ES2805627T3 - Procedimiento y sistema para la validación de un sistema de identificación de obstáculos - Google Patents

Procedimiento y sistema para la validación de un sistema de identificación de obstáculos Download PDF

Info

Publication number
ES2805627T3
ES2805627T3 ES17709023T ES17709023T ES2805627T3 ES 2805627 T3 ES2805627 T3 ES 2805627T3 ES 17709023 T ES17709023 T ES 17709023T ES 17709023 T ES17709023 T ES 17709023T ES 2805627 T3 ES2805627 T3 ES 2805627T3
Authority
ES
Spain
Prior art keywords
obstacle identification
model
result
simulator
wum
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.)
Active
Application number
ES17709023T
Other languages
English (en)
Inventor
Jens Braband
Bernhard Evers
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.)
Siemens Mobility GmbH
Original Assignee
Siemens Mobility 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 Siemens Mobility GmbH filed Critical Siemens Mobility GmbH
Application granted granted Critical
Publication of ES2805627T3 publication Critical patent/ES2805627T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
    • B61L23/04—Control, warning or like safety means along the route or between vehicles or trains for monitoring the mechanical state of the route
    • B61L23/041—Obstacle detection
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
    • B61L23/04—Control, warning or like safety means along the route or between vehicles or trains for monitoring the mechanical state of the route
    • B61L23/042—Track changes detection
    • B61L23/047—Track or rail movements
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
    • B61L27/04—Automatic systems, e.g. controlled by train; Change-over to manual control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
    • B61L27/60—Testing or simulation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B9/00—Simulators for teaching or training purposes
    • G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
    • G09B9/04—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

Procedimiento para la validación de un sistema de identificación de obstáculos, en el cual - se proporcionan combinaciones estocásticas (KVijk) de distribuciones predefinidas (Vi, Vj, Vk) de submodelos (SM, WUM, HM) para la conformación de escenas de conducción; - las combinaciones proporcionadas (KVijk) están sujetas, por un lado, a una simulación a través de un simulador (2,3) para la ejecución de un estudio de simulación y, por otro lado, al procesamiento automático a través de un algoritmo de identificación de obstáculos (HEA) del sistema de identificación de obstáculos; y - se prueba automáticamente la coincidencia de un resultado (E1) de un estudio de simulación realizado mediante el simulador (2, 3) y de un resultado (E2) del procesamiento automático.

