EP3729412A1 - System zur berechnung einer fehlerwahrscheinlichkeit von fahrzeugsensordaten - Google Patents

System zur berechnung einer fehlerwahrscheinlichkeit von fahrzeugsensordaten

Info

Publication number
EP3729412A1
EP3729412A1 EP18830435.6A EP18830435A EP3729412A1 EP 3729412 A1 EP3729412 A1 EP 3729412A1 EP 18830435 A EP18830435 A EP 18830435A EP 3729412 A1 EP3729412 A1 EP 3729412A1
Authority
EP
European Patent Office
Prior art keywords
sensor data
data
central computer
sensor
error probability
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Withdrawn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
EP18830435.6A
Other languages
English (en)
French (fr)
Inventor
Susanne EYRISCH
Rene Alexander Körner
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.)
Aumovio Germany GmbH
Original Assignee
Continental Automotive Technologies GmbH
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 Continental Automotive Technologies GmbH filed Critical Continental Automotive Technologies GmbH
Publication of EP3729412A1 publication Critical patent/EP3729412A1/de
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
    • G09B29/003—Maps
    • G09B29/006—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes
    • G09B29/007—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes using computer methods
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
    • B60W50/0205—Diagnosing or detecting failures; Failure detection models
    • 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
    • G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
    • 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
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
    • B60W50/0205—Diagnosing or detecting failures; Failure detection models
    • B60W2050/0215—Sensor drifts or sensor failures

