EP3642651A1 - Vorrichtung und verfahren zum mobilen erfassen von wetterinformationen - Google Patents

Vorrichtung und verfahren zum mobilen erfassen von wetterinformationen

Info

Publication number
EP3642651A1
EP3642651A1 EP18724865.3A EP18724865A EP3642651A1 EP 3642651 A1 EP3642651 A1 EP 3642651A1 EP 18724865 A EP18724865 A EP 18724865A EP 3642651 A1 EP3642651 A1 EP 3642651A1
Authority
EP
European Patent Office
Prior art keywords
imager
weather
image
weather information
mobile
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.)
Withdrawn
Application number
EP18724865.3A
Other languages
English (en)
French (fr)
Inventor
Alexander Stohr
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.)
ZF Friedrichshafen AG
Original Assignee
ZF Friedrichshafen AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ZF Friedrichshafen AG filed Critical ZF Friedrichshafen AG
Publication of EP3642651A1 publication Critical patent/EP3642651A1/de
Withdrawn legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/41—Structure of client; Structure of client peripherals
    • H04N21/4104—Peripherals receiving signals from specially adapted client devices
    • H04N21/4126—The peripheral being portable, e.g. PDAs or mobile phones
    • H04N21/41265—The peripheral being portable, e.g. PDAs or mobile phones having a remote control device for bidirectional communication between the remote control device and client device
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0487—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser
    • G06F3/0488—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; 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 OR CALCULATING; 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
    • G06N3/09—Supervised learning

