EP4631004A1 - Verfahren und fahrzeug zur anpassung von auf einer anzeigeeinheit eines fahrzeuges dargestellten bildern an reale umgebungsbedingungen - Google Patents

Verfahren und fahrzeug zur anpassung von auf einer anzeigeeinheit eines fahrzeuges dargestellten bildern an reale umgebungsbedingungen

Info

Publication number
EP4631004A1
EP4631004A1 EP24752398.8A EP24752398A EP4631004A1 EP 4631004 A1 EP4631004 A1 EP 4631004A1 EP 24752398 A EP24752398 A EP 24752398A EP 4631004 A1 EP4631004 A1 EP 4631004A1
Authority
EP
European Patent Office
Prior art keywords
vehicle
image
location
artificial intelligence
computing unit
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
EP24752398.8A
Other languages
English (en)
French (fr)
Inventor
Thomas Albin
Tobias Blankenhorn
Wolfgang Maier
Lingasaivamshi Krishnakumar Suvarna
Julian Merten
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.)
Mercedes Benz Group AG
Original Assignee
Mercedes Benz Group AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Mercedes Benz Group AG filed Critical Mercedes Benz Group AG
Publication of EP4631004A1 publication Critical patent/EP4631004A1/de
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
    • B60K35/00—Instruments specially adapted for vehicles; Arrangement of instruments in or on vehicles
    • B60K35/20—Output arrangements, i.e. from vehicle to user, associated with vehicle functions or specially adapted therefor
    • B60K35/21—Output arrangements, i.e. from vehicle to user, associated with vehicle functions or specially adapted therefor using visual output, e.g. blinking lights or matrix displays
    • B60K35/23—Head-up displays [HUD]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
    • B60K35/00—Instruments specially adapted for vehicles; Arrangement of instruments in or on vehicles
    • B60K35/20—Output arrangements, i.e. from vehicle to user, associated with vehicle functions or specially adapted therefor
    • B60K35/28—Output arrangements, i.e. from vehicle to user, associated with vehicle functions or specially adapted therefor characterised by the type of the output information, e.g. video entertainment or vehicle dynamics information; characterised by the purpose of the output information, e.g. for attracting the attention of the driver
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
    • B60K35/00—Instruments specially adapted for vehicles; Arrangement of instruments in or on vehicles
    • B60K35/20—Output arrangements, i.e. from vehicle to user, associated with vehicle functions or specially adapted therefor
    • B60K35/28—Output arrangements, i.e. from vehicle to user, associated with vehicle functions or specially adapted therefor characterised by the type of the output information, e.g. video entertainment or vehicle dynamics information; characterised by the purpose of the output information, e.g. for attracting the attention of the driver
    • B60K35/285—Output arrangements, i.e. from vehicle to user, associated with vehicle functions or specially adapted therefor characterised by the type of the output information, e.g. video entertainment or vehicle dynamics information; characterised by the purpose of the output information, e.g. for attracting the attention of the driver for improving awareness by directing driver's gaze direction or eye points
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
    • B60K2360/00—Indexing scheme associated with groups B60K35/00 or B60K37/00 relating to details of instruments or dashboards
    • B60K2360/16—Type of output information
    • B60K2360/177—Augmented reality
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30268—Vehicle interior

