EP4214607A1 - Verfahren und system zum testen eines fahrerassistenzsystems - Google Patents

Verfahren und system zum testen eines fahrerassistenzsystems

Info

Publication number
EP4214607A1
EP4214607A1 EP21794703.5A EP21794703A EP4214607A1 EP 4214607 A1 EP4214607 A1 EP 4214607A1 EP 21794703 A EP21794703 A EP 21794703A EP 4214607 A1 EP4214607 A1 EP 4214607A1
Authority
EP
European Patent Office
Prior art keywords
elementary
maneuvers
ego vehicle
vehicle
drive data
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
EP21794703.5A
Other languages
English (en)
French (fr)
Inventor
Thomas SCHLÖMICHER
Ziya ERCAN
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.)
AVL List GmbH
Original Assignee
AVL List 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 AVL List GmbH filed Critical AVL List GmbH
Publication of EP4214607A1 publication Critical patent/EP4214607A1/de
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Preventing errors by testing or debugging software
    • G06F11/3664—Environments for testing or debugging software
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Preventing errors by testing or debugging software
    • G06F11/3668—Software testing
    • G06F11/3672—Test management
    • G06F11/3684—Test management for test design, e.g. generating new test cases
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18145—Cornering
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • 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
    • B60W50/06—Improving the dynamic response of the control system, e.g. improving the speed of regulation or avoiding hunting or overshoot
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/10—Number of lanes
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4041—Position
    • 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
    • B60W2556/40—High definition maps
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Preventing errors by testing or debugging software
    • G06F11/3668—Software testing
    • G06F11/3672—Test management
    • G06F11/3688—Test management for test execution, e.g. scheduling of test suites
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Preventing errors by testing or debugging software
    • G06F11/3668—Software testing
    • G06F11/3696—Methods or tools to render software testable