Definitions

  • the invention relates to an imager for determining weather information according to claim 1, a method for determining weather information from at least one image taken with an imager according to claim 6 and a method for distributing artificial intelligence determined weather information from at least one image taken with an imager according to claim 15.
  • Weather is the state of the lowest layer of the Earth's atmosphere, shortening the atmosphere, at a given time in a particular place.
  • Weather information is information that provides information about the weather, for example, weather information indicates that the atmosphere has dark clouds, a high probability of rain.
  • Weather information is of great importance in everyday life, especially for weather forecasts.
  • the weather is predicted using fixed weather stations and weather satellites, each collecting weather information.
  • the invention has the object to improve the known from the prior art weather forecasts.
  • the imager according to the invention has an evaluation device and an interface to a transmitting and receiving device.
  • the imager is a mobile imager.
  • the evaluation device according to the invention has an artificial intelligence.
  • the artificial intelligence is designed to determine weather information from image information of an image recorded by the imager of at least one area of the atmosphere. Via the interface to the transmitting and receiving device, the weather information determined by the artificial intelligence can be transmitted and / or received.
  • An imager is an electronic device for generating an image.
  • an image sensor of a digital camera system is an imager.
  • An interface is a device between at least two functional units on which an exchange of data or signals takes place, either only unidirectionally or bidirectionally.
  • a mobile item is not tied to a fixed location.
  • the antonym to mobile is stationary.
  • An evaluation device is an electronic circuit that processes incoming information and outputs a result resulting from this processing.
  • central processor units or graphics processors are evaluation devices.
  • An evaluation device which has an artificial intelligence, is built or programmed so that it can independently process incoming information.
  • Artificial intelligence means recreating a human-like intelligence.
  • Artificial intelligence can be realized with artificial neural networks.
  • An artificial neural network is an algorithm that is executed on an electronic circuit and programmed on the model of the neural network of the human brain.
  • Functional units of an artificial neural network are artificial neurons whose output is generally known as Value of an activation function evaluated over a weighted sum of the inputs plus a systematic error, the so-called bias.
  • By testing multiple predetermined inputs with different weighting factors and activation functions artificial neural networks, similar to the human brain, are trained or trained.
  • the training of artificial intelligence by means of predetermined inputs is called machine learning.
  • a subset of machine learning is deep learning, which uses a series of hierarchical layers of neurons, called hidden layers, to perform the machine learning process.
  • Image information is information about specific object data, brightness values, etc. in an image.
  • the imager it is thus possible to determine weather information from an arbitrary image which shows at least one region of the atmosphere.
  • an artificial intelligence trained to recognize sun, sunshine, clouds, cloudiness, precipitation, etc. in an image it is possible to determine whether in the image, and thus in the environment of the object to be photographed, ie at the location of the object Imager, the sun is shining, the atmosphere is cloudy or rainy.
  • the imager has at least one position, temperature, pressure, humidity and / or a wind force sensor and / or similar weather factor sensors.
  • weather factors Factors that affect the weather, such as temperature, are called weather factors.
  • the imager can acquire, send, and receive information about the location of the shot, temperature, pressure, humidity, wind force, or similar weather factors for more accurate weather information.
  • the transmitting and receiving device is integrated in the imager. This eliminates the interface to an external transmitting and receiving device, and the imager can send and / or receive the weather information determined directly via the integrated transmitting and receiving device.
  • the imager has an interface to a driver assistance system of a vehicle.
  • Driver assistance systems known as Advanced Driver Assistance Systems and abbreviated ADAS
  • ADAS Advanced Driver Assistance Systems
  • Vehicle is a generic term vehicles on land, in the air or at sea, for example, for cars, trucks, commercial vehicles, aircraft or ships.
  • the interface to the driver assistance system it is possible to direct the weather information determined by the imager to the driver assistance system, so that the driver can be assisted by the weather. For example, if the weather information is that it is raining, the driver assistance system may configure the vehicle for a wet lane without control of the driver, such as controlling speed and braking points to avoid aquaplaning.
  • the invention also provides a mobile terminal, in particular a smartphone or an environment or front camera of a vehicle, which has an imager according to the invention.
  • a terminal is a device that is connected to a communication network.
  • the weather information is determined by means of artificial intelligence from image information of the image and transmitted and / or received by means of a transmitting and receiving device.
  • the artificial intelligence evaluates brightness, contrast and / or sharpness of the image. With this evaluation, the artificial intelligence can detect in particular turbidity due to rain in the near and far range as well as fog and clouds.
  • the artificial intelligence determines the weather information after a predetermined period of time.
  • the time span can be five minutes. This means that the artificial intelligence only determines the weather information after five minutes after taking the picture. If a plurality of images are taken during this period of time, the artificial intelligence determines the weather information on the basis of the latest after the expiration of the time frame image. Since the weather usually does not change significantly within this predetermined period of time, the most recent image after the time span is sufficient for determining the weather information, which leads to a saving of computing power in the evaluation device.
  • the artificial intelligence determines the weather information from a plurality of images, in particular from a predetermined number. Based on several images, the artificial intelligence can detect changes in the weather, especially local changes, when the images were taken in different locations.
  • the weather information is preferably provided with a time stamp.
  • a timestamp assigns a unique time to an event. With the time stamp statements can be made about the temporal change of the weather.
  • position, temperature, pressure, humidity and / or wind strength values or similar weather factors are recorded when the image is taken.
  • additional weather factors each represent the weather information beyond the image information of the image and are advantageous for local and detailed weather forecasting.
  • the weather information is preferably sent and / or received in real time.
  • Real-time means the operation of a device in which information processing programs are always operational, such that the processing results are available within a predetermined period of time.
  • the processing of the information does not have to be very fast, it just has to be fast enough for the respective application.
  • the position, temperature, pressure, humidity and / or wind strength values or similar weather factors are sent and / or received.
  • This allows for comprehensive weather information.
  • the image is taken with a mobile imager according to claim 1 and the claims appended to claim 1.
  • a center receives the weather information from the image by means of an interface of the mobile imager to a transmitting and receiving device and distributes the weather information to the mobile imagers.
  • This method has the advantage that weather information can be distributed among the mobile imagers via the central office, which makes possible a weather forecast, in particular a widespread weather forecast, for the mobile imagers.
  • the control center receives the weather information from images recorded by spatially separate mobile image generators.
  • local weather information is received at the central office.
  • control center evaluates the incoming weather information and distributes weather forecasts, in particular weather warnings, to the mobile imagers on the basis of the assessed weather information.
  • Assessment means that the center has the means to carry out additional calculations and evaluations. Additional calculation and evaluation steps, which are performed for example on a central processing unit, are in particular interpolation by location and time, averaging, plausibility of weather information, correction value generation, online calibration, tracking or tracking of mobile imagers, derived forecasts and weightings of the Weather information according to, for example, location, weather and / or spatial and temporal extent of a weather front. In particular, the combination of location and time information with weather data is essential. Further, the center may have a memory to record raw data.
  • the central office receives from the mobile imager A at location X the weather information that no sun is shining, the atmosphere has dark clouds and that it is raining heavily. This weather information assesses the central office as a thunderstorm at location X.
  • the mobile imager B at location Y which is on the way to location X, then receives from the central office the information that there is severe weather at the destination X.
  • the mobile imager B already has a weather forecast for the location X before it arrives at the location X.
  • the image is captured by a mobile imager according to claim 1 and according to the claims appended to claim 1.
  • the weather information is preferably distributed via the at least one interface to the driver assistance system for the weather-related assistance of a vehicle driver.
  • FIG. 1 shows an embodiment of an imager according to the invention
  • FIG. 2 shows another embodiment of an imager according to the invention with an interface to a driver assistance system
  • FIG. 3 shows an exemplary embodiment of a method sequence of the method according to the invention for determining weather information
  • Fig. 5 an embodiment of an artificial intelligence.
  • corresponding reference numerals denote the same or functionally identical features.
  • an image 15 of a mountain landscape was taken.
  • the sun shines over this mountain landscape.
  • the atmosphere partly knows clouds.
  • the evaluation device 1 1 of the imager 10 evaluates the image 15.
  • the evaluation device has an artificial intelligence 14.
  • the artificial intelligence 14 is shown in FIG. 5 as an artificial neural network.
  • the artificial neural network has a plurality of nodes, so-called neurons 143, which are arranged in different layers, for example three, and process information hierarchically.
  • the topmost layer in Figure 5 is the input layer layer
  • the middle layer is the hidden layer layer
  • the bottom layer is the output layer layer.
  • An artificial neural network with several hidden layer layers is called a deep neural network.
  • the artificial neural network which is designed to determine weather information 16 from image information of an image 15 of at least one region of the atmosphere taken with the image generator 10, is trained with various weather information 16 as input 141.
  • As training data for example, recordings of sunshine, clouds, rain or a combination of these recordings can be used.
  • the artificial neural network When the artificial neural network receives as input a picture of a cloud, parameters of the artificial neural network, that is, weighting values, activation function and bias, are adjusted so that the artificial neural network results in 100% cloud. The result is provided as an output 142 of the artificial neural network.
  • the artificial neural network learns independently from incoming images to determine a weather information 16. For autonomous determination of weather information 16, the trained artificial neural network requires only a few milliseconds.
  • the weather information 16 in Fig. 1 is 50% sunshine, 50% clouds.
  • This weather information 16 is transmitted via an interface 12 to a transmitting and receiving station. direction 13 forwarded.
  • the transmitting and receiving unit 13 sends the weather information 16 on.
  • FIG. 2 shows the imager 10 from FIG. 1 with a weather factor sensor 17 and an interface 18 to a driver assistance system 20 of a vehicle 21.
  • the weather factor sensor 17 in Fig. 2 is a position sensor, for example, a GPS sensor.
  • the interface 18 may be a wired or a wireless interface.
  • the driver 22 of the vehicle 21 receives, from the imager 10 via the interface 18, the weather information that at the location of the imager detected by the position sensor 17 50% of the sunshine and 50% of the clouds prevail. If the driver 22 is at a location different from the location of the imager 10, the driver 22 is informed of the weather at the location of the imager 10.
  • the method for determining weather information is shown in FIG.
  • the image 15 taken by a mobile imager 10 is supplied as input 141 to an artificial intelligence 14 of an evaluation device 11.
  • the artificial intelligence 14 evaluates the image information of the image 15, for example via deep learning by means of an artificial neural network.
  • the result of the evaluation of artificial intelligence 14 is that 50% of sunshine and 50% of clouds predominate. This result is sent and / or received as weather information 16 from a transmitting and receiving device.
  • Fig. 4 shows the method for distributing weather information.
  • a first imager 10 is a mobile imager 10 with an interface 12 to a transmitting and receiving device 13.
  • a second mobile imager 10 is a smartphone 30.
  • a third one Mobile Imager 10 is the front camera 30 of a vehicle 21.
  • the imagers are located at different locations with different weather conditions. For example, at the location of the first mobile imager 10, the sun will shine. At the location of the smartphone 30 it is cloudy. At the location of the front camera 30 it is raining.
  • Each mobile imager 10 transmits the weather conditions determined by it. information, preferably together with information about the location and by means of a time stamp over time, to a central office 40.
  • the control center 40 may be, for example, a radio center of a radio network.
  • the center 40 collects the incoming weather information from the mobile imagers 10 and rates them. On the basis of the sent place and time information, the center 40 can also determine a weather. The center 40 then distributes the received weather information to the mobile imagers 10. For example, the smartphone 30 receives the weather information 16 that the sun is shining at the location of the mobile imager 10, at the own location it is cloudy and at the location of the front camera 30 rain prevails.
  • the invention makes it possible, for example with the camera built into a smartphone, to evaluate image information about the atmosphere with respect to a prevailing weather.
  • the artificial intelligence 14 recognizes in particular cloud forms, lightning, turbidity by rain in the near and far range and fog. On the basis of the color and brightness of clouds can draw further conclusions about the weather, for example, strongly darkened clouds of high rain probability.
  • the weather information 16 can be captured by many mobile imagers, such as mobile imagers 10 in cars, trucks, commercial vehicles, airplanes, ships, rail vehicles or smartphones. Via networking, the weather information 16 can be sent to the central office 40, which is able to return weather warnings to the mobile imagers 10. This makes local and detailed information and results possible. The more mobile imagers 10 are used for weather information 16, the more local and detailed weather forecasts for traffic and other important events can be detected and reported. The invention thus enables a global network of weather detection with mobile weather stations with their own computing power. The determination of special weather conditions, such as hail, thunderstorms and heavy rain, are possible with artificial intelligence 14.
  • the invention also makes it possible to acquire real-time weather data by means of mobile imagers 10, in particular with smartphones or cameras of autonomously driving cars, for the purpose of transmission to a network or central office 40 in order to extend the weather forecast among the mobile imagers 10.
  • Another advantage of the invention is that the atmosphere observation automatically runs in the background to record an image and messages can be generated automatically, whereby a large-scale, dense detection network is realized.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Atmospheric Sciences (AREA)
  • Environmental Sciences (AREA)
  • Ecology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