Definitions

  • the invention relates to an analysis of sensor data from
  • the invention relates to a system and method for calculating an error probability of sensor data of a vehicle.
  • an update device for updating a digital map for a vehicle which has a plurality of sensors that measure the current traffic situation, the movement of the vehicle or even the road conditions. These measured values are transferred to a central office which evaluates them and then sends corresponding update data for updating the digital map to other vehicles.
  • Embodiments of the invention may increase data quality and reliability of vehicle-based sensor data, thereby reducing or avoiding erroneous information for subsequent applications.
  • the invention described in the following is based on the following considerations: In order to significantly improve the up-to-dateness of the digital map data, it would be desirable, ideally in real time or with only slight delays, for possible changes in the environment of one
  • the system includes a sensor unit with sensors in a vehicle.
  • the vehicle is, for example, a motor vehicle, such as a car, bus or truck, or else a rail vehicle, a ship, an aircraft, such as a helicopter or airplane, or, for example, a bicycle.
  • the sensor unit is configured to provide a sensor dataset to an object in the vicinity of the vehicle.
  • object should be interpreted in this context very broad and should be static objects such as traffic signs, obstacles, road signs, other vehicles, people and animals, etc., but also dynamic objects such as traffic lights, weather phenomena, road conditions such as black ice, fog, Describe gradient changes of a track marker and the like.
  • all conditions that can be detected by sensors, ie impressions, events and observations can also be understood as an object.
  • the environment of the vehicle can consequently mean the vehicle itself, but also several meters or several hundred meters around the vehicle.
  • the system further includes a central computer configured to receive the sensor record from the sensor unit.
  • this central computer may be a cloud-based server located at one or more central sites. It is essential here that the sensor data sets of different vehicles can be evaluated in a logically central location in their entirety.
  • a wireless transmission of the sensor data sets from the sensor unit to the central computer can be achieved via a wide range of radio standards, such as Bluetooth, WLAN (eg WLAN 802.1 la / b / g / n or WLAN 802.11p), ZigBee, WiMax or even cellular radio systems like GPRS, UMTS or LTE. It is also possible to use other transmission protocols.
  • the GE- mentioned protocols offer the advantage of already existing standardization.
  • the system further comprises a reference database with reference data, the reference data having a reference to a position of the vehicle at the time of generation of the Sens orkorsatzes.
  • Reference data can be a variety of types of information and data that are in a context with the sensor data. For example, these may be reference data from a database of a traffic control center if the sensor data represents the optical detection of a dynamic traffic sign.
  • the reference to the position of the vehicle as well as the time point has the advantage that both the sensor data and the reference data relate to the same object or event or observation, and thus have a relation to each other.
  • the central computer is designed to calculate an error probability of the sensor data set with the reference data from the reference database.
  • an error probability of the sensor data set with the reference data from the reference database is calculated based on the reference information from the reference data records. Consequently, a plurality of reference data from different sources can make a statement as to whether or not a sensor data record is erroneous with a certain probability.
  • Advantage of a now known error probability may be that in particular outliers and unlikely Ext remute can be better recognized and possibly discarded.
  • the reference data is generated from sensor data of other vehicles. This is to describe the case where a correctness of a sensor data record of a vehicle is checked by a certain number of other vehicles transmitting identical or similar data records. However, especially in rural areas, a number of vehicles passing through an object can be very small within a period of time, so that possibly wrong information can be corrected much later.
  • Advantage of the solution presented here is that a variety of other, external data sources and databases used as a reference and can be used to calculate a probability of error even in Abwe senheit other vehicles.
  • the central computer is designed to classify the sensor data into object classes and to select the reference data object-specifically.
  • the central computer is designed in such a way that it first analyzes and recognizes the type and origin of the sensor data, and uses the identified object class to select and apply the appropriate reference data for calculating the error probability.
  • Under an object class can be, for example, typical national signage, road conditions, weather phenomena, traffic flow data, data from comparable road objects or previous observations of objects. What is meant here is a rough classification into the type of observation to which suitable reference data are then assigned for a meaningful calculation of an error probability.
  • This assignment of reference data to object classes can, for example, be defined in advance and stored in the central computer.
  • the reference data in the reference database is assigned a respective error probability.
  • the central computer takes into account the error probability of the reference data in such a way that the associated reference data are weighted less with increasing error probability. For example, if ice is reported on a road section by a sensor record, information from a social network may be consulted. If information about road conditions is published there in relation to the same geographical position and time, these are generally not tested and therefore more susceptible to incorrect information. An error probability of the reference data record can incorporate this circumstance into a calculation of the error probability of the sensor data record.
  • the central computer is designed to calculate the error probability of the reference data on the basis of further reference data and / or on the basis of the sensor data.
  • the central computer is able to calculate reliability or credibility of reference data based on previous calculations in the context of the other reference data and the sensor data. Thus, if history reveals that a reference data set has predominantly conflicting information compared to the other reference data, it is likely that this reference data set will be less credible and thus increase the probability of error of this reference data source.
  • the sensor unit in the vehicle calculates a preliminary probability of error of the sensor data. This can be done for example on the basis of further sensor data of the vehicle, but also on the basis of reference data from reference databases.
  • the vehicle itself can incorporate external reference data or information from its own on-board system via its own communication devices and calculate a preliminary error probability, which is then optionally calculated in a second step with further data in the central computer to a resulting error probability.
  • Advantage may be here that, for example, for the direct use of the sensor data in the vehicle already an evaluation based on reference data takes place and thus an error rate of the sensor data sets may decrease.
  • cameras may have a lower detection rate in situations with limited viewing conditions, such as fog.
  • the sensor unit knows from on-board information, for example by the fog light switched on, that obviously fog conditions prevail and can thus calculate a provisional error probability autonomously without having to draw external data sources.
  • the reference data are, for example, weather data, traffic flow data, traffic control data, sensor data of the same vehicle, sensor data of other vehicles and / or digital map data.
  • digital maps or “digital map data” is also understood to mean maps for advanced driver assistance systems (ADAS) without navigation.
  • the objects are, for example, traffic signs, lane markings, weather conditions, lanes, traffic light conditions, road conditions, vehicles, obstacles and / or barriers.
  • a method for calculating an error probability of sensor data sets of a sensor which has the steps described below. There is a reception of sensor data by a central computer. Thereafter, the sensor data is classified by the central computer. This means that, as described above, object classes are recognized which allow a rough classification into similar objects. In a further step, selecting and reading object class-specific reference data from a reference database is performed by the central computer. On the basis of the object class identified in the previous step, therefore, suitable reference data for validating and assessing a correctness or plausibility of the sensor data are selected and read from the reference database.
  • an error probability of the sensor data is calculated on the basis of the selected reference data by the central computer.
  • This calculated error The device may be provided by the central computer, according to an embodiment of the invention, together with the sensor data including position data of a digital map application. This means that the data obtained can be displayed graphically on a map surface using position data, for example, possibly displaying the calculated error probability.
  • the central computer performs a comparison of the calculated error probability of the sensor data with a predetermined threshold and marks the sensor data as faulty if this threshold is exceeded.
  • sensor data recognized as defective are discarded and can thus advantageously prevent a corruption or misinterpretation of the sensor data, for example in the context of an application based thereon.
  • FIG. 1 shows a prior art system for centrally processing vehicle-based sensor data in digital maps.
  • Fig. 2 shows a schematic representation of a system according to the invention for calculating an error probability of sensor data.
  • FIG. 3 shows a method according to the invention for calculating an error probability of sensor data of a vehicle.
  • FIG. 1 shows an example of a prior art system in which vehicle-based sensor data sets 12 are centrally merged, processed and processed as digital map data.
  • object 20 On a road section 22 is an object 20, which is concretely a variable traffic sign for speed limit, which is often found on signs bridges of highways.
  • the displayed maximum speed can be dynamically adjusted by a traffic control center. If, for example, the displayed maximum speed changes, a first vehicle 14 visually detects the object 20 when passing the object with a sensor 24.
  • the sensor 24 is, for example, a camera which is aligned in the direction of travel of the vehicle 14.
  • the first vehicle 14 now reports a sensor data record 12 to a central computer 26. This can be done for example via wireless transmission methods such as 4G / 5G, UMTS, Wi-Fi or WLAN. If a second vehicle 16 and a third vehicle 18 now pass the object 20, their sensor data 12 are likewise transmitted to the central computer 26. If the central computer 26 receives matching sensor data sets 12, it can be assumed that the reported sensor data records 12 are correct, whereupon the central computer generates digital map data 28 for a mapping application 30 and updates any existing digital map data 28 to the same object 20. It can be problematic here if sensor data 12 which does not match are received by the central computer 26 and it remains unclear to what extent the transmitted sensor data sets 12 are possibly faulty.
  • a sensor unit 32 in the vehicle can perform various functions within a vehicle. This can be, for example, a pre-processing or Conditioning of signals of the sensors 24 or a control of the sensors 24 be. In one example, the sensor unit 32 assumes the calculation of a provisional error probability 38 (see below).
  • the sensor unit 32 is designed such that it generates from the totality of the sensor signals of the connected sensors 24 a sensor data record 12 which describes an object 20 (see FIG. 1) in the vicinity of the vehicle 14.
  • a central computer 26 receives this sensor data record 12.
  • the central computer 26 classifies the received sensor data record 12 with respect to predefined object classes.
  • Several reference databases 34 are connected to the central computer 26.
  • the central computer 26 selects suitable reference databases 34 on the basis of the identified object classes and reads out reference data 36.
  • these reference data 36 have a reference to a position of the vehicle 14 at the time of generation of the sensor data set 12.
  • the central computer 26 calculates with these reference data 36 a King sensitivity 38 of the sensor data set 12. This Hyundaiwahr probability 38 of the sensor data set 12 is together with the sensor data 12th and position data is converted into digital map data 28 and provided to a mapping application 30, shown here as a database.
  • a method according to the invention for calculating an error probability 38 of sensor data 12 is Darge.
  • a reception 110 of a sensor data record 12 is performed by a central computer 26.
  • the data is classified 120 of the sensor data record 12 into object classes by the central computer 26.
  • a selection and readout of object class-specific reference data 36 from a reference database 34 takes place completed by the central computer 26.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Automation & Control Theory (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Probability & Statistics with Applications (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Business, Economics & Management (AREA)
  • Ecology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Traffic Control Systems (AREA)
  • Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)

Abstract

System (10) und Verfahren (100) zum Berechnen einer Fehlerwahrscheinlichkeit (38) eines fahrzeugbasierten Sensordatensatzes (12) mit einer Sensoreinheit (32) und Sensoren (24), eine Referenzdatenbank (34) mit Referenzdaten (36) und einem Zentralrechner (26). Die Referenzdaten (36) haben einen zeitlichen und örtlichen Bezug zum Sensordatensatz (12). Der Zentralrechner (26) berechnet auf Basis geeigneter Referenzdaten (36) aus den Referenzdatenbanken (34) eine Fehlerwahrscheinlichkeit (38) des Sensordatensatzes (12).