Definitions

  • the invention relates to a computer-implemented method for testing a driver assistance system of an ego vehicle using test drive data.
  • driver assistance systems Advanced Driver Assistance Systems - ADAS
  • Driver assistance systems make an important contribution to increasing active traffic safety and serve to increase driving comfort.
  • driver assistance systems are available in passenger cars and commercial vehicles, such as e.g. B. Parking assistant, distance cruise control, lane assistant and others.
  • B. Parking assistant e.g. B. Parking assistant, distance cruise control, lane assistant and others.
  • These driver assistance systems both increase safety in traffic by warning the driver in critical situations and initiate automatic intervention to avoid accidents or reduce the consequences of an accident, for example by activating an emergency braking function.
  • driving comfort is increased by functions such as automatic parking, automatic lane keeping and automatic distance control.
  • each driver assistance system depending on its function, must manage scenarios that occur in traffic with maximum safety for the vehicle itself and without endangering other vehicles or other road users.
  • the document WO 2015/032508 relates to a method for optimizing at least one driver assistance system, which has the following work steps:
  • a correction function which depends on the at least one control intervention parameter function and the at least one driving situation parameter function and is particularly suitable for characterizing a subjective perception of the activity of driver assistance system A by at least one vehicle occupant, on the basis of the at least one vehicle parameter function and/or the at least one environmental parameter function .
  • a first aspect of the invention relates to a computer-implemented method for testing a driver assistance system of an ego vehicle using test drive data, having the following work steps:
  • a second aspect of the invention relates to a system for testing the functionality of a driver assistance system of an ego vehicle using test drive data, having:
  • Means for assigning attributes to other vehicles which are recorded in the test drive data and are arranged in the, in particular immediate, environment of the ego vehicle, the attributes being respective relative positions of the other vehicles in relation to the ego vehicle at a point in time specify test drive data and wherein the attributes are associated with an associated point in time;
  • Means for checking the test drive data for the occurrence of elementary sideways maneuvers which are each characterized by a change in position of the ego vehicle or one of the other vehicles perpendicular to the course of the road, and elementary longitudinal maneuvers, which are each characterized by a change in the distance of the ego -Vehicle or one of the other vehicles to a vehicle driving ahead and/or a vehicle driving behind, in particular in the same lane, wherein the elementary maneuvers are selected from a list of predefined elementary maneuvers and wherein the occurrence of elementary maneuvers is also indicated at at least one associated point in time is assigned;
  • Means for analyzing the driving behavior of the driver assistance system in the identified scenarios Means for analyzing the driving behavior of the driver assistance system in the identified scenarios.
  • FIG. 1 Further aspects of the invention relate to a computer program product comprising instructions which, when executed by a computer, cause it to carry out the steps of a method according to the first aspect of the invention, and a computer-readable medium on which such a computer program product is stored .
  • Testing a driver assistance system within the meaning of the invention serves to analyze or optimize the driver assistance system or the driving behavior of the driver assistance system. This can be in ferry operations on the road or in a, especially virtual, environment in the development process.
  • a means within the meaning of the invention can be hardware and/or software and in particular a digital processing unit, preferably connected to a memory or a bus system or signal, in particular with a microprocessor unit (CPU) and/or one or more programs or Have program modules.
  • the CPU can be designed to process commands that are implemented as a program stored in a memory system, to acquire input signals from a data bus and/or to output output signals to a data bus.
  • a storage system can have one or more, in particular different, storage media, in particular optical, magnetic, solid-state and/or other non-volatile media.
  • the program can be designed in such a way that it embodies or is able to execute the methods described here, so that the CPU can execute the steps of such methods and can thus in particular analyze a vehicle to be tested.
  • a scenario within the meaning of the invention is preferably formed from a chronological sequence of spatial, in particular static, scenes.
  • the spatial scenes preferably indicate the spatial arrangement of at least one other object relative to the ego vehicle, e.g. B. the constellation of road users or static objects such as road markings.
  • a scenario can contain, in particular, a driving situation in which a driver assistance system at least partially controls the vehicle known as the ego vehicle and equipped with the driver assistance system, e.g. B. performs at least one vehicle function of the ego vehicle autonomously.
  • a lane or lane within the meaning of the invention is preferably a roadway, in particular a lane on a road that is provided for driving in a specified direction.
  • the lane or lane preferably has a marking.
  • An elementary maneuver within the meaning of the invention is preferably an elementary sideways maneuver, an elementary longitudinal maneuver and/or an elementary cornering maneuver.
  • An elementary sideways maneuver within the meaning of the invention is preferably a driving maneuver in the direction transverse to the course of a travel path of an ego vehicle.
  • a longitudinal maneuver within the meaning of the invention is preferably a driving maneuver at least essentially in the direction of the travel path of an ego vehicle.
  • An elementary curve maneuver within the meaning of the invention is preferably a driving maneuver in which a trajectory of an ego vehicle describes a curve.
  • Test drive data within the meaning of the invention are preferably values, in particular data series, of parameters which characterize the environment and/or the operation of an ego vehicle during a test drive.
  • a vehicle within the meaning of the invention is preferably a road user, in particular an object that moves in traffic.
  • a driving behavior within the meaning of the invention is preferably characterized by driving characteristics of the driver assistance system.
  • the driving behavior is characterized by actions of the driver assistance system in its environment and the reaction of the driver assistance system to its environment.
  • the invention is based on the approach of carrying out a scenario-based test to validate and verify the functions of a driver assistance system.
  • a scenario-based test driving behavior of driver assistance systems is observed, analyzed and/or evaluated in specific scenarios.
  • the teaching according to the invention accomplishes this by structuring test drive data of an ego vehicle, which was preferably recorded in real ferry operation, and then searching for elementary maneuvers of scenarios. Those data areas of the test drive data that correspond to predefined scenarios that are relevant to the driver assistance system to be tested are analyzed. The method according to the invention enables these relevant data areas to be identified particularly reliably for the driver assistance system to be tested in each case. This in turn leads to a particularly high quality of the test result.
  • a set of test drive data from a vehicle can be used repeatedly to test different versions of a driver assistance system and/or other driver assistance systems. As a result, the number of real or virtual test drives required to generate test drive data can be significantly reduced. In particular with regard to real test drive data, a driving performance required for generating such test drive data, which is normally carried out by a real driver, can be significantly reduced.
  • the method according to the invention offers a test engineer a high degree of flexibility when evaluating test drive data in relation to a specific function.
  • the test engineer it is possible for the test engineer to define an unlimited number of different scenarios for which test drive data can be searched. In this way, scenarios can be created which are best suited for testing a specific function of a driver assistance system.
  • those test drive data can be identified from a series of test drives, which are best suited for an analysis of the driving behavior of the respective driver assistance system.
  • the test drive data is searched exclusively for those attributes and/or elementary maneuvers that are contained in the predefined scenarios.
  • test runs are carried out on a test bench using the test drive data to analyze the driving behavior of the driver assistance system in the identified scenarios.
  • the test bench is preferably a vehicle test bench, a vehicle-in-the-loop test bench, a hardware-in-the-loop test bench or a software-in-the-loop test bench.
  • This refinement makes it possible to achieve particularly high quality in the analysis, evaluation and/or optimization of the driving behavior of a driver assistance system.
  • test drive data is checked for the occurrence of elementary maneuvers using models of the elementary maneuvers, which were trained using machine learning.
  • patterns for recognizing elementary maneuvers in test drive data are used, which are generated by machine learning using test drive data that has already been classified with regard to maneuvers.
  • Test drive data is preferably classified by humans and the data is then read into an algorithm for machine learning, in particular an artificial neural network.
  • An advantage of this design is that the elementary maneuvers and not the scenarios themselves are learned in a machine learning model process. This offers a high level of flexibility with regard to the definition of new scenarios, since these can be assembled in a modular manner from the individual patterns or models of the elementary maneuvers. In principle, customized scenarios can be put together for each application in this way.
  • the list includes at least one from the following group of elementary sideways maneuvers: lane change to the left, lane change to the right, driving in lane, driving outside of a lane, swerving to the right, swerving to the left.
  • the list includes at least one from the following group of elementary longitudinal maneuvers: starting, opening a gap, closing a gap, following a vehicle, driving in a clear lane, stopping.
  • test drive data are also checked for the occurrence of elementary cornering maneuvers and the elementary cornering maneuvers are selected from a list which includes at least one from the following group of elementary cornering maneuvers: driving straight ahead without cornering, cornering with increasing absolute curve curvature, exiting a curve with decreasing absolute curve curvature, cornering with constant curve curvature, turning left, turning right, roundabout driving.
  • the attributes indicate whether another vehicle is in the same lane, on the right or left in relation to the ego vehicle and whether the other vehicle is in front of, behind or at the same height as the ego vehicle is arranged in relation to a road course. This allows other road users to be clearly identified.
  • the attributes also indicate which vehicle in a lane is the other vehicle in relation to the ego vehicle.
  • the attributes also indicate the direction in which the other vehicle is driving in relation to the direction of travel of the ego vehicle.
  • the attributes are independent of the distance of the other vehicle in relation to the ego vehicle, but are only assigned up to a defined distance within a measuring range of a sensor for determining the attributes of the ego vehicle.
  • test drive data are generated using real test drive data and a lane of the ego vehicle and the other vehicles are determined using an intelligent camera, which is preferably mounted on the ego vehicle.
  • a known position of landmarks in relation to a reference system, in particular a high-resolution map, which is recorded by the intelligent camera, is also used to determine the lane of the ego vehicle and the other vehicles.
  • the test drive data is generated using real test drives and relative positions of the other vehicles in relation to the ego vehicle are determined using an intelligent camera, lidar and/or radar, which are preferably each installed in the ego vehicle .
  • FIG. 1a shows an ego vehicle on a test drive
  • FIG. 1b shows an exemplary embodiment of a system for testing a driver assistance system
  • FIG. 2 shows a flow chart of an exemplary embodiment of a method for testing a driver assistance system
  • Figure 3 shows attributes of other vehicles
  • FIG. 4 shows a dynamic development of the attributes of other vehicles
  • FIG. 5a shows a diagram which shows the time sequence of an overtaking maneuver by an ego vehicle
  • FIG. 5b shows a graphic representation of the overtaking process indicated in FIG. 5a.
  • Figure 1a shows a vehicle 2 during a test drive on a road 5.
  • the vehicle 2 collects test drive data 6 as the ego vehicle, which serves as a reference in the traffic situation.
  • the ego vehicle 2 preferably has a large number of sensors which monitor the traffic situation and the environment around record vehicle.
  • FIG. 1a shows, purely by way of example, that ego vehicle 2 has a camera 4, in particular an intelligent camera.
  • a camera 4 preferably has a field of view of 360° in order to monitor the entire environment around the ego vehicle 2 .
  • Other possible sensors are radar, lidar, ultrasound, etc.
  • An intelligent camera 4 is able, for example, to recognize other lanes and to assign other road users to lanes, as well as to recognize traffic signs and landmarks, which, for example in conjunction with a high-resolution map, can be used to determine the exact location of the vehicle Ego vehicle 2 can serve.
  • the ego vehicle preferably has a data memory (not shown), which is set up to store the test drive data 6 collected by means of the intelligent camera 4 and any other sensors.
  • the test drive data are represented by the file folder 6 in FIG.
  • OSI stands for Open Simulation Interface and is a generic interface for the environmental perception of automated driving functions in virtual scenarios (https://opensimulationinterface.github.io/osi-documentation/).
  • test drive data 6 is provided to a system 10 for testing a driver assistance system, which is indicated by the arrow pointing from FIG. 1a to FIG. 1b.
  • Figure 1b shows the system 10 for testing a driver assistance system.
  • the system 10 is preferably used to evaluate the collected test drive data 6 and to analyze what driving behavior a driver assistance system 1 would have shown during a test drive in which the test drive data 6 was generated.
  • the system 10 according to FIG. 1b is set up in particular to carry out a method 100 for testing a driver assistance system 1 according to FIG.
  • the means 11 for assigning attributes Tx-yyy, the means 12 for checking the test drive data 6, and the means 13 for identification are preferably means of a data processing system, which are configured in such a way to carry out their respectively assigned function.
  • the means 14 for analyzing the driving behavior can also be implemented in a data processing system.
  • the driver assistance system 1 is also simulated or only its software is checked, in particular by means of a software-in-the-loop method.
  • the means 14 for analyzing the driving behavior of the driver assistance system 1 is designed as a test bench, in particular as a vehicle test bench, vehicle-in-the-loop test bench or hardware-in-the-loop test bench.
  • Driver assistance system 1 is preferably installed on such a test bench 14 or connected to it, and data areas of test drive data 6 that correspond to identified scenarios are made available to driver assistance system 1 or the sensors that supply driver assistance system 1 with information via suitable interfaces. This is indicated by an arrow in FIG. 1b.
  • such an interface can be one or more screens that show the environment around the vehicle, based on the data area of the test drive data 6, which corresponds to a scenario, to the camera 4.
  • such an interface could be a radar target emulator, for example.
  • provision can also be made for the test drive data 6 to be further processed in such a way that they can be made available directly to a sensor chip of the driver assistance system 1 or only to the software of this sensor chip.
  • a reaction or action that characterizes the driving behavior of driver assistance system 1 is in turn made available to test stand 14 via a further interface, which is indicated by the further arrow in FIG. 1b.
  • the test stand 14 is able to carry out an analysis of the driving behavior on the test stand 14 on the basis of parameters, for example control signals, which the driver assistance system 1 outputs or the control of a vehicle 2 ′ caused by the driver assistance system 1 .
  • the recorded driving behavior of the driver assistance system 1 is compared with reference data.
  • test drive data 6 is provided directly by the sensors there, in particular the intelligent camera 4.
  • FIG. 2 is an exemplary embodiment of a computer-implemented method for testing driver assistance system 1, which can be executed in particular by system 10 shown in FIG. 1b.
  • attributes Tx-yyy are assigned to other vehicles, which were recorded during a test drive of the ego vehicle 2 and are therefore contained in the test drive data.
  • x designates the letters R, S and A for rear, side and ahead.
  • the symbols "y" each stand for a digit, which indicate the lane and its arrangement in the direction of travel in relation to the ego vehicle 2.
  • Each row of the matrix shown there preferably corresponds to a lane, with the ego vehicle 2 shown in black therefore being located in the middle lane.
  • the road users surrounding the ego vehicle 2 are each designated with an attribute which starts with T.
  • the letters 'R', 'S' and 'A' stand for rear-facing, side-facing and forward-facing.
  • the first digit after the hyphen indicates whether the other road users are arranged in the same lane or in a different lane.
  • the number "1" stands for the lane to the right of the ego vehicle 2, the number "2" for the lane in which the ego vehicle 2 is located and the number "3" for that lane which is to the left of the ego vehicle 2.
  • the last two digits after the hyphen stand for the number of road users ahead or behind in a lane of the road user shown, in this exemplary embodiment a vehicle.
  • the attributes Tx-yyy are preferably assigned independently of the distance that the other road users have from the ego vehicle 2 in each case.
  • the assigned attributes Tx-yyy each reflect the relative position of another road user at a point in time of the test drive data 6 . Therefore, for each time step in which data is stored in the test drive data 6, the attribute of the other road users considered is preferably also stored. Alternatively, only one change to an attribute Tx-yyy can be saved in order to reduce data.
  • the attributes Tx-yyy are preferably assigned only up to a defined distance from the ego vehicle 2 . More preferably, this distance is within a measurement range of the sensor or sensors that detect the relative position of the other road users to the ego vehicle 2 . As already explained, this can preferably be an intelligent camera 4 .
  • the attributes Tx-yyy can also contain information about the direction in which another road user is moving in relation to the ego vehicle 2 . For example, an additional letter can be added at the beginning of the attributes. As can be seen from Figure 3, the letter “o" can, for example, identify an oncoming vehicle with the attribute oTA-101 (for "opposing") and the letter "c" (for "crossing”) can identify a crossing vehicle with the attribute cTA- 302
  • FIG. 4 shows an example of the development over time of attributes Txyyy of road users 3a, 3b.
  • the ego vehicle 2 is in the center lane.
  • the first road user 3a changes lanes from the middle lane to the right lane, with road user 3a driving at a higher speed than ego vehicle 2.
  • the attribute Tx-yyy of road user 3a therefore changes from TA-201 to TA -301 .
  • the second road user 3b is driving in a lane to the left of the lane of the ego vehicle 2 behind the ego vehicle 2 and is about to overtake the ego vehicle 2 since it is also traveling at a higher speed than the ego vehicle 2 moves. Accordingly, the attribute of the second road user 3b changes from TR-101 to TS-101 at a later point in time when the second road user 3b is level with the ego vehicle 2 .
  • the distance da of the first road user 3a and the distance db of the second road user preferably have no influence on the allocation of the attributes Tx-yyy.
  • it is important with regard to the second road user 3b that he moves from a position arranged to the rear in relation to the ego vehicle 2 to a position arranged to the side and the first participant 3a moves from the middle lane to the right lane.
  • the test drive data are checked for the occurrence of elementary maneuvers.
  • This checking essentially constitutes a search of the test drive data 6 for known patterns of elementary sideways maneuvers LCL; LCR; IL and from elementary longitudinal maneuvers GO; GC; FL.
  • elementary curve maneuvers are preferably searched for.
  • patterns or templates are defined for the respective elementary maneuvers, which can be compared with parameter profiles and parameter constellations that are contained in the test drive data 6 .
  • Such patterns can be stored as models, for example.
  • these models can be generated using machine learning, with a
  • training of the model is preferably generated by means of test drive data, which are already classified in relation to elementary maneuvers.
  • Supervised machine learning is preferably used here, in which test drive data are classified by humans and an algorithm is then trained on the basis of this data, for example an artificial neural network (artificial neural network).
  • the patterns generated in this way are preferably stored in a list as predefined elementary maneuvers and compared with the test drive data 6 in the checking work step 102 .
  • Exemplary elementary sideways maneuvers are "lane change to the left” LCL, “lane change to the right” LCR, “driving in lane” IL, “driving outside of a lane”, “slipping to the right”, “slipping to the left”.
  • Examples of elementary longitudinal maneuvers are “starting off”, “opening a gap” GO, “closing a gap” GC, “following a vehicle”, “driving in a clear lane” FL, “stopping”.
  • the second road user 3b is driving in a free lane FL in the elementary longitudinal maneuver and is driving in lane IL in the elementary sideways maneuver.
  • the first road user 3a is during the period shown in the elementary sideways maneuver first in the elementary sideways maneuver driving in lane IL, then in the elementary sideways maneuver lane change to the left LCL and finally again in the elementary sideways maneuver driving in Lane IL.
  • the elementary longitudinal maneuver of the first road user 3a during the entire period shown is driving in a free lane FL.
  • a third work step 103 the occurrence of predefined scenarios during the test drive is identified in the test drive data.
  • the scenarios are preferably made up of a constellation of elementary maneuvers LCL; LCR; IL; GO; GC; FL and attributes Tx-yyy together.
  • Examples of such predefined scenarios are cutting in in front of another road user 3a, 3b, cutting in in front of the ego vehicle, overtaking another road user 3a, 3b, overtaking the ego vehicle 2 by another road user 3a, 3b, another road user 3a pulling out, 3b, ego vehicle swerving 2.
  • the scenarios can preferably be freely defined by test engineers, using these attributes Tx-yyy and elementary maneuvers LCL; LCR; IL; GO; GC; Combine FL of the ego vehicle 2 and the other road users 3a, 3b into predefined scenarios.
  • FIG. LCR An example of such a scenario, namely an overtaking process by ego vehicle 2, is shown in the diagram in FIG. LCR; IL , GO; GC; FL as a function of time t.
  • this diagram shows a change in the elementary longitudinal maneuver GO; GC; FL and the elementary sideways maneuver LCL; LCR; IL of the ego vehicle and the modification of the elementary longitudinal maneuvers GO; GC; FL and the elementary sideways maneuver LCL; LCR; IL and the respective present attribute Tx-yyy of a first road user 3a, represented by a vehicle in FIG. 5b, as a function of time t.
  • the first road user 3a is in lane IL for the entire time of the maneuver in the elementary sideways maneuver.
  • Ego vehicle 2 is initially in the elementary sideways maneuver of driving in lane IL, but starts to overtake at the point in time of 3 seconds, as a result of which a lane change to the left LCL is initiated.
  • the lane change ends at time t equal to 7 seconds.
  • the ego vehicle is in lane in the elementary sideways maneuver.
  • the ego vehicle has overtaken the first road user 3a and again starts to change lanes to the right lane, whereby the elementary sideways maneuver lane change to the right LCR is initiated. This ends at time t equal to 24 seconds.
  • the ego vehicle 2 is back on the right lane and continues in the elementary sideways maneuver of driving in lane.
  • the elementary longitudinal maneuvers in which the ego vehicle 2 is located develop over time t in a corresponding manner.
  • the ego vehicle 2 drives onto the first road user 3a, as a result of which the elementary longitudinal maneuver to close a gap GC is present.
  • the longitudinal driving state driving in a free lane FL occurs as a result of the elementary sideways maneuver lane change to the left LCL, since the middle lane has no other road users. This state also persists after the lane change to the right LCR again, since there is again no other road user in the right lane in front of the first road user 3a.
  • the first road user 3a is initially in the elementary longitudinal maneuver of driving in the free lane FL, since there is no one in front of him in the right-hand lane.
  • the longitudinal driving state changes at time t equal to 23 seconds to gap open GO, since the ego vehicle 2 is moving at higher speed in the same lane, the right lane , removed from the first road user 3a.
  • the attributes which are assigned to the first road user 3a in relation to the ego vehicle are indicated in the bottom line of the diagram from FIG. 5a.
  • the first road user 3a is in front of the ego vehicle 2, so that it receives the attribute TA-101 as the first vehicle in front of the ego vehicle.
  • the first road user 3a now has the attribute TA-301 because he is in the lane to the right of the lane of the ego vehicle.
  • the first road user receives the attribute TS-301 because he is in the lane to the right of the ego vehicle next to the ego vehicle 2 .
  • the first road user 3a receives the attribute TR-301 because he is in the lane to the right of the ego vehicle 2 behind the ego vehicle 2 .
  • the first road user 3a receives the attribute TR-101 since he is in the same lane behind the ego vehicle 2 .
  • test runs are preferably carried out on the test stand 14 in the identified scenarios, in which the driver assistance system 1 and/or a vehicle 2', on which the driver assistance system 1 is arranged, is/are operated in a test run under conditions which are determined by the test drive data 6 are predetermined.
  • the test drive data 6 preferably contain the course of the road, legal requirements from road signs, the weather, the topology, etc.
  • driver assistance system In the test runs, it is preferably observed or examined how the driver assistance system being examined in each case acts or reacts under the given boundary conditions. This driving behavior of the driver assistance system is preferably compared with reference data in order to carry out an evaluation and, if necessary, to optimize a calibration of the driver assistance system 1 .
  • the driver assistance system is preferably operated in a test run which is based exclusively on those data areas of the test drive data 6 in which scenarios which are relevant to the driving behavior of the driver assistance system 1 examined in each case were identified. In this way, the time required for testing a driver assistance system 1 or the length of the test runs required for this can be significantly reduced.
  • a test bench 14 can be designed as a vehicle test bench, but also as a test bench on which only essential parts of a vehicle 2' and/or the driver assistance system 1 are simulated.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)