Description

DESCRIPCIÓN
Procedimiento y sistema para la validación de un sistema de identificación de obstáculos
En la conducción autónoma en rutas caracterizadas por tráfico mixto, que son utilizadas por trenes de carga y trenes de alta velocidad (rutas principales), la identificación de obstáculos resulta de gran importancia.
Se conocen sistemas de identificación de obstáculos con una disposición de identificación de obstáculos del lado del vehículo y/o una disposición de identificación de obstáculos del lado de la vía.
La presente invención hace referencia a un procedimiento y a un sistema para la validación de un sistema de identificación de obstáculos.
Por la solicitud EP 2 546 778 A2 se conoce un procedimiento para evaluar la funcionalidad de un dispositivo de detección de objetos de un vehículo a motor mediante un dispositivo simulador de cámara. Allí, los datos de imagen de referencia generados por una cámara se comparan con los datos de imagen de simulación generados por el dispositivo simulador de cámara. Cuando una totalidad de los valores de comparación que fueron generados como resultado de esta comparación cumple un criterio de verificación predeterminado, el dispositivo simulador de cámara está disponible eventualmente para el uso en la evaluación de la funcionalidad del dispositivo de identificación de objetos. Por dicha solicitud también se conoce un dispositivo para la verificación de la cualificación de un dispositivo simulador de cámara para el uso en una evaluación de la capacidad de funcionamiento de un dispositivo de detección de objetos de un vehículo a motor.
El objeto de la presente invención consiste en diseñar un procedimiento y un sistema para la validación de un sistema de identificación de obstáculos de tal manera que se pueda demostrar que los obstáculos son identificados por el sistema de identificación de obstáculos al menos tan fiablemente como por un conductor.
Dicho objeto se resuelve con un procedimiento según la reivindicación 1, en el cual, para la conformación de escenas de conducción se proporcionan combinaciones estocásticas de distribuciones predefinidas de submodelos; las combinaciones proporcionadas están sujetas, por un lado, a una simulación a través de un simulador para la ejecución de un estudio de simulación y, por otro lado, al procesamiento automático a través de un algoritmo de identificación de obstáculos del sistema de identificación de obstáculos; y se prueba automáticamente la coincidencia de un resultado de un estudio de simulación realizado mediante el simulador y de un resultado del procesamiento automático.
Dicho objeto también se resuelve mediante un sistema según la reivindicación 9, el cual está diseñado adecuadamente para proporcionar combinaciones estocásticas de distribuciones predefinidas de submodelos para la conformación de escenas de conducción; someter las combinaciones proporcionadas, por un lado, a una simulación a través de un simulador para la ejecución de un estudio de simulación y, por otro lado, al procesamiento automático a través de un algoritmo de identificación de obstáculos del sistema de identificación de obstáculos; y para probar automáticamente la coincidencia de un resultado de un estudio de simulación realizado mediante el simulador y de un resultado del procesamiento automático.
La ventaja del procedimiento conforme a la invención y del sistema conforme a la invención consiste en la automatización de la validación mediante la combinación de los diferentes submodelos así como la comparación automática del resultado del estudio de simulación con el resultado del procesamiento automático a través del algoritmo de identificación de obstáculos (es decir, con un resultado de validación técnica o en mejoras necesarias del algoritmo de identificación de obstáculos con otros resultados de validación técnica). Esto permite acotar considerablemente la validación o reducir significativamente el esfuerzo de validación.
Según el procedimiento, se considera ventajoso cuando los submodelos se combinan de manera estocástica en un modelo combinado y las combinaciones estocásticas son proporcionadas por el modelo combinado. - Por lo tanto, es ventajoso proporcionar un modelo combinado en el cual los submodelos se combinen de manera estocástica y que esté diseñado adecuadamente para proporcionar las combinaciones estocásticas.
