während des Betriebs erhält der Computer 110 ein Wärmebild, das eine Eisschicht 210 beinhaltet, und Umgebungstemperaturdaten für einen Standort eines mobilen Objekts 205, das sich der Eisschicht 210 nähert. Zusätzlich kann der Computer 110 zusätzliche Daten der Sensoren 115, die die Eisschicht 210 beinhalten, empfangen. Der Computer 110 stellt dem DNN 500 das Wärmebild (und zusätzliche Daten der Sensoren 115) und die Umgebungstemperaturdaten bereit. Das DNN 500 generiert eine Ausgabe auf Grundlage der empfangenen Eingabe. Die Ausgabe ist eine Identifizierung einer oder mehrerer Regionen 215 der Eisschicht 210 und entsprechender geschätzter Dicken für die Regionen 215.
  • 6A ist ein erster Abschnitt eines Ablaufdiagramms eines beispielhaften Prozesses 600 (wobei andere Abschnitte in 6B gezeigt sind, da das gesamte Ablaufdiagramm nicht auf ein einzelnes Zeichnungsblatt passt), der in einem Computer 110 gemäß Programmanweisungen, die in einem Speicher davon gespeichert sind, zum Klassifizieren von Regionen 215 einer Eisschicht 210 ausgeführt wird. Der Prozess 600 beinhaltet mehrere Blöcke, die in der veranschaulichten Reihenfolge ausgeführt werden können. Der Prozess 600 könnte alternativ oder zusätzlich weniger Blöcke beinhalten oder kann beinhalten, dass die Blöcke in anderen Reihenfolgen ausgeführt werden.
  • Der Prozess 600 beginnt in einem Block 605. In Block 605 empfängt der Computer 110 Daten von einem oder mehreren Sensoren 115, z. B. über ein Fahrzeugnetzwerk, von einem entfernten Servercomputer 140, z. B. über ein Netzwerk 135, und/oder von einem anderen Computer 145, 160, z. B. über das Netzwerk 135, V2V-Kommunikation, V2X-Kommunikation usw. Zum Beispiel kann der Computer 110 Standortdaten für ein mobiles Objekt 205 empfangen. Wie vorstehend erörtert, kann das mobile Objekt 205 das Fahrzeug 105, ein zweites Fahrzeug 155 oder ein Fußgänger sein. Zusätzlich oder alternativ kann der Computer 110 Bilddaten empfangen, z. B. von einem oder mehreren Sensoren 115. Die Bilddaten können Daten über die Umgebung um das mobile Objekt 205 herum beinhalten. Der Prozess 600 wird in einem Block 610 fortgesetzt.
  • In Block 610 identifiziert der Computer 110 eine Eisschicht 210. Der Computer 110 kann die Eisschicht 210 auf Grundlage der in Block 605 erhaltenen Daten der Sensoren 115 und/oder Kartendaten identifizieren, wie vorstehend erörtert. Der Prozess 600 wird in einem Block 615 fortgesetzt.
  • In Block 615 bestimmt der Computer 110, ob sich das mobile Objekt 205 auf der Eisschicht 210 befindet. Der Computer 110 kann auf Grundlage eines Standorts des mobilen Objekts 205 und eines Geofence der Eisschicht 210 bestimmen, dass sich das mobile Objekt 205 auf der Eisschicht befindet, wie vorstehend erörtert. Wenn sich das mobile Objekt 205 auf der Eisschicht 210 befindet, wird der Prozess 600 in einem Block 625 fortgesetzt. Andernfalls wird der Prozess 600 in einem Block 620 fortgesetzt.
  • In Block 620 bestimmt der Computer, ob sich das mobile Objekt 205 der Eisschicht 210 nähert, d. h. zu dieser hin bewegt. Der Computer 110 kann auf Grundlage von Daten, die angeben, dass sich eine Vorwärtsrichtung des Objekts für das mobile Objekt 205 in Richtung der Eisschicht 210 erstreckt, bestimmen, dass sich das mobile Objekt 205 der Eisschicht 210 nähert, wie vorstehend erörtert. Zusätzlich oder alternativ kann der Computer 110 auf Grundlage dessen, dass sich das mobile Objekt 205 innerhalb einer vorbestimmten Entfernung von der Eisschicht 210 befindet, bestimmen, dass sich das mobile Objekt 205 der Eisschicht 210 nähert, wie vorstehend erörtert. Wenn sich das mobile Objekt 205 der Eisschicht 210 nähert, wird der Prozess 600 in einem Block 625 fortgesetzt. Andernfalls wird der Prozess 600 in einem Block 685 fortgesetzt.
  • In Block 625 generiert der Computer 110 ein Wärmebild der Eisschicht 210 auf Grundlage von Infrarotdaten, die durch einen Wärmebildsensor 115 erhalten werden, der so positioniert ist, dass er der Eisschicht 210 zugewandt ist, wie vorstehend erörtert. Der Computer 110 kann zusätzliche Daten der Sensoren 115 der Eisschicht 210 erhalten, wie vorstehend erörtert. Der Prozess 600 wird in einem Block 630 fortgesetzt.