Abstract

Die Erfindung betrifft ein computerimplementiertes Verfahren zum Testen eines Fahrerassistenzsystems eines Ego-Fahrzeugs anhand von Testfahrtdaten, folgende Arbeitsschritte aufweisend: Vergeben von Attributen an andere Fahrzeuge, welche in den Testfahrtdaten erfasst sind und in der, insbesondere unmittelbaren, Umgebung des Ego-Fahrzeugs angeordnet sind, wobei die Attribute jeweilige Relativpositionen von den anderen Fahrzeugen in Bezug auf das Ego-Fahrzeug zu einem Zeitpunkt der Testfahrtdaten angeben und wobei die Attribute einem zugehörigen Zeitpunkt zugeordnet werden; Prüfen der Testfahrtdaten auf ein Auftreten von elementaren Seitwärts-Manövern, welche jeweils durch eine Positionsänderung des Ego-Fahrzeugs oder eines der anderen Fahrzeuge senkrecht zum Fahrbahnverlauf charakterisiert sind, und von elementaren Längs-Manövern, welche jeweils durch eine Änderung des Abstands des Ego-Fahrzeugs oder eines der anderen Fahrzeuge vorausfahrenden und/oder einem hinterherfahrenden Fahrzeug, insbesondere auf derselben Fahrspur, charakterisiert sind, wobei die elementaren Manöver aus einer Liste von vordefinierten elementaren Manövern ausgewählt sind und wobei auch das Auftreten von elementaren Manövern wenigstens einem zugehörigen Zeitpunkt zugeordnet wird; Identifizieren eines Auftretens von vordefinierten Szenarien anhand der aufgetretenen elementaren Manöver, wobei die vordefinierten Szenarien durch eine Konstellation von elementaren Manövern und Attributen charakterisiert sind; und Analysieren des Fahrverhaltens des Fahrerassistenzsystems in den identifizierten Szenarien. Die Erfindung betrifft auch ein entsprechendes System.

