EP3899588A1 - Verfahren zum ermitteln eines integritätsbereichs - Google Patents

Verfahren zum ermitteln eines integritätsbereichs

Info

Publication number
EP3899588A1
EP3899588A1 EP19817669.5A EP19817669A EP3899588A1 EP 3899588 A1 EP3899588 A1 EP 3899588A1 EP 19817669 A EP19817669 A EP 19817669A EP 3899588 A1 EP3899588 A1 EP 3899588A1
Authority
EP
European Patent Office
Prior art keywords
integrity
integrity information
sensor
determining
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
EP19817669.5A
Other languages
English (en)
French (fr)
Inventor
Lena SCHINDLER
Marco Limberger
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.)
Robert Bosch GmbH
Original Assignee
Robert Bosch 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 Robert Bosch GmbH filed Critical Robert Bosch GmbH
Publication of EP3899588A1 publication Critical patent/EP3899588A1/de
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/20—Integrity monitoring, fault detection or fault isolation of space segment
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/20—Data confidence level
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/35—Data fusion

Definitions

  • the invention relates to a method for determining an integrity area, a computer program for carrying out a corresponding method, a machine-readable storage medium on which the computer program is stored and a control device for a vehicle, the control device being set up to carry out a corresponding method.
  • the invention is particularly suitable in connection with the
  • the autonomous vehicle usually has sensors, such as inertial sensors, wheel sensors,
  • the vehicle can estimate its own position.
  • information about its (expected) estimation accuracy is also output for a determined own position.
  • the confidence of the determined own position can be represented by a so-called “Protection Level” (short: "PL").
  • the PL can describe a statistical error limit, the calculation of which is usually based on statistical considerations and, if necessary, additionally on a suitable coordination of the estimation algorithms.
  • a method for determining an integrity area of a parameter estimate, the integrity area describing the area in which an estimated parameter is associated with a
  • the minimum probability is (actually), the method comprising at least the following steps: a) determining first integrity information based on at least data from at least one first sensor or a first method for
  • Steps a) and b) can preferably be carried out at least partially in parallel or even simultaneously. Steps a) and b) are furthermore preferably carried out at least partially before step c).
  • the integrity area describes the area in which an estimated
  • the estimated parameter (value) basically describes a (single, in particular momentary) estimation result of the parameter estimation.
  • the integrity area describes the area in which a real or actual value of an estimated parameter lies with a minimum probability.
  • Integrity area can also be referred to as the so-called “protection level”.
  • the minimum probability is usually a predefined minimum probability. The is preferably
  • Minimum probability 90% particularly preferably 95% or even 99%.
  • the minimum probability with which a real or actual value of an estimated parameter is actually in a protection level is still much higher than with "usual" integrity areas.
  • the minimum probability here is usually over 99.99%, particularly preferably over 99.999% or even over 99.9999%.
  • the minimum probability can also not be expressed in percent, but in possible errors in a certain time interval.
  • a protection level can, for example, be defined in such a way that the parameter in question is outside the protection level at most once every 10 years.
  • the protection level can be, for example, either as a unitless probability or as a rate, i.e. as
  • the probability of an error occurring over a time interval can be expressed.
  • the method is preferably used to determine an integrity range which describes the integrity of an estimate of an own position or another driving operation parameter. In other words, this means
  • the parameter is preferably a
  • Driving operating parameters such as a vehicle's own position.
  • the method can (thus) for example determine a
  • Integrity range serve a position estimate of a vehicle position.
  • the area of integrity can describe the area in which an estimated own position of a vehicle with a minimum probability (actually) lies.
  • the data can be recorded with sensors of the vehicle.
  • the method can also be used to estimate the vehicle's own speed, orientation, own movement or the like.
  • the solution proposed here has the particular advantage that the determination
  • a Kalman filter for example, can be used as the main navigation solution. The determined with it
  • integrity information is also subject to a certain smoothing, which is characteristic of (Kalman) filters.
  • smoothing may be undesirable for integrity information, for example, in an environment where integrity can change rapidly, such as in urban areas where, for example, canyons can be shaded in urban canyons.
  • Integrity information that was determined (with regard to the same estimated parameter) on the basis of different sensors and / or with different methods is now proposed for the first time in order to thus merge from the (different types, e.g. smoothed and unsmoothed)
  • Integrity information to obtain a merged range of integrity that can dynamically describe the integrity of the (overall) estimate as
  • the parameter estimation can include one or more methods for estimating a (the same) parameter.
  • the parameter estimation can comprise at least two methods that differ from one another, for example a first method and a second method for estimating the parameter that differs from the first method.
  • Methods for estimating the parameter are preferably used, which can also provide and / or determine integrity information about the integrity of the estimate.
  • a first piece of integrity information is determined, in particular via the parameter estimate or for an estimated parameter, on the basis of data from a first sensor and / or a first method for determining the integrity information.
  • the first sensor is preferably a sensor of a motor vehicle.
  • the first sensor can be a GNSS sensor, an (optical and / or acoustic) environment sensor (such as a radar sensor, lidar sensor, ultrasonic sensor and / or camera sensor) Act inertial sensor and / or a wheel sensor (such as wheel speed sensor and / or wheel circumference speed sensor).
  • an (optical and / or acoustic) environment sensor such as a radar sensor, lidar sensor, ultrasonic sensor and / or camera sensor
  • Act inertial sensor and / or a wheel sensor such as wheel speed sensor and / or wheel circumference speed sensor.
  • the first method can basically be the same method (-nart) or one of the methods (-art) on which the parameter estimation is based. However, this is not absolutely necessary. Rather, it is also conceivable that the first method is independent of the method on which the parameter estimation is based.
  • step b second integrity information is determined
  • the parameter estimation in particular via the parameter estimation or to a (the) estimated parameter, based on at least data from at least one second sensor that differs from the first sensor or a second method that differs from the first method for determining the
  • Integrity information in particular that in step b) a second piece of integrity information about an estimation result of the
  • Determination of the integrity information is determined.
  • the second sensor is preferably a sensor of a motor vehicle.
  • the second sensor can be a GNSS sensor, an (optical and / or acoustic) environment sensor (such as a radar sensor, lidar sensor, ultrasound sensor and / or camera sensor), an inertial sensor and / or a wheel sensor (such as such as wheel speed sensor and / or wheel circumference speed sensor).
  • an (optical and / or acoustic) environment sensor such as a radar sensor, lidar sensor, ultrasound sensor and / or camera sensor
  • an inertial sensor and / or a wheel sensor such as such as wheel speed sensor and / or wheel circumference speed sensor.
  • the second method can basically be the same method (-nart) or one of the methods (-art) on which the parameter estimation is based. However, this is not absolutely necessary. Rather, it is also conceivable that the second method is independent of the method on which the parameter estimation is based.
  • the data used in steps a) and b) generally have the same time stamp or time stamps located close to one another in time.
  • the first method and the second method for determining the integrity information can also be the same or of the same type. For example, to determine the first
  • Integrity information and the second integrity information data from different sensors or sensor types are processed using methods of the same type, for example, each is filtered.
  • step c) the integrity area is determined by fusing at least the first integrity information and the second integrity information (with one another). In this case, for example, an optionally weighted overlay of the first integrity information with at least the second integrity information (and / or possibly further (for example third, fourth, etc.) integrity information) takes place.
  • the range of integrity is preferably a confidence interval.
  • a confidence interval also known as the confidence interval or confidence interval and expectation range
  • the confidence interval specifies the range that at infinite
  • Repetition of a random experiment with a certain probability includes the true location of the parameter.
  • the integrity information can be, for example, a variance and / or a residual of a respective parameter estimate.
  • Integrity information is also information that is determined as a function of a variance and / or a residual and / or an (other) indicator of the trustworthiness of the estimate.
  • the first integrity information can be a first confidence area and the second integrity information can be a second confidence area.
  • a driving operation parameter is used here in particular
  • the driving operation parameter helps at least to describe an own movement and / or own position of a motor vehicle.
  • the driving operation parameter can be, for example, an (own) position, a (own) speed, (own) acceleration or a position (or orientation) of the motor vehicle.
  • the driving operation parameter is preferably a self-position of the motor vehicle.
  • At least the first sensor or the second sensor be in or on one
  • the first sensor can be a GNSS sensor that receives navigation satellite data.
  • the second sensor can be a (further)
  • Act vehicle sensor (which is not a GNSS sensors).
  • vehicle sensors can, for example, be an inertial sensor (IMU’s, i.e. inertial measuring units), wheel speed sensor, steering angle sensor,
  • the first sensor or the second sensor can also be an optical sensor, such as a (stereo) camera sensor, a RADAR sensor or LIDAR sensor, or an acoustic sensor, such as
  • a first integrity area is determined as the first integrity information.
  • step a) a determination of a first integrity range for an estimated parameter based on at least data from at least one first sensor or a first method for determining the Integrity area.
  • a first protection level is preferably determined as first integrity information.
  • a second integrity area is determined as second integrity information.
  • a second one can be determined in step b)
  • a second protection level is preferably determined as second integrity information.
  • a further protection level (third protection level, fourth protection level, etc.) can be determined as further (third, fourth, etc.) integrity information.
  • a protection level usually describes the (spatial,
  • the estimated parameter (value) basically describes a (single, in particular momentary) estimation result of the parameter estimation.
  • the protection level describes the area in which there is a real or actual value of an estimated parameter with a minimum probability.
  • a protection level describes in particular a confidence interval or a (spatial) confidence range, in which the true value of an estimated parameter can be compared with a
  • the estimated value of the parameter is usually in the middle or the center of the confidence interval or confidence range.
  • an overall integrity area is determined as the integrity area, which is determined by merging at least the first integrity area and the second integrity area.
  • an overall protection level is determined as the integrity area, which is determined by merging at least the first protection level and the second protection level. Even if none before First or second protection levels have been determined, it is preferred that the integrity area is a protection level or that it is output as a protection level.
  • step c) a (cross) plausibility check of the first protection level with the second protection level and / or vice versa can also take place. Furthermore, a (cross) plausibility check of the first protection level and / or the second protection level can take place with a further (third) protection level and / or vice versa.
  • the methods for determining the integrity information can in particular be two or more of the following methods: least squares method, in particular “sequential least squares”, filter methods, in particular those which can be implemented using a Kalman filter, for example "Extended Kalman Filters”, “Unscented Kalman Filters”, and / or particle filters, hatch filters are also basic