  • In Block 630 empfängt der Computer 110 Umgebungstemperaturdaten für den Standort des mobilen Objekts 205. Wie vorstehend erörtert, beinhalten die Umgebungstemperaturdaten eine aktuelle Umgebungstemperatur und gespeicherte, d. h. frühere, Umgebungstemperaturen für den Standort. Der Computer 110 kann die Umgebungstemperaturdaten von einem oder mehreren Sensoren 115, z. B. über ein Fahrzeugnetzwerk, von einem entfernten Servercomputer 140, z. B. über ein Netzwerk 135, und/oder von einem anderen Computer 145, 160, z. B. über das Netzwerk 135, V2V-Kommunikation, V2X-Kommunikation usw., wie vorstehend erörtert, empfangen. Der Prozess 600 wird in einem Block 635 fortgesetzt.
  • In Block 635 bestimmt der Computer 110 geschätzte Dicken für eine oder mehrere Regionen 215 der Eisschicht 210. Der Computer 110 gibt die Daten der Sensoren 115, insbesondere das Wärmebild, und die Umgebungstemperaturdaten in das DNN 500 ein und das DNN 500 gibt eine Identifizierung einer oder mehrerer Regionen 215 und eine geschätzte Dicke für die jeweiligen Regionen aus, wie vorstehend erörtert. Der Prozess 600 wird in einem Block 640 fortgesetzt.
  • In Block 640 bestimmt der Computer 110 eine Klassifizierung für jede Region 215. Der Computer 110 kann jede Region 215 auf Grundlage einer Eigenschaft des mobilen Objekts 205 und/oder einer Benutzereingabe als bevorzugt oder nicht bevorzugt klassifizieren, wie vorstehend erörtert. Der Prozess 600 wird in einem Block 645 fortgesetzt.
  • In Block 645 gibt der Computer 110 die Klassifizierungen aus, wie vorstehend erörtert. Zusätzlich kann der Computer 110 einen geplanten Weg für das mobile Objekt 205 auf Grundlage der Klassifizierungen für die identifizierten Regionen 215 bestimmen, wie vorstehend erörtert. In dieser Situation kann der Computer 110 den geplanten Weg ausgeben, wie vorstehend erörtert. Zusätzlich kann der Computer 110 die Kartendaten aktualisieren, um die identifizierten Regionen und die bestimmten Klassifizierungen zu spezifizieren. In einem solchen Beispiel kann der Computer 110 dann die aktualisierten Kartendaten dem entfernten Servercomputer 140 bereitstellen, der die Kartendaten ferner auf Grundlage von aggregierten Daten aktualisieren kann, wie vorstehend erörtert. Der Prozess 600 wird in einem Block 650 fortgesetzt.
  • In Block 650 bestimmt der Computer 110 einen zukünftigen Zeitpunkt, zu dem eine Klassifizierung für eine Region 215 zwischen bevorzugt und nicht bevorzugt wechseln wird. Der Computer 110 kann den zukünftigen Zeitpunkt auf Grundlage von vorhergesagten Umgebungstemperaturdaten und der geschätzten Dicke der Region 215 bestimmen, die über den Block 635 erhalten wurde, wie vorstehend erörtert. Der Prozess 600 wird in einem Block 655 fortgesetzt.
  • In Block 655 gibt der Computer 110 den zukünftigen Zeitpunkt und einen vorhergesagten Zustand der Region zu dem zukünftigen Zeitpunkt aus, wie vorstehend erörtert. Zusätzlich kann der Computer 110 einen aktualisierten Weg für das mobile Objekt 205 zum zukünftigen Zeitpunkt bestimmen und den aktualisierten Weg ausgeben, wie vorstehend erörtert. In einem Beispiel, in dem das Fahrzeug 105 das mobile Objekt 205 ist, kann der Computer 110 das Fahrzeug 105 entlang des aktualisierten Wegs betreiben, wie vorstehend erörtert. Zusätzlich oder alternativ kann der Computer 110 eine Warnung vor dem zukünftigen Zeitpunkt ausgeben, z. B. um eine Zeitdauer, die durch eine Benutzereingabe spezifiziert ist, wie vorstehend erörtert. Die Warnung kann angeben, dass das mobile Objekt 205 von einer aktuellen Region 215 in eine andere Region 215 bewegt werden soll, für die vorhergesagt wird, dass sie zu einem zukünftigen Zeitpunkt bevorzugt sein wird, wie vorstehend erörtert. Der Prozess 600 wird in einem Block 660 fortgesetzt.