Definitions

  • the invention relates to a method for adapting images shown on a display unit of a vehicle to real environmental conditions, in which a real image is processed into a modified image using generative artificial intelligence, as well as a vehicle for carrying out the method.
  • a domain stylization using a neural network model in which a photorealistic image is processed by the neural network model to generate predicted recognition data for the photorealistic image.
  • Training data sets consisting of real images and predicted recognition data and a synthetic training data set are used by the neural network model for style transfer to generate stylized synthetic images.
  • the object of the invention is to provide a method and a device for adapting images shown on a display unit of a vehicle to real environmental conditions, which interactively adapt to the environment of the vehicle.
  • a real image is converted into a modified image using generative artificial intelligence is processed
  • location data of the vehicle and the conditions prevailing at this location are determined, whereby the real image comprises an image in context with the determined location data and is loaded into a computing unit, where the real image in context with the determined location is modified by the generative artificial intelligence of the computing unit on the basis of the conditions recorded at the location of the vehicle and the modified image is displayed on the display unit.
  • generative artificial intelligence is to be understood as a preferably trained model that works according to the principle of generative artificial intelligence. This has the advantage that the underlying generative artificial intelligence makes the adjustments independently, without the driver having to proactively adjust anything.
  • a Generative Adversarial Network is advantageously used as artificial intelligence.
  • Such a Generative Adversarial Network comprises two neural networks.
  • One of the networks is designed as a generator, while the other neural network works as a discriminator.
  • the generator creates an image using the input data mentioned, such as location and conditions recorded at the location of the vehicle.
  • this image created by the generator is compared with several current images and it is determined whether the image created statistically corresponds to one of the comparison images or not.
  • the result is sent as feedback to the generator, whose ability to adapt the generated image to the current image is improved in each training stage, thereby improving the quality of the modified image.
  • GAN networks are available as ready-made modules and can be inexpensively integrated into the computing unit to carry out the process.
  • a diffusion model is provided as generative artificial intelligence.
  • the artificial intelligence is implemented on the vehicle's computing unit or another computing unit external to the vehicle. Depending on the required computing power, a decision can be made as to which computing unit the artificial intelligence is located on. Since only limited computing power is available in the vehicle itself for many different functions, installation on a vehicle backend is recommended in order to reduce the load on the vehicle if the computing effort is very high.
  • a stored image adapted using a generative artificial intelligence generator such as a GAN network
  • a generative artificial intelligence generator such as a GAN network
  • the informative value of the images is increased.
  • the loaded stored image includes static and time-varying information. This ensures that the image is always adapted to the current conditions of the vehicle.
  • the saved image is loaded into the vehicle from the external computing unit. This reduces storage capacity in the vehicle and yet the modified image can always be updated in the vehicle.
  • the image loaded by the generative artificial intelligence generator and the conditions at the location of the vehicle are used as input variables for a generative artificial intelligence discriminator, for example a GAN network.
  • a generative artificial intelligence discriminator for example a GAN network.
  • the comparison images stored in the discriminator always correspond to the current situation in the vehicle's surroundings.
  • the computing unit modifies a background of the image in context with the determined location data. This means that current background information is adaptively changed and, as the vehicle drives past, the background of the display unit is adjusted depending on the cities, landscapes, sights, weather, etc. currently being driven through.
  • the conditions determined at the location of the vehicle include, in addition to images of the surroundings, the surrounding and/or environmental conditions and/or driving conditions of the vehicle, which are determined using sensors. Sensors that are actually present in the vehicle are used to record these conditions, which reduces the effort required to carry out these measurements.
  • Settings for displaying the modified image on the display unit are advantageously specified via a user interface of the computing unit. This allows the vehicle occupant to influence the display of the image on the display unit and to select key points in the display about which he would like more detailed information.
  • a further aspect of the invention relates to a vehicle for carrying out the method according to at least one feature described in this patent application, comprising
  • Means for determining the conditions prevailing at the location Means for loading a real image in context with the location of the vehicle,
  • Means for displaying the image modified by the generative artificial intelligence Means for displaying the image modified by the generative artificial intelligence.
  • Fig. 1 shows an embodiment of the vehicle according to the invention for carrying out the method according to the invention
  • Fig. 2 shows an embodiment of a display unit with a modified image.
  • Fig. 1 shows an embodiment of the vehicle according to the invention for carrying out the method according to the invention.
  • the vehicle 1 comprises a computing unit 3, in which a model of artificial generative intelligence such as a Generative Adversarial Network (GAN) is integrated.
  • GAN Generative Adversarial Network
  • This computing unit 3 collects various information, data and images and outputs a passively adaptable generative visualization in the form of images 19 to a display unit 5.
  • a user interface and/or the background image of a surface adapt accordingly.
  • the computing unit 3 receives the information required to create a modified image 19 on the display unit 5 from various sources.
  • a main part is a positional context image 7 of a city or a landscape.
  • the current position of the vehicle 1, on which the context image 7 is based, is determined using a location determination unit 9, for example a GPS unit or GALILEO.
  • This data is fed to a position processing unit 11, which compares the position of the context image 7 with potentially interesting points, such as points of interest 13. These potentially interesting points 13 are taken from a digital map 15 and/or a database 17 loaded with corresponding images.
  • direction information 21 is taken into account when determining the potentially interesting points 13. If a scene For example, if the system has several different landscape features at different locations, these landscape features are weighted depending on the direction in which the vehicle 1 is traveling or intends to travel.
  • the position processing unit 11 transmits these position or direction data 23 to a unit 25 for processing the location-dependent context data.
  • further context information is retrieved from a local or online-based database 27 for processing, which contains static data or seasonal or temporal information.
  • the static information includes general information about a city, a building, a landscape, a scenic route or a tourist attraction. This information can be a short article or an aggregated summary, either through available APIs (application programming interfaces), which interface with a mobile app and forward information from it, knowledge databases or sophisticated large language models.
  • Seasonal or temporal information is understood to mean information about events, shows, updated opening times, etc. as well as seasonal and time data that is only valid for a specific period of time.
  • the data provided by the unit 25 for processing the location-dependent context data is processed in the computing unit 3.
  • preprocessed generative images can also be taken from the database 17 loaded with images.
  • further context information and data can be taken from meta and sensor sources and processed in a corresponding data processing unit 29.
  • Sensory data is provided by various sensor units 31 of the vehicle 1. This includes speed, direction/orientation, inclination or gradient information 31.1, a camera system 31.3 for better scene understanding, a light sensor 31.5 for providing a lighting environment for the camera system 31.3 and weather data such as rain, temperature, humidity provided by a sensor group 31.7.
  • date, time and seasonal information can be information 33 and information 35 provided from the Internet, such as weather forecasts and trend-dependent or location-dependent social media activities, can be added.
  • the data processing unit 29 processes all meta and sensor information into a context-related data packet 37, which is fed to the computing unit 3 for further processing.
  • the computing unit 3 processes all the data described above and creates the adaptive generative background appearance of the modified image 19, which is displayed on the display unit 5.
  • the backend system should be designed in such a way that it can retrieve all meta, time/date, sensor and location information of the vehicle 1 or a context-related data packet.
  • the backend system can retrieve a scene outside the vehicle 1 and understand the context within the vehicle 1 in order to be able to form a generative interface to the vehicle 1.
  • the backend system can create location-dependent images of the desired points of interest with landscapes, scenic routes, cities and their skylines and evaluate location-, time- and season-dependent information.
  • a model integrated into the backend system that works with generative artificial intelligence generates background images for the display unit 5 of the vehicle 1 from this context, with the generative background images being loaded into a frontend system of the vehicle 1.
  • the generated data can be combined into information blocks, for example based on text information about points of interest, cities, events or landscapes.
  • Fig. 2 shows an embodiment of a display unit 5 with a modified image 19 that was generated in the vehicle 1 or the backend system.
  • the display unit 5 is designed as a display and consists of three segments, a digital combination instrument 5.1 for the driver, a central display 5.3 between the driver and front passenger and a front passenger display 5.5.
  • This display unit 5 extends between the two A-pillars of the vehicle 1 and is also referred to as a pillar-to-pillar display.
  • the virtual distances between the segments 5.1, 5.3 and 5.5 are marked by vertical dashed lines SEP.
  • the skyline of a city is shown on the display unit 5 as a modified image 19.
  • the modified image 19 shows the sky above the city and represents a slightly cloudy day in spring. Changes in the weather or other environmental data lead to a changing appearance of the background, although the skyline remains unchanged.
  • the computing unit 3 uses generative artificial intelligence to add fog, rain and snow. The changing lighting conditions are also taken into account.
  • context-related widgets 41 are displayed on the display unit 5, which allow the vehicle occupant to read additional information about the city or the landscape.
  • these widgets 41, 43 can contain information about current events.
  • additional widgets 43 can be added and placed at desired points on the modified image 19 depending on the information.
  • the computing unit 3 records the interaction of the vehicle occupant with the widgets 41, 43 in order to minimize the occurrence of redundant or already displayed data.
  • the image information underlying the modified image 19 changes with the position of the vehicle 1. For example, if the driver drives past a city on a highway or enters another city, another area or another landscape, the generative appearance and the corresponding widgets 41, 43 change accordingly.
  • the speed of vehicle 1 is also taken into account when generating the modified Image 19 is taken into account. Driving slowly within a city allows a more differentiated view of the city and its surroundings. More detailed modified images 19 can be displayed. The widget 41, 43 can then display static events or other temporal activities. To prevent distractions, the widget in the driver's segment 5.1 can be switched off.
  • vehicle 1 The solution described is implemented in vehicle 1 as software either completely or partially.
  • certain computationally intensive elements of the software are stored and executed outside the vehicle, for example within a cloud or a vehicle backend.