Es wird ein mobiler Bildgeber bereitgestellt, der mit einer künstlichen Intelligenz aus Bildinformationen aus zumindest einem mit einem mobilen Bildgeber aufgenommenen Bild wenigstens eines Bereiches der Atmosphäre Wetterinformationen zum Senden und Empfangen ermittelt. Außerdem wird ein Verfahren bereitgestellt, mit dem Wetterinformationen mit einer künstlichen Intelligenz eines mobilen Bildgebers aus den Bildinformationen ermittelt werden. Des Weiteren wird ein Verfahren bereitgestellt zum Verteilen von mittels einer künstlichen Intelligenz ermittelten Wetterinformationen aus zumindest einem mit einem mobilen Bildgeber aufgenommenen Bild wenigstens eines Bereiches der Atmosphäre an mobile Bildgeber, wobei eine Zentrale mittels einer Schnittstelle des mobilen Bildgebers zu einer Sende- und Empfangseinrichtung die Wetterinformationen aus dem Bild empfängt und an die mobilen Bildgeber verteilt.

Description

Vorrichtung und Verfahren zum mobilen Erfassen von Wetterinformationen
Die Erfindung betrifft einen Bildgeber zum Ermitteln von Wetterinformationen gemäß Anspruch 1 , ein Verfahren zum Ermitteln von Wetterinformationen aus zumindest einem mit einem Bildgeber aufgenommenen Bild gemäß Anspruch 6 und ein Verfahren zum Verteilen von mittels einer künstlichen Intelligenz ermittelten Wetterinformationen aus zumindest einem mit einem Bildgeber aufgenommenen Bild gemäß Anspruch 15.
Wetter ist der Zustand der untersten Schicht der Erdatmosphäre, verkürzt Atmosphäre, zu einem bestimmten Zeitpunkt an einem bestimmten Ort. Wetterinformationen sind Informationen, die Aussagen über das Wetter ermöglichen, zum Beispiel folgt aus der Wetterinformation, dass die Atmosphäre dunkle Wolken aufweist, eine hohe Wahrscheinlichkeit für Regen. Wetterinformationen sind im Alltagsleben von großer Bedeutung, insbesondere für Wettervorhersagen. Üblicherweise wird das Wetter mittels festen Wetterstationen und Wettersatelliten, die jeweils Wetterinformationen sammeln, vorhergesagt.
Jedoch gibt es Regionen auf der Welt, die über eine sehr geringe Anzahl von Wetterstationen verfügen. Auch Daten von Wettersatellitenformationen sind nicht so universell und tiefgreifend wie es für einige Aufgaben der Wettervorhersage, beispielswiese Erstellen von hochauflösenden örtlichen Wetterkarten, nötig ist.
Hier setzt die Erfindung an. Der Erfindung hat die Aufgabe zugrunde gelegen, die aus dem Stand der Technik bekannten Wettervorhersagen zu verbessern.
Diese Aufgabe wird gelöst mit einem Bildgeber mit den Merkmalen des Anspruchs 1 , mit einem Verfahren zum Ermitteln von Wetterinformationen mit den Merkmalen des Anspruchs 6 und mit einem Verfahren zum Verteilen von Wetterinformationen mit den Merkmalen des Anspruchs 15.
Vorteilhafte Ausgestaltungen und Weiterbildungen sind in den Unteransprüchen angegeben. Der erfindungsgemäße Bildgeber weist eine Auswerteeinrichtung und eine Schnittstelle zu einer Sende- und Empfangseinrichtung auf. Dabei ist der Bildgeber ein mobiler Bildgeber. Die Auswerteeinrichtung weist erfindungsgemäß eine künstliche Intelligenz auf. Die künstliche Intelligenz ist ausgebildet, aus Bildinformationen eines mit dem Bildgeber aufgenommenen Bildes wenigstens eines Bereiches der Atmosphäre Wetterinformationen zu ermitteln. Über die Schnittstelle zu der Sende- und Empfangseinrichtung sind die von der künstlichen Intelligenz ermittelten Wetterinformationen sendbar und/oder empfangbar.
Ein Bildgeber ist eine elektronische Einrichtung zur Erzeugung eines Bildes. Beispielsweise ist ein Bildsensor eines digitalen Kamerasystems ein Bildgeber.
Eine Schnittstelle ist eine Einrichtung zwischen wenigstens zwei Funktionseinheiten, an der ein Austausch von Daten oder Signalen erfolgt, entweder nur unidirektional oder bidirektional.
Ein mobiler Gegenstand ist nicht an einen festen Standort gebunden. Das Antonym zu mobil ist stationär.
Eine Auswerteeinrichtung ist eine elektronische Schaltung, die eingehende Informationen verarbeitet und ein aus dieser Verarbeitung resultierendes Ergebnis ausgibt. Zum Beispiel sind zentrale Prozessoreinheiten oder Grafikprozessoren Auswerteeinrichtungen.
Eine Auswerteeinrichtung, die eine künstliche Intelligenz aufweist, ist so gebaut oder programmiert, dass sie eigenständig eingehende Informationen verarbeiten kann. Künstliche Intelligenz bedeutet, dass eine menschenähnliche Intelligenz nachgebildet wird. Künstliche Intelligenz kann mit künstlichen neuronale Netzwerken realisiert werden. Ein künstliches neuronales Netzwerk ist ein Algorithmus, der auf einer elektronischen Schaltung ausgeführt wird und am Vorbild des neuronalen Netzwerks des menschlichen Gehirns programmiert ist. Funktionseinheiten eines künstlichen neuronalen Netzwerks sind künstliche Neuronen, deren Output sich im Allgemeinen als Wert einer Aktivierungsfunktion ausgewertet über eine gewichtete Summe der Inputs plus einem systematischen Fehler, dem sogenannten bias, ergibt. Durch Testen von mehreren vorbestimmten Inputs mit verschiedenen Gewichtungsfaktoren und Aktivierungsfunktionen werden künstliche neuronale Netzwerke, ähnlich dem menschlichen Gehirn, angelernt oder trainiert. Das Trainieren einer künstlichen Intelligenz mit Hilfe von vorbestimmten Inputs wird maschinelles Lernen genannt. Eine Teilmenge des maschinellen Lernens ist das tiefgehende Lernen, das sogenannte Deep Learning, bei dem eine Reihe hierarchischer Schichten von Neuronen, sogenannte hidden layer, genutzt wird, um den Prozess des maschinellen Lernens durchzuführen.
Bildinformationen sind Informationen über bestimmte Objektdaten, Helligkeitswerte, usw. in einem Bild.
Mit dem erfindungsgemäßen Bildgeber ist es damit möglich, aus einem beliebigen Bild, das wenigstens einen Bereich der Atmosphäre zeigt, Wetterinformationen zu ermitteln. Beispielsweise ist mit einer künstlichen Intelligenz, die trainiert ist, Sonne, Sonnenschein, Wolken, Bewölkungsgrad, Niederschläge, usw. in einem Bild zu erkennen, ermittelbar, ob in dem Bild, und damit in der Umgebung des aufzunehmenden Gegenstandes, das heißt am Ort des Bildgebers, die Sonne scheint, die Atmosphäre Wolken aufweist oder ob es regnet.