Description

Verfahren und System zum Testen eines Fahrerassistenzsystems
Die Erfindung betrifft ein computerimplementiertes Verfahren zum Testen eines Fahrerassistenzsystems eines Ego-Fahrzeugs anhand von Testfahrtdaten.
Die Verbreitung von Fahrerassistenzsystemen (Advanced Driver Assistance Systems - ADAS) nimmt sowohl im Bereich der Personenkraftwagen als auch bei Nutzfahrzeugen ständig zu. Fahrerassistenzsysteme leisten einen wichtigen Beitrag zur Erhöhung der aktiven Verkehrssicherheit und dienen der Steigerung des Fahrkomforts.
Neben den insbesondere der Fahrsicherheit dienenden Systemen wie ABS (Anti-Blockier-Sys- tem) und ESP (Elektronisches Stabilitätsprogramm) werden im Bereich der Personenkraftwagen und der Nutzfahrzeuge eine Vielzahl von Fahrerassistenzsystemen angeboten, wie z. B. Parkassistent, Abstandstempomat, Fahrspurassistent und andere. Diese Fahrerassistenzsysteme erhöhen sowohl die Sicherheit im Verkehr, indem sie den Fahrer in kritischen Situationen warnen, bis hin zur Einleitung eines selbstständigen Eingriffs zur Unfallvermeidung oder Unfallfolgenminderung, beispielsweise, indem eine Notbremsfunktion aktiviert wird. Zusätzlich wird der Fahrkomfort durch Funktionen wie automatisches Einparken, automatische Spurhaltung und automatische Abstandskontrolle erhöht.
Der Sicherheits- und Komfortgewinn eines Assistenzsystems wird von den Fahrzeuginsassen nur dann positiv wahrgenommen, wenn die Unterstützung durch das Fahrerassistenzsystem sicher, verlässlich und in - soweit möglich - komfortabler Weise erfolgt.
Darüber hinaus muss jedes Fahrerassistenzsystem, je nach Funktion, im Verkehr auftretende Szenarien mit maximaler Sicherheit für das eigene Fahrzeug und auch ohne Gefährdung anderer Fahrzeuge bzw. anderer Verkehrsteilnehmer bewerkstelligen.
Hieraus ergibt sich die Notwendigkeit, ein Fahrerassistenzsystem bzw. das Fahrverhalten, welches von dem Fahrerassistenzsystem erzeugt wird, zu analysieren und zu optimieren.
Das Dokument WO 2015/032508 betrifft ein Verfahren zur Optimierung wenigstens eines Fahrerassistenzsystems, welches die folgenden Arbeitsschritte aufweist:
Prüfen, ob das wenigstens eine Fahrerassistenzsystem A aktiviert ist;
Erfassen wenigstens einer Fahrzeugparameterfunktion, welche geeignet ist, einen Betriebszustand eines Fahrzeugs zu charakterisieren und/oder wenigstens einer Umgebungsparameterfunktion, welche geeignet ist, die Umgebung des Fahrzeugs zu charakterisieren; Bestimmen wenigstens einer Fahrsituationskennwertfunktion, welche eine Fahrsituation des Fahrzeugs charakterisiert, und zwar wenigstens auf der Grundlage der wenigstens einen Fahrzeugparameterfunktion und/oder der wenigstens einen Umgebungsparameterfunktion;
Bestimmen wenigstens einer Steuereingriffskennwertfunktion, welche geeignet ist, die Aktivität des wenigstens einen Fahrerassistenzsystems A zu charakterisieren; und
Bestimmen einer Korrekturfunktion, welche von der wenigstens einen Steuereingriffskennwertfunktion und der wenigstens einen Fahrsituationskennwertfunktion abhängt und insbesondere geeignet ist, eine subjektive Wahrnehmung der Aktivität des Fahrerassistenzsystem A durch zumindest einen Fahrzeuginsassen zu charakterisieren, auf der Grundlage der wenigstens einen Fahrzeugparameterfunktion und/oder der wenigstens einen Umgebungsparameterfunktion.
Es ist eine Aufgabe der Erfindung, ein verbessertes Verfahren zum Testen eines Fahrerassistenzsystems anzugeben. Insbesondere ist es eine Aufgabe der Erfindung, ein verbessertes Bestimmen der während einer Testfahrt vorliegenden Fahrsituation im Rahmen eines Tests des Fahrerassistenzsystems zu verbessern.
Diese Aufgabe wird durch die Lehre der unabhängigen Ansprüche gelöst. Vorteilhafte Ausgestaltungen werden in den Unteransprüchen beansprucht.
Ein erster Aspekt der Erfindung betrifft ein computerimplementiertes Verfahren zum Testen eines Fahrerassistenzsystems eines Ego-Fahrzeugs anhand von Testfahrtdaten, folgende Arbeitsschritte aufweisend:
Vergeben von Attributen an andere Fahrzeuge, welche in den Testfahrtdaten erfasst sind und in der, insbesondere unmittelbaren, Umgebung des Ego-Fahrzeugs angeordnet sind, wobei die Attribute jeweilige Relativpositionen von den anderen Fahrzeugen in Bezug auf das Ego- Fahrzeug zu einem Zeitpunkt der Testfahrtdaten angeben und wobei die Attribute einem zugehörigen Zeitpunkt zugeordnet werden;
Prüfen der Testfahrtdaten auf ein Auftreten von elementaren Seitwärts-Manövern, welche jeweils durch eine Positionsänderung des Ego-Fahrzeugs oder eines der anderen Fahrzeuge senkrecht zum Fahrbahnverlauf charakterisiert sind, und von elementaren Längs-Manövern, welche jeweils durch eine Änderung des Abstands des Ego-Fahrzeugs oder eines der anderen Fahrzeuge vorausfahrenden und/oder einem hinterherfahrenden Fahrzeug, insbesondere auf derselben Fahrspur, charakterisiert sind, wobei die elementaren Manöver aus einer Liste von vordefinierten elementaren Manövern ausgewählt sind und wobei auch das Auftreten von elementaren Manövern wenigstens einem zugehörigen Zeitpunkt zugeordnet wird; Identifizieren eines Auftretens von vordefinierten Szenarien anhand der aufgetretenen elementaren Manöver, wobei die vordefinierten Szenarien durch eine Konstellation von elementaren Manövern und Attributen charakterisiert sind; und
Analysieren des Fahrverhaltens des Fahrerassistenzsystems in den identifizierten Szenarien.
Ein zweiter Aspekt der Erfindung betrifft ein System zur Funktionsprüfung eines Fahrerassistenzsystems eines Ego-Fahrzeugs anhand von Testfahrtdaten, aufweisend:
Mittel zum Vergeben von Attributen an andere Fahrzeuge, welche in den Testfahrtdaten erfasst sind und in der, insbesondere unmittelbaren, Umgebung des Ego-Fahrzeugs angeordnet sind, wobei die Attribute jeweilige Relativpositionen von den anderen Fahrzeugen in Bezug auf das Ego-Fahrzeug zu einem Zeitpunkt der Testfahrtdaten angeben und wobei die Attribute einem zugehörigen Zeitpunkt zugeordnet werden;
Mittel zum Prüfen der Testfahrtdaten auf ein Auftreten von elementaren Seitwärts-Manövern, welche jeweils durch eine Positionsänderung des Ego-Fahrzeugs oder eines der anderen Fahrzeug senkrecht zum Fahrbahnverlauf charakterisiert sind, und von elementaren Längs- Manövern, welche jeweils durch eine Änderung des Abstands des Ego-Fahrzeugs oder eines der anderen Fahrzeuge zu einem vorausfahrenden und/oder einem hinterherfahrenden Fahrzeug, insbesondere auf derselben Fahrspur, charakterisiert sind, wobei die elementaren Manöver aus einer Liste von vordefinierten elementaren Manövern ausgewählt sind und wobei auch das Auftreten von elementaren Manövern wenigstens einem zugehörigen Zeitpunkt zugeordnet wird;
Mittel zum Identifizieren eines Auftretens von vordefinierten Szenarien anhand der aufgetretenen elementaren Manöver, wobei die vordefinierten Szenarien durch eine Konstellation von elementaren Manövern und Attributen charakterisiert sind; und
Mittel zum Analysieren des Fahrverhaltens des Fahrerassistenzsystems in den identifizierten Szenarien.
Weitere Aspekte der Erfindung betreffen ein Computerprogrammprodukt, das Anweisungen umfasst, welche wenn sie von einem Computer ausgeführt werden, diesen dazu veranlassen, die Schritte eines Verfahrens gemäß dem ersten Aspekt der Erfindung auszuführen sowie ein Computer-lesbares Medium, auf dem ein solches Computerprogrammprodukt gespeichert ist.
Ein Testen eines Fahrerassistenzsystems im Sinne der Erfindung dient zur Analyse oder zur Optimierung des Fahrerassistenzsystems oder des Fahrverhaltens des Fahrerassistenzsystems. Dies kann im Fährbetrieb auf der Straße oder auch in einer, insbesondere virtuellen, Umgebung im Entwicklungsprozess sein. Ein Mittel im Sinne der Erfindung kann hard- und/oder softwaretechnisch ausgebildet sein und insbesondere eine, vorzugsweise mit einem Speicher oder einem Bussystem- bzw. signalverbundene, insbesondere digitale Verarbeitungs-, insbesondere mit Mikroprozessoreinheit (CPU) und/oder ein oder mehrere Programme oder Programmmodule aufweisen. Die CPU kann dazu ausgebildet sein, Befehle, die als ein in einem Speichersystem abgelegtes Programm implementiert sind, abzuarbeiten, Eingangssignale von einem Datenbus zu erfassen und/oder Ausgangssignale an einen Datenbus auszugeben. Ein Speichersystem kann ein o- der mehrere, insbesondere verschiedene Speichermedien, insbesondere optische, magnetische, Festkörper- und/oder andere nicht-flüchtige Medien, aufweisen. Das Programm kann derart beschaffen sein, dass es die hier beschriebenen Verfahren verkörpert bzw. auszuführen imstande ist, sodass die CPU die Schritte solcher Verfahren ausführen kann und damit insbesondere ein zu testendes Fahrzeug analysieren kann.
Ein Szenario im Sinne der Erfindung wird vorzugsweise aus einer zeitlichen Abfolge von räumlichen, insbesondere statischen, Szenen gebildet. Die räumlichen Szenen geben dabei vorzugsweise die räumliche Anordnung von wenigstens einem anderen Objekt relativ zum Ego- Fahrzeug, z. B. die Konstellation von Verkehrsteilnehmern oder statischen Objekten, wie beispielsweise eine Fahrbahnmarkierung, an. Ein Szenario kann insbesondere eine Fahrsituation enthalten, in der ein Fahrerassistenzsystem das Ego-Fahrzeug genannte, mit dem Fahrerassistenzsystem ausgestattete, Fahrzeug zumindest teilweise steuert, z. B. wenigstens eine Fahrzeugfunktion des Ego-Fahrzeugs autonom ausführt.
Eine Spur oder Fahrspur im Sinne der Erfindung ist vorzugsweise eine Fahrbahn, insbesondere ein Fahrstreifen auf einer Straße, der für die Fahrt in eine festgelegte Richtung vorgesehen ist. Vorzugsweise weist die Spur oder Fahrspur eine Markierung auf.
Ein elementares Manöver im Sinne der Erfindung ist vorzugsweise ein elementares Seitwärts- Manöver, ein elementares Längs-Manöver und/oder ein elementares Kurvenmanöver.
Ein elementares Seitwärts-Manöver im Sinne der Erfindung ist vorzugsweise ein Fahrmanöver in Querrichtung zum Verlauf eines Fahrpfads eines Ego-Fahrzeugs.
Ein Längs-Manöver im Sinne der Erfindung ist vorzugsweise ein Fahrmanöver wenigstens im Wesentlichen in Richtung des Fahrpfads eines Ego-Fahrzeugs.
Ein elementares Kurven-Manöver im Sinne der Erfindung ist vorzugsweise ein Fahrmanöver, bei welchem eine Trajektorie eines Ego-Fahrzeugs eine Kurve beschreibt. Testfahrtdaten im Sinne der Erfindung sind vorzugsweise Werte, insbesondere Datenreihen, von Parametern, welche die Umgebung und/oder den Betrieb eines Ego-Fahrzeugs während einer Testfahrt charakterisieren.