  • Unter Bezugnahme auf 6B bestimmt der Computer 110 nach dem in 6A gezeigten Block 655 bei Block 660, ob das mobile Objekt 205 in einer Region 215 stationär ist. Der Computer 110 kann Daten, die angeben, dass das mobile Objekt 205 stationär ist, von einem oder mehreren Sensoren 115, z. B. über ein Fahrzeugnetzwerk, von einem entfernten Servercomputer 140, z. B. über ein Netzwerk 135, und/oder von einem anderen Computer 145, 160, z. B. über das Netzwerk 135, V2V-Kommunikation, V2X-Kommunikation usw., wie vorstehend erörtert, empfangen. Wenn das mobile Objekt 205 stationär ist, leitet der Computer 110 einen Zeitgeber ein und der Prozess 600 wird in einem Block 665 fortgesetzt. Andernfalls wird der Prozess 600 in einem Block 685 fortgesetzt.
  • In Block 665 bestimmt der Computer 110, ob der Zeitgeber abgelaufen ist. Falls der Zeitgeber abgelaufen ist, wird der Prozess 600 in einem Block 670 fortgesetzt. Andernfalls wird der Prozess 600 in einem Block 680 fortgesetzt.
  • In Block 670 bestimmt der Computer 110 eine aktualisierte Klassifizierung für die Region 215 auf Grundlage einer aktualisierten Umgebungstemperatur und einer Temperatur des mobilen Objekts 205, wie vorstehend erörtert. Der Computer 110 kann die Temperatur des mobilen Objekts 205 von einem oder mehreren Sensoren 115, z. B. über ein Fahrzeugnetzwerk, von einem entfernten Servercomputer 140, z. B. über ein Netzwerk 135, und/oder von einem anderen Computer 145, 160, z. B. über das Netzwerk 135, V2V-Kommunikation, V2X-Kommunikation usw., wie vorstehend erörtert, empfangen. Der Prozess 600 wird in einem Block 675 fortgesetzt.
  • In Block 675 gibt der Computer 110 die aktualisierte Klassifizierung für die Region 215 aus. Zusätzlich kann der Computer 110 einen aktualisierten Weg für das mobile Objekt 205 auf Grundlage der aktualisierten Klassifizierung bestimmen, wie vorstehend erörtert. Zusätzlich kann der Computer 110 die Warnung auf Grundlage der aktualisierten Klassifizierung ausgeben, wie vorstehend erörtert. Zusätzlich kann der Computer 110 einen aktualisierten zukünftigen Zeitpunkt vorhersagen, zu dem die Region 215 auf Grundlage der aktualisierten Klassifizierung zwischen bevorzugt und nicht bevorzugt wechseln wird, wie vorstehend erörtert. Der Prozess 600 wird in einem Block 685 fortgesetzt.
  • In Block 680 bestimmt der Computer 110, ob das mobile Objekt 205 in der Region 215 stationär bleibt. Der Block 680 ist im Wesentlichen identisch zu Block 660 des Prozesses 600, mit der Ausnahme, dass der Zeitgeber in Block 680 nicht eingeleitet wird. Wenn der Computer 110 bestimmt, dass das mobile Objekt 205 stationär bleibt, kehrt der Prozess 600 zu Block 665 zurück. Andernfalls setzt der Computer 110 den Zeitgeber zurück und der Prozess 600 wird in dem Block 685 fortgesetzt.
  • Im Block 685 bestimmt der Computer 110, ob der Prozess 600 fortgesetzt werden soll. Zum Beispiel kann der Computer 110 keine Fortsetzung bestimmen, wenn das Fahrzeug 105 ausgeschaltet ist. Umgekehrt kann der Computer 110 eine Fortsetzung bestimmen, wenn das Fahrzeug 105 eingeschaltet ist. Wenn der Computer 110 eine Fortsetzung bestimmt, kehrt der Prozess 600 zu Block 605 zurück. Anderenfalls endet der Prozess 600.
  • Im in dieser Schrift verwendeten Sinne bedeutet der Ausdruck „im Wesentlichen“, dass eine Form, eine Struktur, ein Maß, eine Menge, eine Zeit usw. aufgrund von Mängeln bei Materialien, Bearbeitung, Herstellung, Datenübertragung, Berechnungszeit usw. von einer/einem genauen beschriebenen Geometrie, Abstand, Maß, Menge, Zeit usw. abweichen kann.
  • Im Allgemeinen können die beschriebenen Rechensysteme und/oder -vorrichtungen ein beliebiges aus einer Reihe von Computerbetriebssystemen einsetzen, einschließlich unter anderem Versionen und/oder Varianten der Anwendung Ford Sync®, der Middleware AppLink/Smart Device Link, des Betriebssystems Microsoft Automotive®, des Betriebssystems Microsoft Windows®, des Betriebssystems Unix (z. B. des Betriebssystems Solaris®, vertrieben durch die Oracle Corporation in Redwood Shores, Kalifornien), des Betriebssystems AIX UNIX, vertrieben durch International Business Machines in Armonk, New York, des Betriebssystems Linux, der Betriebssysteme Mac OSX und iOS, vertrieben durch die Apple Inc. in Cupertino, Kalifornien, des BlackBerry OS, vertrieben durch die Blackberry, Ltd. in Waterloo, Kanada, und des Betriebssystems Android, entwickelt durch die Google, Inc. und die Open Handset Alliance, oder der QNX® CAR Platform for Infotainment, angeboten durch QNX Software Systems. Beispiele für Rechenvorrichtungen beinhalten unter anderem einen ersten bordeigenen Computer, einen Computerarbeitsplatz, einen Server, einen Desktop-, Notebook-, Laptop- oder Handheld-Computer oder irgendein anderes Rechensystem und/oder irgendeine andere Rechenvorrichtung.