Gemäß einer bevorzugten Ausgestaltung der Erfindung weist der Bildgeber wenigstens einen Positions-, Temperatur-, Druck-, Feuchtigkeits- und/oder einen Windstärkesensor und/oder ähnliche Wetterfaktorsensoren auf.
Faktoren, die das Wetter beeinflussen, zum Beispiel Temperatur, werden Wetterfaktoren genannt.
Mit Wetterfaktorsensoren kann der Bildgeber zusätzlich zu den Bildinformationen des Bildes Informationen über den Ort der Aufnahme, die Temperatur, den Druck, die Feuchtigkeit, die Windstärke oder ähnliche Wetterfaktoren erfassen, senden und empfangen und damit präzisere Wetterinformationen ermitteln. Vorteilhafterweise ist die Sende- und Empfangseinrichtung in den Bildgeber integriert. Dadurch entfällt die Schnittstelle zu einer externen Sende- und Empfangseinrichtung, und der Bildgeber kann die ermittelten Wetterinformationen direkt über die integrierte Sende- und Empfangseinrichtung senden und/oder empfangen.
In einer Weiterbildung der Erfindung weist der Bildgeber eine Schnittstelle zu einem Fahrerassistenzsystem eines Fahrzeuges auf.
Fahrerassistenzsysteme, bekannt als Advanced Driver Assistance Systems und abgekürzt ADAS, sind elektronische Zusatzeinrichtungen in Fahrzeugen zur Unterstützung eines Fahrzeugführers in bestimmten Fahrsituationen. Fahrzeug ist ein Oberbegriff Fahrzeuge auf dem Land, in der Luft oder auf See, zum Beispiel für Pkw, Lkw, Nkw, Flugzeuge oder Schiffe.
Mittels der Schnittstelle zu dem Fahrerassistenzsystem ist es möglich, die mit dem Bildgeber ermittelten Wetterinformationen an das Fahrerassistenzsystem zu leiten, so dass der Fahrzeugführer wetterbedingt unterstützt werden kann. Ist zum Beispiel die Wetterinformation, dass es regnet, kann das Fahrerassistenzsystem ohne Zutun des Fahrzeugführers das Fahrzeug für eine nasse Fahrbahn konfigurieren, etwa Geschwindigkeit und Bremspunkte derart kontrollieren, dass ein Aquaplaning vermieden wird.
Erfindungsgemäß ist auch ein mobiles Endgerät, insbesondere ein Smartphone oder eine Umfeld- oder Frontkamera eines Fahrzeuges, vorgesehen, das einen erfindungsgemäßen Bildgeber aufweist.
Ein Endgerät ist ein Gerät, das an ein Kommunikationsnetzwerk angeschlossen ist.
Nutzer von Smartphones nehmen mit ihrem Smartphone während des täglichen Gebrauchs in der Regel eine Vielzahl von Bildern auf, zum Beispiel Landschaftsbilder, Panoramabilder oder Selfies. Bei den meisten dieser Bilder ist im Hintergrund ein Ausschnitt der Atmosphäre zu sehen. Erfindungsgemäß ist es damit möglich, aus aufgenommenen Bildern während der Aufnahme der Bilder Wetterinformationen von dem aktuellen Standort des Nutzers zu ermitteln und zu versenden, insbesondere in Form einer Anwendung, die im Hintergrund der eigentlichen Anwendung des Bilder Machens läuft, so dass der Nutzer des Smartphones das Ermitteln und Versenden von Wetterinformationen nicht bemerkt. Analoges trifft für eine Front- oder Umfeldkamera eines Fahrzeuges zu.
Bei dem erfindungsgemäßen Verfahren zum Ermitteln von Wetterinformationen aus zumindest einem mit einem mobilen Bildgeber aufgenommenen Bild wenigstens eines Bereiches der Atmosphäre werden die Wetterinformationen mittels einer künstlichen Intelligenz aus Bildinformationen des Bildes ermittelt und mittels einer Sende- und Empfangseinrichtung versendet und/oder empfangen. Mit diesem Verfahren ist es möglich, das Wetter nicht nur an stationären Stellen mittels stationären Wetterstationen zu ermitteln, sondern lokal am Ort des mobilen Bildgebers. Mit der künstlichen Intelligenz kann das Wetter viel genauer ermittelt werden als mit dem menschlichen Auge oder anderen bekannten Verfahren, so dass insgesamt eine lokale, detailreiche und genaue Detektion des Wetters möglich ist.
Vorteilhafterweise wertet die künstliche Intelligenz Helligkeit, Kontrast und/oder Schärfe des Bildes aus. Mit dieser Auswertung kann die künstliche Intelligenz insbesondere Trübung durch Regen im Nah- und Fernbereich sowie Nebel und Wolken erkennen.
Vorzugsweise ermittelt die künstliche Intelligenz die Wetterinformationen nach einer vorgegebenen Zeitspanne. Beispielsweise kann die Zeitspanne fünf Minuten betragen. Dies bedeutet, dass die künstliche Intelligenz erst nach fünf Minuten nach der Aufnahme des Bildes die Wetterinformationen ermittelt. Werden in dieser Zeitspanne mehrere Bilder aufgenommen, so ermittelt die künstliche Intelligenz die Wetterinformation ausgehend von dem nach Ablauf der Zeitspanne aktuellsten Bild. Da sich innerhalb dieser vorgegebenen Zeitspanne das Wetter in der Regel nicht deutlich ändert, reicht das nach der Zeitspanne aktuellste Bild zum Ermitteln der Wetterinformationen, was zu einer Einsparung von Rechenleistung in der Auswerteeinrichtung führt. Gemäß einer weiteren Ausführung der Erfindung ermittelt die künstliche Intelligenz die Wetterinformationen aus mehreren, insbesondere aus einer vorgegebenen Anzahl von aufgenommenen Bildern. Ausgehend von mehreren Bildern kann die künstlichen Intelligenz Veränderungen des Wetters erkennen, insbesondere örtliche Veränderungen, wenn die Bilder an unterschiedlichen Orten aufgenommen wurden.
Bevorzugt werden die Wetterinformationen mit einem Zeitstempel versehen.
Mit einem Zeitstempel wird einem Ereignis ein eindeutiger Zeitpunkt zugeordnet. Mit dem Zeitstempel lassen sich Aussagen über die zeitliche Veränderung des Wetters treffen.
In einer vorteilhaften Weiterbildung des Verfahrens werden bei Aufnahme des Bildes Positions-, Temperatur-, Druck-, Feuchtigkeits- und/oder Windstärkewerte oder ähnliche Wetterfaktoren erfasst. Diese zusätzlichen Wetterfaktoren stellen jeweils über die aus den Bildinformationen des Bildes hinausgehende Wetterinformationen dar und sind für eine lokale und detaillierte Wettervorhersage von Vorteil.
Bevorzugt werden die Wetterinformationen in Echtzeit versendet und/oder empfangen.
Unter Echtzeit versteht man den Betrieb einer Einrichtung, bei dem Programme zur Verarbeitung anfallender Informationen ständig betriebsbereit sind, derart, dass die Verarbeitungsergebnisse innerhalb einer vorgegebenen Zeitspanne verfügbar sind. Die Verarbeitung der Informationen muss dabei nicht besonders schnell erfolgen, sie muss nur garantiert schnell genug für die jeweilige Anwendung erfolgen.