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Navigation (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Processing Or Creating Images (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zur Anpassung von auf einer Anzeigeeinheit eines Fahrzeuges dargestellten Bildern an reale Umgebungsbedingungen, bei welchem ein reales Bild (7) mit einer generativen künstlichen Intelligenz (GAN) zu einem modifizierten Bild (19) verarbeitet wird. Bei einem Verfahren, bei welchem sich die Bilder interaktiv der Umgebung des Fahrzeuges anpassen, werden Standortdaten des Fahrzeuges (1) und an diesem Standort (13) vorherrschende Bedingungen ermittelt, wobei das reale Bild (7) ein mit den ermittelten Standortdaten in einem Kontext stehendes Bild (7) umfasst und in eine Recheneinheit (3) geladen wird, wo das mit dem ermittelten Standort (13) im Kontext stehende reale Bild (7) durch die generative künstliche Intelligenz der Recheneinheit (3) auf Basis der am Standort (13) des Fahrzeuges (1) erfassten Bedingungen modifiziert und das modifizierte Bild (19) auf der Anzeigeeinheit (5) ausgegeben wird.

Description

Mercedes-Benz Group AG
Verfahren und Fahrzeug zur Anpassung von auf einer Anzeigeeinheit eines Fahrzeuges dargestellten Bildern an reale Umgebungsbedingungen
Die Erfindung betrifft ein Verfahren zur Anpassung von auf einer Anzeigeeinheit eines Fahrzeuges dargestellten Bildern an reale Umgebungsbedingungen, bei welchem ein reales Bild mit einer generativen künstlichen Intelligenz zu einem modifizierten Bild verarbeitet wird, sowie eine Fahrzeug zur Durchführung des Verfahrens.
Aus der DE 102020 102 549 A1 ist eine Domänenstilisierung unter Verwendung eines Modells eines neuronalen Netzes bekannt, bei weicher ein fotorealistisches Bild durch das Modell des neuronalen Netzes verarbeitet wird, um vorhergesagte Erkennungsdaten für das fotorealistische Bild zu erzeugen. Dabei werden Trainingsdatensätze, bestehend aus realen Bildern und vorhergesagten Erkennungsdaten, und ein synthetischer Trainingsdatensatz von dem Modell des neuronalen Netzes zur Stil Übertragung eingesetzt, um stilisierte synthetische Bilder zu erzeugen.
Aufgabe der Erfindung ist es, ein Verfahren und eine Vorrichtung zur Anpassung von auf einer Anzeigeeinheit eines Fahrzeuges dargestellten Bildern an reale Umgebungsbedingungen anzugeben, die sich interaktiv der Umgebung des Fahrzeuges anpassen.
Die Erfindung ergibt sich aus den Merkmalen der unabhängigen Ansprüche. Vorteilhafte Weiterbildungen und Ausgestaltungen sind Gegenstand der abhängigen Ansprüche. Weitere Merkmale, Anwendungsmöglichkeiten und Vorteile der Erfindung ergeben sich aus der nachfolgenden Beschreibung, sowie der Erläuterung von Ausführungsbeispielen der Erfindung, die in den Figuren dargestellt sind.
Die Aufgabe wird mit dem Gegenstand des Patentanspruchs 1 bzw. 12 gelöst.
Bei dem eingangs erläuterten Verfahren zur Anpassung von auf einer Anzeigeeinheit eines Fahrzeuges dargestellten Bildern an reale Umgebungsbedingungen, bei welchem ein reales Bild mit einer generativen künstlichen Intelligenz zu einem modifizierten Bild verarbeitet wird, werden Standortdaten des Fahrzeuges und an diesem Standort vorherrschende Bedingungen ermittelt, wobei das reale Bild ein mit den ermittelten Standortdaten in einem Kontext stehendes Bild umfasst und in eine Recheneinheit geladen wird, wo das mit dem ermittelten Standort im Kontext stehende reale Bild durch die generative künstliche Intelligenz der Recheneinheit auf Basis der am Standort des Fahrzeuges erfassten Bedingungen modifiziert und das modifizierte Bild auf der Anzeigeeinheit ausgegeben wird. Im Kontext der Anmeldung ist mit der generativen künstlichen Intelligenz ein vorzugsweise trainiertes, nach dem Prinzip einer generativen künstlichen Intelligenz arbeitendes Modell zu verstehen. Dies hat den Vorteil, dass die zu Grunde liegende generative künstliche Intelligenz selbständig die Anpassungen durchführt, ohne dass der Fahrer pro-aktiv etwas einstellen muss. Dadurch entfällt eine Menüführung und der Fahrer wird nicht abgelenkt. Unter einem Kontext soll im weiteren eine Vielfalt von Informationen, die aus dem Internet oder mittels Sensoren übernommen werden, verstanden werden. Dazu gehören interessante Orte (Points of Interest), Sehenswürdigkeiten, Navigationsziele, Stimmungen, Musik, Messen, Veranstaltungen und ähnliches. Die Anpassung an den Kontext sorgt für ein immersives Erlebnis im Fahrzeug und macht das Fahrgefühl persönlicher. Fahrzeuginsassen haben zudem die Möglichkeit über Widgets (Komponente auf der grafischen Anzeige) weitere Informationen zu beziehen, die generischer Natur sind, beispielsweise eine Beschreibung eines Points of Interest oder Hinweise auf aktuelle Veranstaltungen.