De acuerdo con el procedimiento, también se considera ventajoso cuando en la simulación, las escenas de conducción se representan gráficamente por el simulador, en particular, como una realidad virtual. En correspondencia, resulta ventajoso según el sistema cuando el simulador está diseñado adecuadamente para representar gráficamente las escenas de conducción durante la simulación, en particular, como una realidad virtual. De acuerdo con el procedimiento también se considera ventajoso cuando como resultado del estudio de simulación, en el cual los submodelos y/o el modelo combinado son validados y aplicados mediante simulaciones de conducción realizadas en el simulador por personas de prueba, en particular, conductores de vehículos de tracción, se emite un primer resultado que representa la capacidad de identificación de obstáculos de las personas de prueba - es decir, cuando el sistema está diseñado adecuadamente para generar un primer resultado que represente la capacidad de identificación de obstáculos de las personas de prueba como resultado del estudio de simulación, en el cual los submodelos y/o el modelo combinado se validan y aplican mediante simulaciones de conducción realizadas en el simulador por personas de prueba, en particular, por conductores de vehículos de tracción.
También se considera ventajoso de acuerdo con el procedimiento cuando como resultado del procesamiento automático, se emite un segundo resultado que representa la capacidad de identificación de obstáculos del algoritmo de identificación de obstáculos - es decir, cuando el sistema está diseñado adecuadamente para emitir un segundo resultado que represente la capacidad de identificación de obstáculos del algoritmo de identificación de obstáculos. De manera preferida, como submodelos se utilizan un modelo de ruta, un modelo de clima y de medio ambiente y un modelo de obstáculos.
Además resulta ventajoso cuando otras distribuciones predefinidas de otro submodelo están sujetas al procesamiento automático a través del algoritmo de identificación de obstáculos. Como el otro submodelo se puede utilizar un modelo para la capacidad de rendimiento de los sensores del sistema de identificación de obstáculos. A continuación, la presente invención se explica en detalle mediante las figuras. Ellas muestran:
Figura 1: un modelo combinado en el cual los submodelos están combinados de manera estocástica.
Figura 2: un sistema conforme a la invención para la validación de un sistema de identificación de obstáculos con un simulador y con un dispositivo de validación que proporciona un algoritmo de identificación de obstáculos del sistema de identificación de obstáculos, que se debe validar.
De acuerdo con la Figura 1, se proporciona un modelo combinado KM, en el cual se combinan tres submodelos SM, WUM y HM de manera estocástica.
El modelo combinado KM proporciona combinaciones estocásticas KVijk de distribuciones predeterminadas Vi, Vj , Vk de los submodelos SM, w Um y HM para la conformación de escenas de conducción.
Los submodelos se tratan de un modelo de ruta SM con las distribuciones predeterminadas Vi, un modelo de clima y de ambiente WUM con las distribuciones predeterminadas Vj y un modelo de obstáculo HM con las distribuciones predeterminadas Vk.
El modelo de ruta SM corresponde a un modelo de ruta modelo de simuladores avanzados conocidos en la actualidad, es decir, de una complejidad cercana a la naturaleza.
En el modelo WUM de clima y medio ambiente, se definen combinaciones confiables, aunque bastante difíciles de momento del día, clima, etc., pero también combinaciones de circunstancias operativas temporales como, por ejemplo, posiciones de conducción lenta.
El modelo de obstáculos HM consiste en modelos de todos los obstáculos realmente asumibles, como árboles, animales o personas.
Según la figura 2, además del modelo combinado KM, también se proporciona otro submodelo SLM para la capacidad de rendimiento de los sensores del sistema de identificación de obstáculos, que también se denomina a continuación como modelo de rendimiento de sensores o, abreviado, modelo de sensores.