Damit ist eine Wettererfassung in Echtzeit möglich. Klassische vorhandene stationäre Wetterstationen arbeiten nicht zwingend in Echtzeit.
Vorzugsweise werden die Positions-, Temperatur-, Druck-, Feuchtigkeits- und/oder Windstärkewerte oder ähnliche Wetterfaktoren versendet und/oder empfangen. Damit wird eine umfassende Wetterinformation möglich. Bevorzugter Weise wird in dem erfindungsgemäßen Verfahren das Bild mit einem mobilen Bildgeber gemäß Anspruch 1 und der auf Anspruch 1 rückbezogenen Ansprüche aufgenommen.
Bei dem erfindungsgemäßen Verfahren zum Verteilen von mittels einer künstlichen Intelligenz ermittelten Wetterinformationen aus zumindest einem mit einem mobilen Bildgeber aufgenommenen Bild wenigstens eines Bereiches der Atmosphäre an mobile Bildgeber empfängt eine Zentrale mittels einer Schnittstelle des mobilen Bildgebers zu einer Sende- und Empfangseinrichtung die Wetterinformationen aus dem Bild und verteilt die Wetterinformationen an die mobilen Bildgeber. Dieses Verfahren hat den Vorteil, dass Wetterinformationen unter den mobilen Bildgebern über die Zentrale verteilt werden können, was eine Wettervorhersage, insbesondere eine flächendeckende Wettervorhersage, für die mobilen Bildgeber ermöglicht.
In einer bevorzugten Ausgestaltung des erfindungsgemäßen Verfahrens zum Verteilen von Wetterinformationen empfängt die Zentrale die Wetterinformationen aus von örtlich voneinander getrennten mobilen Bildgebern aufgenommenen Bildern. Damit gehen in der Zentrale lokale Wetterinformationen ein. Je größer die örtliche Verbreitung von den mobilen Bildgebern ist, desto genauer werden die in der Zentrale eingehenden Wetterinformationen bezüglich des Ortes.
In einer besonders bevorzugten Weiterbildung des Verfahrens bewertet die Zentrale die eingehenden Wetterinformationen und verteilt anhand der bewerteten Wetterinformationen Wettervorhersagen, insbesondere Wetterwarnungen, an die mobilen Bildgeber.
Bewerten bedeutet, dass die Zentrale Mittel aufweist, zusätzliche Berechnungs- und Auswertesch ritte durchzuführen. Zusätzliche Berechnungs- und Auswerteschritte, die beispielsweise auf einer Recheneinheit der Zentrale durchgeführt werden, sind insbesondere Interpolation nach Ort und Zeit, Mittelwertbildung, Plausibilisierung von Wetterinformationen, Korrekturwertbildung, Online-Kalibrierung, Nachverfolgung oder Tracking von mobilen Bildgebern, abgeleitete Prognosen und Gewichtungen der Wetterinformationen nach zum Beispiel Ort, Wetterart und/oder räumliche und zeitliche Ausdehnung einer Wetterfront. Insbesondere ist die Verknüpfung von Orts- und Zeitangaben mit Wetterdaten wesentlich. Ferner kann die Zentrale einen Speicher aufweisen, um Rohdaten aufzuzeichnen.
Beispielsweise erhält die Zentrale von dem mobilen Bildgeber A am Ort X die Wetterinformation, dass keine Sonne scheint, die Atmosphäre dunkle Wolken aufweist und dass es stark regnet. Diese Wetterinformationen bewertet die Zentrale als Unwetter am Ort X. Der mobile Bildgeber B am Ort Y, der sich auf dem Weg nach zu Ort X befindet, empfängt dann von der Zentrale die Information, dass an dem Zielort X Unwetter herrscht. Damit hat der mobile Bildgeber B bereits vor dem Eintreffen am Ort X eine Wettervorhersage für den Ort X.
Vorzugsweise wird das Bild von einem mobilen Bildgeber nach Anspruch 1 und nach den auf Anspruch 1 rückbezogenen Ansprüchen aufgenommen.
Bevorzugt werden mittels wenigstens einer Schnittstelle zwischen wenigstens einem mobilen Bildgeber und einem Fahrerassistenzsystem eines Fahrzeuges die Wetterinformationen über die wenigstens eine Schnittstelle an das Fahrerassistenzsystem verteilt zur wetterbedingten Unterstützung eines Fahrzeugführers.
Die Erfindung wird anhand der nachfolgenden Figuren ausführlich erläutert. Es zeigen:
Fig. 1 : ein Ausführungsbeispiel eines erfindungsgemäßen Bildgebers,
Fig. 2: ein weiteres Ausführungsbeispiel eines erfindungsgemäßen Bildgebers mit einer Schnittstelle zu einem Fahrerassistenzsystem,
Fig. 3: ein Ausführungsbeispiel für einen Verfahrensablauf des erfindungsgemäßen Verfahrens zum Ermitteln von Wetterinformationen,
Fig. 4: ein Ausführungsbeispiel eines Verfahrensablaufs des erfindungsgemäßen
Verfahrens zum Verteilen von Wetterinformationen, und
Fig. 5: ein Ausführungsbeispiel einer künstlichen Intelligenz. In den Figuren kennzeichnen übereinstimmende Bezugsziffern gleiche oder funktionsgleiche Merkmale.
Mit dem in Fig. 1 dargestellten Bildgeber 10 wurde ein Bild 15 einer Berglandschaft aufgenommen. Über dieser Berglandschaft scheint die Sonne. Die Atmosphäre weißt teilweise Wolken auf. Die Auswerteeinrichtung 1 1 des Bildgebers 10 wertet das Bild 15 aus. Dazu weist die Auswerteeinrichtung eine künstliche Intelligenz 14 auf.
Die künstliche Intelligenz 14 ist in Fig. 5 als ein künstliches neuronales Netzwerk gezeigt. Das künstliche neuronale Netzwerk weist mehrere Knotenpunkte, sogenannte Neuronen 143, auf, die in verschiedenen Schichten, beispielsweise drei, angeordnet sind und Informationen hierarchisch bearbeiten. Die in Fig. 5 oberste Schicht ist die input layer Schicht, die mittlere Schicht die hidden layer Schicht und die unterste Schicht die Output layer Schicht. Ein künstliches neuronales Netzwerk mit mehreren hidden layer Schichten wird deep neural network genannt. Das künstliche neuronale Netzwerk, das ausgebildet ist, aus Bildinformationen eines mit dem Bildgeber 10 aufgenommenen Bildes 15 wenigstens eines Bereiches der Atmosphäre Wetterinformationen 16 zu ermitteln, wird mit verschiedenen Wetterinformationen 16 als Input 141 trainiert. Als Trainingsdaten können beispielsweise Aufnahmen von Sonnenschein, Wolken, Regen oder eine Kombination dieser Aufnahmen verwendet werden. Erhält das künstliche neuronale Netzwerk als Input eine Aufnahme einer Wolke, werden Parameter des künstlichen neuronalen Netzwerks, das heißt Gewichtungswerte, Aktivierungsfunktion und bias, derart eingestellt, dass das künstliche neuronale Netzwerk als Ergebnis 100% Wolke liefert. Das Ergebnis wird als ein Output 142 des künstlichen neuronalen Netzwerks bereitgestellt. Durch mehrmaliges Wiederholen einer Informationseingabe und Informationsausgabe, in der Regel bis zu ca. 10 Mio. Mal, lernt das künstliche neuronale Netzwerk, eigenständig aus eingehenden Aufnahmen eine Wetterinformation 16 zu ermitteln. Für das eigenständige Ermitteln von Wetterinformationen 16 benötigt das trainierte künstliche neuronale Netzwerk nur noch einige Millisekunden.