  • Integrity information uses the least squares method.
  • the least squares method can be used particularly advantageously in order to carry out a comparatively (in particular in comparison to a Kalman filter) dynamic determination, in particular (exclusively) on the basis of GNSS data or navigation satellite data.
  • the method of least squares (short: MKQ or English: “least squares”, short: LS; obsolete: method of least squares of deviations) is a standard mathematical method for the adjustment calculation.
  • a curve is sought for a data point cloud that runs as close as possible to the data points.
  • Integrity information a Kalman filter can be used.
  • the determination by means of a Kalman filter can be used particularly advantageously in order to carry out a comparatively reliable determination (in particular in comparison with the least squares method).
  • Kalman filtering techniques are often used to estimate target parameters such as position, speed, location and / or time (PVAT) in localization sensors that process the input measurements in real time.
  • Measurements in automotive applications could be, for example, the observation of GNSS (global navigation satellite systems), IMU (inertial measurement unit), wheel speed sensors and / or steering angle sensors.
  • GNSS global navigation satellite systems
  • IMU intial measurement unit
  • wheel speed sensors and / or steering angle sensors.
  • Optical sensors such as radar, lidar or cameras could also be part of the
  • the Kalman filter is set up to perform a sensor data fusion of navigation satellite data (GNSS data) and data of at least one further vehicle sensor, such as inertial data.
  • GNSS data navigation satellite data
  • inertial data data of at least one further vehicle sensor, such as inertial data.
  • the criteria for using Kalman filtering are varied.
  • the data history can be taken into account when adapting PVAT updates in order to advantageously improve the stability of the solution.
  • the least squares method is used as the first method and a Kalman filter provides the second method, it is particularly preferred that the fusion takes place in such a way that the gradients or rapid changes of the least squares method to the
  • the first integrity information and the second integrity information be weighted in step c). This allows the particular advantage that the merging can be improved depending on the situation.
  • the weighting can preferably take place as a function of an accuracy requirement for the estimate. For example, a higher positional accuracy may be required during a parking maneuver than during a driving maneuver on the highway. In addition, the accuracy requirement can also increase with the driving speed of the vehicle.
  • the weighting can take place depending on the environment in which the sensors and / or the vehicle are currently located.
  • the weight that is associated with integrity information can be significantly or even exclusively based on Navigation satellite data (GNSS data) is increased if the sensors or the vehicle is on a freeway or country road or has a clear view of navigation satellites.
  • GNSS data Navigation satellite data
  • the weights, to which integrity information is assigned which are based at least in part on vehicle sensors (which are not GNSS sensors), could be increased if the sensors or the vehicle are located in a city, in particular in a house gorge. For example, this can help reduce reception of
  • only those integrity information items that are based at least in part on satellite data or GNSS data can be taken into account at times. This can take place, for example, for the period of time in which other vehicle sensors are faulty or defective.
  • this also means in particular that (at times) either the first or the second (or possibly (only) the further)
  • Integrity information can be output as a (current) integrity area. This takes place in particular depending on the availability of the corresponding sensor information.
  • the weighting can take place, for example, in such a way that a compromise between the reliability of reliably recognizing an estimation error and the reaction time for recognizing the estimation error is realized.
  • second integrity information can be given more confidence, for example by adapting appropriate weights.
  • the weighting is preferably (also) dependent on the properties of the methods used to determine the integrity information. For example, the weight assigned to a more dynamic method can be increased if the integrity range is to be determined more dynamically. In particular, the weighting in this context is dependent on the dynamic properties and / or the filter properties of the methods used.
  • third integrity information for the estimated parameter is determined on the basis of at least data from at least one third sensor or a third method for determining the integrity information, and the third integrity information is also taken into account in the fusion in step c) .
  • a computer program is also used
  • a machine-readable storage medium is also proposed, on which the computer program presented here is stored.
  • the machine-readable storage medium is usually a computer-readable data carrier.
  • a control device for a motor vehicle is also proposed, the control device being set up to carry out a method presented here.
  • the control device is preferably a device (or a computer) for localization.
  • a motor vehicle can also be specified which has a control unit presented here.
  • the motor vehicle is preferably an automated and / or autonomously operating vehicle, in particular an autonomous automobile.
  • FIG. 1 schematically shows an exemplary sequence of a method proposed here.
  • the method is used to determine an integrity area 1 of a parameter estimate, the integrity area describing the area in which an estimated parameter with a minimum probability lies.
  • the sequence of method steps a), b) and c) shown with blocks 110, 120 and 130 is generally established in a normal operating sequence.
  • steps a) and b) can be carried out at least partially in parallel or even simultaneously.
  • first integrity information 5 is determined on the basis of at least data 2 from at least one first sensor 13 or a first method 4 for determining the integrity information.
  • second integrity information 7 is determined on the basis of at least data 3 from at least one second sensor 14 that differs from the first sensor or a second method 6 that differs from the first method 4 for determining the integrity information.
  • A occurs in block 130 Determining the integrity area 1 by fusing at least the first integrity information 5 and the second integrity information 7.
  • FIG. 2 schematically shows a motor vehicle 10 with an exemplary one
  • Embodiment of a control device 11 proposed here The control device 11 is set up to carry out a method proposed here.
  • the control unit 11 is used here, for example, to determine a current own position of the motor vehicle 10.
  • the control unit 11 can receive data 2, 3, which enable a conclusion to be drawn about the vehicle 10's own position.
  • GNSS data 2 can be received by navigation satellites 12 via an antenna 13 of the vehicle 10.
  • GNSS stands for Global Navigation Satellite System.
  • the GNSS data 2 comprise, for example, signals which allow a conclusion to be drawn about the position of the respective satellite 12 and the duration of which can be evaluated in order to determine the intrinsic position of the vehicle 10 by means of a triangulation.
  • vehicle-internal data 3 from sensors of the vehicle such as an inertial sensor 14 (IMU), can be a sensor of the vehicle.
  • IMU inertial sensor
  • the own position of the motor vehicle 10 is estimated using two methods 4, 6, which run here as examples, and integrity information 5, 7 is determined for the estimated own position.
  • the methods 4, 6 are those for estimating the self-position of the motor vehicle 10 and for determining the integrity information 5, 7 for the estimated self-position.
  • the own position is therefore an example of the estimated parameter.
  • the first method 4 uses the least squares method as an example.
  • the least squares method is used to estimate the (current) own position of the vehicle 10 on the basis of (only) the acquired GNSS data 2 and to provide first integrity information 5 about the integrity of the self position thus estimated.
  • the least squares method which generally only takes into account one type of data, here GNSS data 2 for example, and works regularly without considering a processing history and / or data history, usually reacts very well dynamic on measured value changes. A disadvantage of this method, however, can be seen in a reduced accuracy (compared to the Kalman filter).
  • a first estimation result usually includes the (estimated) own position of the vehicle 10 determined by means of the least squares method.
  • the first integrity information 5 usually comprises an (information) integrity information determined by means of the least squares method.
  • the first integrity information item 5 can be, for example, a deviation from the expected value when using the least squares method
  • Act actual position This can include a variance and / or a residual, for example.
  • the first integrity information 5 can already include a first protection level.
  • the second estimate is carried out here using a Kalman filter as an example.
  • the second method 5 is accordingly based on a (sensor) fusion of the GNSS data 2 with vehicle-internal data 3 and usually also takes into account the processing history and / or data history.
  • Own position and the second integrity information 7 about the integrity of the second estimation result will be rather smooth or smoothed and can be interpreted as a model-driven low-pass filter of the input measurements.
  • the second estimation result generally includes the (estimated) own position of the vehicle 10 determined using the Kalman filter and, as second integrity information 7, includes (estimated) integrity information determined using the Kalman filter about the integrity of the (estimated) determined using the Kalman filter ) Own position of the vehicle 10.
  • the second integrity information item 7 can be, for example, a deviation from the actual own position to be expected when the Kalman filter is used. This can include a variance and / or a residual, for example. Alternatively or cumulatively, the second
  • Integrity information 7 also already include a second protection level.
  • the integrity area 1 is here by fusing at least the first integrity information 5 and the second integrity information 7 or as Result of a fusion 17 of first integrity information 5 and second integrity information 7 determined.
  • the first integrity information 5 and the second integrity information 7 can also be weighted.
  • the fusion can take place in such a way that the gradients or rapid changes of the least squares method, which here represents the first method 4 and has a low accuracy (compared to the second method 6), to the precise and smoothed background solution of the Kalman Filter, which provides the second method 6 here, is added.
  • the gradients or rapid changes of the least squares method which here represents the first method 4 and has a low accuracy (compared to the second method 6)
  • the precise and smoothed background solution of the Kalman Filter which provides the second method 6 here, is added. This is illustrated graphically and by way of example in FIG. 3.
  • the weighting can be carried out, for example, in such a way that a compromise between the reliability of reliably recognizing an estimation error and the reaction time for recognizing the estimation error is realized.
  • second integrity information 7 can be given more confidence, for example by adapting appropriate weights.
  • the first integrity information 5, which is based on the least squares method can be compensated for by a so-called “hatch” filter applied to the difference between the two solutions.
  • Integrity area 1 can thereby advantageously the dynamics of
  • This integrity area 1 can be, for example, a (total) protection level of the (currently) determined own position of the vehicle.
  • FIG. 2 illustrates by way of example that at least one third piece of integrity information 9 for the estimated parameter can also be determined on the basis of at least data 3 from at least one third sensor 15 or a third method 8 for determining the integrity information that the further integrity information 9 can be taken into account in the merger in step d).
  • Deviation information 18 As shown in FIG. 3, the deviation information 18 is plotted over time 19.
  • the upper course with a solid line shows the time course of the first integrity information 5. This is determined here, for example, on the basis of the least squares method.
  • the first integrity information 5 describes here, for example, the deviation from the actual position of the vehicle that is to be expected when (only) using the least squares method.
  • the lower course with a solid line shows the time course of the second integrity information 7. This is determined here, for example, on the basis of a Kalman filter solution or is output by a Kalman filter.
  • the second integrity information 7 describes here, for example, the deviation from the actual position of the vehicle to be expected when using (only) the Kalman filter.
  • the course with the dashed line exemplifies the course of the integrity region 1 determined as a result of the merger 17. This combines the dynamic properties of the first integrity information 5 with the reliability of the second integrity information 7.