Description

Beschreibung
System zur Berechnung einer Fehlerwahrscheinlichkeit von Fahrzeugsensordaten
Gebiet der Erfindung
Die Erfindung betrifft eine Analyse von Sensordaten von
Fahrzeugen. Insbesondere betrifft die Erfindung ein System und ein Verfahren zur Berechnung einer Fehlerwahrscheinlichkeit von Sensordaten eines Fahrzeuges.
Hintergrund der Erfindung
In modernen Fahrzeugsystemen sind zunehmend intelligente Sensoren verbaut, die eine Vielzahl von physikalischen Größen und Betriebsgrößen erfassen, verarbeiten und auch weiterleiten. Durch die Entwicklung der Sensorik und durch steigende Rech nerkapazitäten ist es möglich, immer detailliertere Informa tionen über das Fahrzeug selbst, aber auch über eine Umgebung eines Fahrzeuges zu sammeln und aufzubereiten. Eine wichtige Rolle spielen anwendungsseitig digitale Kartenanwendungen und Navigationssysteme. Diese Unterstützungssysteme sollen einem Fahrer verkehrsrelevante Informationen möglichst umfassend und früh bereitstellen, beispielsweise für eine prädiktive Fahr zeugsteuerung. Hierbei kann beispielsweise in Voraussicht eines nahenden Hindernisses oder einer gefährlichen Situation eine Geschwindigkeit automatisch gedrosselt werden, Warnhinweise ausgegeben werden oder beispielsweise auch eine Federung an gepasst werden.
Dafür werden möglichst aktuelle Informationen benötigt, die beispielsweise in digitalen Kartenanwendungen oder Navigati onsanwendungen hinterlegt werden können. Heutzutage werden Kartendaten vorwiegend über speziell ausgestattete Fahrzeuge in bestimmten zeitlichen Zyklen von Monaten, teilweise auch Jahren erfasst. Folglich sind die Kartendaten, gerade durch die ge ringere Anzahl solcher Messfahrten in ländlichen Gebieten, oftmals veraltet. Im Stand der Technik sind Lösungen bekannt, die die meist bereits vorhandenen Sensoren im Fahrzeug dazu nutzen, die Umgebung eines Fahrzeugs durch Sensoren zu erfassen und die gewonnenen Sensordaten zur Aktualisierung der Kartendaten zu nutzen. Dabei sind die Anforderungen an Aktualität und Ge nauigkeit der zur Verfügung gestellten Sensordaten hoch, um aus dem digitalen Kartenmaterial relevante Informationen gewinnen zu können .
Aus der DE 10 2008 012661 Al ist eine Aktualisierungseinrichtung zur Aktualisierung einer digitalen Karte für ein Fahrzeug bekannt, welche eine Vielzahl an Sensoren aufweist, die die aktuelle Verkehrssituation, die Bewegung des Fahrzeugs oder aber auch die Straßenverhältnisse messen. Diese Messwerte werden an eine Zentrale übergeben, die diese auswertet und dann ent sprechende Aktualisierungsdaten zur Aktualisierung der digi talen Karte an andere Fahrzeuge schickt.
Offenbarung der Erfindung
Ausführungsformen der Erfindung können eine Datenqualität und Zuverlässigkeit von fahrzeugbasierten Sensordaten erhöhen und so fehlerhafte Informationen für nachfolgende Anwendungen ver ringern oder vermeiden. Der im Folgenden beschriebenen Erfindung liegen die folgenden Überlegungen zugrunde: Um eine Aktualität der digitalen Kartendaten deutlich zu verbessern, wäre es wünschenswert, idealerweise in Echtzeit oder mit nur geringen Verzögerungen mögliche Änderungen in der Umgebung eines
Fahrzeuges möglichst schnell als digitale Kartendaten zu hinterlegen, damit diese Informationen allen Beteiligten un mittelbar zur Verfügung gestellt werden können. Nun existiert eine Vielzahl von Herstellern, Sensoren und Systemen, die eine ebenfalls große Zahl von physikalischen Größen messen und verschiedenste Arten von Daten erfassen. Insbesondere kann es häufig Vorkommen, dass beispielsweise von fehlerhaften Sensoren folglich fehlerhafte Daten erfasst und an eine Zentrale übermittelt werden. Es wäre also wünschenswert, diese feh lerhaften Daten zu identifizieren und gegebenenfalls zu eli- minieren, sodass sie ein Ergebnis nicht verfälschen.
Es wird daher ein System zur Berechnung einer Fehlerwahr scheinlichkeit von Sensordaten in Fahrzeugen vorgeschlagen. Das System weist eine Sensoreinheit mit Sensoren in einem Fahrzeug auf. Bei dem Fahrzeug handelt es sich beispielsweise um ein Kraftfahrzeug, wie Auto, Bus oder Lastkraftwagen, oder aber auch um ein Schienenfahrzeug, ein Schiff, ein Luftfahrzeug, wie Helikopter oder Flugzeug, oder beispielsweise um ein Fahrrad.
Die Sensoreinheit ist ausgestaltet, einen Sensordatensatz zu einem Objekt in der Umgebung des Fahrzeugs bereitzustellen. Der Begriff Objekt soll in diesem Zusammenhang sehr weit auszulegen sein und soll zum einen statische Objekte wie beispielsweise Verkehrsschilder, Hindernisse, Straßenschilder, andere Fahr zeuge, Personen und Tiere usw., aber auch dynamische Objekte wie Ampelzustände, Wetterphänomene, Straßenzustände wie Glatteis, Nebel, Verlaufsänderungen einer Spurmarkierung und Ähnliches beschreiben. Mit anderen Worten können auch alle durch Sensoren erfassbaren Gegebenheiten, also Impressionen, Ereignisse und Beobachtungen als Objekt verstanden werden. Die Umgebung des Fahrzeuges kann folglich je nach Sensortyp das Fahrzeug selbst, aber auch mehrere Meter oder mehrere hundert Meter um das Fahrzeug herum bedeuten.
Das System weist weiterhin einen Zentralrechner auf, der ausgeführt ist, den Sensordatensatz von der Sensoreinheit zu empfangen. Gemäß einem Beispiel kann dieser Zentralrechner ein cloudbasierter Server sein, der an einem zentralen oder auch mehreren zentralen Standorten angeordnet ist. Wesentlich ist hier, dass die Sensordatensätze von verschiedenen Fahrzeugen an einem logisch zentralen Ort in ihrer Gesamtheit auswertbar sind. Eine kabellose Übertragung der Sensordatensätze von der Sen soreinheit zum Zentralrechner kann über verschiedenste Funk standards wie beispielsweise per Bluetooth, WLAN (z. B. WLAN 802.1 la/b/g/n oder WLAN 802.11p), ZigBee, WiMax oder aber auch zellulärer Funksysteme wie GPRS, UMTS oder LTE . Es ist auch die Verwendung anderer Übertragungsprotokolle möglich. Die ge- nannten Protokolle bieten den Vorteil der bereits erfolgten Standardisierung .
Das System weist weiterhin eine Referenzdatenbank mit Refe renzdaten auf, wobei die Referenzdaten einen Bezug zu einer Position des Fahrzeugs zum Zeitpunkt der Erzeugung des Sens ordatensatzes aufweisen. Referenzdaten können verschiedenste Arten von Informationen und Daten sein, die in einem Kontext mit den Sensordaten stehen. Beispielsweise können dies Referenzdaten aus einer Datenbank eines Verkehrsleitzentrale sein, wenn die Sensordaten die optische Erfassung eines dynamischen Ver kehrszeichens repräsentieren. Der Bezug zur Position des Fahrzeugs sowie zum Zeitpunkt hat den Vorteil bzw. Zweck, dass sich sowohl die Sensordaten als auch die Referenzdaten auf dasselbe Objekt bzw. Ereignis oder Beobachtung beziehen, und somit einen Bezug zueinander aufweisen.