Vorteilhafterweise wird als künstliche Intelligenz ein Generatives Adversarial Network (GAN) verwendet. Ein solches Generatives Adversarial Network umfasst zwei neuronale Netzwerke. Eines der Netzwerke ist als Generator ausgebildet, während das andere neuronale Netzwerk als Diskriminator arbeitet. Der Generator erstellt mit Hilfe der genannten Eingangsdaten, wie Standort und am Standort des Fahrzeuges erfassten Bedingungen ein Bild. Im Diskriminator wird dieses von Generator erstellte Bild mit mehreren aktuellen Bildern verglichen und festgestellt, ob das erstellte Bild statistisch gesehen einem der Vergleichsbilder entspricht oder nicht. Das Ergebnis wird als Feedback an den Generator gesendet, dessen Fähigkeit zur Anpassung des erzeugten Bildes an das aktuelle Bild in jeder Trainingsstufe verbessert wird, wodurch die Qualität des modifizierten Bildes verbessert wird. GAN Netzwerke stehen als fertige Module zur Verfügung und können kostengünstig der Recheneinheit zur Durchführung des Verfahrens integriert werden. In einer weiteren alternativen oder zusätzlichen Ausführungsform wird als generative künstliche Intelligenz ein Diffusionsmodell vorgesehen.
In einer Ausgestaltung ist die künstliche Intelligenz auf der Recheneinheit des Fahrzeuges oder einer weiteren fahrzeugexternen Recheneinheit implementiert. Je nach erforderlicher Rechenleistung kann entschieden werden, auf welcher Recheneinheit die künstliche Intelligenz angeordnet ist. Da im Fahrzeug selbst nur eine begrenzte Rechenleistung für viele unterschiedliche Funktionen zur Verfügung steht, empfiehlt sich bei sehr hohem Rechenaufwand als Entlastung des Fahrzeuges die Installation auf einem Fahrzeug- Backend.
In einer Variante wird als das mit den ermittelten Standortdaten in einem Kontext stehende reale Bild, welches in die Recheneinheit geladen wird, ein mittels eines Generators der generativen künstlichen Intelligenz, beispielsweise die eines GAN- Netzwerks, angepasstes gespeichertes Bild verwendet. Durch eine mehrfache Wiederholung der Bearbeitung der gespeicherten Bilder in verschiedene Lernabschnitten des Generators wird die Aussagefähigkeit der Bilder erhöht. Durch Laden eines bereits mit der generativen Intelligenz angepassten Bildes ist eine Anpassung auf Basis der am Standort erfassten Bedingungen sehr schnell, d.h. bestenfalls in Echtzeit möglich.
In einer Ausführungsform umfasst das geladene gespeicherte Bild statische und zeitlich veränderliche Informationen. Damit wird gewährleistet, dass das Bild immer an die augenblicklich vorherrschenden Bedingungen des Fahrzeuges angepasst wird.
Es ist von Vorteil, wenn das gespeicherte Bild von der fahrzeugexternen Recheneinheit in das Fahrzeug geladen wird. Dadurch werden Speicherkapazitäten im Fahrzeug reduziert und trotzdem kann immer eine aktuelle Anpassung des modifizierten Bildes im Fahrzeug vorgenommen werden.
In einer weiteren Ausgestaltung werden als Eingangsgrößen eines Diskriminators der generativen künstlichen Intelligenz, beispielsweise eines GAN- Netzwerks, das von dem Generator generativen künstlichen Intelligenz geladene Bild und die Bedingungen am Standort des Fahrzeuges verwendet. Dadurch entsprechen die im Diskriminator abgelegten Vergleichsbilder immer der aktuellen Situation in der Umgebung des Fahrzeuges. In einer weiteren Variante modifiziert die Recheneinheit einen Hintergrund des mit den ermittelten Standortdaten im Kontext stehenden Bildes. Somit werden aktuelle Hintergrundinformationen adaptiv verändert und während einer Vorbeifahrt des Fahrzeuges der Hintergrund der Anzeigeeinheit in Abhängigkeit der aktuell durchfahrenen Städte, Landschaften, Sehenswürdigkeiten, Wetter usw. angepasst.
In einer weiteren Ausführungsform umfassen die am Standort des Fahrzeuges ermittelten Bedingungen neben Umgebungsbildern Umgebungs- und/oder Umweltbedingungen und/oder Fahrbedingungen des Fahrzeuges, welche mittels Sensoren bestimmt werden. Zur Erfassung dieser Bedingungen werden an sich im Fahrzeug vorhandene Sensoren verwendet, wodurch der Aufwand zur Durchführung dieser Messungen reduziert wird. Vorteilhafterweise werden über eine Benutzerschnittstelle der Recheneinheit Einstellungen zur Anzeige des modifizierten Bildes auf der Anzeigeeinheit vorgegeben. Damit kann der Fahrzeuginsasse Einfluss auf die Darstellung des Bildes auf der Anzeigeeinheit nehmen und Schwerpunkte in der Darstellung auswählen, zu welchen er nähere Informationen haben möchte.
Ein weiterer Aspekt der Erfindung betrifft ein Fahrzeug zur Durchführung des Verfahrens nach mindestens einem in dieser Schutzrechtsanmeldung beschriebenen Merkmal, umfassend
Mittel zur Bestimmung eines Standortes des Fahrzeuges,
Mittel zur Bestimmung der an dem Standort vorherrschenden Bedingungen, Mittel zum Laden eines mit dem Standort des Fahrzeuges in Kontext stehenden realen Bildes,
Mittel zur Modifikation des mit dem Standort im Kontext stehenden realen Bildes mit einer generativen künstlichen Intelligenz auf Basis der am Standort des Fahrzeuges vorliegenden Bedingungen und
Mittel zur Anzeige des von der generativen künstlichen Intelligenz modifizierten Bildes.
Weitere Vorteile, Merkmale und Einzelheiten ergeben sich aus der nachfolgenden Beschreibung, in der - gegebenenfalls unter Bezug auf die Zeichnung - zumindest ein Ausführungsbeispiel im Einzelnen beschrieben ist. Beschriebene und/oder bildlich dargestellte Merkmale können für sich oder in beliebiger, sinnvoller Kombination den Gegenstand der Erfindung bilden, gegebenenfalls auch unabhängig von den Ansprüchen, und können insbesondere zusätzlich auch Gegenstand einer oder mehrerer separater Anmeldungen sein. Gleiche, ähnliche und/oder funktionsgleiche Teile sind mit gleichen Bezugszeichen versehen.