Ein Fahrzeug im Sinne der Erfindung ist vorzugsweise ein Verkehrsteilnehmer, insbesondere also ein Objekt, welches sich im Verkehr bewegt.
Ein Fahrverhalten im Sinne der Erfindung ist vorzugsweise durch Fahreigenschaften des Fahrerassistenzsystems charakterisiert. Insbesondere wird das Fahrverhalten durch Aktionen des Fahrerassistenzsystems in seiner Umgebung und Reaktion des Fahrerassistenzsystems auf seine Umgebung charakterisiert.
Die Erfindung basiert auf dem Ansatz, zum Validieren und Verifizieren der Funktionen eines Fahrerassistenzsystems eine Szenario-gestützte Prüfung durchzuführen (Englisch: scenariobased assessment). Bei einer solchen Szenario-gestützten Prüfung wird ein Fahrverhalten von Fahrerassistenzsystemen in bestimmten Szenarien beobachtet, analysiert und/oder bewertet.
Die erfindungsgemäße Lehre bewerkstelligt dies, indem Testfahrtdaten eines Ego-Fahrzeugs, welche vorzugsweise in einem realen Fährbetrieb aufgenommen wurden, strukturiert und danach auf elementare Manöver von Szenarien durchsucht werden. Solche Datenbereiche der Testfahrtdaten, welche vordefinierten Szenarien entsprechen, welche für das zu testende Fahrerassistenzsystem relevant sind, werden analysiert. Durch das erfindungsgemäße Verfahren können diese relevanten Datenbereiche besonders zuverlässig für das jeweils zu testende Fahrerassistenzsystem identifiziert werden. Dies führt wiederum zu einer besonders hohen Güte des Testergebnisses. Darüber hinaus kann ein Satz von Testfahrtdaten eines Fahrzeugs wiederholt zum Testen verschiedener Versionen eines Fahrerassistenzsystems und/oder anderer Fahrerassistenzsysteme verwendet werden. Hierdurch kann die benötigte Anzahl an realen oder virtuellen Testfahrten zum Erzeugen von Testfahrtdaten wesentlich reduziert werden. Insbesondere in Bezug auf reale Testfahrtdaten kann eine benötigte Fahrleistung zum Erzeugen solcher Testfahrtdaten, welche im Normalfall von einem realen Fahrer durchgeführt werden, wesentlich reduziert werden.
Darüber hinaus bietet das erfindungsgemäße Verfahren einem Testingenieur eine hohe Flexibilität bei der Auswertung von Testfahrtdaten in Bezug auf eine bestimmte Funktion. Insbesondere ist es dem Testingenieur möglich, eine unbegrenzte Anzahl von verschiedenen Szenarien zu definieren, auf welche Testfahrtdaten durchsucht werden können. Hierdurch können jeweils Szenarien geschaffen werden, welche zum Testen einer bestimmten Funktion eines Fahrerassistenzsystems jeweils am besten geeignet sind. Auch können jene Testfahrtdaten aus einer Reihe von Testfahrten identifiziert werden, welche sich für eine Analyse des Fahrverhaltens des jeweiligen Fahrerassistenzsystems am besten eignen.
In einer vorteilhaften Ausgestaltung des Verfahrens werden die Testfahrtdaten ausschließlich nach solchen Attributen und/oder elementaren Manövern durchsucht, welche in den vordefinierten Szenarien enthalten sind.
Durch diese Ausgestaltung lässt sich das Prüfen der Testfahrtdaten in Bezug auf Rechenkapazität und/oder Rechenzeit wesentlich verkürzen, da nur potenziell relevante Datenbereiche der Testfahrtdaten durchsucht werden.
In einer weiteren vorteilhaften Ausgestaltung des Verfahrens werden zum Analysieren des Fahrverhaltens des Fahrerassistenzsystems in den identifizierten Szenarien Prüfläufe auf einem Prüfstand mittels der Testfahrtdaten durchgeführt. Vorzugsweise ist der Prüfstand ein Fahrzeugprüfstand, ein Vehicle-in-the-Loop-Prüfstand, ein Hardware-in-the-Loop-Prüfstand o- der ein Software-in-the-Loop-Prüfstand.
Durch diese Ausgestaltung können besonders hohe Güten bei der Analyse, einer Bewertung und/oder einer Optimierung des Fahrverhaltens eines Fahrerassistenzsystems erzielt werden.
In einer weiteren vorteilhaften Ausgestaltung wird das Prüfen der Testfahrtdaten auf das Auftreten von elementaren Manövern mittels Modellen der elementaren Manöver durchgeführt, welche durch den Einsatz von maschinellem Lernen trainiert wurden. Insbesondere kommen beim Prüfen auf elementare Manöver Muster zum Erkennen von elementaren Manövern in Testfahrtdaten zum Einsatz, welche durch maschinelles Lernen anhand von bereits in Bezug auf Manöver klassifizierte Testfahrtdaten erzeugt sind. Vorzugsweise werden hierbei Testfahrtdaten durch Menschen klassifiziert und die Daten dann in einen Algorithmus für maschinelles Lernen, insbesondere ein künstliches neuronales Netz, eingelesen.
Ein Vorteil dieser Ausgestaltung ist, dass die elementaren Manöver und nicht Szenarien an sich in einem Modellprozess des maschinellen Lernens angelernt werden. Hierdurch bietet sich in Bezug auf die Definition von neuen Szenarien eine hohe Flexibilität, da diese modular aus den einzelnen Mustern bzw. Modellen der elementaren Manöver zusammengesetzt werden können. Prinzipiell können für jede Anwendung auf diese Weise maßgeschneiderte Szenarien zusammengesetzt werden.
In einer weiteren vorteilhaften Ausgestaltung des Verfahrens umfasst die Liste wenigstens eines aus der folgenden Gruppe von elementaren Seitwärts-Manövern: Spurwechsel nach links, Spurwechsel nach rechts, Fahren in Fahrspur, Fahren außerhalb einer Fahrspur, Ausbrechen nach rechts, Ausbrechen nach links. In einer weiteren vorteilhaften Ausgestaltung des Verfahrens umfasst die Liste wenigstens eines aus der folgenden Gruppe von elementaren Längs-Manövern: Anfahren, Lücke öffnen, Lücke schließen, einem Fahrzeug folgen, Fahren auf freier Fahrspur, Anhalten.
In einer weiteren vorteilhaften Ausgestaltung des Verfahrens werden die Testfahrtdaten des Weiteren auf ein Auftreten von elementaren Kurven-Manövern geprüft und die elementaren Kurvenmanöver werden aus einer Liste ausgewählt, welche wenigstens eines aus der folgenden Gruppe von elementaren Kurven-Manövern umfasst: Geradeausfahrt ohne Kurvenkrümmung, Kurvenfahrt mit zunehmender absoluter Kurvenkrümmung, Kurve nausfahrt mit abnehmender absoluter Kurvenkrümmung, Kurvenfahrt mit konstanter Kurvenkrümmung, Linksabbiegen, Rechtsabbiegen, Kreisverkehrfahrt.
Ein Einbeziehen von Kurvenmanövern in die elementaren Manöver ermöglicht eine noch differenziertere Klassifizierung der Testfahrtdaten.
In einer weiteren vorteilhaften Ausgestaltung des Verfahrens geben die Attribute an, ob ein anderes Fahrzeug auf derselben, einer rechteren oder linkeren Fahrspur in Bezug auf das Ego-Fahrzeug angeordnet ist und ob das andere Fahrzeug vor, hinter oder auf gleicher Höhe wie das Ego-Fahrzeug in Bezug auf einen Straßenverlauf angeordnet ist. Hierdurch lassen sich andere Verkehrsteilnehmer eindeutig identifizieren.
In einer weiteren vorteilhaften Ausgestaltung des Verfahrens geben die Attribute des Weiteren an, das wievielte Fahrzeug in einer Fahrspur das andere Fahrzeug in Bezug auf das Ego- Fahrzeug ist.
In einer weiteren vorteilhaften Ausgestaltung des Verfahrens geben die Attribute des Weiteren an, in welche Richtung das andere Fahrzeug in Bezug auf die Fahrtrichtung des Ego-Fahrzeugs fährt.
In einer weiteren vorteilhaften Ausgestaltung des Verfahrens sind die Attribute unabhängig vom Abstand des anderen Fahrzeugs in Bezug auf das Ego-Fahrzeug, werden aber nur bis zu einer definierten Entfernung innerhalb einer Messreichweite eines Sensors zum Bestimmen der Attribute des Ego-Fahrzeugs vergeben. Hierdurch wird die in den Testfahrtdaten enthaltene Information auf jene Information reduziert, welche für die Definition von elementaren Fahrmanövern tatsächlich relevant ist.
Hierdurch wird eine schnellere Datenverarbeitung ermöglicht und/oder weniger Bedarf an Rechenleistung benötigt.
In einer weiteren vorteilhaften Ausgestaltung des Verfahrens werden die Testfahrtdaten anhand von realen Testfahrtdaten erzeugt und eine Fahrspur des Ego-Fahrzeugs und der anderen Fahrzeuge sind mittels einer intelligenten Kamera, welche vorzugsweise am Ego- Fahrzeug montiert ist, ermittelt.
In einer weiteren vorteilhaften Ausgestaltung des Verfahrens kommen des Weiteren eine bekannte Position von Landmarken in Bezug auf ein Bezugssystem, insbesondere eine hochauflösende Karte, welche durch die intelligente Kamera erfasst werden, zum Ermitteln der Fahrspur des Ego-Fahrzeugs und der anderen Fahrzeuge zum Einsatz.
Der Einsatz einer intelligenten Kamera ermöglicht eine besonders differenzierte Analyse der Testfahrtdaten.
In einer weiteren vorteilhaften Ausgestaltung des Verfahrens werden die Testfahrtdaten anhand von realen Testfahrten erzeugt und Relativpositionen der anderen Fahrzeuge in Bezug auf das Ego-Fahrzeug sind mittels einer intelligenten Kamera, Lidar und/oder Radar, welche vorzugsweise jeweils im Ego-Fahrzeug montiert sind, ermittelt.
Weitere Merkmale und Vorteile der Erfindung ergeben sich aus der nachfolgenden Beschreibung in Bezug auf die Figuren. Es zeigen wenigstens teilweise schematisch:
Figur 1a ein Ego-Fahrzeug auf einer Testfahrt;
Figur 1 b ein Ausführungsbeispiel eines Systems zum Testen eines Fahrerassistenzsystems;
Figur 2 ein Flussdiagramm eines Ausführungsbeispiels eines Verfahrens zum Testen eines Fahrerassistenzsystems;
Figur 3 eine Darstellung von Attributen anderer Fahrzeuge;
Figur 4 eine Darstellung einer dynamischen Entwicklung der Attribute anderer Fahrzeuge; und
Figur 5a ein Diagramm, welches den zeitlichen Ablauf eines Überholvorgangs eines Ego-Fahrzeugs darstellt; und
Figur 5b eine grafische Darstellung des in Figur 5a angegebenen Überholvorgangs.
Figur 1a zeigt ein Fahrzeug 2 während einer Testfahrt auf einer Straße 5.
Während der Testfahrt sammelt das Fahrzeug 2 als Ego-Fahrzeug, welches als Referenz im Verkehrsgeschehen dient, Testfahrtdaten 6. Hierfür weist das Ego-Fahrzeug 2 vorzugsweise eine Vielzahl von Sensoren auf, welche das Verkehrsgeschehen und die Umgebung um das Fahrzeug aufzeichnen. In Figur 1 a ist rein beispielhaft dargestellt, dass das Ego-Fahrzeug 2 eine Kamera 4, insbesondere eine intelligente Kamera, aufweist. Vorzugsweise weist eine solche Kamera 4 ein Sichtfeld von 360° auf, um die gesamte Umgebung um das Ego-Fahrzeug 2 zu überwachen. Weitere mögliche Sensoren sind Radar, Lidar, Ultraschall, etc. Eine intelligente Kamera 4 ist beispielsweise imstande, andere Fahrspuren zu erkennen und andere Verkehrsteilnehmer Fahrspuren zuzuordnen sowie Verkehrszeichen und Landmarken zu erkennen, welche, beispielsweise im Zusammenspiel mit einer hochaufgelösten Karte, zur genauen Standortbestimmung des Ego-Fahrzeugs 2 dienen können. Des Weiteren weist das Ego-Fahrzeug vorzugsweise einen Datenspeicher (nicht dargestellt) auf, welcher eingerichtet ist, um die mittels der intelligenten Kamera 4 und etwaiger weiterer Sensoren gesammelten Testfahrtdaten 6 zu speichern. In Figur 1 a sind die Testfahrtdaten durch den Dateiordner 6 dargestellt.