Der Zentralrechner ist ausgeführt, mit den Referenzdaten aus der Referenzdatenbank eine Fehlerwahrscheinlichkeit des Sensor datensatzes zu berechnen. Mit anderen Worten wird anhand der Referenzinformationen aus den Referenzdatensätzen geprüft, ob ein Sensordatensatz plausibel im Lichte der aus anderen, un abhängigen Quellen bezogenen Informationen erscheint. Eine Vielzahl von Referenzdaten aus verschiedenen Quellen kann folglich eine Aussage darüber treffen, ob ein Sensordatensatz mit einer gewissen Wahrscheinlichkeit fehlerhaft ist oder nicht. Vorteil einer nunmehr bekannten Fehlerwahrscheinlichkeit kann es sein, dass insbesondere Ausreißer und unwahrscheinliche Ext remwerte besser erkannt werden können und gegebenenfalls verworfen werden können.
Gemäß einem Beispiel sind die Referenzdaten aus Sensordaten anderer Fahrzeuge generiert. Dies soll den Fall beschreiben, wo eine Richtigkeit eines Sensordatensatzes eines Fahrzeuges dadurch geprüft wird, dass eine gewisse Anzahl weiterer Fahrzeuge gleiche oder ähnliche Datensätze übertragen. Insbesondere in ländlichen Bereichen kann aber eine Anzahl von Fahrzeugen, die ein Objekt passieren, innerhalb eines Zeitraumes sehr gering sein, sodass möglicherweise falsche Informationen erst sehr viel später korrigiert werden können. Vorteil der hier dargestellten Lösung ist es, dass eine Vielzahl weiterer, externer Datenquellen und Datenbanken als Referenz genutzt und zur Berechnung einer Fehlerwahrscheinlichkeit auch bei Abwe senheit weiterer Fahrzeuge genutzt werden kann.
In einer Ausführungsform der Erfindung ist der Zentralrechner ausgeführt, die Sensordaten in Obj ektklassen zu klassifizieren und die Referenzdaten obj ektklassenspezifisch auszuwählen. Mit anderen Worten ist der Zentralrechner derart ausgeführt, dass er zunächst die Art und Herkunft der Sensordaten analysiert und erkennt und anhand der identifizierten Objektklasse die ge eigneten Referenzdaten zum Berechnen der Fehlerwahrschein lichkeit auswählt und anwendet.
Unter einer Objektklasse können beispielsweise landestypische Beschilderungen, Straßenzustände, Wetterphänomene, Verkehrs flussdaten, Daten von vergleichbaren Straßenobjekten oder auch vorherige Beobachtungen von Objekten sein. Gemeint ist hier eine grobe Einteilung in die Art der Beobachtung, denen dann zu einer sinnvollen Berechnung einer Fehlerwahrscheinlichkeit bestimmte, geeignete Referenzdaten zugeordnet sind. Diese Zuordnung von Referenzdaten zu Obj ektklassen kann beispielsweise vorab de finiert und im Zentralrechner hinterlegt sein.
In einer Ausführungsform der Erfindung ist den Referenzdaten in der Referenzdatenbank eine jeweilige Fehlerwahrscheinlichkeit zugeordnet. Mit anderen Worten weist nicht nur der Sensorda tensatz eine Fehlerwahrscheinlichkeit auf, sondern auch die Referenzdaten selbst können verschiedene Grade von Verläss lichkeit oder Glaubwürdigkeit aufweisen. Der Zentralrechner berücksichtigt bei der Berechnung der Fehlerwahrscheinlichkeit des Sensordatensatzes die Fehlerwahrscheinlichkeit der Refe renzdaten derart, dass bei steigender Fehlerwahrscheinlichkeit die zugehörigen Referenzdaten geringer gewichtet sind. Wird beispielsweise durch einen Sensordatensatz Eis auf einem Straßenabschnitt gemeldet, können Informationen von einem sozialen Netzwerk hinzugezogen werden. Werden dort in Bezug auf dieselbe geographische Position und Zeitpunkt Informationen zum Straßenzustand veröffentlicht, so sind diese in der Regel nicht geprüft und daher eher anfällig für falsche Informationen. Eine Fehlerwahrscheinlichkeit des Referenzdatensatzes kann diesen Umstand in eine Berechnung der Fehlerwahrscheinlichkeit des Sensordatensatzes mit einfließen lassen.
In einer Ausführungsform der Erfindung ist der Zentralrechner ausgeführt, die Fehlerwahrscheinlichkeit der Referenzdaten auf Basis weiterer Referenzdaten und/oder auf Basis der Sensordaten zu berechnen. Mit anderen Worten ist der Zentralrechner in der Lage, aufgrund vorheriger Berechnungen im Kontext der übrigen Referenzdaten und der Sensordaten eine Verlässlichkeit oder Glaubwürdigkeit von Referenzdaten zu errechnen. Zeigt sich also aufgrund der Historie, dass ein Referenzdatensatz überwiegend konträre Informationen im Vergleich zu den anderen Referenzdaten aufweist, ist es wahrscheinlich, dass dieser Referenzdatensatz weniger glaubwürdig ist und somit eine Fehlerwahrscheinlichkeit dieser Referenzdatenquelle steigt.
Gemäß einer Ausführungsform berechnet die Sensoreinheit im Fahrzeug eine vorläufige Fehlerwahrscheinlichkeit der Sens ordaten. Dies kann beispielsweise auf Basis weiterer Sensordaten des Fahrzeugs, aber auch auf Basis von Referenzdaten von Re ferenzdatenbanken erfolgen. Hierzu kann das Fahrzeug selbst über eigene Kommunikationseinrichtungen externe Referenzdaten oder auch Informationen aus dem eigenen Bordsystem einbinden und eine vorläufige Fehlerwahrscheinlichkeit berechnen, die dann op tional in einem zweiten Schritt mit weiteren Daten im Zent ralrechner zu einer resultierenden Fehlerwahrscheinlichkeit berechnet wird. Vorteil kann hier sein, dass beispielsweise zur direkten Verwendung der Sensordaten im Fahrzeug bereits eine Evaluierung anhand von Referenzdaten stattfindet und somit eine Fehlerquote der Sensordatensätze sinken kann. Beispielsweise können Kameras in Situationen mit eingeschränkten Sichtver hältnissen, beispielsweise bei Nebel, eine niedrigere Erken nungsrate haben. Die Sensoreinheit weiß aus Bordinformationen, beispielsweise durch eingeschaltetes Nebellicht, dass offen sichtlich Nebelbedingungen vorherrschen und kann so eine vorläufige Fehlerwahrscheinlichkeit auch autark ohne Hinzu ziehen externer Datenquellen errechnen.
In einer Ausführungsform der Erfindung sind die Referenzdaten beispielsweise Wetterdaten, Verkehrsflussdaten, Verkehrs steuerdaten, Sensordaten des gleichen Fahrtzeugs, Sensordaten anderer Fahrzeuge und/oder digitale Kartendaten. Unter dem Begriff „digitale Karten" oder „digitale Kartendaten" sind auch Karten für fortschrittliche Fahrerassistenzsysteme (ADAS, Advanced Driver Assistance System) zu verstehen, ohne dass eine Navigation stattfindet. In einer weiteren Ausführungsform der Erfindung sind die Objekte beispielsweise Verkehrsschilder, Spurmarkierungen, Wetterzustände, Fahrspuren, Ampelzustände, Straßenzustände, Fahrzeuge, Hindernisse und/oder Absperrungen.