  • Computer und Rechenvorrichtungen beinhalten im Allgemeinen computerausführbare Anweisungen, wobei die Anweisungen durch eine oder mehrere Rechenvorrichtungen, wie etwa die vorstehend aufgeführten, ausführbar sein können. Computerausführbare Anweisungen können von Computerprogrammen kompiliert oder interpretiert werden, die unter Verwendung einer Vielfalt von Programmiersprachen und/oder -technologien erstellt werden, die unter anderem und entweder allein oder in Kombination Java™, C, C++, Matlab, Simulink, Stateflow, Visual Basic, Java Script, Perl, HTML usw. beinhalten. Einige dieser Anwendungen können auf einer virtuellen Maschine kompiliert und ausgeführt werden, wie etwa der Java Virtual Machine, der Dalvik Virtual Machine oder dergleichen. Im Allgemeinen empfängt ein Prozessor (z. B. ein Mikroprozessor) Anweisungen, z. B. von einem Speicher, einem computerlesbaren Medium usw., und führt diese Anweisungen aus, wodurch er einen oder mehrere Prozesse durchführt, darunter einen oder mehrere der in dieser Schrift beschriebenen Prozesse. Derartige Anweisungen und andere Daten können unter Verwendung einer Vielfalt von computerlesbaren Medien gespeichert und übertragen werden. Eine Datei in einer Rechenvorrichtung ist im Allgemeinen eine Sammlung von Daten, die auf einem computerlesbaren Medium, wie einem Speichermedium, einem Direktzugriffsspeicher usw., gespeichert sind.
  • Ein Speicher kann ein computerlesbares Medium (auch als prozessorlesbares Medium bezeichnet) beinhalten, das ein beliebiges nicht transitorisches (z. B. materielles) Medium beinhaltet, das am Bereitstellen von Daten (z. B. Anweisungen) beteiligt ist, die durch einen Computer (z. B. durch einen Prozessor eines Computers) ausgelesen werden können. Ein derartiges Medium kann viele Formen annehmen, einschließlich unter anderem nicht flüchtiger Medien und flüchtiger Medien. Nicht flüchtige Medien können zum Beispiel optische Platten oder Magnetplatten und andere dauerhafte Speicher beinhalten. Flüchtige Medien können zum Beispiel dynamischen Direktzugriffsspeicher (dynamic random-access memory - DRAM) einschließen, der typischerweise einen Hauptspeicher darstellt. Derartige Anweisungen können durch ein oder mehrere Übertragungsmedien übertragen werden, einschließlich Koaxialkabeln, Kupferdraht und Glasfaser, einschließlich der Drähte, aus denen ein Systembus besteht, der mit einem Prozessor einer ECU gekoppelt ist. Übliche Formen von computerlesbaren Medien beinhalten zum Beispiel RAM, einen PROM, einen EPROM, einen FLASH-EEPROM, einen beliebigen anderen Speicherchip oder eine beliebige andere Speicherkassette oder ein beliebiges anderes Medium, von dem ein Computer lesen kann.
  • Datenbanken, Datendepots oder andere Datenspeicher, die in dieser Schrift beschrieben sind, können verschiedene Arten von Mechanismen zum Speichern von, Zugreifen auf und Abrufen von verschiedenen Arten von Daten beinhalten, darunter eine hierarchische Datenbank, einen Satz von Dateien in einem Dateisystem, eine Anwendungsdatenbank in einem anwendereigenen Format, ein relationales Datenbankverwaltungssystem (Relational Database Management System - RDBMS) usw. Jeder derartige Datenspeicher ist im Allgemeinen in einer Rechenvorrichtung enthalten, die ein Computerbetriebssystem einsetzt, wie etwa eines der vorstehend erwähnten, wobei auf eine oder mehrere von vielfältigen Weisen über ein Netz darauf zugegriffen wird. Auf ein Dateisystem kann von einem Computerbetriebssystem zugegriffen werden und es kann Dateien beinhalten, die in verschiedenen Formaten gespeichert sind. Ein RDBMS setzt im Allgemeinen die Structured Query Language (SQL) zusätzlich zu einer Sprache zum Erstellen, Speichern, Editieren und Ausführen gespeicherter Prozeduren ein, wie etwa die vorstehend erwähnte PL/SQL-Sprache.