Es zeigen:
Fig. 1 ein Ausführungsbeispiel des erfindungsgemäßen Fahrzeugs zur Durchführung des erfindungsgemäßen Verfahrens,
Fig. 2 ein Ausführungsbeispiel einer Anzeigeeinheit mit einem modifizierten Bild.
In Fig. 1 ist ein Ausführungsbeispiel des erfindungsgemäßen Fahrzeugs zur Durchführung des erfindungsgemäßen Verfahrens dargestellt. Das Fahrzeug 1 umfasst eine Recheneinheit 3, in welche ein Modell künstlicher generativer Intelligenz wie ein Generatives Adversarial Network (GAN) integriert ist. Diese Recheneinheit 3 sammelt verschiedene Informationen, Daten und Bilder und gibt eine passiv anpassbare generative Visualisierung in Form von Bildern 19 an eine Anzeigeeinheit 5 aus. Basierend auf Kontextinformationen und Szene-Informationen über den Standort des Fahrzeuges 1 , die Jahreszeit, die Wetterbedingungen, die Verkehrsdichte, Gelände usw. passen sich eine Benutzeroberfläche und/oder das Hintergrundbild einer Oberfläche entsprechend an.
Die für die Erstellung eines modifizierten Bildes 19 auf der Anzeigeeinheit 5 notwendigen Informationen erhält die Recheneinheit 3 aus verschiedenen Quellen. Ein Hauptteil ist dabei ein positionelles Kontextbild 7 einer Stadt oder einer Landschaft. Mittels einer Standortbestimmungseinheit 9, beispielsweise einer GPS-Einheit oder GALILEO wird die aktuelle Position des Fahrzeuges 1, auf welcher das Kontextbild 7 basiert, festgestellt. Diese Daten werden einer Positionsverarbeitungseinheit 11 zugeführt, welche die Position des Kontextbildes 7 mit potenziell interessierenden Punkten, wie Points of Interest 13, vergleicht. Diese potenziell interessierenden Punkte 13 werden aus einer digitalen Karte 15 und/oder einer mit entsprechenden Bildern geladenen Datenbank 17 entnommen.
Weiterhin wird je nach Richtung, in welche das Fahrzeug 1 fährt oder einer Richtungsvorgabe durch die im Navigationssystem geplanten Route eine Richtungsinformation 21 bei der Bestimmung der potenziell interessierenden Punkte 13 berücksichtigt. Hat eine Sze- nerie beispielsweise mehrere verschiedene Landschaftsmerkmale an verschiedenen Orten, werden diese Landschaftsmerkmale in Abhängigkeit von der Richtung, in die das Fahrzeug 1 fährt oder zu fahren beabsichtigt, gewichtet.
Die Positionsverarbeitungseinheit 11 übermittelt diese Positions- bzw. Richtungsdaten 23 an eine Einheit 25 zur Verarbeitung der standortabhängigen Kontextdaten. Dabei werden zur Verarbeitung weitere Kontextinformationen aus einer lokalen oder onlinebasierten Datenbank 27 abgerufen, welche statische Daten bzw. saisonale oder zeitliche Informationen enthalten. Zu den statischen Informationen zählen dabei allgemeine Informationen zu einer Stadt, einem Gebäude, einer Landschaft, einer malerischen Route oder einer Sehenswürdigkeit. Bei diesen Informationen kann es sich um einen kurzen Artikel oder eine aggregierte Zusammenfassung handeln, entweder durch verfügbare APIs (application programming interface), welche eine Schnittstelle zu einer mobilen App darstellen und Informationen von dieser weiterleitet, Wissensdatenbanken oder anspruchsvolle große Sprachmodelle.
Als saisonale bzw. zeitliche Informationen werden Informationen über Veranstaltungen, Shows, aktualisierte Öffnungszeiten u.ä. sowie Saison- und Zeitdaten, die nur für einen bestimmten Zeitraum gültig sind, verstanden. Die von der Einheit 25 zur Verarbeitung der standortabhängigen Kontextdaten bereitgestellten Daten werden in der Recheneinheit 3 verarbeitet. Die mit der generierenden künstlichen Intelligenz bzw. einem Modell der generierenden künstlichen Intelligenz arbeitende Recheneinheit 3 erstellt adaptiv und kontextuell eine modifizierte Version des Bildes 7. Zur Reduzierung des Rechenaufwandes können auch vorverarbeitete generative Bilder aus der mit Bildern geladenen Datenbank 17 entnommen werden.
Darüber hinaus können weitere Kontextinformationen und Daten aus Meta- und Sensorquellen entnommen und in einer entsprechenden Datenverarbeitungseinheit 29 verarbeitet werden. Sensorischen Daten werden von verschiedenen Sensoreinheiten 31 des Fahrzeuges 1 bereitgestellt. Dazu gehören Geschwindigkeits-, Richtungs-/Ausrichtungs-, Nei- gungs- oder Steigungsinformationen 31.1, ein Kamerasystem 31.3 zum besseren Szeneverständnis, ein Lichtsensor 31.5 zur Bereitstellung einer Beleuchtungsumgebung für das Kamerasystem 31.3 sowie von einer Sensorgruppe 31.7 bereitgestellte Wetterdaten wie Regen, Temperatur, Luftfeuchtigkeit. Weiterhin können Datums-, Uhrzeit- und Saisonin- formationen 33 sowie aus dem Internet bereitgestellte Informationen 35, wie Wettervorhersagen und trendabhängige bzw. ortsabhängige Social-Media-Aktivitäten, hinzugefügt werden. Die Datenverarbeitungseinheit 29 verarbeitet alle Meta- und Sensorinformationen zu einem kontextbezogenen Datenpaket 37, das zur weiteren Verarbeitung der Recheneinheit 3 zugeführt wird.