In einem weiteren Aspekt der Erfindung wird ein Verfahren zur Berechnung einer Fehlerwahrscheinlichkeit von Sensordatensätzen eines Sensors vorgestellt, das die im Folgenden dargestellten Schritte aufweist. Es erfolgt ein Empfangen von Sensordaten durch einen Zentralrechner. Danach werden die Sensordaten durch den Zentralrechner klassifiziert. Dies bedeutet, es werden, wie oben beschrieben, Obj ektklassen erkannt, die eine grobe Einteilung in gleichartige Objekte erlauben. In einem weiteren Schritt erfolgt ein Auswählen und Auslesen von obj ektklassenspezifischen Re ferenzdaten aus einer Referenzdatenbank durch den Zentral rechner. Auf Basis der im vorherigen Schritt erkannten Ob jektklasse werden also geeignete Referenzdaten zur Validierung und Beurteilung einer Richtigkeit oder Plausibilität der Sensordaten ausgewählt und aus der Referenzdatenbank ausgelesen.
In einem folgenden Schritt wird eine Fehlerwahrscheinlichkeit der Sensordaten auf Basis der selektierten Referenzdaten durch den Zentralrechner berechnet. Diese berechnete Fehlerwahr- scheinlichkeit kann durch den Zentralrechner, gemäß einer Ausführungsform der Erfindung, zusammen mit den Sensordaten inklusive Positionsdaten einer digitalen Kartenanwendung zur Verfügung gestellt werden. Das bedeutet, dass die gewonnenen Daten unter Verwendung von Positionsdaten beispielsweise graphisch auf einer Kartenoberfläche dargestellt werden können, gegebenenfalls unter Anzeige der berechneten Fehlerwahr scheinlichkeit .
Gemäß einer Ausführungsform der Erfindung nimmt der Zentral rechner ein Vergleichen der berechneten Fehlerwahrschein lichkeit der Sensordaten mit einem festgelegten Schwellenwert vor und kennzeichnet die Sensordaten als fehlerhaft, wenn dieser Schwellenwert überschritten wird. Mit anderen Worten werden als fehlerhaft erkannte Sensordaten verworfen und können somit vorteilhaft eine Verfälschung oder Fehlinterpretation der Sensordaten, beispielsweise im Rahmen einer darauf aufbauenden Anwendung, vermeiden.
Kurze Beschreibung der Figuren
Im Folgenden werden Ausführungsbeispiele der Erfindung anhand von grafischen Darstellungen beschrieben. Die Figuren sind lediglich schematisch und nicht maßstabsgetreu. Gleiche oder ähnliche Elemente sind mit den gleichen Bezugszeichen versehen.
Fig. 1 zeigt ein System gemäß dem Stand der Technik zur zentralen Verarbeitung von fahrzeugbasierten Sensordaten in digitalen Karten .
Fig. 2 zeigt in schematischer Darstellung ein System gemäß der Erfindung zur Berechnung einer Fehlerwahrscheinlichkeit von Sensordaten .
Fig. 3 zeigt ein erfindungsgemäßes Verfahren zur Berechnung einer Fehlerwahrscheinlichkeit von Sensordaten eines Fahrzeuges. Detaillierte Beschreibung der Figuren
In Fig. 1 ist ein Beispiel eines Systems aus dem Stand der Technik gezeigt, in dem fahrzeugbasierte Sensordatensätze 12 zentral zusammengeführt, verarbeitet und als digitale Kartendaten aufbereitet werden. Auf einem Straßenabschnitt 22 befindet sich ein Objekt 20, das hier konkret ein variables Verkehrszeichen zur Geschwindigkeitsbegrenzung ist, welches häufig auf Schilder brücken von Autobahnen zu finden ist. Die angezeigte maximale Geschwindigkeit kann hier je nach Verkehrssituation durch eine Verkehrsleitzentrale dynamisch angepasst werden. Ändert sich beispielsweise die angezeigte maximale Geschwindigkeit, erfasst ein erstes Fahrzeug 14 beim Passieren des Objektes mit einem Sensor 24 visuell das Objekt 20. In diesem Falle ist der Sensor 24 beispielsweise eine Kamera, die in Fahrtrichtung des Fahrzeugs 14 ausgerichtet ist.
Das erste Fahrzeug 14 meldet nun einen Sensordatensatz 12 an einen Zentralrechner 26. Dies kann beispielsweise über drahtlose Übertragungsverfahren wie 4G/5G, UMTS, Wi-Fi oder WLAN erfolgen. Passiert nun auch ein zweites Fahrzeug 16 und ein drittes Fahrzeug 18 das Objekt 20, werden deren Sensordaten 12 ebenfalls an den Zentralrechner 26 übertragen. Empfängt der Zentralrechner 26 übereinstimmende Sensordatensätze 12, kann davon ausgegangen werden, dass die gemeldeten Sensordatensätze 12 korrekt sind, woraufhin der Zentralrechner digitale Kartendaten 28 für eine Kartenanwendung 30 erzeugt und dabei gegebenenfalls vorhandene digitale Kartendaten 28 zum gleichen Objekt 20 aktualisiert. Problematisch kann es hier sein, wenn nicht übereinstimmende Sensordaten 12 vom Zentralrechner 26 empfangen werden und unklar bleibt, inwiefern die übertragenen Sensordatensätze 12 mög licherweise fehlerhaft sind.
In Fig. 2 ist ein erfindungsgemäßes System 10 beschrieben, dass diese Problematik löst. Verschiedene Sensoren 24 sind mit einer Sensoreinheit 32 im Fahrzeug verbunden. Diese Sensoreinheit 32 kann verschiedene Funktionen innerhalb eines Fahrzeuges übernehmen. Dies kann beispielsweise eine Vorverarbeitung oder Aufbereitung von Signalen der Sensoren 24 oder eine Steuerung der Sensoren 24 sein. In einem Beispiel übernimmt die Sensoreinheit 32 die Berechnung einer vorläufigen Fehlerwahrscheinlichkeit 38 (siehe weiter unten) . Die Sensoreinheit 32 ist so ausgestaltet, dass sie aus der Gesamtheit der Sensorsignale der angeschlossenen Sensoren 24 einen Sensordatensatz 12 erzeugt, der ein Objekt 20 (siehe Fig. 1) in der Umgebung des Fahrzeugs 14 beschreibt.
Ein Zentralrechner 26 empfängt diesen Sensordatensatz 12. Vorzugsweise klassifiziert der Zentralrechner 26 den empfangenen Sensordatensatz 12 hinsichtlich vordefinierter Obj ektklassen . Mehrere Referenzdatenbanken 34 sind mit dem Zentralrechner 26 verbunden. Der Zentralrechner 26 wählt auf Basis der identi fizierten Obj ektklassen geeignete Referenzdatenbanken 34 aus und liest Referenzdaten 36 aus. Dabei haben diese Referenzdaten 36 einen Bezug zu einer Position des Fahrzeugs 14 zum Zeitpunkt der Erzeugung des Sensordatensatzes 12. Der Zentralrechner 26 berechnet mit diesen Referenzdaten 36 eine Fehlerwahrschein lichkeit 38 des Sensordatensatzes 12. Diese Fehlerwahr scheinlichkeit 38 des Sensordatensatzes 12 wird zusammen mit dem Sensordatensatz 12 und Positionsdaten in digitale Kartendaten 28 umgewandelt und einer Kartenanwendung 30, hier als Datenbank dargestellt, zur Verfügung gestellt.
In Fig. 3 ist ein erfindungsgemäßes Verfahren zur Berechnung einer Fehlerwahrscheinlichkeit 38 von Sensordaten 12 darge stellt. Dabei erfolgt ein Empfangen 110 eines Sensordatensatzes 12 durch einen Zentralrechner 26. In einem nächsten Schritt erfolgt ein Klassifizieren 120 des Sensordatensatzes 12 in Obj ektklassen durch den Zentralrechner 26. Im Schritt 130 wird ein Auswählen und Auslesen von obj ektklassenspezifischen Re ferenzdaten 36 aus einer Referenzdatenbank 34 durch den Zentralrechner 26 vollzogen. Im Schritt 140 erfolgt ein Berechnen einer Fehlerwahrscheinlichkeit 38 des Sensordatensatzes 12 durch den Zentralrechner 26 auf Basis der Referenzdaten 36. Ab schließend wird im Schritt 150 der Sensordatensatz 12 zusammen mit der zugehörigen Fehlerwahrscheinlichkeit 38 durch den Zentralrechner 26 einer digitalen Kartenanwendung 30 zur Verfügung gestellt.