El modelo combinado KM conforma con sus combinaciones KVijk de las distribuciones predeterminadas Vi, Vj , Vk de los submodelos SM, WUM, HM, en el sistema 1 conforme a la invención, el modelo de simulación de un simulador 2, que está provisto de una interfaz de usuario 3. El simulador 2 representa gráficamente las escenas de conducción en base a los cálculos en el modelo combinado KM como gráficos generados por ordenador o como una realidad virtual. La realidad virtual permite, en este caso, una interacción de una persona de prueba 5 con las escenas de conducción simuladas a través de la interfaz de usuario 3 del simulador 2. De esta manera, en el simulador, en el contexto de un estudio de simulación de diferentes personas de prueba, en particular, diferentes conductores capacitados de vehículos de tracción, se pueden realizar pruebas de conducción en el simulador 2, 3. Dichas pruebas de manejo se realizan para validar y después aplicar los submodelos SM, WUM, HM y/o el modelo combinado KM y después generar y emitir un primer resultado proporcionado a los fines de prueba por el simulador 2, 3 como resultado del estudio de simulación que representa la capacidad de identificación de obstáculos de las personas de prueba 5.
Además del simulador 2 con su interfaz de usuario 3, el sistema conforme a la invención también presenta un dispositivo de validación 6. Además de una forma KM* de conversión de datos del modelo combinado KM y el otro submodelo SLM con sus distribuciones Vm, el dispositivo de validación 6 también proporciona un algoritmo de identificación de obstáculos HEA del sistema de identificación de obstáculos que se debe validar.
Las combinaciones proporcionadas KVijk del modelo combinado KM o la forma convertida KM* del modelo combinado, a las que también se hace referencia a continuación como combinaciones fijas, se utilizan entonces, por un lado, para la ejecución del estudio de simulación de la simulación a través del simulador 2, 3 y, por otro lado, son sometidas a un procesamiento automático en el dispositivo de validación a través del algoritmo de identificación de obstáculos HEA del sistema de identificación de obstáculos.
Junto al resultado del estudio de simulación, que es emitido por el simulador 2, 3 como el primer resultado E1 que representa la capacidad de identificación de obstáculos de las personas de prueba 5, mediante el dispositivo de validación 6 se emite, como resultado del procesamiento automático, el segundo resultado E2 que representa la capacidad de identificación de obstáculos del algoritmo de identificación de obstáculos HEA.
Además, el sistema conforme a la invención comprende un dispositivo de prueba 7 que está conectado con el simulador 2, 3 y el dispositivo de validación 6 y mediante el cual se prueba automáticamente la coincidencia del resultado del estudio de simulación realizado por el simulador 2, 3 y del resultado del procesamiento automático realizado por el dispositivo de validación 6.
En otras palabras, los submodelos SM, WUM, HM se combinan de manera estocástica en el modelo combinado KM, es decir, las condiciones de simulación concretas se determinan en función de las distribuciones predeterminadas. Para la validación de los modelos, se utiliza una muestra estadísticamente representativa y significativa de personas de prueba (conductores de vehículos de tracción) para las simulaciones de conducción. En particular, se utilizan situaciones excepcionales con obstáculos o circunstancias inusuales, que se seleccionan, sin embargo, de las distribuciones fijas.
Como primer resultado E1, se obtienen distribuciones estadísticas para la capacidad de identificación de obstáculos de los conductores, promediadas sobre todas las distribuciones fijas. Se espera que estos resultados sean mejores que en la realidad, ya que los conductores saben que deben reconocer los obstáculos con más frecuencia que en la realidad.
Para la validación del sistema técnico de identificación de obstáculos, los modelos SM, WUM y HM o el modelo combinado KM no se utilizan para un simulador, sino que se convierten a la forma KM* de datos técnicos para que el algoritmo de identificación de obstáculos HEA pueda funcionar directamente en las escenas de conducción calculadas. Allí, el modelo SLM se utiliza para la capacidad de rendimiento de los sensores (por ejemplo, rendimiento en referencia a la definición, alcance, etc.).
Esto significa que, en particular, el algoritmo de identificación de obstáculos HEA se puede probar automáticamente y para el algoritmo de identificación de obstáculos HEA en combinación con las distribuciones del modelo de sensor SLM también se obtienen distribuciones estadísticas para la capacidad de identificación de obstáculos del algoritmo de identificación de obstáculos HEA.
Después, mediante el dispositivo de prueba 7, particularmente, en base a procedimientos estadísticos conocidos como, por ejemplo, la prueba de Kolmogorov-Smirnov, se prueba si la identificación técnica de obstáculos, en particular, el algoritmo de identificación de obstáculos HEA, es al menos tan segura como el conductor humano.