Als zusätzliche optionale Steuereinrichtung kann der Fahrer bevorzugte Einstellungen des modifizierten Bildes 19 in einer Benutzeroberfläche 39 einstellen. Zu den zu bearbeitenden Einstellungen gehören die Auswahl oder Entfernung kontextbezogener Eingabedaten, die Aktualisierungsrate, beispielsweise des aktuellen Bildhintergrunds oder des Ortes und Richtung in Abhängigkeit von Änderungen lokal interessierender Punkte (Points of Interest), oder Widget-Einstellungen, wie Entfernen von überflüssigen Informationen, Auswahl der Inhalte, welche ein Fahrzeuginsasse lesen möchte. Die Benutzeroberfläche 39 kann vom Fahrzeuginsassen manuell oder über Sprache bzw. Gesten gesteuert werden.
Die Recheneinheit 3 verarbeitet alle die oben beschriebenen Daten und erstellt die adaptive generative Hintergrunderscheinung des modifizierten Bildes 19, die auf der Anzeigeeinheit 5 angezeigt werden.
Alle beschriebenen Vorgänge können aber auch auf einem fahrzeugexternen Backend- System, das nicht weiter dargestellt ist, ablaufen. Das Backend-System soll dabei so ausgebildet sein, dass es alle Meta-, Zeit-/Datums-, Sensor- und Standortinformationen des Fahrzeuges 1 oder ein kontextbezogenes Datenpaket abrufen kann. Außerdem kann das Backend-System eine Szene außerhalb des Fahrzeuges 1 abrufen und den Kontext innerhalb des Fahrzeuges 1 verstehen, um eine generative Schnittstelle zum Fahrzeug 1 ausbilden zu können. Darüber hinaus können von dem Backend-System standortabhängige Bilder der entsprechend gewünschten interessierenden Punkte mit Landschaften, malerische Routen, Städte und deren Skyline erstellt werden und orts-, zeit- und saisonabhängige Informationen ausgewertet werden. Eine auf dem Backend-System integriertes mit generative künstliche Intelligenz arbeitendes Modell generiert aus diesem Kontext Hintergrundbilder für die Anzeigeeinheit 5 des Fahrzeuges 1, wobei die generativen Hintergrundbilder in ein Frontendsystem des Fahrzeuges 1 geladen werden. Dabei können die generierten Daten zu Informationsblöcken, beispielsweise basierend auf Textinformationen über interessierende Punkte, Städte, Veranstaltungen bzw. Landschaften, zusammengefügt werden. Fig. 2 zeigt ein Ausführungsbeispiel einer Anzeigeeinheit 5 mit einem modifizierten Bild 19, das im Fahrzeug 1 oder dem Backend-System generiert wurde. Die Anzeigeeinheit 5 ist als Display ausgebildet und besteht aus drei Segmenten, einem digitalen Kombinationsinstrument 5.1 für den Fahrer, einem zentralen Display 5.3 zwischen Fahrer und Beifahrer und einem Beifahrerdisplay 5.5. Diese Anzeigeeinheit 5 erstreckt sich zwischen den beiden A-Säulen des Fahrzeuges 1 und wird auch als Pillar-to-Pillar- Anzeige bezeichnet. Die virtuellen Abstände zwischen den Segmenten 5.1 , 5.3 und 5.5 sind durch vertikale gestrichelte Linien SEP gekennzeichnet.
Auf der Anzeigeeinheit 5 ist als modifiziertes Bild 19 die Skyline einer Stadt dargestellt. Das modifizierte Bild 19 zeigt den Himmel über der Stadt und stellt einen leicht bewölkten Tag im Frühling dar. Änderungen des Wetters oder anderer Umweltdaten führen zu einem sich ändernden Erscheinungsbild des Hintergrundes, wobei die Skyline unverändert bleibt. Durch die Recheneinheit 3 werden über die generative künstliche Intelligenz aber Nebel, Regen und Schnee hinzugefügt. Auch die sich ändernden Lichtverhältnisse werden berücksichtigt.
Zusätzlich werden kontextbezogene Widgets 41 auf der Anzeigeeinheit 5 angezeigt, welche es dem Fahrzeuginsassen ermöglichen, zusätzliche Informationen über die Stadt oder die Landschaft abzulesen. Darüber hinaus können diese Widgets 41, 43 Informationen über aktuelle Ereignisse enthalten. Für diesen Fall können zusätzliche Widgets 43 hinzugefügt werden und in Abhängigkeit von der Information an gewünschten Punkten auf dem modifizierten Bild 19 platziert werden. Dabei zeichnet die Recheneinheit 3 die Interaktion des Fahrzeuginsassen mit den Widgets 41 , 43 auf, um das Auftreten redundanter oder bereits angezeigter Daten zu minimieren
Die dem modifizierten Bild 19 zugrunde liegende Bildinformation ändert sich mit der Position des Fahrzeuges 1. Wenn der Fahrer beispielsweise auf einer Autobahn an einer Stadt vorbeifährt oder in eine andere Stadt, ein anderes Gebiet oder eine andere Landschaft einfährt, ändern sich das generative Erscheinungsbild sowie die entsprechenden Widgets 41 , 43 entsprechend.
Auch die Geschwindigkeit des Fahrzeuges 1 wird bei der Generierung des modifizierten Bildes 19 berücksichtigt. Eine langsame Fahrt innerhalb einer Stadt ermöglicht einen differenzierteren Blick auf die Stadt und deren Umgebung. Es können detailliertere modifizierte Bilder 19 angezeigt werden. Das Widget 41 , 43 kann dann statische Ereignisse oder andere zeitliche Aktivitäten anzeigen. Zur Verhinderung von Ablenkungen kann das Widget im Segment 5.1 des Fahrers ausgeschaltet werden.
Die beschriebene Lösung wird im Fahrzeug 1 als Software vollständig oder nur teilweise implementiert. Bei der teilweisen Implementierung werden bestimmte rechenintensive Elemente der Software außerhalb des Fahrzeuges, wie beispielsweise innerhalb einer Cloud oder einem Fahrzeug-Backend gespeichert und ausgeführt.