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zum Ermitteln eines Integritätsbereichs (1) einer Parameterschätzung, wobei der Integritätsbereich (1) den Bereich beschreibt, in dem ein geschätzter Parameter mit einer Mindestwahrscheinlichkeit liegt, wobei das Verfahren zumindest folgende Schritte umfasst: a) Ermitteln einer ersten Integritätsinformation (5) auf Basis zumindest von Daten (2) mindestens eines ersten Sensors (13) oder einer ersten Methode (4) zur Bestimmung der Integritätsinformation, b) Ermitteln einer zweiten Integritätsinformation (7) auf Basis zumindest von Daten (3) mindestens eines sich von dem ersten Sensor unterscheidenden zweiten Sensors (14) oder einer sich von der ersten Methode (4) unterscheidenden zweiten Methode (6) zur Bestimmung der Integritätsinformation, c) Ermitteln des Integritätsbereichs (1) durch Fusionieren zumindest der ersten Integritätsinformation (5) und der zweiten Integritätsinformation (7).

Description

Beschreibung
Titel
Verfahren zum Ermitteln eines Integritätsbereichs
Die Erfindung betrifft ein Verfahren zum Ermitteln eines Integritätsbereichs, Computerprogramm zur Durchführung eines entsprechenden Verfahrens, ein Maschinenlesbares Speichermedium, auf dem das Computerprogramm gespeichert ist sowie ein Steuergerät für ein Fahrzeug, wobei das Steuergerät zur Durchführung eines entsprechenden Verfahrens eingerichtet ist. Die
Erfindung ist insbesondere dazu geeignet im Zusammenhang mit dem
autonomen Fahren zur Anwendung zu kommen.
Stand der Technik
Eine der wichtigsten Herausforderungen für ein autonomes Fahren ist die möglichst genaue und zuverlässige Bestimmung der Eigenposition des autonomen Fahrzeugs. Das autonome Fahrzeug verfügt in der Regel über Sensoren, wie beispielsweise Inertialsensoren, Radsensoren,
Umgebungssensoren, GNSS-Sensoren, optische und/oder akustische Sensoren, mittels welcher das Fahrzeug seine Eigenposition schätzen kann. In diesem Zusammenhang ist es hilfreich, wenn zu einer ermittelten Eigenposition auch eine Information über deren (zu erwartende) Schätzgenauigkeit ausgegeben wird. In diesem Zusammenhang kann zum Beispiel die Konfidenz der ermittelten Eigenposition durch ein sogenanntes„Protection Level“ (kurz:„PL“) dargestellt werden. Das PL kann dabei eine statistische Fehlergrenze beschreiben, deren Berechnung in der Regel auf statistischen Überlegungen und ggf. zusätzlich auf einer geeigneten Abstimmung der Schätzalgorithmen basiert.
Insbesondere in der Luftfahrt ist das Konzept der Bereitstellung des Protection Levels verbreitet. Die dabei entwickelten Lösungen sind jedoch auf den
Anwendungsbereich des autonomen Fahrens nicht ohne weiteres übertragbar. Insbesondere stellen zum Beispiel Häuserschluchten und deren Beeinflussung von Satellitensignalen Probleme dar, die bei Luftfahrtanwendungen nicht auftreten. Es sind daher verbesserte Methoden zur Berechnung eines möglichst zuverlässigen Protection Levels wünschenswert, die insbesondere auch in schwierigen Umgebungen, wie beispielsweise in städtischen Gebieten zuverlässige Ergebnisse liefern können.
Offenbarung der Erfindung
Hier vorgeschlagen wird gemäß Anspruch 1 ein Verfahren zum Ermitteln eines Integritätsbereichs einer Parameterschätzung, wobei der Integritätsbereich den Bereich beschreibt, in dem ein geschätzter Parameter mit einer
Mindestwahrscheinlichkeit (tatsächlich) liegt, wobei das Verfahren zumindest folgende Schritte umfasst: a) Ermitteln einer ersten Integritätsinformation auf Basis zumindest von Daten mindestens eines ersten Sensors oder einer ersten Methode zur
Bestimmung der Integritätsinformation,
b) Ermitteln einer zweiten Integritätsinformation auf Basis zumindest von Daten mindestens eines sich von dem ersten Sensor unterscheidenden zweiten Sensors oder einer sich von der ersten Methode unterscheidenden zweiten Methode zur Bestimmung der Integritätsinformation,
c) Ermitteln des Integritätsbereichs durch Fusionieren zumindest der ersten Integritätsinformation und der zweiten Integritätsinformation.
Die Schritte a) und b) können vorzugsweise zumindest teilweise parallel oder sogar gleichzeitig durchgeführt werden. Weiterhin bevorzugt werden die Schritte a) und b) zumindest teilweise vor Schritt c) durchgeführt.
Der Integritätsbereich beschreibt den Bereich, in dem ein geschätzter
Parameter(-wert) mit einer Mindestwahrscheinlichkeit (tatsächlich) liegt. Der geschätzte Parameter(-wert) beschreibt dabei grundsätzlich ein (einzelnes, insbesondere momentanes) Schätzergebnis der Parameterschätzung. Dies bedeutet mit anderen Worten insbesondere, dass der Integritätsbereich den Bereich beschreibt, in dem ein realer bzw. tatsächlicher Wert eines geschätzten Parameters mit einer Mindestwahrscheinlichkeit liegt. Ein solcher
Integritätsbereich kann auch als sogenanntes„Protection Level“ bezeichnet werden. Bei der Mindestwahrscheinlichkeit handelt es sich in der Regel um eine vordefinierte Mindestwahrscheinlichkeit. Bevorzugt beträgt die
Mindestwahrscheinlichkeit 90 %, besonders bevorzugt 95 % oder sogar 99 %.
Die Mindestwahrscheinlichkeit mit der ein realer bzw. tatsächlicher Wert eines geschätzten Parameters tatsächlich in einem Protection Level liegt ist noch sehr viel höher als bei„üblichen“ Integritätsbereichen. Die Mindestwahrscheinlichkeit liegt hier üblicherweise über 99.99 %, besonders bevorzugt über 99.999 % oder sogar über 99.9999 %.-Die Mindestwahrscheinlichkeit kann bei dem Protection- Level auch nicht in Prozent, sondern in möglichen Fehlern in einem bestimmten Zeitintervall ausgedrückt werden. Ein Protection-Level kann beispielsweise so definiert sein, dass der fragliche Parameter maximal einmal in 10 Jahren außerhalb des Protection-Levels liegt. Das Protection Level kann beispielsweise entweder als einheitslose Wahrscheinlichkeit oder als Rate, d.h. als
Fehlerauftretenswahrscheinlichkeit über einem Zeitintervall, ausgedrückt werden.
Vorzugsweise dient das Verfahren zum Ermitteln eines Integritätsbereichs, welcher die Integrität einer Schätzung einer Eigenposition oder eines anderen Fahrbetriebparameters beschreibt. Dies bedeutet mit anderen Worten
insbesondere, dass es sich bei dem Parameter vorzugsweise um einen
Fahrbetirebsparameter, wie zum Beispiel eine Eigenposition eines Fahrzeugs handelt. Das Verfahren kann (somit) beispielsweise zum Ermitteln eines
Integritätsbereichs einer Positionsschätzung einer Fahrzeugposition dienen. Dabei kann der Integritätsbereich den Bereich beschreiben, in dem eine geschätzte Eigenposition eines Fahrzeugs mit einer Mindestwahrscheinlichkeit (tatsächlich) liegt. Die Daten können dabei mit Sensoren des Fahrzeugs erfasst werden. Alternativ oder kumulativ zu der Schätzung der Eigenposition des Fahrzeugs kann das Verfahren auch zur Schätzung der Eigengeschwindigkeit, Orientierung, Eigenbewegung oder dergleichen des Fahrzeugs genutzt werden.
Gegenüber Lösungen, bei denen der Integritätsbereich immer nur in
Abhängigkeit der Hauptnavigationslösung bestimmt wird, erlaubt die hier vorgeschlagene Lösung den besonderen Vorteil, dass die Ermittlung
dynamisch(er) erfolgen kann. Als Hauptnavigationslösung kann dabei zum Beispiel ein Kalman- Filter verwendet werden. Die damit ermittelten
Integritätsinformationen unterliegen wie die Positionsinformationen ebenfalls einer gewissen Glättung, die für (Kalman-) Filter charakteristisch ist. Für die Integritätsinformationen kann eine Glättung jedoch unerwünscht sein, zum Beispiel in einer Umgebung, in der die Integrität sich schnell ändern kann, wie etwa in urbanen Gebieten, in denen beispielsweise in Häuserschluchten eine Abschattung des GNSS-Signals auftreten kann.