  • In einigen Beispielen können Systemelemente als computerlesbare Anweisungen (z. B. Software) auf einer oder mehreren Rechnervorrichtungen (z. B. Servern, PCs usw.) implementiert sein, welche auf einem mit dieser assoziierten computerlesbaren Speichermedium gespeichert sind (z. B. Platten, Speicher usw.). Ein Computerprogrammprodukt kann derartige auf computerlesbaren Medien gespeicherte Anweisungen zum Ausführen der in dieser Schrift beschriebenen Funktionen umfassen. Hinsichtlich der in dieser Schrift beschriebenen Medien, Prozesse, Systeme, Verfahren, Heuristiken usw. versteht es sich, dass, auch wenn die Schritte derartiger Prozesse usw. als gemäß einer bestimmten Reihenfolge erfolgend beschrieben worden sind, derartige Prozesse jedoch so umgesetzt werden können, dass die beschriebenen Schritte in einer Reihenfolge durchgeführt werden, die von der in dieser Schrift beschriebenen Reihenfolge verschieden ist. Es versteht sich ferner, dass gewisse Schritte gleichzeitig durchgeführt, andere Schritte hinzugefügt oder gewisse in dieser Schrift beschriebene Schritte weggelassen werden können. Anders ausgedrückt dienen die Beschreibungen von Prozessen in dieser Schrift dem Zwecke der Veranschaulichung gewisser Ausführungsformen und sollten keinesfalls dahingehend ausgelegt werden, dass sie die Patentansprüche einschränken.
  • Dementsprechend versteht es sich, dass die vorstehende Beschreibung veranschaulichend und nicht einschränkend sein soll. Viele Ausführungsformen und Anwendungen, die sich von den bereitgestellten Beispielen unterscheiden, werden dem Fachmann beim Lesen der vorstehenden Beschreibung ersichtlich. Der Umfang der Erfindung sollte nicht unter Bezugnahme auf die vorstehende Beschreibung bestimmt werden, sondern sollte stattdessen unter Bezugnahme auf die beigefügten Patentansprüche zusammen mit dem vollständigen Umfang von Äquivalenten, zu denen derartige Patentansprüche berechtigen, bestimmt werden. Es wird vorweggenommen und ist beabsichtigt, dass es zukünftige Entwicklungen im in dieser Schrift erörterten Stand der Technik geben wird und dass die offenbarten Systeme und Verfahren in derartige zukünftigen Ausführungsformen einbezogen werden. Insgesamt versteht es sich, dass die Erfindung zur Modifikation und Variation fähig ist und ausschließlich durch die folgenden Patentansprüche eingeschränkt ist.
  • Allen in den Patentansprüchen verwendeten Ausdrücken soll deren allgemeine und gewöhnliche Bedeutung zukommen, wie sie vom Fachmann verstanden wird, sofern in dieser Schrift keine ausdrückliche gegenteilige Angabe erfolgt. Insbesondere ist die Verwendung der Singularartikel, wie etwa „ein“, „eine“, „der“, „die“, „das“ usw., dahingehend auszulegen, dass ein oder mehrere der aufgeführten Elemente genannt werden, sofern ein Patentanspruch nicht eine ausdrückliche gegenteilige Einschränkung nennt.
  • Gemäß der vorliegenden Erfindung wird ein System bereitgestellt, das einen Computer aufweist, der einen Prozessor und einen Speicher beinhaltet, wobei der Speicher Anweisungen speichert, die durch den Prozessor ausführbar sind, der zu Folgendem programmiert ist: wenn bestimmt wird, dass sich ein mobiles Objekt einer Eisschicht über einem Gewässer nähert, Erhalten eines Wärmebild der Eisschicht; Eingeben des Wärmebilds und von Umgebungstemperaturdaten in ein neuronales Netz, das eine Vielzahl von Regionen der Eisschicht und jeweilige geschätzte Dicken für die Regionen ausgibt; Bestimmen einer Klassifizierung für jede Region auf Grundlage ihrer geschätzten Dicke und des mobilen Objekts, wobei die Klassifizierung eines von bevorzugt oder nicht bevorzugt ist; und Ausgeben der Klassifizierungen für die Regionen.
  • Gemäß einer Ausführungsform ist das mobile Objekt eines von einem Landfahrzeug oder einem Fußgänger, und wobei die Anweisungen ferner Anweisungen beinhalten, um eine der Regionen auf Grundlage dessen, dass die geschätzte Dicke der jeweiligen Region größer als eine Schwellendicke ist, als bevorzugt zu klassifizieren.