Claims

Patentansprüche
1. System (10) zur Berechnung einer Fehlerwahrscheinlichkeit (38) eines Sensordatensatzes (12) in Fahrzeugen (14), aufweisend :
- eine Sensoreinheit (32) mit Sensoren (24) in einem Fahrzeug (14); wobei die Sensoreinheit (32) ausgestaltet ist, einen Sensordatensatz (12) zu einem Objekt (20) in der Umgebung des Fahrzeugs (14) bereitzustellen;
- einen Zentralrechner (26), der ausgeführt ist, den Sensordatensatz (12) von der Sensoreinheit (32) zu emp fangen;
- eine Referenzdatenbank (34) mit Referenzdaten (36); wobei die Referenzdaten (36) einen Bezug zu einer Position des Fahrzeugs (14) zum Zeitpunkt der Erzeugung des Sen sordatensatzes (12) aufweisen;
wobei der Zentralrechner (26) ausgeführt ist, mit Referenzdaten (36) aus der Referenzdatenbank (34) eine Fehlerwahrscheinlichkeit (38) des Sensordatensatzes (12) zu berechnen.
2. System (10) gemäß Anspruch 1, wobei der Zentralrechner (26) ausgeführt ist, den Sensordatensatz (12) in eine Ob jektklasse zu klassifizieren und die Referenzdaten (36) obj ektklassenspezifisch ausgewählt sind.
3. System (10) gemäß Anspruch 1 oder 2, wobei den Referenzdaten (36) in der Referenzdatenbank (34) eine Fehlerwahr scheinlichkeit zugeordnet ist;
wobei der Zentralrechner (26) bei der Berechnung der Fehlerwahrscheinlichkeit (38) des Sensordatensatzes (12) die Fehlerwahrscheinlichkeit der Referenzdaten (36) derart berücksichtigt, dass bei steigender Fehlerwahrschein lichkeit die zugehörigen Referenzdaten (36) geringer gewichtet sind.
4. System (10) gemäß Anspruch 3, wobei der Zentralrechner (26) ausgeführt ist, die Fehlerwahrscheinlichkeit der Refe- renzdaten (36) auf Basis weiterer Referenzdaten (36) und/oder auf Basis der Sensordatensätze (12) zu berechnen.
5. System (10) gemäß einem der vorhergehenden Ansprüche, wobei die Sensoreinheit (32) im Fahrzeug (14) eine vorläufige Fehlerwahrscheinlichkeit (38) des Sensordatensatzes (12) berechnet .
6. System (10) gemäß einem der vorhergehenden Ansprüche, wobei die Referenzdaten (36) Wetterdaten, Verkehrsflussdaten, Verkehrssteuerdaten, Sensordatensätze (12) des gleichen Fahrtzeugs, Sensordatensätze (12) anderer Fahrzeuge und/oder digitale Kartendaten (28) sind.
7. System (10) gemäß einem der vorhergehenden Ansprüche, wobei die Objekte (20) Verkehrsschilder, Spurmarkierungen, Wetterzustände, Fahrspuren, Ampelzustände, Straßenzu stände, Fahrzeuge, Hindernisse und/oder Absperrungen sind.
8. Verfahren (100) zur Berechnung einer Fehlerwahrschein lichkeit (38) eines Sensordatensatzes (12) eines Sensors (24), aufweisend die Schritte:
- Empfangen (110) eines Sensordatensatzes (12) durch einen Zentralrechner (26);
- Klassifizieren (120) des Sensordatensatzes (12) durch den Zentralrechner (26);
- Auswählen und Auslesen (130) von obj ektklassen- spezifischen Referenzdaten (36) aus einer Referenzda tenbank (34) durch den Zentralrechner (26);
- Berechnen (140) einer Fehlerwahrscheinlichkeit (38) des Sensordatensatzes (12) auf Basis der Referenzdaten (36) durch den Zentralrechner (26) .
9. Verfahren (100) gemäß Anspruch 8, weiterhin aufweisend den Schritt des Bereitstellens (150) des Sensordatensatzes (12) und der zugehörigen Fehlerwahrscheinlichkeit (38) durch den Zentralrechner (26) für eine digitale Kartenanwendung (30).
10. Verfahren (100) gemäß Anspruch 8 oder 9, wobei der Zentralrechner (26) ein Vergleichen (160) der Fehler wahrscheinlichkeit (38) des Sensordatensatzes (12) mit einem festgelegten Schwellenwert und bei Überschreiten des Schwellenwertes ein Kennzeichnen des Sensordatensatzes
(12) als fehlerhaft vornimmt.
EP18830435.6A 2017-12-21 2018-12-17 System zur berechnung einer fehlerwahrscheinlichkeit von fahrzeugsensordaten Withdrawn EP3729412A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102017223632.9A DE102017223632A1 (de) 2017-12-21 2017-12-21 System zur Berechnung einer Fehlerwahrscheinlichkeit von Fahrzeugsensordaten
PCT/EP2018/085194 WO2019121510A1 (de) 2017-12-21 2018-12-17 System zur berechnung einer fehlerwahrscheinlichkeit von fahrzeugsensordaten