Die Wetterinformation 16 in Fig. 1 ist 50% Sonnenschein, 50% Wolken. Diese Wetterinformation 16 wird über eine Schnittstelle 12 an eine Sende- und Empfangsein- richtung 13 weitergeleitet. Die Sende- und Empfangseinheit 13 sendet die Wetterinformation 16 weiter.
Fig. 2 zeigt den Bildgeber 10 aus Fig. 1 mit einem Wetterfaktorsensor 17 und einer Schnittstelle 18 zu einem Fahrerassistenzsystem 20 eines Fahrzeuges 21 . Der Wetterfaktorsensor 17 in Fig. 2 ist ein Positionssensor, beispielsweise ein GPS-Sensor. Die Schnittstelle 18 kann eine drahtgebundene oder eine drahtlose Schnittstelle sein. Der Fahrzeugführer 22 des Fahrzeuges 21 erhält von dem Bildgeber 10 über die Schnittstelle 18 die Wetterinformation, dass an dem Ort des Bildgebers, der mittels des Positionssensors 17 detektiert wird, 50% Sonnenschein und 50% Wolken vorherrscht. Befindet sich der Fahrzeugführer 22 an einem von dem Ort des Bildgebers 10 verschiedenen Ort, ist der Fahrzeugführer 22 über das Wetter am Ort des Bildgebers 10 informiert.
Das Verfahren zum Ermitteln von Wetterinformationen ist in Fig. 3 dargestellt. In einem ersten Verfahrensschritt wird das von einem mobilen Bildgeber 10 aufgenommene Bild 15 als Input 141 einer künstlichen Intelligenz 14 einer Auswerteeinrichtung 1 1 zugeführt. Die künstliche Intelligenz 14 wertet die Bildinformationen des Bildes 15 aus, beispielsweise über Deep Learning mittels eines künstlichen neuronalen Netzwerkes. Das Ergebnis der Auswertung der künstlichen Intelligenz 14 ist, dass 50% Sonnenschein und 50% Wolken vorherrschen. Dieses Ergebnis wird als Wetterinformation 16 von einer Sende- und Empfangseinrichtung versendet und/oder empfangen.
Fig. 4 zeigt das Verfahren zum Verteilen von Wetterinformationen. Dargestellt ist ein Netzwerk aus mehreren, beispielsweise drei, mobilen Bildgebern 10. Beispielsweise ist ein erster Bildgeber 10 ein mobiler Bildgeber 10 mit einer Schnittstelle 12 zu einer Sende- und Empfangseinrichtung 13. Ein zweiter mobiler Bildgeber 10 ist ein Smart- phone 30. Ein dritter mobiler Bildgeber 10 ist die Frontkamera 30 eines Fahrzeuges 21 . Dabei befinden sich die Bildgeber an unterschiedlichen Orten mit unterschiedlichen Wetterverhältnissen. Zum Beispiel scheint am Ort des ersten mobilen Bildgebers 10 die Sonne. Am Ort des Smartphones 30 ist es bewölkt. Am Ort der Frontkamera 30 regnet es. Jeder mobile Bildgeber 10 sendet die von ihm ermittelten Wetter- informationen, vorzugsweise zusammen mit einer Information über den Ort und mittels eines Zeitstempels über die Zeit, an eine Zentrale 40. Die Zentrale 40 kann beispielsweise eine Funkzentrale eines Funknetzes sein. Die Zentrale 40 sammelt die von den mobilen Bildgebern 10 eingehenden Wetterinformationen und bewertet diese. Anhand der mitgesendeten Orts- und Zeitangaben kann die Zentrale 40 auch eine Wetterausbreitung bestimmen. Die Zentrale 40 verteilt anschließend die empfangenen Wetterinformationen an die mobilen Bildgeber 10. Zum Beispiel erhält das Smartphone 30 die Wetterinformation 16, dass an dem Ort des mobilen Bildgebers 10 die Sonne scheint, an dem eigenen Ort es bewölkt ist und dass an dem Ort der Frontkamera 30 Regen vorherrscht.
Die Erfindung ermöglicht es, beispielsweise mit der in einem Smartphone eingebauten Kamera, Bildinformationen über die Atmosphäre bezüglich eines vorherrschenden Wetters auszuwerten. Die künstliche Intelligenz 14 erkennt insbesondere Wolkenformen, Blitze, Trübung durch Regen im Nah- und Fernbereich und Nebel. Anhand der Farbe und Helligkeit von Wolken lassen sich weitere Rückschlüsse auf das Wetter ziehen, beispielsweise entsprechen stark verdunkelte Wolken einer hohen Regenwahrscheinlichkeit.
Ergänzt durch weitere Sensoren wie Temperatur-, Druck-, GPS- und Windstärkesensoren lassen sich weitere, zusätzlich zu den Bildinformationen der Atmosphäre gewonnenen, Aussagen über das Wetter treffen.
Die Wetterinformationen 16 können von vielen mobilen Bildgebern erfasst werden, beispielsweise von mobilen Bildgebern 10 in Pkws, Lkws, Nutzfahrzeugen, Flugzeugen, Schiffen, schienengebundenen Fahrzeugen oder Smartphones. Über Vernetzung können die Wetterinformationen 16 an die Zentrale 40 gesendet werden, die in der Lage ist, Wetterwarnungen an die mobilen Bildgeber 10 zurückzuliefern. Damit sind lokale und detaillierte Hinweise sowie Ergebnisse möglich. Je mehr mobile Bildgeber 10 für Wetterinformationen 16 verwendet werden, desto lokaler und detaillierter können Wettervorhersagen für Verkehr und andere wichtige Ereignisse ermittelt und gemeldet werden. Die Erfindung ermöglicht somit ein globales Netzwerk der Wettererfassung mit mobilen Wetterstationen mit eigener Rechenleistung. Auch die Ermittlung von Sonderwetterlagen, wie zum Beispiel Hagel, Gewitter und Starkregen, sind mit der künstlichen Intelligenz 14 möglich.
Die Erfindung ermöglicht darüber hinaus eine Erfassung von Echtzeitwetterdaten mittels mobilen Bildgebern 10, insbesondere mit Smartphones oder Kameras von autonom fahrenden Autos, zum Zweck der Übermittlung an ein Netz oder eine Zentrale 40, um die Wettervorhersage unter den mobilen Bildgebern 10 zu erweitern.
Ein weiterer Vorteil der Erfindung ist, dass die Atmosphärenbeobachtung automatisiert im Hintergrund zur Aufnahme eines Bildes abläuft und Meldungen automatisch generiert werden können, womit ein großflächiges, dichtes Erfassungsnetz realisiert wird.
Bezuqszeichen Bildgeber
Auswerteeinrichtung
Schnittstelle
Sende- und Empfangseinrichtung
künstliche Intelligenz
Input
Output
Neuron
Bild
Wetterinformation
Wetterfaktorsensor
Schnittstelle Fahrerassistenzsystem
Fahrzeug
Fahrzeugführer mobiles Endgerät Zentrale