  • Gemäß einer Ausführungsform beinhalten die Anweisungen ferner Anweisungen zum Bestimmen der Schwellendicke auf Grundlage einer Benutzereingabe.
  • Gemäß einer Ausführungsform beinhalten die Anweisungen ferner Anweisungen, um die Schwellendicke auf Grundlage einer Eigenschaft des mobilen Objekts zu bestimmen. Gemäß einer Ausführungsform beinhalten die Anweisungen ferner Anweisungen, um eine der Regionen auf Grundlage dessen, dass die geschätzte Dicke der jeweiligen Region geringer als eine Schwellendicke oder gleich dieser ist, als nicht bevorzugt zu klassifizieren.
  • Gemäß einer Ausführungsform ist das mobile Objekt ein Wasserfahrzeug, und wobei die Anweisungen ferner Anweisungen beinhalten, um eine der Regionen auf Grundlage dessen, dass die geschätzte Dicke der jeweiligen Region geringer als eine Schwellendicke oder gleich dieser ist, als bevorzugt zu klassifizieren.
  • Gemäß einer Ausführungsform beinhalten die Anweisungen ferner Anweisungen, um einen geplanten Weg für das mobile Objekt auf Grundlage der Klassifizierungen der Regionen zu bestimmen.
  • Gemäß einer Ausführungsform beinhalten die Anweisungen ferner Anweisungen, um den geplanten Weg für das mobile Objekt auszugeben.
  • Gemäß einer Ausführungsform beinhalten die Anweisungen ferner Anweisungen, um den geplanten Weg für das mobile Objekt an einen entfernten Computer bereitzustellen.
  • Gemäß einer Ausführungsform beinhalten die Anweisungen ferner Anweisungen, um Kartendaten für die Eisschicht auf Grundlage der Klassifizierungen der Regionen zu aktualisieren.
  • Gemäß einer Ausführungsform beinhalten die Anweisungen ferner Anweisungen zum Bereitstellen der aktualisierten Kartendaten an einen entfernten Computer.
  • Gemäß einer Ausführungsform ist die Erfindung ferner durch den entfernten Computer gekennzeichnet, der einen zweiten Prozessor und einen zweiten Speicher beinhaltet, wobei der zweite Speicher Anweisungen speichert, die durch den zweiten Prozessor ausführbar sind, um eine Karte auf Grundlage von aggregierten Daten zu aktualisieren, die aktualisierte Kartendaten von einer Vielzahl von mobilen Objekten beinhalten.
  • Gemäß einer Ausführungsform beinhalten die Anweisungen ferner Anweisungen, um einen zukünftigen Zeitpunkt, zu dem die Klassifizierung für eine Region zwischen bevorzugt und nicht bevorzugt wechseln wird, auf Grundlage einer Eigenschaft des mobilen Objekts und vorhergesagter Umgebungstemperaturdaten vorherzusagen.
  • Gemäß einer Ausführungsform beinhalten die Anweisungen ferner Anweisungen, um nach dem Bestimmen, dass das mobile Objekt für eine Dauer eines Zeitgebers stationär bleibt, aktualisierte Klassifizierungen für die Region, in der sich das mobile Objekt befindet, auf Grundlage einer aktualisierten Umgebungstemperatur und Temperaturdaten des mobilen Objekts zu bestimmen.
  • Gemäß einer Ausführungsform wird die aktualisierte Umgebungstemperatur nach Ablauf des Zeitgebers erhalten.
  • Gemäß einer Ausführungsform beinhalten die Anweisungen ferner Anweisungen zum Ausgeben der aktualisierten Klassifizierung.
  • Gemäß einer Ausführungsform beinhalten die Anweisungen ferner Anweisungen, um Kartendaten für die Eisschicht auf Grundlage der aktualisierten Klassifizierung zu aktualisieren.
  • Gemäß einer Ausführungsform beinhalten die Umgebungstemperaturdaten eine aktuelle Umgebungstemperatur und eine frühere Umgebungstemperatur.
  • Gemäß der vorliegenden Erfindung beinhaltet ein Verfahren Folgendes: wenn bestimmt wird, dass sich ein mobiles Objekt einer Eisschicht über einem Gewässer nähert, Erhalten eines Wärmebild der Eisschicht; Eingeben des Wärmebilds und von Umgebungstemperaturdaten in ein neuronales Netz, das eine Vielzahl von Regionen der Eisschicht und jeweilige geschätzte Dicken für die Regionen ausgibt; Bestimmen einer Klassifizierung für jede Region auf Grundlage ihrer geschätzten Dicke und des mobilen Objekts, wobei die Klassifizierung eines von bevorzugt oder nicht bevorzugt ist; und Ausgeben der Klassifizierungen für die Regionen. In einem Aspekt der Erfindung beinhaltet das Verfahren Bestimmen eines geplanten Wegs für das mobile Objekt auf Grundlage der Klassifizierungen der Regionen.