Hier wird nun erstmals vorgeschlagen Integritätsinformationen, die (hinsichtlich desselben geschätzten Parameters) auf Basis unterschiedlicher Sensoren und/oder mit unterschiedlichen Methoden bestimmt wurden zu fusionieren, um so aus den (verschiedenartigen, z. B. geglätteten und ungeglätteten)
Integritätsinformationen einen fusionierten Integritätsbereichs zu erhalten, der die Integrität der (Gesamt-)Schätzung dynamisch(er) beschreiben kann als
Lösungen, bei denen der Integritätsbereich immer nur in Abhängigkeit der Hauptnavigationslösung bestimmt wird.
Die Parameterschätzung kann grundsätzlich eine oder mehrere Methoden zur Schätzung eines (desselben) Parameters umfassen. Beispielsweise kann die Parameterschätzung mindestens zwei voneinander verschiedene Methoden, etwa eine erste Methode und eine von der ersten Methode verschiedene zweite Methode zur Schätzung des Parameters umfassen. Vorzugsweise werden Methoden zur Schätzung des Parameters verwendet, die darüber hinaus auch eine Integritätsinformation über die Integrität der Schätzung bereitstellen und/oder bestimmen können.
In Schritt a) erfolgt ein Ermitteln einer ersten Integritätsinformation, insbesondere über die Parameterschätzung bzw. zu einem geschätzten Parameter, auf Basis von Daten eines ersten Sensors und/oder einer ersten Methode zur Bestimmung der Integritätsinformation. Dies bedeutet mit anderen Worten insbesondere, dass in Schritt a) eine erste Integritätsinformation über ein Schätzergebnis der Parameterschätzung bzw. über die Integrität der Parameterschätzung auf Basis von Daten eines ersten Sensors und/oder einer ersten Methode zur Bestimmung der Integritätsinformation ermittelt wird.
Bei dem ersten Sensor handelt es sich vorzugsweise um einen Sensor eines Kraftfahrzeugs. Beispielsweise kann es sich bei dem ersten Sensor um einen GNSS-Sensor, einen (optischen und/oder akustischen) Umfeldsensor (wie etwa Radar-Sensor, Lidar-Sensor, Ultraschallsensor und/oder Kamerasensor), einen Inertialsensor und/oder einen Radsensor (wie etwa Raddrehzahlsensor und/oder Radumfangsgeschwindigkeitssensor) handeln.
Bei der ersten Methode kann es sich grundsätzlich um dieselbe Methode(-nart) bzw. eine der Methoden(-arten) handeln, auf welcher die Parameterschätzung beruht. Dies ist jedoch nicht zwingend erforderlich. Vielmehr ist auch denkbar, dass die erste Methode unabhängig von der Methode ist, auf welcher die Parameterschätzung beruht.
In Schritt b) erfolgt ein Ermitteln einer zweiten Integritätsinformation,
insbesondere über die Parameterschätzung bzw. zu einem (dem) geschätzten Parameter, auf Basis zumindest von Daten mindestens eines sich von dem ersten Sensor unterscheidenden zweiten Sensors oder einer sich von der ersten Methode unterscheidenden zweiten Methode zur Bestimmung der
Integritätsinformation. Dies bedeutet mit anderen Worten insbesondere, dass in Schritt b) eine zweite Integritätsinformation über ein Schätzergebnis der
Parameterschätzung bzw. über die Integrität der Parameterschätzung auf Basis von Daten eines zweiten Sensors und/oder einer zweiten Methode zur
Bestimmung der Integritätsinformation ermittelt wird.
Bei dem zweiten Sensor handelt es sich vorzugsweise um einen Sensor eines Kraftfahrzeugs. Beispielsweise kann es sich bei dem zweiten Sensor um einen GNSS-Sensor, einen (optischen und/oder akustischen) Umfeldsensor (wie etwa Radar-Sensor, Lidar-Sensor, Ultraschallsensor und/oder Kamerasensor), einen Inertialsensor und/oder einen Radsensor (wie etwa Raddrehzahlsensor und/oder Radumfangsgeschwindigkeitssensor) handeln.
Bei der zweiten Methode kann es sich grundsätzlich um dieselbe Methode(-nart) oder eine der Methoden(-arten) handeln, auf welcher die Parameterschätzung beruht. Dies ist jedoch nicht zwingend erforderlich. Vielmehr ist auch denkbar, dass die zweite Methode unabhängig von der Methode ist, auf welcher die Parameterschätzung beruht. Die in den Schritten a) und b) verwendeten Daten weisen in der Regel denselben Zeitstempel oder zeitlich dicht beieinander liegende Zeitstempel auf.
Wenn die zweite Integritätsinformation für den geschätzten Parameter auf Basis von Daten mindestens eines sich von dem ersten Sensor unterscheidenden zweiten Sensors ermittelt wird, können die erste Methode und die zweite Methode zur Bestimmung der Integritätsinformation auch gleich bzw. von der gleichen Art sein. So können beispielsweise zum Ermitteln der ersten
Integritätsinformation und der zweiten Integritätsinformation Daten voneinander verschiedener Sensoren bzw. Sensortypen (z.B. Raddrehzahlsensor und GNSS- Sensor) mit Methoden gleicher Art verarbeitet, zum Beispiel jeweils gefiltert werden.
In Schritt c) erfolgt ein Ermitteln des Integritätsbereichs durch Fusionieren zumindest der ersten Integritätsinformation und der zweiten Integritätsinformation (miteinander). Hierbei kann beispielsweise eine gegebenenfalls gewichtete Überlagerung der ersten Integritätsinformation mit zumindest der zweiten Integritätsinformation (und/oder ggf. einer weiteren (beispielsweise dritten, vierten, usw.) Integritätsinformation) erfolgen.
Bevorzugt handelt es sich bei dem Integritätsbereich um ein Konfidenzintervall. Ein Konfidenzintervall (auch Vertrauensbereich oder Vertrauensintervall und Erwartungsbereich genannt) ist ein Intervall aus der Statistik, das die Präzision der Lageschätzung eines Parameters (zum Beispiel eines Mittelwerts) angeben soll. Das Konfidenzintervall gibt den Bereich an, der bei unendlicher
Wiederholung eines Zufallsexperiments mit einer gewissen Wahrscheinlichkeit (dem Konfidenzniveau) die wahre Lage des Parameters einschließt.
Bei den Integritätsinformationen kann es sich hier beispielsweise um eine Varianz und/oder ein Residuum einer jeweiligen Parameterschätzung handeln. Darüber hinaus kann es sich bei der (ersten und/oder zweiten)
Integritätsinformation (alternativ) auch um eine Information handeln, die in Abhängigkeit einer Varianz und/oder eines Residuums und/oder eines (anderen) Indikators für die Vertrauenswürdigkeit der Schätzung ermittelt wird.
Beispielsweise kann es sich bei der ersten Integritätsinformation um einen ersten Konfidenzbereich und bei der zweiten Integritätsinformation um einen zweiten Konfidenzbereich handeln.
Nach einer vorteilhaften Ausgestaltung wird vorgeschlagen, dass das Verfahren zum Ermitteln eines Integritätsbereichs einer Parameterschätzung eines
Fahrbetriebsparameters eines Kraftfahrzeugs dient. Bei dem
Fahrbetriebsparameter handelt es sich in der Regel um einen
sicherheitskritischen bzw. sicherheitsrelevanten Parameter des Fährbetriebs eines Kraftfahrzeugs. Vorzugsweise handelt es sich bei dem
Fahrbetriebsparameter um einen (sicherheitskritischen bzw.
sicherheitsrelevanten) Parameter des Fährbetriebs eines zumindest teilweise automatisiert oder sogar autonom operierenden (bzw. betriebenen)
Kraftfahrzeugs.
Unter einem Fahrbetriebsparameter wird hier insbesondere ein solcher
Parameter verstanden, der dazu beiträgt den räumlichen Fährbetrieb eines Kraftfahrzeugs bzw. die Operation eines Kraftfahrzeugs im Raum zu
beschreiben. Insbesondere trägt der Fahrbetriebsparameter zumindest dazu bei einer Eigenbewegung und/oder Eigenposition eines Kraftfahrzeugs zu beschreiben. Bei dem Fahrbetriebsparameter kann es sich beispielsweise um eine (Eigen-) Position, eine (Eigen-)Geschwindigkeit, (Eigen-)Beschleunigung oder eine Lage (bzw. Orientierung) des Kraftfahrzeugs handeln. Vorzugsweise handelt es sich bei dem Fahrbetriebsparameter um eine Eigenposition des Kraftfahrzeugs.