Claims

Mercedes-Benz Group AG Patentansprüche
1. Verfahren zur Anpassung von auf einer Anzeigeeinheit eines Fahrzeuges dargestellten Bildern an reale Umgebungsbedingungen, bei welchem ein reales Bild (7) mit einer generativen künstlichen Intelligenz zu einem modifizierten Bild (19) verarbeitet wird, dadurch gekennzeichnet, dass Standortdaten des Fahrzeuges (1) und an diesem Standort (13) vorherrschende Bedingungen ermittelt werden, wobei das reale Bild (7) ein mit den ermittelten Standortdaten in einem Kontext stehendes Bild umfasst und in eine Recheneinheit (3) geladen wird, wo das mit dem ermittelten Standort (13) im Kontext stehende reale Bild (7) durch die generative künstliche Intelligenz der Recheneinheit (3) auf Basis der am Standort (13) des Fahrzeuges (1) erfassten Bedingungen modifiziert und das modifizierte Bild (19) auf der Anzeigeeinheit (5) ausgegeben wird.
2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass als künstliche Intelligenz ein Generatives Adversarial Network (GAN) verwendet wird.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass die generative künstliche Intelligenz auf der Recheneinheit (3) des Fahrzeuges (1) oder einer weiteren fahrzeugexternen Recheneinheit implementiert ist.
4. Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass die Erstellung des modifizierten Bildes (19) in Abhängigkeit der erwarteten benötigten Rechenleistung in der Recheneinheit (3) des Fahrzeuges (1) oder der weiteren fahrzeugexternen Recheneinheit erfolgt.
5. Verfahren nach mindestens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als das mit den ermittelten Standortdaten in einem Kontext stehende reale Bild (7), welches in die Recheneinheit (3) geladen wird, ein mittels eines Generators der generativen künstlichen Intelligenz angepasstes gespeichertes Bild verwendet wird.
6. Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass das geladene gespeicherte Bild statische und zeitlich veränderliche Informationen umfasst.
7. Verfahren nach Anspruch 5 oder 6, dadurch gekennzeichnet, dass das gespeicherte Bild von der fahrzeugexternen Recheneinheit in das Fahrzeug (1) geladen wird.
8. Verfahren nach Anspruch 5, 6 oder 7, dadurch gekennzeichnet, dass als Eingangsgrößen eines Diskriminators der generativen künstlichen Intelligenz das von dem Generator der generativen künstlichen Intelligenz geladene Bild und die Bedingungen am Standort (13) des Fahrzeuges (1) verwendet werden.
9. Verfahren nach mindestens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Recheneinheit (3) einen Hintergrund des mit den ermittelten Standortdaten im Kontext stehenden Bildes (19) modifiziert.
10. Verfahren nach mindestens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die am Standort (13) des Fahrzeuges (1) ermittelten Bedingungen neben Umgebungsbildern Umgebungs- und/oder Umweltbedingungen und/oder Fahrbedingungen des Fahrzeuges (1) umfassen, welche mittels Sensoren (31) bestimmt werden.
11. Verfahren nach mindestens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass über eine Benutzerschnittstelle (39) der Recheneinheit (3) Einstellungen zur Anzeige des modifizierten Bildes (19) auf der Anzeigeeinheit (5) vorgegeben werden.
12. Fahrzeug zur Durchführung des Verfahrens nach mindestens einem der vorhergehenden Ansprüche, umfassend
Mittel (9) zur Bestimmung eines Standortes (13) des Fahrzeuges (1), Mittel (15, 17, 21) zur Bestimmung der an dem Standort (13) vorherrschenden Bedingungen,
Mittel (31.3) zum Laden eines mit dem Standort (13) des Fahrzeuges (1) in Kontext stehenden realen Bildes (7),
Mittel (3) zur Modifikation des mit dem Standort (13) im Kontext stehenden realen Bildes (7) mit einer generativen künstlichen Intelligenz auf Basis der am Standort (13) des Fahrzeuges (1) vorliegenden Bedingungen und Mittel (5) zur Anzeige des von der generativen künstlichen Intelligenz modifizierten Bildes (19).
EP24752398.8A 2023-08-26 2024-08-02 Verfahren und fahrzeug zur anpassung von auf einer anzeigeeinheit eines fahrzeuges dargestellten bildern an reale umgebungsbedingungen Pending EP4631004A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102023003512.2A DE102023003512A1 (de) 2023-08-26 2023-08-26 Verfahren und Fahrzeug zur Anpassung von auf einer Anzeigeeinheit eines Fahrzeuges dargestellten Bildern an reale Umgebungsbedingungen
PCT/EP2024/072006 WO2025045513A1 (de) 2023-08-26 2024-08-02 Verfahren und fahrzeug zur anpassung von auf einer anzeigeeinheit eines fahrzeuges dargestellten bildern an reale umgebungsbedingungen

Publications (1)

Publication Number Publication Date
EP4631004A1 true EP4631004A1 (de) 2025-10-15

Family

ID=92264116

Family Applications (1)