Claims (15)

  1. Verfahren, umfassend einen Computer, der einen Prozessor und einen Speicher beinhaltet, wobei der Speicher Anweisungen speichert, die durch den Prozessor ausführbar sind, der zu Folgendem programmiert ist: wenn bestimmt wird, dass sich ein mobiles Objekt einer Eisschicht über einem Gewässer nähert, Erhalten eines Wärmebildes der Eisschicht; Eingeben des Wärmebildes und von Umgebungstemperaturdaten in ein neuronales Netz, das eine Vielzahl von Regionen der Eisschicht und jeweilige geschätzte Dicken für die Regionen ausgibt; Bestimmen einer Klassifizierung für jede Region auf Grundlage ihrer geschätzten Dicke und des mobilen Objekts, wobei die Klassifizierung eines von bevorzugt oder nicht bevorzugt ist; und Ausgeben der Klassifizierungen für die Regionen.
  2. Verfahren nach Anspruch 1, ferner umfassend Klassifizieren einer der Regionen als bevorzugt auf Grundlage dessen, dass die geschätzte Dicke der jeweiligen Region größer als eine Schwellendicke ist, wobei das mobile Objekt eines von einem Landfahrzeug oder einem Fußgänger ist.
  3. Verfahren nach Anspruch 2, ferner umfassend Bestimmen der Schwellendicke auf Grundlage mindestens einer von einer Benutzereingabe und einer Eigenschaft des mobilen Objekts.
  4. Verfahren nach Anspruch 2, ferner umfassend Klassifizieren der einen der Regionen als nicht bevorzugt auf Grundlage dessen, dass die geschätzte Dicke der jeweiligen Region geringer als eine Schwellendicke oder gleich dieser ist.
  5. Verfahren nach Anspruch 1, ferner umfassend Klassifizieren einer der Regionen als bevorzugt auf Grundlage dessen, dass die geschätzte Dicke der jeweiligen Region geringer als eine Schwellendicke oder gleich dieser ist, wobei das mobile Objekt ein Wasserfahrzeug ist.
  6. Verfahren nach Anspruch 1, das ferner Folgendes umfasst: Bestimmen eines geplanten Wegs für das mobile Objekt auf Grundlage der Klassifizierungen der Regionen; und Ausgeben des geplanten Wegs für das mobile Objekt.
  7. Verfahren nach Anspruch 6, ferner umfassend Bereitstellen des geplanten Wegs für das mobile Objekt an einen entfernten Computer.
  8. Verfahren nach Anspruch 1, das ferner Folgendes umfasst: Aktualisieren von Kartendaten für die Eisschicht auf Grundlage der Klassifizierungen der Regionen; und Bereitstellen der aktualisierten Kartendaten an einen entfernten Computer.
  9. Verfahren nach Anspruch 8, ferner umfassend Aktualisieren einer Karte auf Grundlage von aggregierten Daten, die aktualisierte Kartendaten von einer Vielzahl von mobilen Objekten beinhalten, über den entfernten Computer.
  10. Verfahren nach Anspruch 1, ferner umfassend Vorhersagen eines zukünftigen Zeitpunkts, zu dem die Klassifizierung für eine Region zwischen bevorzugt und nicht bevorzugt wechseln wird, auf Grundlage einer Eigenschaft des mobilen Objekts und vorhergesagter Umgebungstemperaturdaten.
  11. Verfahren nach Anspruch 1, ferner umfassend: nach dem Bestimmen, dass das mobile Objekt für eine Dauer eines Zeitgebers stationär bleibt, Bestimmen aktualisierter Klassifizierungen für die Region, in der sich das mobile Objekt befindet, auf Grundlage einer aktualisierten Umgebungstemperatur und von Temperaturdaten des mobilen Objekts, wobei die aktualisierte Umgebungstemperatur nach Ablauf des Zeitgebers erhalten wird.
  12. Verfahren nach Anspruch 11, ferner umfassend Ausgeben der aktualisierten Klassifizierung.
  13. Computer, der dazu programmiert ist, das Verfahren nach einem der Ansprüche 1-12 auszuführen.
  14. Computerprogrammprodukt, das Anweisungen zum Ausführen des Verfahrens nach einem der Ansprüche 1-12 umfasst.
  15. Fahrzeug, das einen Computer umfasst, der dazu programmiert ist, das Verfahren nach einem der Ansprüche 1-12 auszuführen.
DE102023104651.9A 2022-03-03 2023-02-24 Eisdickenschätzung für betrieb eines mobilen objekts Pending DE102023104651A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/685443 2022-03-03
US17/685,443 US12007248B2 (en) 2022-03-03 2022-03-03 Ice thickness estimation for mobile object operation