Publications (1)

Publication Number Publication Date
EP3729412A1 true EP3729412A1 (de) 2020-10-28

Family

ID=65003348

Family Applications (1)

Application Number Title Priority Date Filing Date
EP18830435.6A Withdrawn EP3729412A1 (de) 2017-12-21 2018-12-17 System zur berechnung einer fehlerwahrscheinlichkeit von fahrzeugsensordaten

Country Status (6)

Country Link
US (1) US11657707B2 (de)
EP (1) EP3729412A1 (de)
JP (1) JP7021355B2 (de)
CN (1) CN111465972B (de)
DE (1) DE102017223632A1 (de)
WO (1) WO2019121510A1 (de)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102016216335B4 (de) * 2016-08-30 2020-12-10 Continental Automotive Gmbh System und Verfahren zur Analyse von Fahrtrajektorien für einen Streckenabschnitt
DE102017223632A1 (de) * 2017-12-21 2019-06-27 Continental Automotive Gmbh System zur Berechnung einer Fehlerwahrscheinlichkeit von Fahrzeugsensordaten
DE102019211457B4 (de) * 2019-07-31 2025-04-30 Volkswagen Aktiengesellschaft Verfahren und System zum Bereitstellen einer kontextabhängigen Wissensbasis zum Plausibilisieren mindestens einer Wahrnehmungsfunktion
DE102019216732A1 (de) * 2019-10-30 2021-05-06 Zf Friedrichshafen Ag Verfahren sowie System zum Plausibilisieren von Kartendaten
DE102021200848A1 (de) 2021-01-29 2022-08-04 Volkswagen Aktiengesellschaft Verfahren zum Bereitstellen von Daten eines Fahrzeuges, Computerprogrammprodukt sowie Kommunikationssystem
DE102021200822A1 (de) 2021-01-29 2022-08-04 Siemens Mobility GmbH Verfahren und Vorrichtung zur Sensordatenverarbeitung
US11809190B2 (en) * 2021-04-30 2023-11-07 Zoox, Inc. Methods and systems to assess vehicle capabilities
US20230266909A1 (en) * 2022-02-24 2023-08-24 Micron Technology, Inc. Operating memory die based on temperature data
WO2025125849A1 (en) * 2023-12-12 2025-06-19 Mobileye Vision Technologies Ltd. Systems and methods for navigating a vehicle using coast control
DE102024209897A1 (de) * 2024-10-10 2026-04-16 Volkswagen Aktiengesellschaft Verfahren zum Betreiben eines Ego-Fahrzeugs und Ego-Fahrzeug

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013213106A1 (de) * 2013-09-18 2015-03-19 Continental Teves Ag & Co. Ohg Verfahren und System zur Bewertung einer Zuverlässigkeit eines sensorikbasierten Fahrzeugsystems