Nach einer weiteren vorteilhaften Ausgestaltung wird vorgeschlagen, dass zumindest der erste Sensor oder der zweite Sensor in oder an einem
Kraftfahrzeug angeordnet sind. Beispielsweise kann es sich bei dem ersten Sensor um einen GNSS-Sensor handeln, der Navigationssatellitendaten empfängt. Bei dem zweiten Sensor kann es sich um einen (weiteren)
Fahrzeugsensor (der kein GNSS-Sensoren ist) handeln. Bei den letztgenannten Fahrzeugsensoren kann es sich zum Beispiels um einen Inertialsensor (IMU’s, d.h. inertiale Messeinheiten), Raddrehzahlsensor, Lenkwinkelsensor,
Geschwindigkeitssensor und/oder Beschleunigungssensor handeln. Weiterhin kann es sich bei dem ersten Sensor bzw. dem zweiten Sensor auch um einen optischen Sensor, wie etwa einen (Stereo-) Kamera-Sensor, einen RADAR- Sensor oder LIDAR-Sensor, oder einen akustischen Sensor, wie etwa
Ultraschall-Sensor handeln.
Nach einer weiteren vorteilhaften Ausgestaltung wird vorgeschlagen, dass als erste Integritätsinformation ein erster Integritätsbereich ermittelt wird. In diesem Zusammenhang kann in Schritt a) ein Ermitteln eines ersten Integritätsbereichs für einen geschätzten Parameter auf Basis zumindest von Daten mindestens eines ersten Sensors oder einer ersten Methode zur Bestimmung des Integritätsbereichs erfolgen. Vorzugsweise wird als erste Integritätsinformation ein erstes Protection Level ermittelt.
Nach einer weiteren vorteilhaften Ausgestaltung wird vorgeschlagen, dass als zweite Integritätsinformation ein zweiter Integritätsbereich ermittelt wird. In diesem Zusammenhang kann in Schritt b) ein Ermitteln eines zweiten
Integritätsbereichs für den geschätzten Parameter auf Basis zumindest von Daten mindestens eines sich von dem ersten Sensor unterscheidenden zweiten Sensors oder einer sich von der ersten Methode unterscheidenden zweiten Methode zur Bestimmung des Integritätsbereichs erfolgen. Vorzugsweise wird als zweite Integritätsinformation ein zweites Protection Level ermittelt. Darüber hinaus kann als weitere (dritte, vierte, usw.) Integritätsinformation auch ein weiteres Protection Level (drittes Protection Level, viertes Protection Level usw.) ermittelt werden.
Ein Protection Level beschreibt dabei in der Regel den (räumlichen,
insbesondere zwei- oder dreidimensionalen) Bereich, in dem ein geschätzter Parameter(-wert) mit einer Mindestwahrscheinlichkeit (tatsächlich) liegt. Der geschätzte Parameter(-wert) beschreibt dabei grundsätzlich ein (einzelnes, insbesondere momentanes) Schätzergebnis der Parameterschätzung. Dies bedeutet mit anderen Worten insbesondere, dass das Protection Level den Bereich beschreibt, in dem ein realer bzw. tatsächlicher Wert eines geschätzten Parameters mit einer Mindestwahrscheinlichkeit liegt.
Mit noch anderen Worten ausgedrückt, beschreibt ein Protection Level insbesondere ein Konfidenzintervall oder einen (räumlichen) Konfidenzbereich, in dem sich der wahre Wert eines geschätzten Parameters mit einer
Mindestwahrscheinlichkeit befindet. Dabei befindet sich der geschätzte Wert des Parameters üblicherweise in der Mitte bzw. dem Zentrum des Konfidenzintervalls bzw. Konfidenzbereichs.
In diesem Zusammenhang ist es weiterhin bevorzugt, dass als Integritätsbereich ein Gesamt- Integritätsbereich ermittelt wird, welcher durch Fusionieren zumindest des ersten Integritätsbereichs und des zweiten Integritätsbereichs ermittelt wird. Insbesondere wird als Integritätsbereich ein Gesamt- Protection- Level ermittelt wird, welches durch Fusionieren zumindest des ersten Protection Levels und des zweiten Protection Levels ermittelt wird. Auch wenn zuvor keine ersten oder zweiten Protection Levels bestimmt wurden ist es bevorzugt, dass es sich bei dem Integritätsbereich um ein Protection Level handelt, bzw. dieser als ein Protection Level ausgegeben wird.
Darüber hinaus kann in Schritt c) auch eine (Kreuz-)Plausibilisierung des ersten Protection Levels mit dem zweiten Protection Level erfolgen und/oder umgekehrt. Weiterhin kann eine (Kreuz-) Plausibilisierung des ersten Protection Levels und/oder des zweiten Protection Levels mit einem weiteren (dritten) Protection Level erfolgen und/oder umgekehrt.
Bei den Methoden zur Bestimmung der Integritätsinformation kann es sich insbesondere um zwei oder mehr der folgenden Methoden handeln: Methode der kleinsten Quadrate, insbesondere„Sequential Least-Squares“, Filtermethoden, insbesondere solche, die mit einem Kalman-Filter realisiert werden können, wie beispielsweise„Extended Kalman Filter“,„Unscented Kalman Filter“, und/oder Partikelfilter, Hatchfilter Darüber hinaus sind grundsätzlich
zustandsbeschreibende Funktionen denkbar.
Beispielsweise kann als erste Methode zur Bestimmung der
Integritätsinformation die Methode der kleinsten Quadrate verwendet werden. Die Methode der kleinsten Quadrate kann besonders vorteilhaft verwendet werden, um eine vergleichsweise (insbesondere im Vergleich zu einem Kalman- Filter) dynamische Bestimmung, insbesondere (ausschließlich) auf Basis von GNSS- Daten bzw. Navigationssatellitendaten durchzuführen.
Die Methode der kleinsten Quadrate (kurz: MKQ bzw. englisch:„least squares“, kurz: LS; veraltet: Methode der kleinsten Abweichungsquadratsumme) ist ein mathematisches Standardverfahren zur Ausgleichungsrechnung. Dabei wird in der Regel zu einer Datenpunktwolke eine Kurve gesucht, die möglichst nahe an den Datenpunkten verläuft.
Beispielsweise kann als zweite Methode zur Bestimmung der
Integritätsinformation ein Kalman- Filter verwendet werden. Die Bestimmung mittels eines Kalman- Filters kann besonders vorteilhaft verwendet werden, um eine vergleichsweise (insbesondere im Vergleich zur Methode der kleinsten Quadrate) zuverlässige Bestimmung durchzuführen. Häufig werden Kalman- Filtertechniken verwendet, um Zielparameter, wie etwa Position, Geschwindigkeit, Lage und/oder Zeit (PVAT) in Lokalisierungssensoren zu schätzen, welche die Eingangsmessungen in Echtzeit verarbeiten.
Messungen in Automobilanwendungen könnten beispielsweise die Beobachtung von GNSS (globale Navigationssatellitensysteme), IMU (Trägheitsmesseinheit), Raddrehzahlsensoren und/oder Lenkwinkelsensoren sein. Auch optische Sensoren wie Radar, Lidar oder Kameras könnten Teil des
Lokalisierungssystems sein. In der Regel ist der Kalman- Filter dazu eingerichtet eine Sensordaten- Fusion von Navigationssatelliten-Daten (GNSS-Daten) und Daten mindestens eines weiteren Fahrzeugsensors, wie etwa Inertialdaten durchzuführen. Die Kriterien für die Verwendung der Kalman- Filterung sind vielfältig. Unter anderem kann die Datenhistorie bei der Anpassung von PVAT- Aktualisierungen berücksichtigt werden, um die Stabilität der Lösung in vorteilhafter Weise zu verbessern.
Wenn beispielsweise die Methode der kleinsten Quadrate als erste Methode verwendet wird und ein Kalman-Filter die zweite Methode bereitstellt, ist es besonders bevorzugt, dass das Fusionieren derart erfolgt, dass die Gradienten bzw. schnellen Änderungen der Methode der kleinsten Quadrate auf die
(Hintergrund-)Lösung des Kalman- Filters aufaddiert werden.
Nach einer weiteren vorteilhaften Ausgestaltung wird vorgeschlagen, dass in Schritt c) eine Gewichtung der ersten Integritätsinformation und der zweiten Integritätsinformation erfolgt. Dies erlaubt den besonderen Vorteil, dass das Fusionieren situationsabhängig verbessert werden kann.
Bevorzugt kann die Gewichtung in Abhängigkeit einer Genauigkeitsanforderung an die Schätzung erfolgen. Beispielsweise kann während eines Parkmanövers eine höhere Positionsgenauigkeit erforderlich sein als bei einem Fahrmanöver auf der Autobahn. Darüber hinaus kann die Genauigkeitsanforderung auch mit der Fahrgeschwindigkeit des Fahrzeugs zunehmen.