Claims (16)

REIVINDICACIONES
1. Procedimiento para la validación de un sistema de identificación de obstáculos, en el cual
- se proporcionan combinaciones estocásticas (KVijk) de distribuciones predefinidas (Vi, Vj , Vk) de submodelos (SM, WUM, HM) para la conformación de escenas de conducción;
- las combinaciones proporcionadas (KVijk) están sujetas, por un lado, a una simulación a través de un simulador (2,3) para la ejecución de un estudio de simulación y, por otro lado, al procesamiento automático a través de un algoritmo de identificación de obstáculos (HEA) del sistema de identificación de obstáculos; y
- se prueba automáticamente la coincidencia de un resultado (E1) de un estudio de simulación realizado mediante el simulador (2, 3) y de un resultado (E2) del procesamiento automático.
2. Procedimiento según la reivindicación 1,
caracterizado porque,
los submodelos (SM, WUM, HM) se combinan de manera estocástica en un modelo combinado (KM) y las combinaciones estocásticas (KVijk) son proporcionadas por el modelo combinado (KM).
3. Procedimiento según una de las reivindicaciones 1 ó 2,
caracterizado porque,
en la simulación, las escenas de conducción se representan gráficamente por el simulador (2, 3), en particular, como una realidad virtual.
4. Procedimiento según una de las reivindicaciones 1 a 3,
caracterizado porque,
como resultado del estudio de simulación, en el cual los submodelos (SM, WUM, HM) y/o el modelo combinado (KM) son validados y aplicados mediante simulaciones de conducción realizadas en el simulador (2, 3) por personas de prueba (5), en particular, conductores de vehículos de tracción, se emite un primer resultado (E1) que representa la capacidad de identificación de obstáculos de las personas de prueba (5).
5. Procedimiento según una de las reivindicaciones 1 a 4,
caracterizado porque,
como resultado del procesamiento automático, se emite un segundo resultado (E2) que representa la capacidad de identificación de obstáculos del algoritmo de identificación de obstáculos (HEA).
6. Procedimiento según una de las reivindicaciones 1 a 5,
caracterizado porque,
como submodelos se utilizan un modelo de ruta (SM), un modelo de clima y de medio ambiente (WUM) y un modelo de obstáculo (HM).
7. Procedimiento según una de las reivindicaciones 1 a 6,
caracterizado porque,
otras distribuciones predefinidas (Vm) de otro submodelo (SLM) están sujetas al procesamiento automático a través del algoritmo de identificación de obstáculos (HEA).
8. Procedimiento según la reivindicación 7,
caracterizado porque,
como el otro submodelo se utiliza un modelo (SLM) para el rendimiento de los sensores del sistema de identificación de obstáculos.
9. Sistema (1) para la validación de un sistema de identificación de obstáculos, el cual está diseñado adecuadamente para
- proporcionar combinaciones estocásticas (KVijk) de distribuciones predefinidas (Vi, Vj , Vk) de submodelos (SM, WUM, HM) para la conformación de escenas de conducción;
- someter las combinaciones proporcionadas (KVijk), por un lado, a una simulación a través de un simulador (2, 3) para la ejecución de un estudio de simulación y, por otro lado, al procesamiento automático a través de un algoritmo de identificación de obstáculos (HEA) del sistema de identificación de obstáculos; y
- probar automáticamente la coincidencia de un resultado (E1) de un estudio de simulación realizado mediante el simulador (2, 3) y de un resultado (E2) del procesamiento automático.
10. Sistema (1) según la reivindicación 9,
caracterizado por
un modelo combinado (KM) en el cual los submodelos (SM, WUM, HM) se combinan de manera estocástica y que está diseñado adecuadamente para proporcionar las combinaciones estocásticas (KVijk).
11. Sistema (1) según una de las reivindicaciones 9 ó 10,
caracterizado porque,
el simulador (2, 3) está diseñado adecuadamente para representar gráficamente las escenas de conducción durante la simulación, en particular, como una realidad virtual.
12. Sistema (1) según una de las reivindicaciones 9 a 11,
caracterizado porque,
está diseñado adecuadamente para emitir un primer resultado (E1) que representa la capacidad de identificación de obstáculos de las personas de prueba (5) como resultado del estudio de simulación, en el cual los submodelos (SM, WUM, HM) y/o el modelo combinado (KM) son validados y aplicados mediante simulaciones de conducción realizadas en el simulador (2, 3) por personas de prueba (5), en particular, conductores de vehículos de tracción.
13. Sistema (1) según una de las reivindicaciones 9 a 12,
caracterizado porque,
está diseñado adecuadamente para emitir como resultado del procesamiento automático, un segundo resultado (E2) que representa la capacidad de identificación de obstáculos del algoritmo de identificación de obstáculos (HEA).
14. Sistema (1) según una de las reivindicaciones 9 a 13,
caracterizado porque,
como submodelos el sistema utiliza un modelo de ruta (SM), un modelo de clima y de medio ambiente (WUM) y un modelo de obstáculos (HM).
15. Sistema (1) según una de las reivindicaciones 9 a 14,
caracterizado porque,
el mismo está diseñado adecuadamente para someter otras distribuciones predefinidas (Vm) de otro submodelo (SLM) al procesamiento automático a través del algoritmo de identificación de obstáculos (HEA).
16. Sistema (1) según la reivindicación 15,
caracterizado porque,
el otro submodelo se proporciona como un modelo (SLM) para la capacidad de rendimiento de los sensores.
ES17709023T 2016-03-31 2017-03-01 Procedimiento y sistema para la validación de un sistema de identificación de obstáculos Active ES2805627T3 (es)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102016205392.2A DE102016205392A1 (de) 2016-03-31 2016-03-31 Verfahren und System zur Validierung eines Hinderniserkennungssystems
PCT/EP2017/054757 WO2017167528A1 (de) 2016-03-31 2017-03-01 Verfahren und system zur validierung eines hinderniserkennungssystems