Claims

Patentansprüche
1 . Bildgeber (10) aufweisend eine Auswerteeinrichtung (11 ) und eine Schnittstelle (12) zu einer Sende- und Empfangseinrichtung (13), wobei
a. der Bildgeber (10) ein mobiler Bildgeber (10) ist;
b. die Auswerteeinrichtung (1 1 ) eine künstliche Intelligenz (14) aufweist;
c. die künstliche Intelligenz (14) ausgebildet ist, aus Bildinformationen eines mit dem Bildgeber (10) aufgenommenen Bildes (15) wenigstens eines Bereiches der Atmosphäre Wetterinformationen (16) zu ermitteln; und
d. über die Schnittstelle (12) zu der Sende- und Empfangseinrichtung (13) die von der künstlichen Intelligenz (14) ermittelten Wetterinformationen (16) sendbar und/oder empfangbar sind.
2. Bildgeber (10) nach Anspruch 1 , dadurch gekennzeichnet, dass der Bildgeber (10) wenigstens einen Positions-, Temperatur-, Druck-, Feuchtigkeits- und/oder einen Windstärkesensor und/oder ähnliche Wetterfaktorsensoren (17) aufweist.
3. Bildgeber (10) nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass die Sende- und Empfangseinrichtung (13) in den Bildgeber (10) integriert ist.
4. Bildgeber nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass der Bildgeber (10) eine Schnittstelle (18) zu einem Fahrerassistenzsystem (20) eines Fahrzeuges (21 ) aufweist.
5. Mobiles Endgerät (30), insbesondere ein Smartphone oder eine Umfeld- oder Frontkamera eines Fahrzeuges, aufweisend einen Bildgeber (10) nach einem der Ansprüche 1 bis 4.
6. Verfahren zum Ermitteln von Wetterinformationen aus zumindest einem mit einem mobilen Bildgeber (10) aufgenommenen Bild (15) wenigstens eines Bereiches der Atmosphäre, wobei die Wetterinformationen (16) mittels einer künstlichen Intelligenz (14) aus Bildinformationen des Bildes (15) ermittelt und mittels einer Sende- und Empfangseinrichtung (13) versendet und/oder empfangen werden.
7. Verfahren nach Anspruch 6, dadurch gekennzeichnet, dass die künstliche Intelligenz (14) Helligkeit, Kontrast und/oder Schärfe des Bildes (15) auswertet.
8. Verfahren nach Anspruch 6 oder 7, dadurch gekennzeichnet, dass die künstliche Intelligenz (14) die Wetterinformationen (16) nach einer vorgegebenen Zeitspanne ermittelt.
9. Verfahren nach einem der Ansprüche 6 bis 8, dadurch gekennzeichnet, dass die künstliche Intelligenz (14) die Wetterinformationen (16) aus mehreren, insbesondere aus einer vorgegebenen Anzahl von aufgenommenen Bildern (15) ermittelt.
10. Verfahren nach einem der Ansprüche 6 bis 9, dadurch gekennzeichnet, dass die Wetterinformationen (16) mit einem Zeitstempel versehen werden.
1 1 . Verfahren nach einem der Ansprüche 6 bis 10, dadurch gekennzeichnet, dass bei Aufnahme des Bildes (15) Positions-, Temperatur-, Druck-, Feuchtigkeitsund/oder Windstärkewerte und/oder ähnliche Wetterfaktoren erfasst werden.
12. Verfahren nach einem der Ansprüche 6 bis 1 1 , dadurch gekennzeichnet, dass die Wetterinformationen (16) in Echtzeit versendet und/oder empfangen werden.
13. Verfahren nach Anspruch 1 1 und 12, dadurch gekennzeichnet, dass die Positions-, Temperatur-, Druck-, Feuchtigkeits- und/oder Windstärkewerte oder ähnliche Wetterfaktoren versendet und/oder empfangen werden.
14. Verfahren nach einem der Ansprüche 6 bis 13, dadurch gekennzeichnet, dass das Bild (15) von einem mobilen Bildgeber (10) nach einem der Ansprüche 1 bis 5 aufgenommen wird.
15. Verfahren zum Verteilen von mittels einer künstlichen Intelligenz (14) ermittelten Wetterinformationen (16) aus zumindest einem mit einem mobilen Bildgeber (10) aufgenommenen Bild (15) wenigstens eines Bereiches der Atmosphäre an mobile Bildgeber (10), wobei eine Zentrale (40) mittels einer Schnittstelle (12) des mobilen Bildgebers (10) zu einer Sende- und Empfangseinrichtung (13) die Wetterinformationen (16) aus dem Bild (15) empfängt und an die mobilen Bildgeber (10) verteilt.
16. Verfahren nach Anspruch 15, dadurch gekennzeichnet, dass die Zentrale (40) die Wetterinformationen (16) aus von örtlich voneinander getrennten mobilen Bildgebern (10) aufgenommenen Bildern (15) empfängt.
17. Verfahren nach Anspruch 15 oder 16, dadurch gekennzeichnet, dass die Zentrale (40) die eingehenden Wetterinformationen (16) bewertet und anhand der bewerteten Wetterinformationen (16) Wettervorhersagen, insbesondere Wetterwarnungen, an die mobilen Bildgeber (10) verteilt.
18. Verfahren nach Anspruch 15 oder 17, dadurch gekennzeichnet, dass das Bild (15) von einem mobilen Bildgeber (10) nach einem der Ansprüche 1 bis 5 aufgenommen wird.
19. Verfahren nach einem der Ansprüche 6 bis 18, dadurch gekennzeichnet, dass mittels wenigstens einer Schnittstelle (18) zwischen wenigstens einem mobilen Bildgeber (10) und einem Fahrerassistenzsystem (20) eines Fahrzeuges (21 ) die Wetterinformationen über die wenigstens eine Schnittstelle (18) an das Fahrerassistenzsystem (20) verteilt werden zur wetterbedingten Unterstützung eines Fahrzeugführers (22).
EP18724865.3A 2017-06-19 2018-05-15 Vorrichtung und verfahren zum mobilen erfassen von wetterinformationen Withdrawn EP3642651A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102017210157.1A DE102017210157A1 (de) 2017-06-19 2017-06-19 Vorrichtung und Verfahren zum mobilen Erfassen von Wetterinformationen
PCT/EP2018/062495 WO2018233933A1 (de) 2017-06-19 2018-05-15 Vorrichtung und verfahren zum mobilen erfassen von wetterinformationen