Alternativ oder kumulativ kann die Gewichtung in Abhängigkeit der Umgebung, in welcher sich die Sensoren und/oder das Fahrzeug momentan befinden, erfolgen. Beispielsweise kann das Gewicht, welches einer Integritätsinformation zugeordnet ist, die maßgeblich oder sogar ausschließlich auf Navigationssatelliten- Daten (GNSS-Daten) beruht erhöht werden, wenn sich die Sensoren bzw. das Fahrzeug auf einer Autobahn oder Landstraße befindet bzw. freie Sicht zu Navigationssatelliten hat.
Demgegenüber könnten die Gewichte, welchen Integritätsinformationen zugeordnet sind, die zumindest teilweise auf Fahrzeugsensoren (die nicht GNSS- Sensoren sind) beruhen, erhöht werden, wenn sich die Sensoren bzw. das Fahrzeug in einer Stadt, insbesondere in einer Häuserschlucht befindet. Dies kann beispielsweise dazu beitragen, den reduzierten Empfang von
Satellitensignalen in Häuserschluchten und/oder Tunneln zu berücksichtigen.
Darüber hinaus könnte auch vorgesehen sein, dass zeitweise nur bestimmte Integritätsinformationen berücksichtigt werden. Beispielsweise könnten zeitweise nur solche Integritätsinformationen berücksichtigt werden, die zumindest teilweise auf Fahrzeugsensordaten (die nicht GNSS-Daten sind) beruhen. Dies kann zum Beispiel für die Zeitdauer erfolgen, in der kein oder nur ein
eingeschränkter Satellitenempfang möglich ist.
Alternativ oder kumulativ können zeitweise nur solche Integritätsinformationen berücksichtigt werden, die zumindest teilweise auf Satellitendaten bzw. GNSS- Daten beruhen. Dies kann zum Beispiel für die Zeitdauer erfolgen, in der andere Fahrzeugsensoren gestört oder defekt sind.
Dies bedeutet mit anderen Worten insbesondere auch, dass (zeitweise) entweder die erste oder die zweite (oder ggf. (nur) die weitere)
Integritätsinformation als (momentaner) Integritätsbereich ausgegeben werden kann. Dies erfolgt insbesondere in Abhängigkeit der Verfügbarkeit der entsprechenden Sensorinformationen.
Die Gewichtung kann beispielsweise derart erfolgen, dass ein Kompromiss zwischen der Zuverlässigkeit einen Schätzfehler sicher zu erkennen und der Reaktionszeit zum Erkennen des Schätzfehlers realisiert wird. Dabei kann in Abhängigkeit von der Umgebung, in welcher sich das Fahrzeug bewegt, zum Beispiel der dynamischeren, ersten Integritätsinformation oder der geglätteten, zweiten Integritätsinformation mehr Vertrauen geschenkt werden, beispielsweise durch Anpassung entsprechender Gewichte. Vorzugsweise erfolgt die Gewichtung (auch) in Abhängigkeit der Eigenschaften der verwendeten Methoden zur Bestimmung der Integritätsinformationen. So kann beispielsweise das einer dynamischeren Methode zugeordnete Gewicht erhöht werden, wenn der Integritätsbereich dynamischer ermittelt werden soll. Insbesondere erfolgt die Gewichtung in diesem Zusammenhang in Abhängigkeit der dynamischen Eigenschaften und/oder der Filter- Eigenschaften der verwendeten Methoden.
Nach einer weiteren vorteilhaften Ausgestaltung wird vorgeschlagen, dass eine dritte Integritätsinformation für den geschätzten Parameter auf Basis zumindest von Daten mindestens eines dritten Sensors oder einer dritten Methode zur Bestimmung der Integritätsinformation ermittelt wird und wobei auch die dritte Integritätsinformation bei dem Fusionieren in Schritt c) berücksichtigt wird.
Nach einem weiteren Aspekt wird auch ein Computerprogramm zur
Durchführung eines hier vorgestellten Verfahrens vorgeschlagen. Dies betrifft mit anderen Worten insbesondere ein Computerprogramm(-produkt), umfassend Befehle, die bei der Ausführung des Programms durch einen Computer diesen veranlassen, ein hier beschriebenes Verfahren auszuführen.
Nach einem weiteren Aspekt wird auch ein maschinenlesbares Speichermedium vorgeschlagen, auf dem das hier vorgestellte Computerprogramm gespeichert ist. Regelmäßig handelt es sich bei dem maschinenlesbaren Speichermedium um einen computerlesbaren Datenträger.
Nach einem weiteren Aspekt wird auch ein Steuergerät für ein Kraftfahrzeug vorgeschlagen, wobei das Steuergerät zur Durchführung eines hier vorgestellten Verfahrens eingerichtet ist. Bei dem Steuergerät handelt es sich vorzugsweise um ein Gerät (bzw. einen Rechner) zur Eigenlokalisierung.
Darüber hinaus kann auch ein Kraftfahrzeug angegeben werden, welches ein hier vorgestelltes Steuergerät aufweist. Bei dem Kraftfahrzeug handelt es sich vorzugsweise um ein automatisiert und/oder autonom operierendes Fahrzeugs, insbesondere um ein autonomes Automobil.
Die im Zusammenhang mit dem Verfahren erörterten Details, Merkmale und vorteilhaften Ausgestaltungen können entsprechend auch bei dem hier vorgestellten Computerprogramm, dem Speichermedium, dem Steuergerät und/oder dem Fahrzeug auftreten und umgekehrt. Insoweit wird auf die dortigen Ausführungen zur näheren Charakterisierung der Merkmale vollumfänglich Bezug genommen.
Die hier vorgestellte Lösung sowie deren technisches Umfeld werden
nachfolgend anhand der Figuren näher erläutert. Es ist darauf hinzuweisen, dass die Erfindung durch die gezeigten Ausführungsbeispiele nicht beschränkt werden soll. Insbesondere ist es, soweit nicht explizit anders dargestellt, auch möglich, Teilaspekte der in den Figuren erläuterten Sachverhalte zu extrahieren und mit anderen Bestandteilen und/oder Erkenntnissen aus anderen Figuren und/oder der vorliegenden Beschreibung zu kombinieren. Es zeigen schematisch:
Fig. 1: einen beispielhaften Ablauf eines hier vorgeschlagenen Verfahrens,
Fig. 2: ein Fahrzeug mit einer beispielhaften Ausführungsform eines hier
vorgeschlagenen Steuergeräts, und
Fig. 3: beispielhafte zeitliche Verläufe von Abweichungsinformationen.
Fig. 1 zeigt schematisch einen beispielhaften Ablauf eines hier vorgeschlagenen Verfahrens. Das Verfahren dient zum Ermitteln eines Integritätsbereichs 1 einer Parameterschätzung, wobei der Integritätsbereich den Bereich beschreibt, in dem ein geschätzter Parameter mit einer Mindestwahrscheinlichkeit liegt. Die mit den Blöcken 110, 120 und 130 dargestellte Reihenfolge der Verfahrensschritte a), b) und c) stellt sich in der Regel bei einem regulären Betriebsablauf ein. Insbesondere können die Schritte a) und b) zumindest teilweise parallel oder sogar gleichzeitig durchgeführt werden.
In Block 110 erfolgt ein Ermitteln einer ersten Integritätsinformation 5 auf Basis zumindest von Daten 2 mindestens eines ersten Sensors 13 oder einer ersten Methode 4 zur Bestimmung der Integritätsinformation. In Block 120 erfolgt ein Ermitteln einer zweiten Integritätsinformation 7 auf Basis zumindest von Daten 3 mindestens eines sich von dem ersten Sensor unterscheidenden zweiten Sensors 14 oder einer sich von der ersten Methode 4 unterscheidenden zweiten Methode 6 zur Bestimmung der Integritätsinformation. In Block 130 erfolgt ein Ermitteln des Integritätsbereichs 1 durch Fusionieren zumindest der ersten Integritätsinformation 5 und der zweiten Integritätsinformation 7.
Fig. 2 zeigt schematisch ein Kraftfahrzeug 10 mit einer beispielhaften
Ausführungsform eines hier vorgeschlagenen Steuergeräts 11. Das Steuergerät 11 ist zur Durchführung eines hier vorgeschlagenen Verfahrens eingerichtet. Das Steuergerät 11 dient hier beispielhaft dazu eine momentane Eigenposition des Kraftfahrzeugs 10 zu bestimmen.
Das Steuergerät 11 kann Daten 2, 3 empfangen, die einen Rückschluss auf die Eigenposition des Fahrzeugs 10 ermöglichen. Zum Beispiel können über eine Antenne 13 des Fahrzeugs 10 GNSS-Daten 2 von Navigationssatelliten 12 empfangen werden. GNSS steht für Globales Navigations-Satelliten-System. Die GNSS-Daten 2 umfassen beispielsweise Signale, die einen Rückschluss auf die Position des jeweiligen Satelliten 12 erlauben und deren Laufzeit ausgewertet werden kann, um im Wege einer Triangulation die Eigenposition des Fahrzeugs 10 zu bestimmen. Darüber hinaus können fahrzeuginterne Daten 3 von Sensoren des Fahrzeugs, wie beispielsweise einem Inertialsensor 14 (IMU), einem