Zur Kodierung der Testfahrtdaten 6 wird insbesondere eine sogenannte OSI-Dokumentation verwendet. OSI steht hierbei für Open Simulation Interface und ist eine generische Schnittstelle für die Umgebungswahrnehmung automatisierter Fahrfunktionen in virtuellen Szenarien (https://opensimulationinterface.github.io/osi-documentation/).
Während der Testfahrt (online) oder nach der Testfahrt (post mortem) werden die Testfahrtdaten 6 einem System 10 zum Testen eines Fahrerassistenzsystems bereitgestellt, was durch den Pfeil angedeutet ist, welcher von der Figur 1 a auf die Figur 1 b gerichtet ist.
Figur 1 b stellt das System 10 zum Testen eines Fahrerassistenzsystems dar.
Das System 10 dient vorzugsweise dazu, die gesammelten Testfahrtdaten 6 auszuwerten und um zu analysieren, welches Fahrverhalten ein Fahrerassistenzsystem 1 während einer Testfahrt, in welcher die Testfahrtdaten 6 erzeugt wurden, gezeigt hätte.
Das System 10 nach Figur 1 b ist insbesondere eingerichtet, um ein Verfahren 100 zum Testen eines Fahrerassistenzsystems 1 nach Figur 2 auszuführen.
Die Mittel 11 zum Vergeben von Attributen Tx-yyy, die Mittel 12 zum Prüfen der Testfahrtdaten 6, und die Mittel 13 zum Identifizieren sind dabei vorzugsweise Mittel einer Datenverarbeitungsanlage, welche in der Weise konfiguriert sind, um ihre jeweils zugewiesene Funktion auszuführen.
Auch das Mittel 14 zum Analysieren des Fahrverhaltens kann in einer Datenverarbeitungsanlage implementiert sein. Vorzugsweise kann in diesem Fall vorgesehen sein, dass auch das Fahrerassistenzsystem 1 simuliert wird oder nur dessen Software geprüft wird, insbesondere mittels eines Software-in-the-Loop-Verfahrens. Weiter vorzugsweise ist das Mittel 14 zum Analysieren des Fahrverhaltens des Fahrerassistenzsystems 1 jedoch als Prüfstand ausgebildet, insbesondere als Fahrzeugprüfstand, Ve- hicle-in-the-Loop-Prüfstand oder Hardware-in-the-Loop-Prüfstand.
Vorzugsweise wird das Fahrerassistenzsystem 1 auf einem solchen Prüfstand 14 installiert bzw. an diesen angeschlossen und Datenbereiche der Testfahrtdaten 6, welche identifizierten Szenarien entsprechen, dem Fahrerassistenzsystem 1 oder den Sensoren, welche das Fahrerassistenzsystem 1 mit Informationen versorgen, über geeignete Schnittstellen zur Verfügung gestellt. Dies ist in Figur 1 b durch einen Pfeil angedeutet.
Im Falle einer intelligenten Kamera 4 kann eine solche Schnittstelle ein oder mehrere Bildschirme sein, welche die Umgebung um das Fahrzeug, auf der Grundlage des Datenbereichs der Testfahrtdaten 6, welche einem Szenario entspricht, der Kamera 4 vorspielt. Bei einem Radar könnte so eine Schnittstelle beispielsweise ein Radarzielemulator sein. Alternativ kann auch vorgesehen sein, dass die Testfahrtdaten 6 in der Weise weiterverarbeitet werden, dass diese direkt einem Sensorchip des Fahrerassistenzsystems 1 oder auch nur der Software dieses Sensorchips bereitgestellt werden können.
Vorzugsweise wird eine Reaktion oder Aktion, welche das Fahrverhalten des Fahrerassistenzsystems 1 charakterisiert, über eine weitere Schnittstelle, welche durch den weiteren Pfeil in Figur 1 b angedeutet ist, wiederum dem Prüfstand 14 bereitgestellt.
Der Prüfstand 14 ist in der Lage, auf der Grundlage von Parametern, beispielsweise Steuersignalen, welche das Fahrerassistenzsystem 1 ausgibt oder der durch das Fahrerassistenzsystem 1 verursachten Steuerung eines Fahrzeugs 2' auf dem Prüfstand 14 eine Analyse des Fahrverhaltens vorzunehmen.
Insbesondere kann dabei vorgesehen sein, das aufgezeichnete Fahrverhalten des Fahrerassistenzsystems 1 mit Referenzdaten zu vergleichen.
Alternativ zu dem in Figur 1 b gezeigten Ausführungsbeispiel des Systems 10 zum Testen des Fahrerassistenzsystems 1 , welches außerhalb von dem Ego-Fahrzeug 2 angeordnet ist, kann dieses System 10 auch in dem Ego-Fahrzeug 2 angeordnet sein, beispielsweise dann, wenn auch das Fahrerassistenzsystem 1 direkt in dem Ego-Fahrzeug 2, welches die Testfahrtdaten erzeugt, angeordnet ist und die Testfahrtdaten 6 direkt von den dortigen Sensoren, insbesondere der intelligenten Kamera 4, bereitgestellt bekommt.
Figur 2 ist ein Ausführungsbeispiel eines computerimplementierten Verfahrens zum Testen des Fahrerassistenzsystems 1 , welches insbesondere von dem in Figur 1 b gezeigten System 10 ausgeführt werden kann. In einem ersten Arbeitsschritt werden Attribute Tx-yyy an andere Fahrzeuge vergeben, welche während einer Testfahrt des Ego-Fahrzeugs 2 aufgenommen wurden und daher in den Testfahrtdaten enthalten sind. In dem Bezugszeichen Tx-yyy bezeichnet x dabei die Buchstaben R, S und A für hinten („rear“), seitlich („side“) und voraus („ahead“.) Die Symbole „y“ stehen jeweils für eine Ziffer, welche die Fahrspur und deren Anordnung in Fahrtrichtung in Bezug zum Ego-Fahrzeug 2 angeben.
Eine beispielhafte Vergabe von Attributen Tx-yyy an andere Verkehrsteilnehmer ist in Figur 3 gezeigt. Jede Zeile der dort dargestellten Matrix entspricht vorzugsweise einer Fahrspur, wobei das in Schwarz dargestellte Ego-Fahrzeug 2 sich demnach auf der mittleren Fahrspur befinden würde.
Die das Ego-Fahrzeug 2 umgebenden Verkehrsteilnehmer werden jeweils mit einem Attribut bezeichnet, welches mit T beginnt. Die Buchstaben „R“, „S“ und „A“ stehen für „rückwärtig angeordnet“, „seitwärtig angeordnet“ und „voraus angeordnet“. Die erste Ziffer nach dem Bindestrich gibt an, ob die anderen Verkehrsteilnehmer auf der gleichen Fahrspur oder auf einer anderen Fahrspur angeordnet sind. In dem dargestellten Ausführungsbeispiel steht die Ziffer „1“ für die rechts von dem Ego-Fahrzeug 2 liegende Fahrspur, die Ziffer „2“ für die Fahrspur, auf welcher sich das Ego-Fahrzeug 2 befindet und die Ziffer „3“ für jene Fahrspur, welche links von dem Ego-Fahrzeug 2 liegt. Die letzten beiden Ziffern hinter dem Bindestrich stehen in dem gezeigten Ausführungsbeispiel dafür, der wievielte Verkehrsteilnehmer voraus oder zurück in einer Fahrspur der dargestellte Verkehrsteilnehmer, in diesem Ausführungsbeispiel ein Fahrzeug, ist.
Die Vergabe der Attribute Tx-yyy erfolgt dabei vorzugsweise unabhängig von dem Abstand, welchen die anderen Verkehrsteilnehmer jeweils zum Ego-Fahrzeug 2 haben.
Die vergebenen Attribute Tx-yyy geben jeweils die Relativposition eines anderen Verkehrsteilnehmers zu einem Zeitpunkt der Testfahrtdaten 6 wieder. Daher wird für jeden Zeitschritt, in welchem Daten in den Testfahrtdaten 6 abgespeichert sind, vorzugsweise jeweils auch das Attribut der anderen berücksichtigten Verkehrsteilnehmer abgelegt werden. Alternativ kann hierbei auch, zur Datenreduzierung, jeweils nur eine Veränderung eines Attributs Tx-yyy abgespeichert werden.
Vorzugsweise werden die Attribute Tx-yyy nur bis zu einer definierten Entfernung von dem Ego-Fahrzeug 2 vergeben. Weiter vorzugsweise liegt diese Entfernung innerhalb einer Messreichweite des Sensors oder der Sensoren, welche die Relativposition der anderen Verkehrsteilnehmer zum Ego-Fahrzeug 2 erfassen. Vorzugsweise kann dies, wie bereits ausgeführt, eine intelligente Kamera 4 sein. Die Attribute Tx-yyy können des Weiteren eine Information enthalten, in welche Richtung sich ein anderer Verkehrsteilnehmer in Bezug auf das Ego-Fahrzeug 2 bewegt. Beispielsweise kann hierfür ein weiterer Buchstabe am Anfang der Attribute angefügt werden. Wie aus Figur 3 ersichtlich ist, kann beispielsweide der Buchstabe „o“ ein entgegenkommendes Fahrzeug mit dem Attribut oTA-101 (für „opposing“) kennzeichnen und der Buchstabe „c“ (für „crossing“) ein querendes Fahrzeug mit dem Attribut cTA-302.
In der Darstellung der Figur 4 ist eine beispielhafte zeitliche Entwicklung von Attributen Tx- yyy der Verkehrsteilnehmer 3a, 3b dargestellt. Das Ego-Fahrzeug 2 befindet sich auf der mittleren Fahrspur.
Der erste Verkehrsteilnehmer 3a führt einen Spurwechsel von der mittleren Fahrspur auf die rechte Fahrspur durch, wobei der Verkehrsteilnehmer 3a mit einer höheren Geschwindigkeit fährt wie das Ego-Fahrzeug 2. Das Attribut Tx-yyy des Verkehrsteilnehmers 3a ändert sich mithin von TA-201 auf TA-301 .
Der zweite Verkehrsteilnehmer 3b fährt auf einer links von der Fahrspur des Ego-Fahrzeugs 2 angeordneten Fahrspur hinter dem Ego-Fahrzeug 2 und ist im Begriff, das Ego-Fahrzeug 2 zu überholen, da es sich ebenfalls mit einer höheren Geschwindigkeit als das Ego-Fahrzeug 2 bewegt. Entsprechend ändert sich das Attribut des zweiten Verkehrsteilnehmers 3b von TR- 101 auf TS-101 zu einem späteren Zeitpunkt, wenn der zweite Verkehrsteilnehmer 3b auf der Höhe des Ego-Fahrzeugs 2 ist.
Wie bereits erläutert, hat der Abstand da des ersten Verkehrsteilnehmers 3a und der Abstand db des zweiten Verkehrsteilnehmers vorzugsweise keinen Einfluss auf die Vergabe der Attribute Tx-yyy. Wichtig in Bezug auf den zweiten Verkehrsteilnehmer 3b ist indes, dass dieser von einer rückwärtig angeordneten Position in Bezug auf das Ego-Fahrzeug 2 in eine seitlich angeordnete Position verfährt und der erste Teilnehmer 3a von der mittleren Fahrspur auf die rechte Fahrspur verfährt.
In einem zweiten Arbeitsschritt 102 des Verfahrens 100 nach Figur 2 werden die Testfahrtdaten auf ein Auftreten von elementaren Manövern geprüft. Dieses Prüfen stellt im Wesentlichen ein Durchsuchen der Testfahrtdaten 6 nach bekannten Mustern von elementaren Seitwärts- Manövern LCL; LCR; IL und von elementaren Längs-Manövern GO; GC; FL dar. Des Weiteren wird vorzugsweise nach elementaren Kurven-Manövern gesucht. Voraussetzung hierfür ist, dass für die jeweiligen elementaren Manöver Muster oder Vorlagen definiert sind, welche mit Parameterverläufen und Parameterkonstellationen, die in den Testfahrtdaten 6 enthalten sind, verglichen werden können. Solche Muster können beispielsweise als Modelle hinterlegt sein. Vorzugsweise können diese Modelle mittels maschinellen Lernens erzeugt sein, wobei ein Training des Modells in diesem Fall vorzugsweise mittels Testfahrtdaten, welche bereits in Bezug auf elementare Manöver klassifiziert sind, erzeugt wird. Vorzugsweise kommt hierbei überwachtes maschinelles Lernen (Supervised Machine Learning) zum Einsatz, bei welchem Testfahrtdaten durch Menschen klassifiziert werden und anhand dieser Daten dann ein Algorithmus trainiert wird, beispielsweise ein künstliches neuronales Netz (Artificial Neural Network).