Publications (1)

Publication Number Publication Date
EP3642651A1 true EP3642651A1 (de) 2020-04-29

Family

ID=62167342

Family Applications (1)

Application Number Title Priority Date Filing Date
EP18724865.3A Withdrawn EP3642651A1 (de) 2017-06-19 2018-05-15 Vorrichtung und verfahren zum mobilen erfassen von wetterinformationen

Country Status (3)

Country Link
EP (1) EP3642651A1 (de)
DE (1) DE102017210157A1 (de)
WO (1) WO2018233933A1 (de)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102019214217B4 (de) * 2019-09-18 2024-06-27 Zf Friedrichshafen Ag Computerimplementiertes Verfahren zum maschinellen Lernen eines Wetters, Steuergerät für automatisierte Fahrfunktionen, Überwachungssystem für ein Fahrzeug und Verfahren und Computerprogrammprodukt zum Bestimmen eines Wetters
DE102021206634A1 (de) 2021-06-25 2022-12-29 Volkswagen Aktiengesellschaft Verfahren und Warneinrichtung zur Warnung eines Nutzers eines Fahrzeugs vor einer potentiellen Gefahrensituation
DE102021211006A1 (de) 2021-09-30 2023-03-30 Robert Bosch Gesellschaft mit beschränkter Haftung Kameravorrichtung, System und Verfahren zur Wetterdatenbestimmung
DE102022111263A1 (de) 2022-05-06 2023-11-09 Daimler Truck AG Verfahren zur Erzeugung wenigstens einer Wettervorhersage

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8060308B2 (en) * 1997-10-22 2011-11-15 Intelligent Technologies International, Inc. Weather monitoring techniques
DE102014213915A1 (de) * 2014-07-17 2016-01-21 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zur Erfassung von ortsabhängigen Daten mittels eines Fahrzeugs
DE102015005696B4 (de) * 2015-05-04 2024-07-18 Audi Ag Einblenden eines Objekts oder Ereignisses in einer Kraftfahrzeugumgebung
US9948477B2 (en) * 2015-05-12 2018-04-17 Echostar Technologies International Corporation Home automation weather detection
CN104834912B (zh) * 2015-05-14 2017-12-22 北京邮电大学 一种基于图像信息检测的天气识别方法及装置
DE102015210782A1 (de) * 2015-06-12 2016-12-15 Bayerische Motoren Werke Aktiengesellschaft Fahrerassistenzsystem zur Bestimmung einer kognitiven Beschäftigung eines Führers eines Fortbewegungsmittels
DE102016000720B3 (de) * 2016-01-23 2017-05-11 Audi Ag Verfahren und Kraftfahrzeug-Steuervorrichtung zum Verifizieren zumindest einer Verkehrsmeldung
DE102016003026A1 (de) * 2016-03-12 2016-09-29 Daimler Ag Verfahren zur Betätigung eines adaptiven Kurvenassistenzsystems eines Fahrzeuges

Also Published As

Publication number Publication date
DE102017210157A1 (de) 2018-12-20
WO2018233933A1 (de) 2018-12-27

Similar Documents

Publication Publication Date Title
DE102018121595B4 (de) Unbeaufsichtigtes anlernen von agenten für autonome fahranwendungen
DE102019115809A1 (de) Verfahren und system zum durchgehenden lernen von steuerbefehlen für autonome fahrzeuge
EP3642651A1 (de) Vorrichtung und verfahren zum mobilen erfassen von wetterinformationen
DE102018105293A1 (de) Verfahren und vorrichtung zur vernetzten szenendarstellung und -erweiterung in fahrzeugumgebungen in autonomen fahrsystemen
DE102019115038A1 (de) Systeme und verfahren zur vorhersage von sensorinformationen
DE102017103123A1 (de) Fahrzeugfahrbahnplatzierung
WO2022128013A1 (de) Korrektur von bildern einer kamera bei regen, lichteinfall und verschmutzung
DE102019114578A1 (de) Wahrnehmungsunsicherheitsmodellierung aus tatsächlichen wahrnehmungssystemen für autonomes fahren
CN120339887B (zh) 一种跨场景迁移学习的无人机多模态视觉识别方法
DE102021131054A1 (de) Verfahren, System und Computerprogrammprodukt zur Bewertung einer Fahrsituation für die prädiktive Steuerung einer automatisierten Fahrfunktion
DE102021111557A1 (de) Systeme und verfahren zur erkennung von anomalien
EP3748454A1 (de) Verfahren und vorrichtung zum automatischen ausführen einer steuerfunktion eines fahrzeugs
DE102010020298A1 (de) Verfahren und Vorrichtung zur Erfassung von Verkehrsdaten aus digitalen Luftbildsequenzen
DE102022119179A1 (de) Verfahren, System und Computerprogrammprodukt zum Testen und Trainieren eines Fahrerassistenzsystems (ADAS) und/oder eines automatisierten Fahrsystems (ADS) und/oder einer Fahrfunktion
CN108133182B (zh) 一种基于云成像的新能源发电预测方法及装置
DE102018201909A1 (de) Verfahren und Vorrichtung zur Objekterkennung
EP3106901B1 (de) Umweltmessungen mittels geographisch verteilter, mobiler sensoren
CN115393203A (zh) 基于深度学习的针对真实带雾图像的去雾方法及装置
CN118799767B (zh) 一种基于无人机视频的降水定量估计方法及系统
DE102024116720A1 (de) Zweistufige lokale und globale bildverbesserung
AT524210A4 (de) Verfahren zur Ermittlung einer meteorologischen Größe
CN106600541B (zh) 基于自适应大气光幕图多模传输视频图像清晰化处理系统
DE102022207725A1 (de) Verfahren und Vorrichtung zum Kalibrieren eines Infrastruktursensorsystems
DE102024201991B3 (de) Computerimplementiertes verfahren zum zuweisen eines mobilen endgerätes zu einem verkehrsteilnehmer
DE102017214875A1 (de) Verfahren zur Auswertung von Bilddaten, Computerprogramm und maschinenlesbares Speichermedium, sowie System zur Auswertung von Bilddaten

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20191126

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

AX Request for extension of the european patent

Extension state: BA ME

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: EXAMINATION IS IN PROGRESS

17Q First examination report despatched

Effective date: 20210208

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN

18D Application deemed to be withdrawn

Effective date: 20210619