Geschwindigkeitssensor 15 und einem Lenkwinkelsensor 16 empfangen werden.
In dem Steuergerät 11 wird auf Basis dieser Daten 2, 3 mit hier beispielhaft zwei parallel ablaufenden Methoden 4, 6 jeweils die Eigenposition des Kraftfahrzeugs 10 geschätzt sowie jeweils eine Integritätsinformation 5, 7 für die geschätzte Eigenposition ermittelt. Dies bedeutet mit anderen Worten insbesondere, dass es sich bei den Methoden 4, 6 um solche zur Schätzung der Eigenposition des Kraftfahrzeugs 10 und zur Bestimmung der Integritätsinformation 5, 7 zu der geschätzten Eigenposition handelt. Somit stellt die Eigenposition hier ein Beispiel für den geschätzten Parameter dar.
Als erste Methode 4 wird hier beispielhaft die Methode der kleinsten Quadrate verwendet. Beispielsweise wird die Methode der kleinsten Quadrate verwendet, um auf Basis (nur) der erfassten GNSS-Daten 2 die (momentane) Eigenposition des Fahrzeugs 10 zu schätzen und eine erste Integritätsinformation 5 über die Integrität der so geschätzten Eigenposition bereitzustellen. Die Methode der kleinsten Quadrate, die in der Regel nur eine Art von Daten, hier beispielshaft GNSS-Daten 2 berücksichtigt und regelmäßig ohne Berücksichtigung einer Verarbeitungshistorie und/oder Datenhistorie arbeitet, reagiert üblicherweise sehr dynamisch auf Messwertänderungen. Ein Nachteil dieser Methode kann jedoch in einer (im Vergleich zum Kalman- Filter) reduzierten Genauigkeit gesehen werden.
Ein erstes Schätzergebnis umfasst in der Regel die mittels der Methode der kleinsten Quadrate bestimmte (geschätzte) Eigenposition des Fahrzeugs 10. Die erste Integritätsinformation 5 umfasst in der Regel eine mittels der Methode der kleinsten Quadrate bestimmte (geschätzte) Integritätsinformation. Bei der ersten Integritätsinformation 5 kann es sich beispielsweise um eine bei Anwendung der Methode der kleinsten Quadrate zu erwartende Abweichung von der
tatsächlichen Eigenposition handeln. Diese kann zum Beispiel eine Varianz und/oder ein Residuum umfassen. Alternativ oder kumulativ kann die ersten Integritätsinformation 5 auch bereits ein erstes Protection Level umfassen.
Die zweite Schätzung wird hier beispielhaft mittels eines Kalman- Filters durchgeführt. Die zweite Methode 5 basiert dementsprechend auf einer (Sensor- )Fusion der GNSS-Daten 2 mit fahrzeuginternen Daten 3 und berücksichtigt in der Regel auch die Verarbeitungshistorie und/oder Datenhistorie. Die Information aus dem Kalman- Filter, die in der Regel das zweite Schätzergebnis der
Eigenposition und die zweite Integritätsinformation 7 über die Integrität des zweiten Schätzergebnisses umfasst, wird eher glatt bzw. geglättet sein und kann als ein modellgetriebener Tiefpassfilter der Eingangsmessungen interpretiert werden.
Hierbei umfassen das zweite Schätzergebnis in der Regel die mittels des Kalman- Filters bestimmte (geschätzte) Eigenposition des Fahrzeugs 10 und als zweite Integritätsinformation 7 eine mittels des Kalman- Filters bestimmte (geschätzte) Integritätsinformation über die Integrität der mittels des Kalman- Filters bestimmten (geschätzten) Eigenposition des Fahrzeugs 10. Bei der zweiten Integritätsinformation 7 kann es sich beispielsweise um eine bei Anwendung des Kalman- Filters zu erwartende Abweichung von der tatsächlichen Eigenposition handeln. Diese kann zum Beispiel eine Varianz und/oder ein Residuum umfassen. Alternativ oder kumulativ kann die zweite
Integritätsinformation 7 auch bereits ein zweites Protection Level umfassen.
Der Integritätsbereich 1 wird hier durch Fusionieren zumindest der ersten Integritätsinformation 5 und der zweiten Integritätsinformation 7 bzw. als Ergebnis einer Fusionierung 17 von erster Integritätsinformation 5 und zweiter Integritätsinformation 7 ermittelt. Dabei kann auch eine Gewichtung der ersten Integritätsinformation 5 und der zweiten Integritätsinformation 7 erfolgen.
Beispielsweise kann das Fusionieren derart erfolgen, dass die Gradienten bzw. schnellen Änderungen der Methode der kleinsten Quadrate, die hier die erste Methode 4 darstellt und eine (im Vergleich zur zweiten Methode 6) geringe Genauigkeit aufweist, auf die präzise und geglättete Hintergrundlösung des Kalman- Filters, der hier die zweite Methode 6 bereitstellt, aufaddiert wird. Dies ist grafisch und beispielhaft in Fig. 3 veranschaulicht.
Die Gewichtung kann beispielsweise derart erfolgen, dass ein Kompromiss zwischen der Zuverlässigkeit einen Schätzfehler sicher zu erkennen und der Reaktionszeit zum Erkennen des Schätzfehlers realisiert wird. Dabei kann in Abhängigkeit von der Umgebung, in welcher sich das Kraftfahrzeug 10 bewegt, zum Beispiel der dynamischeren, ersten Integritätsinformation 5 oder der geglätteten, zweiten Integritätsinformation 7 mehr Vertrauen geschenkt werden, beispielsweise durch Anpassung entsprechender Gewichte.
Beispielsweise kann, auch um die Genauigkeit der zweiten Integritätsinformation 7, die auf der fusionierten Kalman- Filter-Lösung beruht, aufrecht zu erhalten die erste Integritätsinformation 5, die auf der Methode der kleinsten Quadrate beruht, durch einen sogenannten„Hatch“- Filter ausgeglichen werden, der auf den Unterschied zwischen beiden Lösungen angewendet wird.
Der als Ergebnis der Fusionierung 17 ausgegebene (momentane)
Integritätsbereich 1 kann dadurch in vorteilhafter Weise die Dynamik der
Methode der kleinsten Quadrate und die Zuverlässigkeit des Kalman- Filters in sich vereinen bzw. kombinieren. Bei diesem Integritätsbereich 1 kann es sich zum Beispiel um eine (Gesamt-) Protection Level der (momentan) bestimmten Eigenposition des Fahrzeugs handeln.
In Fig. 2 ist darüber hinaus beispielhaft Veranschaulicht, dass auch mindestens eine dritte Integritätsinformation 9 für den geschätzten Parameter auf Basis zumindest von Daten 3 mindestens eines dritten Sensors 15 oder einer dritten Methode 8 zur Bestimmung der Integritätsinformation ermittelt werden kann und dass die weitere Integritätsinformation 9 bei dem Fusionieren in Schritt d) berücksichtigt werden kann.
Fig. 3 zeigt schematisch beispielhafte zeitliche Verläufe von
Abweichungsinformationen 18. Gemäß der Darstellung nach Fig. 3 ist die Abweichungsinformation 18 über der Zeit 19 aufgetragen.
Der obere Verlauf mit durchgezogener Linie zeigt den zeitlichen Verlauf der ersten Integritätsinformation 5. Diese wird hier beispielhaft auf Basis der Methode der kleinsten Quadrate ermittelt. Die erste Integritätsinformation 5 beschreibt hier beispielsweise die bei Anwendung (nur) der Methode der kleinsten Quadrate zu erwartende Abweichung von der tatsächlichen Position des Fahrzeugs.
Der untere Verlauf mit durchgezogener Linie zeigt den zeitlichen Verlauf der zweiten Integritätsinformation 7. Diese wird hier beispielhaft auf Basis einer Kalman- Filter-Lösung ermittelt bzw. von einem Kalman- Filter ausgegeben. Die zweite Integritätsinformation 7 beschreibt hier beispielsweise die bei Anwendung (nur) des Kalman- Filters zu erwartende Abweichung von der tatsächlichen Position des Fahrzeugs.
Der Verlauf mit gestrichelter Linie veranschaulicht beispielhaft den Verlauf des als Ergebnis der Fusionierung 17 ermittelten Integritätsbereichs 1. Dieser vereint die dynamischen Eigenschaften der ersten Integritätsinformation 5 mit der Zuverlässigkeit der zweiten Integritätsinformation 7.