Die auf diese Weise erzeugten Muster werden vorzugsweise als vordefinierte elementare Manöver in einer Liste abgelegt und in dem Arbeitsschritt des Prüfens 102 mit den Testfahrtdaten 6 abgeglichen.
Beispielhafte elementare Seitwärts-Manöver sind „Spurwechsel nach links“ LCL, „Spurwechsel nach rechts“ LCR, „Fahren in Fahrspur“ IL, „Fahren außerhalb einer Fahrspur“, „Ausbrechen nach rechts“, „Ausbrechen nach links“.
Beispiele für elementare Längs-Manöver sind „Anfahren“, „Lücke öffnen“ GO, „Lücke schließen“ GC, „einem Fahrzeug folgen“, „Fahren auf freier Fahrspur“ FL, „Anhalten“.
Beispiele für elementare Kurven-Manöver sind „Geradeausfahrt ohne Kurven“, „Kurveneinfahrt mit zunehmender absoluter Kurvenkrümmung“, „Kurven ausfahrt mit abnehmender absoluter Kurvenkrümmung“, „Kurvenfahrt mit konstanter Kurvenkrümmung“, „Linksabbiegen“, „Rechtsabbiegen“ und „Kreisverkehrfahrt“.
Auf Figur 4 bezogen ist der zweite Verkehrsteilnehmer 3b in dem elementaren Längs-Manöver Fahren auf freier Fahrspur FL und in dem elementaren Seitwärts-Manöver Fahren in Fahrspur IL. Der erste Verkehrsteilnehmer 3a hingegen ist während des dargestellten Zeitraums in dem elementaren Seitwärts-Manöver zuerst in dem elementaren Seitwärts-Manöver Fahren in Fahrspur IL, dann in dem elementaren Seitwärts-Manöver Spurwechsel nach links LCL und schließlich wiederum in dem elementaren Seitwärts-Manöver Fahren in Fahrspur IL. Das elementare Längs-Manöver während dem gesamten dargestellten Zeitraum des ersten Verkehrsteilnehmers 3a ist Fahren auf freier Fahrspur FL.
In einem dritten Arbeitsschritt 103 wird ein Auftreten von vordefinierten Szenarien während der Testfahrt in den Testfahrtdaten identifiziert. Die Szenarien setzen sich hierbei vorzugsweise durch eine Konstellation von elementaren Manövern LCL; LCR; IL; GO; GC; FL und Attributen Tx-yyy zusammen.
Es kann hierbei Szenarien geben, bei welchen nur elementare Manöver LCL; LCR; IL; GO; GC; FL des Ego-Fahrzeugs 2 berücksichtigt werden. Im Normalfall bestehen Szenarien aber aus einem Zusammenspiel des Ego-Fahrzeugs 2 in Verbindung mit anderen Verkehrsteilnehmern 3a, 3b.
Beispiele für solche vordefinierten Szenarien sind Einscheren vor einem anderen Verkehrsteilnehmer 3a, 3b, Einscheren vor dem Ego-Fahrzeug, Überholen eines anderen Verkehrsteilnehmers 3a, 3b, Überholen des Ego-Fahrzeugs 2 durch einen anderen Verkehrsteilnehmer 3a, 3b, Ausscheren eines anderen Verkehrsteilnehmers 3a, 3b, Ausscheren des Ego-Fahrzeugs 2.
Die Szenarien können von Testingenieuren vorzugsweise frei definiert werden, wobei diese Attribute Tx-yyy und elementare Manöver LCL; LCR; IL; GO; GC; FL des Ego-Fahrzeugs 2 und der anderen Verkehrsteilnehmer 3a, 3b zu vordefinierten Szenarien kombinieren.
Ein Beispiel für ein solches Szenario, nämlich einen Überholvorgang des Ego-Fahrzeugs 2, ist in dem Diagramm in Figur 5a in einer Strukturierung dargestellt, welche die jeweils vorliegenden Attribute Tx-yyy und elementaren Manöver LCL; LCR; IL , GO; GC; FL in Abhängigkeit von der Zeit t angibt. Insbesondere zeigt dieses Diagramm zeigt eine Veränderung der elementaren Längs-Manöver GO; GC; FL und der elementaren Seitwärts-Manöver LCL; LCR; IL des Ego-Fahrzeugs und die Veränderung der elementaren Längs-Manöver GO; GC; FL und der elementaren Seitwärts-Manöver LCL; LCR; IL sowie des jeweiligen vorliegenden Attributs Tx-yyy eines ersten Verkehrsteilnehmers 3a, in Figur 5b dargestellt durch ein Fahrzeug, in Abhängigkeit der Zeit t.
Wird eine solche Konstellation oder Abfolge von Attributen Tx-yyy und elementaren Manövern LCL; LCR; IL; GO; GC; FL in den Testfahrtdaten 6 bei der Analyse festgestellt, kann jener Datenbereich in den Testfahrtdaten 6 identifiziert werden, welcher einem Szenario des Überholvorgangs des Egofahrzeugs 2 entspricht.
Der erste Verkehrsteilnehmer 3a befindet sich die gesamte Zeit des Manövers in dem elementaren Seitwärts-Manöver Fahren in Fahrspur IL.
Das Ego-Fahrzeug 2 befindet sich zunächst in dem elementaren Seitwärts-Manöver Fahren in Fahrspur IL, setzt beim Zeitpunkt von 3 Sekunden jedoch zu dem Überholvorgang an, wodurch ein Spurwechsel nach links LCL eingeleitet wird. Der Fahrspurwechsel ist beim Zeitpunkt t gleich 7 Sekunden beendet. Von diesem Zeitpunkt bis zum Zeitpunkt t gleich 20 Sekunden ist das Ego-Fahrzeug in dem elementaren Seitwärts-Manöver Fahren in Fahrspur. Zu dem Zeitpunkt t gleich 20 Sekunden hat das Ego-Fahrzeug den ersten Verkehrsteilnehmer 3a überholt und setzt wiederum zum Spurwechsel auf die rechte Fahrspur an, wodurch das elementare Seitwärts-Manöver Spurwechsel nach rechts LCR eingeleitet wird. Dieses ist zum Zeitpunkt t gleich 24 Sekunden beendet. Das Ego-Fahrzeug 2 befindet sich wieder auf der rechten Fahrspur und fährt nun in dem elementaren Seitwärts-Manöver Fahren in Fahrspur weiter.
In entsprechender Weise entwickeln sich die elementaren Längs-Manöver, in welchen sich das Ego-Fahrzeug 2 befindet, über die Zeit t. Zunächst fährt das Ego-Fahrzeug 2 auf den ersten Verkehrsteilnehmer 3a auf, wodurch das elementare Längs-Manöver Lücke schließen GC vorliegt. Durch das elementare Seitwärts-Manöver Spurwechsel nach links LCL tritt der Längs-Fahrzustand Fahren auf freier Fahrspur FL ein, da die mittlere Fahrspur keine anderen Verkehrsteilnehmer aufweist. Dieser Zustand hält auch nach dem erneuten Spurwechsel nach rechts LCR an, da sich vor dem ersten Verkehrsteilnehmer 3a auf der rechten Fahrspur wiederum kein anderer Verkehrsteilnehmer befindet.
Der erste Verkehrsteilnehmer 3a befindet sich hingegen zunächst in dem elementaren Längs- Manöver Fahren auf freier Fahrspur FL, da sich vor ihm niemand auf der rechten Fahrspur befindet. Nachdem das Ego-Fahrzeug 2 nach dem Überholvorgang vor dem ersten Verkehrsteilnehmer 3a eingeschert ist, ändert sich der Längs-Fahrzustand zum Zeitpunkt t gleich 23 Sekunden zu Lücke öffnen GO, da sich das Ego-Fahrzeug 2 mit höherer Geschwindigkeit auf derselben, der rechten Fahrspur, von dem ersten Verkehrsteilnehmer 3a entfernt.
Die Attribute, welche dem ersten Verkehrsteilnehmer 3a in Bezug auf das Ego-Fahrzeug zugeordnet werden, sind in der untersten Zeile des Diagramms aus Figur 5a angegeben. Zunächst befindet sich der erste Verkehrsteilnehmer 3a vor dem Ego-Fahrzeug 2, sodass dieser das Attribut TA-101 als erstes Fahrzeug vor dem Ego-Fahrzeug erhält. Nach dem Spurwechsel nach links LCL des Ego-Fahrzeugs hat der erste Verkehrsteilnehmer 3a nunmehr das Attribut TA-301 , da er sich auf den rechts von der Fahrspur des Ego-Fahrzeugs gelegenen Fahrspur befindet. Sobald das Ego-Fahrzeug 2 den ersten Verkehrsteilnehmer 3a beim Überholen erreicht hat und passiert, erhält der erste Verkehrsteilnehmer das Attribut TS-301 , da er sich auf der rechts von dem Ego-Fahrzeug gelegenen Fahrspur neben dem Ego-Fahrzeug 2 befindet. Sobald das Ego-Fahrzeug 2 vollständig passiert ist, erhält der erste Verkehrsteilnehmer 3a das Attribut TR-301 , da er sich auf der rechts von dem Ego-Fahrzeug 2 gelegenen Fahrspur hinter dem Ego-Fahrzeug 2 befindet. Sobald das Ego-Fahrzeug wieder auf der rechten Fahrspur im Rahmen des Spurwechsels nach rechts eingeschert ist, erhält der erste Verkehrsteilnehmer 3a das Attribut TR-101 , da er sich auf derselben Fahrspur hinter dem Ego-Fahrzeug 2 befindet.
In einem letzten Arbeitsschritt 104 wird schließlich das Fahrverhalten des Fahrerassistenzsystems in den identifizierten Szenarien auf der Grundlage der Testfahrtdaten 6 getestet und analysiert. Hierfür werden vorzugsweise in den identifizierten Szenarien Prüfläufe auf dem Prüfstand 14 durchgeführt, bei welchen das Fahrerassistenzsystem 1 und/oder ein Fahrzeug 2‘, an welchem das Fahrerassistenzsystem 1 angeordnet ist, unter Bedingungen in einem Testlauf betrieben wird/werden, die durch die Testfahrtdaten 6 vorgegeben sind. Zusätzlich zu den Randbedingungen, welche sich durch die Anordnungen der anderen Verkehrsteilnehmer 3a, 3b in Bezug auf das Ego-Fahrzeug 2 ergeben, enthalten die Testfahrtdaten 6 vorzugsweise den Straßenverlauf, gesetzliche Vorgaben durch Straßenschilder, die Witterung, die Topologie, etc.
In den Prüfläufen wird vorzugsweise beobachtet bzw. untersucht, wie das jeweils untersuchte Fahrerassistenzsystem unter den gegebenen Randbedingungen agiert bzw. reagiert. Dieses Fahrverhalten des Fahrerassistenzsystems wird vorzugsweise mit Referenzdaten verglichen, um eine Bewertung vorzunehmen und gegebenenfalls eine Kalibrierung des Fahrerassistenzsystems 1 zu optimieren.
Vorzugsweise wird das Fahrerassistenzsystem hierbei in einem Prüflauf betrieben, welcher ausschließlich auf jenen Datenbereichen der Testfahrtdaten 6 beruht, in welchen Szenarien, welche für das Fahrverhalten des jeweils untersuchten Fahrerassistenzsystems 1 relevant sind, identifiziert wurden. Auf diese Weise kann die benötigte Zeitdauer zum Testen eines Fahrerassistenzsystems 1 bzw. die Länge der hierfür benötigten Prüfläufe, wesentlich reduziert werden.
Wie bereits erläutert, kann ein Prüfstand 14 hierbei als Fahrzeugprüfstand, aber auch als ein Prüfstand gebildet sein, auf welchem lediglich wesentliche Teile eines Fahrzeugs 2‘ und/oder des Fahrerassistenzsystems 1 simuliert werden.
Bei den im Vorhergehenden beschriebenen Ausführungsbeispielen handelt es sich lediglich um Beispiele, die den Schutzbereich, die Anwendung und den Aufbau der Erfindung in keiner Weise einschränken sollen. Vielmehr wird dem Fachmann durch die vorausgehende Beschreibung ein Leitfaden für die Umsetzung von mindestens einem Ausführungsbeispiel gegeben, wobei diverse Änderungen, insbesondere im Hinblick auf die Funktion und Anordnung der beschriebenen Bestandteile, vorgenommen werden können, ohne den Schutzbereich, wie sich aus den Ansprüchen und aus diesen äquivalenten Merkmalskombinationen ergibt, zu verlassen. Bezugszeichenliste
1 Fahrerassistenzsystem
2, 2' Ego-Fahrzeug
3a, 3b andere Verkehrsteilnehmer
4 Kamerasensor/Kamera
5 Straße
6 Testfahrtdaten
10 System
11 Mittel zum Vergeben von Attributen
12 Mittel zum Prüfen der Testfahrtdaten
13 Mittel zum Identifizieren eines Auftretens von vordefinierten Szenarien
14 Mittel zum Analysieren des Fahrverhaltens/Prüfstand
CL Spurwechsel nach links
LCR Spurwechsel nach rechts
IL Fahren in Fahrspur
GO Öffnen einer Lücke
GC Schließen einer Lücke
FL einem Fahrzeug folgen
Tx-yyy Attribute