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6047234A (en) * 1997-10-16 2000-04-04 Navigation Technologies Corporation System and method for updating, enhancing or refining a geographic database using feedback
US7706963B2 (en) * 2005-10-28 2010-04-27 Gm Global Technology Operations, Inc. System for and method of updating traffic data using probe vehicles having exterior sensors
DE102008012661A1 (de) 2007-08-25 2009-02-26 Continental Teves Ag & Co. Ohg Aktualisierungseinheit und Verfahren zur Aktualisierung einer digitalen Karte
CN101910794B (zh) * 2008-01-31 2013-03-06 三菱电机株式会社 导航装置
EP2449511A1 (de) * 2009-06-29 2012-05-09 BAE Systems PLC Schätzung eines zustandes von mindestens einem ziel mit mehreren sensoren
JP2011027594A (ja) 2009-07-27 2011-02-10 Toyota Infotechnology Center Co Ltd 地図データ検証システム
JP5054230B2 (ja) 2009-09-03 2012-10-24 オリンパスメディカルシステムズ株式会社 撮像ユニット
US8868344B2 (en) * 2011-09-22 2014-10-21 Honeywell International Inc. Systems and methods for combining a priori data with sensor data
DE102012207203A1 (de) * 2012-04-30 2013-10-31 Robert Bosch Gmbh Verfahren und Vorrichtung zur Bestimmung eines Umfelds
DE102014220687A1 (de) * 2014-10-13 2016-04-14 Continental Automotive Gmbh Kommunikationsvorrichtung für ein Fahrzeug und Verfahren zum Kommunizieren
EP3073224B1 (de) * 2015-03-27 2019-05-08 Panasonic Automotive & Industrial Systems Europe GmbH Sensordatenfusion basierend auf digitalen kartendaten
US10378936B2 (en) * 2015-09-04 2019-08-13 International Business Machines Corporation Identification of failed sensors in a system of interconnected devices
DE102015014651A1 (de) * 2015-11-12 2017-05-18 Audi Ag Verfahren zum Bereitstellen einer Spurinformation einer Fahrspur und System
US10093021B2 (en) * 2015-12-02 2018-10-09 Qualcomm Incorporated Simultaneous mapping and planning by a robot
EP3196089B1 (de) * 2016-01-21 2021-10-13 Volvo Car Corporation Fahrzeugsicherheitsunterstützungssystem, fahrzeug mit einem fahrzeugsicherheitsunterstützungssystem und verfahren zur bereitstellung einer fahrerwarnung oder zur durchführung einer autonomen bremsung
US10223380B2 (en) * 2016-03-23 2019-03-05 Here Global B.V. Map updates from a connected vehicle fleet
JPWO2017212639A1 (ja) * 2016-06-10 2019-05-16 パイオニア株式会社 情報処理装置、計測装置及び制御方法
DE102016011016A1 (de) * 2016-09-10 2017-04-13 Daimler Ag Verfahren zum Betrieb eines Assistenzsystems
DE102017223632A1 (de) * 2017-12-21 2019-06-27 Continental Automotive Gmbh System zur Berechnung einer Fehlerwahrscheinlichkeit von Fahrzeugsensordaten
CN117022255A (zh) * 2018-03-20 2023-11-10 御眼视觉技术有限公司 用于主车辆的自动驾驶系统、机器可读存储介质和装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013213106A1 (de) * 2013-09-18 2015-03-19 Continental Teves Ag & Co. Ohg Verfahren und System zur Bewertung einer Zuverlässigkeit eines sensorikbasierten Fahrzeugsystems

Also Published As

Publication number Publication date
CN111465972B (zh) 2022-08-23
JP7021355B2 (ja) 2022-02-16
US20210012648A1 (en) 2021-01-14
CN111465972A (zh) 2020-07-28
US11657707B2 (en) 2023-05-23
JP2021507417A (ja) 2021-02-22
DE102017223632A1 (de) 2019-06-27
WO2019121510A1 (de) 2019-06-27

Similar Documents

Publication Publication Date Title
WO2019121510A1 (de) System zur berechnung einer fehlerwahrscheinlichkeit von fahrzeugsensordaten
EP3688742B1 (de) System zur erzeugung und/oder aktualisierung eines digitalen modells einer digitalen karte
EP3001137B1 (de) Verfahren zur überwachung einer kalibrierung mehrerer umgebungssensoren eines kraftfahrzeugs und kraftfahrzeug
DE102017223634A1 (de) Ermittlung eines Straßenzustandes durch Auswertung von Sensordaten eines Straßenfahrzeuges
DE102017120707A1 (de) Wassertiefenerkennung zur fahrzeugnavigation
DE112018000973T5 (de) Informationsverarbeitungssystem, Informationsverarbeitungsverfahren, Programm und Aufzeichnungsmedium
WO2009056533A1 (de) Verifikation von digitalen karten
DE102014217847A1 (de) Fahrerassistenzsystem, Verkehrstelematiksystem und Verfahren zum Aktualisieren einer digitalen Karte
EP3465090A1 (de) Verfahren zum bereitstellen einer fahrzeugtrajektorieninformation und verfahren zum orten eines schlaglochs
DE102012212740A1 (de) System und Verfahren zum Aktualisieren einer digitalen Karte eines Fahrerassistenzsystems
DE102009017731A1 (de) Selbstlernende Karte auf Basis von Umfeldsensoren
DE102013011969A1 (de) Verfahren zum Betreiben eines Kraftfahrzeugs und Kraftfahrzeug
DE112018000975T5 (de) Informationsverarbeitungssystem, Informationsverarbeitungsverfahren und Aufzeichnungsmedium
DE102015213538B4 (de) Verfahren und System zum Warnen vor einer Falschfahrt eines Fahrzeugs
DE102016122338A1 (de) Informations-verarbeitungseinrichtung, informations-verarbeitungsverfahren, steuerungsvorrichtung für ein fahrzeug und steuerungsverfahren für ein fahrzeug
EP3649519A1 (de) Verfahren zur verifizierung einer digitalen karte eines höher automatisierten fahrzeugs, entsprechende vorrichtung und computerprogramm
EP3649521B1 (de) Verfahren zum betreiben eines höher automatisierten fahrzeugs (haf), insbesondere eines hochautomatisierten fahrzeugs
DE102013107738A1 (de) Verfahren zum Betrieb eines Fahrzeugsystems, Fahrzeugsystem, Computerprogramm und Fahrzeugkommunikationseinheit eines Fahrzeugsystems
EP3649794A1 (de) Verfahren zur verifizierung einer digitalen karte eines höher automatisierten fahrzeugs (haf), insbesondere eines hochautomatisierten fahrzeugs
DE102016219124A1 (de) Verfahren und Vorrichtung zum Erstellen einer dynamischen Gefährdungskarte
DE102018007960A1 (de) Verfahren zum Abgleich von Kartenmaterial mit einer erfassten Umgebung eines Fahrzeugs, Steuergerät, eingerichtet zum Ausführen eines solchen Verfahrens, sowie Fahrzeug mit einem solchen Steuergerät
EP3827277B1 (de) Verfahren, system und elektronische recheneinrichtung zum überprüfen von sensoreinrichtungen von fahrzeugen, insbesondere von kraftfahrzeugen
DE102013220487A1 (de) Fahrspurerkennungssystem umd Spurhaltesystem
DE202013006469U1 (de) Steuergerät eines Kraftfahrzeuges
DE102013223217A1 (de) Verfahren zum Betreiben eines Servers

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: 20200721

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: 20220105

RAP1 Party data changed (applicant data changed or rights of an application transferred)

Owner name: CONTINENTAL AUTOMOTIVE TECHNOLOGIES GMBH

RAP3 Party data changed (applicant data changed or rights of an application transferred)

Owner name: CONTINENTAL AUTOMOTIVE TECHNOLOGIES GMBH

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: 20240305