Claims

Ansprüche
1. Verfahren zum Ermitteln eines Integritätsbereichs (1) einer
Parameterschätzung, wobei der Integritätsbereich (1) den Bereich beschreibt, in dem ein geschätzter Parameter mit einer
Mindestwahrscheinlichkeit liegt, wobei das Verfahren zumindest folgende Schritte umfasst:
a) Ermitteln einer ersten Integritätsinformation (5) auf Basis zumindest von Daten (2) mindestens eines ersten Sensors (13) oder einer ersten Methode (4) zur Bestimmung der Integritätsinformation, b) Ermitteln einer zweiten Integritätsinformation (7) auf Basis zumindest von Daten (3) mindestens eines sich von dem ersten Sensor unterscheidenden zweiten Sensors (14) oder einer sich von der ersten Methode (4) unterscheidenden zweiten Methode (6) zur Bestimmung der Integritätsinformation,
c) Ermitteln des Integritätsbereichs (1) durch Fusionieren zumindest der ersten Integritätsinformation (5) und der zweiten Integritätsinformation (7).
2. Verfahren nach Anspruch 1, wobei das Verfahren zum Ermitteln eines Integritätsbereichs (1) einer Parameterschätzung eines
Fahrbetriebsparameters eines Kraftfahrzeugs (10) dient.
3. Verfahren nach Anspruch 1 oder 2, wobei zumindest der erste Sensor (13) oder der zweite Sensor (14) in oder an einem Kraftfahrzeug (10) angeordnet sind.
4. Verfahren nach einem der vorhergehenden Ansprüche, wobei als erste Integritätsinformation (5) ein erster Integritätsbereich ermittelt wird.
5. Verfahren nach einem der vorhergehenden Ansprüche, wobei als zweite Integritätsinformation (7) ein zweiter Integritätsbereich ermittelt wird.
6. Verfahren nach einem der vorhergehenden Ansprüche, wobei in Schritt c) eine Gewichtung der ersten Integritätsinformation (5) und der zweiten Integritätsinformation (7) erfolgt.
7. Verfahren nach einem der vorhergehenden Ansprüche, wobei eine dritte Integritätsinformation (9) für den geschätzten Parameter auf Basis zumindest von Daten (3) mindestens eines dritten Sensors (15) oder einer dritten Methode (8) zur Bestimmung der Integritätsinformation ermittelt wird und wobei auch die dritte Integritätsinformation (9) bei dem Fusionieren in
Schritt c) berücksichtigt wird.
8. Computerprogramm zur Durchführung eines Verfahrens nach einem der Ansprüche 1 bis 7.
9. Maschinenlesbares Speichermedium, auf dem das Computerprogramm nach Anspruch 8 gespeichert ist.
10. Steuergerät (11) für ein Kraftfahrzeug (10), wobei das Steuergerät (11) zur Durchführung eines Verfahrens nach einem der Ansprüche 1 bis 7 eingerichtet ist.
EP19817669.5A 2018-12-18 2019-12-09 Verfahren zum ermitteln eines integritätsbereichs Pending EP3899588A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102018222166.9A DE102018222166A1 (de) 2018-12-18 2018-12-18 Verfahren zum Ermitteln eines Integritätsbereichs
PCT/EP2019/084171 WO2020126596A1 (de) 2018-12-18 2019-12-09 Verfahren zum ermitteln eines integritätsbereichs

Publications (1)

Publication Number Publication Date
EP3899588A1 true EP3899588A1 (de) 2021-10-27

Family

ID=68841112

Family Applications (1)

Application Number Title Priority Date Filing Date
EP19817669.5A Pending EP3899588A1 (de) 2018-12-18 2019-12-09 Verfahren zum ermitteln eines integritätsbereichs

Country Status (7)

Country Link
US (1) US20220063642A1 (de)
EP (1) EP3899588A1 (de)
JP (1) JP7284268B2 (de)
KR (1) KR20210102262A (de)
CN (1) CN113196109B (de)
DE (1) DE102018222166A1 (de)
WO (1) WO2020126596A1 (de)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102020212042A1 (de) * 2020-09-24 2022-03-24 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Bereitstellen von Informationen über die Verlässlichkeit einer Parameterschätzung eines Parameters für den Betrieb eines Fahrzeugs
CN112902966A (zh) * 2021-01-28 2021-06-04 开放智能机器（上海）有限公司 一种融合定位系统及方法
DE102022128703A1 (de) 2022-10-28 2024-05-08 Sick Ag Verfahren zum Betreiben einer Positionsmessvorrichtung
CN117451043B (zh) * 2023-12-25 2024-03-15 武汉大学 一种数-模混合估计的多源融合定位方法及系统

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000292538A (ja) * 1999-04-07 2000-10-20 Mitsubishi Electric Corp 車両用障害物検出装置
FR2830320B1 (fr) * 2001-09-28 2003-11-28 Thales Sa Centrale de navigation inertielle hybryde a integrite amelioree
US10007675B2 (en) * 2007-07-31 2018-06-26 Robert Bosch Gmbh Method of improving database integrity for driver assistance applications
JP5251090B2 (ja) * 2007-11-30 2013-07-31 セイコーエプソン株式会社 測位方法、プログラム及び測位装置
US20090182493A1 (en) * 2008-01-15 2009-07-16 Honeywell International, Inc. Navigation system with apparatus for detecting accuracy failures
FR2928741B1 (fr) * 2008-03-11 2020-06-26 Thales Dispositif et procede de surveillance d'integrite en temps reel d'un systeme de navigation par satellite
US8243136B2 (en) * 2008-03-11 2012-08-14 Panasonic Corporation Tag sensor system and sensor device, and object position estimating device and object position estimating method
US20110118979A1 (en) * 2009-11-19 2011-05-19 Robert Bosch Gmbh Automotive location data integrity
EP2402785B1 (de) * 2010-06-23 2013-04-03 Astrium GmbH Verbesserter RAIM-Algorithmus
EP2428770B1 (de) * 2010-09-08 2013-04-24 Harman Becker Automotive Systems GmbH Navigationssystem für ein Fahrzeug
US9558157B2 (en) * 2011-10-24 2017-01-31 Continental Teves Ag & Co. Ohg Sensor system for independently evaluating the accuracy of the data of the sensor system
FR3004826B1 (fr) * 2013-04-18 2015-05-08 Sagem Defense Securite Procede de controle d'integrite et dispositif de fusion-consolidation comprenant un pluralite de modules de traitement
JP2015102330A (ja) * 2013-11-21 2015-06-04 古野電気株式会社 移動情報算出装置、移動情報算出方法、移動情報算出プログラム、および移動体
EP3316001B1 (de) * 2016-10-25 2024-06-12 Centre National d'Etudes Spatiales Gemeinschaftliche verbesserung der positionierung eines fahrzeugs
US20180186468A1 (en) * 2017-01-04 2018-07-05 Honeywell International Inc. System and methods to evaluate or improve own ship sensor data in connected vehicles
CN108761497B (zh) * 2018-03-06 2019-12-06 北京交通大学 一种列车卫星定位局域完好性监测方法及系统
CN108508461B (zh) * 2018-03-27 2022-09-23 千寻位置网络（浙江）有限公司 基于gnss载波相位高精度定位完好性监测方法

Also Published As

Publication number Publication date
CN113196109A (zh) 2021-07-30
US20220063642A1 (en) 2022-03-03
CN113196109B (zh) 2024-07-19
JP7284268B2 (ja) 2023-05-30
DE102018222166A1 (de) 2020-06-18
WO2020126596A1 (de) 2020-06-25
JP2022513511A (ja) 2022-02-08
KR20210102262A (ko) 2021-08-19

Similar Documents

Publication Publication Date Title
EP3899588A1 (de) Verfahren zum ermitteln eines integritätsbereichs
EP2819901B1 (de) Verfahren und vorrichtung zur ermittlung der geschwindigkeit und/oder position eines fahrzeuges
EP1885586B1 (de) Bestimmung des aktuellen gierwinkels und des aktuellen schwimmwinkels eines landfahrzeugs
DE102016100401A1 (de) Verfahren zum Ermitteln einer Falschausrichtung eines Objektsensors
DE102008045618B4 (de) Verfahren und Vorrichtung zur Kalibrierung von Sensoren eines Fahrzeuges
EP3356855B1 (de) Verfahren zum auswählen von lokalisierungsalgorithmen in einem fahrzeug
DE102020107349A1 (de) Verfahren und vorrichtung zur dynamischen gierratenabweichungsschätzung
DE102013213067B4 (de) Verfahren und Vorrichtung zur Bestimmung mindestens einer Zustandsgröße einer Eigenposition eines Fahrzeugs
EP2936205A2 (de) Verfahren zum bereitstellen eines gnss-signals
WO2020126795A1 (de) Verfahren zum adaptiven ermitteln eines integritätsbereichs einer parameterschätzung
DE102018004057A1 (de) Verfahren und System zum Bestimmen des Versatzes eines Lenkradwinkelsensors
EP3155454B1 (de) Verfahren und system zur anpassung eines navigationssystems
DE102019132150A1 (de) Verfahren zum automatischen Kalibrieren eines Umfeldsensors, insbesondere eines Lidar-Sensors, eines Fahrzeugs auf Grundlage von Belegungskarten sowie Recheneinrichtung
WO2019063393A1 (de) Verfahren und system zur bestimmung zumindest einer bewegungskomponente einer absolutbewegung eines objektes im ruhenden bezugssystem
EP3545330A1 (de) Verfahren und vorrichtung zum bestimmen einer genauen position eines fahrzeugs anhand von radarsignaturen der fahrzeugumgebung
DE102008042631A1 (de) Verfahren und Vorrichtung zur Abstandsermittlung bei einem monokularen Videoassistenzsystem
WO2019211037A1 (de) Von der fahrzeuggeschwindigkeit abhängiges verfahren zum bestimmen der position eines fahrzeugs
WO2019096670A1 (de) Verfahren und vorrichtung zum ermitteln einer position für ein hochautomatisiertes fahrzeug
DE102021214763A1 (de) Verfahren und Steuervorrichtung zum Steuern eines automatisierten Fahrzeugs
DE102019211006B4 (de) Auswerten von Sensordaten eines Fahrzeugs
WO2022018007A1 (de) Verfahren zum schätzen einer eigenbewegung eines fahrzeugs anhand von messungen eines lidar-sensors sowie recheneinrichtung
DE102009020648A1 (de) Verfahren und Vorrichtung zur Kollisionsvermeidung für ein Fahrzeug durch Ausweichen vor einem Hindernis
DE102011054379A1 (de) Ermittlung einer Positionsinformation
DE102019208872A1 (de) Verfahren zur Fehlerbewertung bei einer Positionsbestimmung
WO2024012845A1 (de) Verfahren zum ermitteln eines integritätsbereichs einer parameterschätzung für eine lokalisierung eines fahrzeugs

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

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: 20210719

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

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)