Claims

Patentansprüche Computerimplementiertes Verfahren (100) zum Testen eines Fahrerassistenzsystems (1 ) anhand von Testfahrtdaten (6) eines Ego-Fahrzeugs (2), folgende Arbeitsschritte aufweisend:
Vergeben (101 ) von Attributen (Tx-yyy) an andere Fahrzeuge (3a, 3b, ...), welche in den Testfahrtdaten (6) erfasst sind und in der, insbesondere unmittelbaren, Umgebung des Ego-Fahrzeugs (2) angeordnet sind, wobei die Attribute (Tx-yyy) jeweilige Relativpositionen von den anderen Fahrzeugen (3a, 3b, ...) in Bezug auf das Ego-Fahrzeug (2) zu einem Zeitpunkt der Testfahrtdaten angeben und wobei die Attribute (Tx-yyy) einem zugehörigen Zeitpunkt zugeordnet werden;
Prüfen (102) der Testfahrtdaten (6) auf ein Auftreten von elementaren Seitwärts- Manövern (LCL; LCR; IL), welche jeweils durch eine Positionsänderung des Ego- Fahrzeugs oder eines der anderen Fahrzeuge senkrecht zum Fahrbahnverlauf charakterisiert sind, und von elementaren Längs-Manövern (GO; GC; FL), welche jeweils durch eine Änderung des Abstands des Ego-Fahrzeugs (2) oder eines der anderen Fahrzeuge (3a, 3b, ...) zu einem vorausfahrenden und/oder einem hinterherfahrenden Fahrzeug, insbesondere auf derselben Fahrspur, charakterisiert sind, wobei die elementaren Manöver (LCL; LCR; IL; GO; GC; FL) aus einer Liste von vordefinierten elementaren Manövern (LCL; LCR; IL; GO; GC; FL) ausgewählt sind und wobei auch das Auftreten von elementaren Manövern (LCL; LCR; IL; GO; GC; FL) wenigstens einem zughörigen Zeitpunkt zugeordnet wird;
Identifizieren (103) eines Auftretens von vordefinierten Szenarien in den Testfahrtdaten (6) anhand der aufgetretenen elementaren Manöver (LCL; LCR; IL; GO; GC; FL), wobei die vordefinierten Szenarien durch eine Konstellation von elementaren Manövern (LCL; LCR; IL; GO; GC; FL) und Attributen (Tx-yyy) charakterisiert sind; und
Analysieren (104) des Fahrverhaltens des Fahrerassistenzsystems (1 ), insbesondere ausschließlich, in den identifizierten Szenarien. Verfahren (100) nach Anspruch 1 , wobei die Testfahrtdaten ausschließlich nach solchen Attributen (Tx-yyy) und/oder elementaren Manövern (LCL; LCR; IL; GO; GC; FL) durchsucht werden, welche in den vordefinierten Szenarien enthalten sind. Verfahren (100) nach Anspruch 1 oder 2, wobei zum Analysieren des Fahrverhaltens des Fahrerassistenzsystems (1 ) in den identifizierten Szenarien Prüfläufe auf einem Prüfstand (14) mittels der Testfahrtdaten (6) durchgeführt werden, wobei der Prüfstand (14) vorzugsweise ein Fahrzeugprüfstand, ein Vehicle-in-the-Loop-Prüf- stand, ein Hardware-in-the-Loop-Prüfstand oder ein Software-in-the-Loop-Prüf- stand ist. Verfahren (100) nach einem der vorhergehenden Ansprüche 1 bis 3, wobei beim Prüfen auf elementare Manöver Muster, insbesondere Modelle, zum Erkennen von elementaren Manövern (LCL; LCR; IL; GO; GC; FL) in Testfahrtdaten zum Einsatz kommen, welche durch maschinelles Lernen anhand von bereits in Bezug auf elementare Manöver klassifizierte Testfahrtdaten erzeugt sind. Verfahren (100) nach einem der vorhergehenden Ansprüche 1 bis 4, wobei die Liste wenigstens eines aus der folgenden Gruppe von elementaren Seitwärts-Ma- növern umfasst: Spurwechsel nach links (LCL), Spurwechsel nach rechts (LCR), Fahren in Fahrspur (IL), Fahren außerhalb einer Fahrspur, Ausbrechen nach rechts, Ausbrechen nach links. Verfahren (100) nach einem der vorhergehenden Ansprüche 1 bis 5, wobei die Liste wenigstens eines aus der folgenden Gruppe von elementaren Längs-Manö- vern umfasst: Anfahren, Lücke Öffnen (GO), Lücke Schließen (GC), einem Fahrzeug Folgen, Fahren auf freier Fahrspur (FL), Anhalten. Verfahren (100) nach einem der vorhergehenden Ansprüche 1 bis 6, wobei die Testfahrtdaten des Weiteren auf ein Auftreten von elementaren Kurven-Manövern geprüft werden und wobei die elementaren Kurven-Manöver aus einer Liste ausgewählt sind, welche wenigstens eines aus der folgenden Gruppe von elementaren Kurven-Manövern umfasst: Geradeausfahrt ohne Kurvenkrümmung, Kurveneinfahrt mit zunehmender absoluter Kurvenkrümmung, Kurvenausfahrt mit abnehmender absoluter Kurvenkrümmung, Kurvenfahrt mit konstanter Kurvenkrümmung, Links Abbiegen, Rechts Abbiegen, Kreisverkehrfahrt. Verfahren (100) nach einem der vorhergehenden Ansprüche 1 bis 7, wobei die Attribute (Tx-yyy) angeben, ob ein anderes Fahrzeug (3a, 3b, ...) auf derselben, einer rechteren oder linkeren Fahrspur in Bezug auf das Ego-Fahrzeug (2) angeordnet ist und ob das andere Fahrzeug (3a, 3b, ...) vor, hinter oder auf gleicher Höhe wie das Ego-Fahrzeug (2) in Bezug auf einen Straßenverlauf angeordnet ist. Verfahren (100) nach einem der vorhergehenden Ansprüche 1 bis 8, wobei die Attribute (Tx-yyy) unabhängig vom Abstand (da, db, dc) des anderen Fahrzeugs (3a, 3b, ...) in Bezug auf das Ego-Fahrzeug (2) sind, aber nur bis zu einer definierten Entfernung innerhalb einer Messreichweite eines Sensors (4) zum Bestimmen der Attribute des Ego-Fahrzeugs (2) vergeben werden. Verfahren (100) nach einem der vorhergehenden Ansprüche 1 bis 9, wobei die Testfahrtdaten anhand von realen Testfahrten erzeugt sind und wobei eine Fahrspur des Ego-Fahrzeugs (2) und der anderen Fahrzeuge (3a, 3b, ...) mittels einer intelligenten Kamera (4), welche vorzugsweise am Ego-Fahrzeug (2) montiert ist, ermittelt sind. Verfahren (100) nach Anspruch 10, wobei des Weiteren eine bekannte Position von Landmarken in Bezug auf ein Bezugssystem, insbesondere eine hochauflösende Karte, welche durch die intelligente Kamera (4) erfasst werden, zum Ermitteln der Fahrspur des Ego-Fahrzeugs (2) und der anderen Fahrzeuge (3a, 3b, ...) zum Einsatz kommen. Verfahren (100) nach einem der vorhergehenden Ansprüche 1 bis 11 , wobei die Testfahrtdaten anhand von realen Testfahrten erzeugt werden und wobei Relativpositionen der anderen Fahrzeuge (3a, 3b, ...) in Bezug auf das Ego-Fahrzeug (2) mittels einer intelligenten Kamera (4), Lidar und/oder Radar, welche vorzugsweise jeweils am Ego-Fahrzeug (2) montiert sind, ermittelt sind. - 21 - Computerprogrammprodukt, das Anweisungen umfasst, welche, wenn sie von einem Computer ausgeführt werden, diesen dazu veranlassen, die Schritte eines Verfahrens gemäß einem der Ansprüche 1 bis 12 auszuführen. Computer-lesbares Medium, auf dem ein Computerprogrammprodukt nach Anspruch 13 gespeichert ist. System (10) zum Testen eines Fahrerassistenzsystems (1) anhand von Testfahrtdaten (6) eines Ego-Fahrzeugs (2), aufweisend:
Mittel (11 ) zum Vergeben von Attributen (Tx-yyy) an andere Fahrzeuge (3a, 3b, ...), welche in den Testfahrtdaten erfasst sind und in der, insbesondere unmittelbaren, Umgebung des Ego-Fahrzeugs (2) angeordnet sind, wobei die Attribute (Tx-yyy) jeweilige Relativpositionen von den anderen Fahrzeugen (3a, 3b, ...) in Bezug auf das Ego-Fahrzeug (2) zu einem Zeitpunkt der Testfahrtdaten angeben und wobei die Attribute (Tx-yyy) einem zugehörigen Zeitpunkt zugeordnet werden;
Mittel (12) zum Prüfen der Testfahrtdaten (6) auf ein Auftreten von elementaren Seitwärts-Manövern (LCL; LCR; IL), welche jeweils durch eine Positionsänderung des Ego-Fahrzeugs (2) oder eines der anderen Fahrzeuge (3a, 3b, ...) senkrecht zum Fahrbahnverlauf charakterisiert sind, und von elementaren Längs-Manövern (GO; GC; FL), welche jeweils durch eine Änderung des Abstands des Ego-Fahrzeugs (2) oder eines der anderen Fahrzeuge (3a, 3b, ...) zu einem vorausfahrenden und/oder einem hinterherfahrenden Fahrzeug, insbesondere auf derselben Fahrspur, charakterisiert sind, wobei die elementaren Manöver aus einer Liste von vordefinierten elementaren Manövern ausgewählt sind und wobei auch das Auftreten von elementaren Manövern (LCL; LCR; IL; GO; GC; FL) wenigstens einem zughörigen Zeitpunkt zugeordnet wird;
Mittel (13) zum Identifizieren eines Auftretens von vordefinierten Szenarien anhand der aufgetretenen elementaren Manöver (LCL; LCR; IL; GO; GC; FL), wobei die vordefinierten Szenarien durch eine Konstellation von elementaren Manövern und Attributen charakterisiert sind; und
Mittel (14) zum Analysieren des Fahrverhaltens des Fahrerassistenzsystems (1 ), insbesondere ausschließlich, in den identifizierten Szenarien.
EP21794703.5A 2020-09-15 2021-09-10 Verfahren und system zum testen eines fahrerassistenzsystems Pending EP4214607A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
ATA50781/2020A AT523834B1 (de) 2020-09-15 2020-09-15 Verfahren und System zum Testen eines Fahrerassistenzsystems
PCT/AT2021/060321 WO2022056564A1 (de) 2020-09-15 2021-09-10 Verfahren und system zum testen eines fahrerassistenzsystems

Publications (1)

Publication Number Publication Date
EP4214607A1 true EP4214607A1 (de) 2023-07-26

Family

ID=78302586

Family Applications (1)

Application Number Title Priority Date Filing Date
EP21794703.5A Pending EP4214607A1 (de) 2020-09-15 2021-09-10 Verfahren und system zum testen eines fahrerassistenzsystems

Country Status (7)

Country Link
US (1) US20230343153A1 (de)
EP (1) EP4214607A1 (de)
JP (1) JP2023540613A (de)
KR (1) KR20230069940A (de)
CN (1) CN116034345A (de)
AT (1) AT523834B1 (de)
WO (1) WO2022056564A1 (de)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102021100395A1 (de) * 2021-01-12 2022-07-14 Dspace Gmbh Computerimplementiertes Verfahren zur Bestimmung von Ähnlichkeitswerten von Verkehrsszenarien
US20230326091A1 (en) * 2022-04-07 2023-10-12 GM Global Technology Operations LLC Systems and methods for testing vehicle systems
CN114782926B (zh) * 2022-06-17 2022-08-26 清华大学 驾驶场景识别方法、装置、设备、存储介质和程序产品

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AT514754B1 (de) 2013-09-05 2018-06-15 Avl List Gmbh Verfahren und Vorrichtung zur Optimierung von Fahrassistenzsystemen
US10877476B2 (en) * 2017-11-30 2020-12-29 Tusimple, Inc. Autonomous vehicle simulation system for analyzing motion planners
AT521607B1 (de) * 2018-10-24 2020-03-15 Avl List Gmbh Verfahren und Vorrichtung zum Testen eines Fahrerassistenzsystem
US10482003B1 (en) * 2018-11-09 2019-11-19 Aimotive Kft. Method and system for modifying a control unit of an autonomous car

Also Published As

Publication number Publication date
WO2022056564A1 (de) 2022-03-24
CN116034345A (zh) 2023-04-28
JP2023540613A (ja) 2023-09-25
AT523834B1 (de) 2021-12-15
US20230343153A1 (en) 2023-10-26
KR20230069940A (ko) 2023-05-19
AT523834A4 (de) 2021-12-15

Similar Documents

Publication Publication Date Title
AT521607B1 (de) Verfahren und Vorrichtung zum Testen eines Fahrerassistenzsystem
AT523834B1 (de) Verfahren und System zum Testen eines Fahrerassistenzsystems
DE102016007899B4 (de) Verfahren zum Betreiben einer Einrichtung zur Verkehrssituationsanalyse, Kraftfahrzeug und Datenverarbeitungseinrichtung
EP3543985A1 (de) Simulieren verschiedener verkehrssituationen für ein testfahrzeug
DE102018128289A1 (de) Verfahren und vorrichtung für eine autonome systemleistung und zur einstufung
EP3393875B1 (de) Verfahren zum verbesserten erkennen von objekten durch ein fahrerassistenzsystem
DE102019124018A1 (de) Verfahren zum Optimieren von Tests von Regelsystemen für automatisierte Fahrdynamiksysteme
EP3526095A1 (de) Kategorisierung von fahrzeugen in der umgebung eines kraftfahrzeugs
WO2021058223A1 (de) Verfahren zur effizienten, simulativen applikation automatisierter fahrfunktionen
WO2015135688A1 (de) Vorrichtung und verfahren zum betreiben eines fahrzeugs
WO2020051618A1 (de) Analyse dynamisscher räumlicher szenarien
EP4212980A1 (de) Fahrassistenzeinrichtung und verfahren zum durchführen einer wenigstens teilautomatischen fahrzeugfunktion in abhängigkeit von einer zu bewertenden fahrstrecke
DE102018005864A1 (de) Verfahren zum Testen eines Totwinkelassistenzsystems für ein Fahrzeug
DE102020201931A1 (de) Verfahren zum Trainieren wenigstens eines Algorithmus für ein Steuergerät eines Kraftfahrzeugs, Verfahren zur Optimierung eines Verkehrsflusses in einer Region, Computerprogrammprodukt sowie Kraftfahrzeug
AT524932B1 (de) Verfahren und System zum Testen eines Fahrerassistenzsystems für ein Fahrzeug
EP4105811A1 (de) Computerimplementiertes verfahren zum szenariobasierten testen und/oder homologation von zu testenden zumindest teilweise autonomen fahrfunktionen durch key performance indicators (kpi)
EP4047316A1 (de) Verfahren zum bewerten einer bekanntheit einer fahrstrecke und elektronische recheneinrichtung
WO2022077042A1 (de) Verfahren und ein system zum testen eines fahrerassistenzsystems für ein fahrzeug
DE102019101613A1 (de) Simulieren verschiedener Verkehrssituationen für ein Testfahrzeug
DE102023000357B3 (de) Verfahren zum Erzeugen von Testdaten für eine Simulation eines Assistenzsystems eines zumindest teilweise assistiert betriebenen Kraftfahrzeugs, Computerprogrammprodukt, computerlesbares Speichermedium sowie elektronische Recheneinrichtung
WO2022223085A1 (de) Verfahren zum testen eines assistenzsystems
DE102021202083A1 (de) Computerimplementiertes Verfahren zum Trainieren wenigstens eines Algorithmus für eine Steuereinheit eines Kraftfahrzeugs, Computerprogrammprodukt, Steuereinheit sowie Kraftfahrzeug
DE102021202903A1 (de) Verfahren zum Bewerten einer Software für ein Steuergerät eines Fahrzeugs
DE102021117086A1 (de) Simulation von Verkehrsteilnehmern mit Emotionen
DE102021214095A1 (de) Verfahren und System zum Erkennen von kritischen Verkehrsszenarien und/oder Verkehrssituationen

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: 20230412

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)