Publications (1)

Publication Number Publication Date
DE102023104651A1 true DE102023104651A1 (de) 2023-09-07

Family

ID=87572011

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102023104651.9A Pending DE102023104651A1 (de) 2022-03-03 2023-02-24 Eisdickenschätzung für betrieb eines mobilen objekts

Country Status (3)

Country Link
US (1) US12007248B2 (de)
CN (1) CN116740404A (de)
DE (1) DE102023104651A1 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117168331A (zh) * 2023-11-02 2023-12-05 山西锦烁生物医药科技有限公司 基于光纤传感器的天然冰场冰层厚度实时检测方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3634753A (en) 1967-03-27 1972-01-11 Chevron Res Method of mapping ice thickness by fm electromagnetic radiation to indicate shallow thicknesses thereof
US6650252B2 (en) * 2001-08-28 2003-11-18 Delphi Technologies, Inc. Vehicle warning system and method
EP2196792B1 (de) * 2008-12-09 2011-04-06 C.R.F. Società Consortile per Azioni Optische Vorrichtung für Kraftfahrzeuge zum Erkennen des Zustands der Straßendecke
EP2675685B1 (de) * 2011-02-14 2016-07-13 Conti Temic microelectronic GmbH Reibwertschätzung mittels einer 3d-kamera
WO2018026603A1 (en) 2016-08-02 2018-02-08 Pcms Holdings, Inc. System and method for optimizing autonomous vehicle capabilities in route planning
US10339391B2 (en) * 2016-08-24 2019-07-02 Gm Global Technology Operations Llc. Fusion-based wet road surface detection
US11131789B2 (en) 2017-03-03 2021-09-28 International Business Machines Corporation Ice formation and ice depth estimation system
JP7056905B2 (ja) 2017-10-27 2022-04-19 国立研究開発法人宇宙航空研究開発機構 モニタリングシステム、情報処理方法、及びプログラム
WO2020109406A1 (en) 2018-11-28 2020-06-04 Danmarks Tekniske Universitet Device and method for detecting an ice cover layer on a sample
DE102019205903A1 (de) * 2019-04-25 2020-10-29 Robert Bosch Gmbh Verfahren und Vorrichtung zum Ermitteln einer festen Zustandsform von Wasser auf einer Fahrbahnoberfläche
US11322033B2 (en) * 2019-08-27 2022-05-03 International Business Machines Corporation Remote surface condition assessment
CN111127883B (zh) * 2019-12-17 2020-10-30 长安大学 考虑路表状态的智能车辆安全行驶速度的测算方法与系统
US11521127B2 (en) * 2020-06-05 2022-12-06 Waymo Llc Road condition deep learning model
US20220281456A1 (en) * 2020-12-23 2022-09-08 ClearMotion, Inc. Systems and methods for vehicle control using terrain-based localization

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117168331A (zh) * 2023-11-02 2023-12-05 山西锦烁生物医药科技有限公司 基于光纤传感器的天然冰场冰层厚度实时检测方法
CN117168331B (zh) * 2023-11-02 2024-01-02 山西锦烁生物医药科技有限公司 基于光纤传感器的天然冰场冰层厚度实时检测方法

Also Published As

Publication number Publication date
US20230280181A1 (en) 2023-09-07
CN116740404A (zh) 2023-09-12
US12007248B2 (en) 2024-06-11

Similar Documents

Publication Publication Date Title
DE102016120507B4 (de) Prädizieren von fahrzeugbewegungen anhand von fahrerkörpersprache
DE102020111682A1 (de) Systeme und verfahren zum implementieren einer autonomen fahrzeugreaktion auf ein sensorversagen
DE102016120508A1 (de) Autonomes Fahren an Kreuzungen basierend auf Wahrnehmungsdaten
US10752253B1 (en) Driver awareness detection system
DE102021125166A1 (de) Bestimmung von seitenwindrisiken
DE102020119541A1 (de) Detektieren von fahrzeugbetriebsbedingungen
US12024207B2 (en) Vehicle autonomous mode operating parameters
DE102020103522A1 (de) Fahrzeugsteuerung durch fahrbahnreibung
DE102022100549A1 (de) Mit einem rang versehene fehlerzustände
DE102021132722A1 (de) Auswählen von testszenarien zum bewerten der leistung autonomer fahrzeuge
DE102022109164A1 (de) Verbessserter fahrzeugbetrieb
DE102021131991A1 (de) Fahrzeugsensorreinigung und -kühlung
DE102020122086A1 (de) Messen von vertrauen in tiefen neuronalen netzwerken
DE102023101951A1 (de) Fahrzeugsteuerung für optimierten betrieb
DE102020128155A1 (de) Bedingte bewegungsvorhersagen
DE112022001861T5 (de) Bewegungsbahnkonsistenzmessung für den betrieb eines autonomen fahrzeugs
DE102023104651A1 (de) Eisdickenschätzung für betrieb eines mobilen objekts
DE102022108653A1 (de) Verbesserter adaptiver tempomat
DE102022123187A1 (de) Adaptives Reduzieren von neuronalen Netzsystemen
DE102022111718A1 (de) Verbesserter fahrzeugbetrieb
DE102021122407A1 (de) Segmentierung und klassifizierung von punktwolkendaten
DE102020130519A1 (de) Fahrzeugbetriebsparameter
DE112020003411T5 (de) Fahrzeugsteuerung in geographischen steuerzonen
DE102022123864A1 (de) Fahrzeugbegrenzungssteuerung
DE102022108506A1 (de) Fahrzeugbetrieb

Legal Events

Date Code Title Description
R082 Change of representative

Representative=s name: BONSMANN - BONSMANN - FRANK PATENTANWAELTE, DE