Application Number Title Priority Date Filing Date
EP24752398.8A Pending EP4631004A1 (de) 2023-08-26 2024-08-02 Verfahren und fahrzeug zur anpassung von auf einer anzeigeeinheit eines fahrzeuges dargestellten bildern an reale umgebungsbedingungen

Country Status (5)

Country Link
EP (1) EP4631004A1 (de)
KR (1) KR20260042257A (de)
CN (1) CN121729711A (de)
DE (1) DE102023003512A1 (de)
WO (1) WO2025045513A1 (de)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102024126681B3 (de) * 2024-09-17 2025-11-27 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum Trainieren eines generativen Maschinelles-Lernen Modells

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10901416B2 (en) * 2018-07-19 2021-01-26 Honda Motor Co., Ltd. Scene creation system for autonomous vehicles and methods thereof
US11017499B2 (en) * 2018-12-21 2021-05-25 Here Global B.V. Method, apparatus, and computer program product for generating an overhead view of an environment from a perspective image
DE102020102549A1 (de) 2019-02-01 2020-08-06 Nvidia Corporation Domänenstilisierung unter verwendung eines modells eines neuronalen netzes
DE102020003668A1 (de) * 2020-06-19 2020-08-20 Daimler Ag Verfahren zum Anzeigen eines augmentierten Bildes
EP4224408A1 (de) * 2022-02-07 2023-08-09 Ford Global Technologies, LLC Verfahren für einen fahrerassistenten zur personalisierung von bildgebungen von fahrzeugen, datenverarbeitungsschaltung, computerprogramm, computerlesbares medium und ein fahrzeug

Also Published As

Publication number Publication date
DE102023003512A1 (de) 2025-02-27
WO2025045513A1 (de) 2025-03-06
CN121729711A (zh) 2026-03-24
KR20260042257A (ko) 2026-03-30

Similar Documents

Publication Publication Date Title
EP3762271B1 (de) Verfahren zum betrieb eines kraftfahrzeugs mit einem autopilotsystem und kraftfahrzeug
DE102021124168A1 (de) Integriertes augmented-reality-system zum teilen von augmented-reality-inhalt zwischen fahrzeuginsassen
DE102018108200A1 (de) Systeme und Verfahren zur Verringerung von Aufmerksamkeitsverminderung während die Bereitschaft beibehalten wird mittels Augmented Reality in einem Fahrzeug
DE102015220956A1 (de) Personalisiertes Anzeigesystem zum Integrieren und Variieren eines Fahrzeuginhalts, Fahrzeuginhaltmanagementverfahren des personalisierten Anzeigesystem und computerlesbares Medium zum Durchführen eiens Fahrzeuginhaltmanagementverfahrens
WO2001059408A1 (de) Verfahren zur routenplanung in einem navigationssystem
WO2020126143A1 (de) Vorrichtung und verfahren steuerung der ausgabe von fahrerinformation und zur aufrechterhaltung der aufmerksamkeit eines fahrers eines automatisierten fahrzeugs
DE102018209804A1 (de) Verfahren und Vorrichtung zur Vorhersage einer wahrscheinlichen Fahrroute für ein Fahrzeug
WO2017021318A1 (de) Vorrichtung, fahrzeug, verfahren und computerprogramm zur berechnung zumindest eines video- oder steuersignals
DE102021120134A1 (de) Wetter-Routenplanung
DE102018215992A1 (de) Verfahren und Vorrichtung zum Erstellen einer Fahroptionsempfehlung für ein Fahrzeug
DE102009006183A1 (de) Verfahren und System zum Anpassen von Routenplanungs-Ergebnissen
WO2025045513A1 (de) Verfahren und fahrzeug zur anpassung von auf einer anzeigeeinheit eines fahrzeuges dargestellten bildern an reale umgebungsbedingungen
DE102018133442A1 (de) Verfahren zum Ausgeben von Informationen in einem Fahrzeug und Vorrichtung zum Steuern einer Ausgabe von Informationen in einem Fahrzeug
DE102021000792A1 (de) Verfahren zum Betrieb eines Fahrzeuges
DE102018218428A1 (de) Verfahren zum Betrieb eines Fahrzeuges als Fahrsimulator, sowie Vorrichtung zur Durchführung des Verfahrens
DE102011083370A1 (de) Verfahren und Vorrichtung zum Bestimmen einer zu bevorzugenden Route aus einer Mehrzahl von Routen zwischen einem Startpunkt und einem Zielpunkt
DE102020110496A1 (de) Verfahren und System zur Bestimmung eines Fahrerprofils eines Fahrers eines Fahrzeugs
DE102010043310A1 (de) Verfahren und Vorrichtung zum zeitsynchronen Anzeigen einer aktuellen Position bezüglich einer virtuellen Fahrt eines virtuellen Referenzfahrzeugs und einer aktuellen Position bezüglich einer realen Fahrt eines realen Fahrzeugs
DE102018209753A1 (de) Verfahren, Vorrichtung, mobiles Anwendergerät und Computerprogramm zum Bereitstellen einer Information zur Nutzung in einem Fahrzeug
DE102022132753A1 (de) Kommunikation mit einer Person an Bord eines Fahrzeugs
DE102010042039A1 (de) Verfahren und Vorrichtung zum Bestimmen eines Zielführungshinweises für einen Fahrer eines Fahrzeugs
DE102021214464B3 (de) Bewertung von Generatoren zur Erzeugung realistischer Bilder
DE102018133669A1 (de) Verfahren und Vorrichtung zur Wiedergabe von Navigationshinweisen
DE102021003887A1 (de) Verfahren zur Bereitstellung von auf die Bewegung eines Fahrzeugs abgestimmten Medieninhalten und Fahrzeug
DE102022130918B4 (de) Verfahren zum Erzeugen einer gemischten Realitätsumgebung für eine Person in einem beweglichen Objekt mittels einer Anzeigevorrichtung, Computerprogrammprodukt sowie Anzeigevorrichtung

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: 20250708

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 ME MK MT NL NO PL PT RO RS SE SI SK SM TR