Publications (1)

Publication Number Publication Date
ES2805627T3 true ES2805627T3 (es) 2021-02-15

Family

ID=58231593

Family Applications (1)

Application Number Title Priority Date Filing Date
ES17709023T Active ES2805627T3 (es) 2016-03-31 2017-03-01 Procedimiento y sistema para la validación de un sistema de identificación de obstáculos

Country Status (6)

Country Link
US (1) US11427239B2 (es)
EP (1) EP3414142B1 (es)
CN (1) CN109311497B (es)
DE (1) DE102016205392A1 (es)
ES (1) ES2805627T3 (es)
WO (1) WO2017167528A1 (es)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113219944B (zh) * 2021-04-27 2022-05-31 同济大学 一种用于混合交通流工况的智能车辆控制策略测试平台

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10244127A1 (de) 2002-09-27 2004-04-08 Siemens Ag Sensorsystem zur Fahrwegüberwachung für eine autonome mobile Einheit, Verfahren sowie Computerprogramm mit Programmcode-Mitteln und Computerprogramm-Produkt zur Überwachung eines Fahrwegs für eine autonome mobile Einheit
EP1868051A1 (fr) 2006-06-15 2007-12-19 Société Nationale des Chemins de Fer Français Procédé de validation d'un système de contrôle/commande et système de contrôle/commande pouvant être validé par le procédé
DE102008001256A1 (de) * 2008-04-18 2009-10-22 Robert Bosch Gmbh Verkehrsobjekt-Erkennungssystem, Verfahren zum Erkennen eines Verkehrsobjekts und Verfahren zum Einrichten eines Verkehrsobjekt-Erkennungssystems
DE102011107458A1 (de) 2011-07-15 2013-01-17 Audi Ag Verfahren zum Evaluieren einer Objekterkennungseinrichtung eines Kraftfahrzeugs
DE102013212710A1 (de) 2013-05-16 2014-11-20 Siemens Aktiengesellschaft Sensorprodukt, Simulator und Verfahren zur Simulation von Sensormessungen, zur Fusion von Sensormessungen, zur Validierung eines Sensormodells und zum Entwurf eines Fahrerassistenzsystems
CN105636853B (zh) * 2013-07-31 2018-04-24 铁路视像有限公司 用于障碍物识别和避开的系统和方法
CN105035322B (zh) 2015-07-07 2017-08-25 范充 汽车搭载用飞行装置的购物方法
CN105241457A (zh) 2015-08-10 2016-01-13 武汉理工大学 一种用于船舶驾驶的三维辅助导航系统建立方法

Also Published As

Publication number Publication date
CN109311497A (zh) 2019-02-05
CN109311497B (zh) 2021-02-05
US20190118842A1 (en) 2019-04-25
EP3414142A1 (de) 2018-12-19
US11427239B2 (en) 2022-08-30
EP3414142B1 (de) 2020-04-29
DE102016205392A1 (de) 2017-10-05
WO2017167528A1 (de) 2017-10-05

Similar Documents

Publication Publication Date Title
Gatesichapakorn et al. ROS based autonomous mobile robot navigation using 2D LiDAR and RGB-D camera
US10852721B1 (en) Autonomous vehicle hybrid simulation testing
Gambi et al. Asfault: Testing self-driving car software using search-based procedural content generation
CN111123735B (zh) 自动驾驶仿真运行方法和装置
CN109032103B (zh) 无人驾驶车辆的测试方法、装置、设备及存储介质
US10255168B2 (en) Method and device for generating test cases for autonomous vehicles
JP6545279B2 (ja) 衝突は発生しないかについて、車両が辿るべき目標軌跡を監視するための方法及び装置
JP2018113015A (ja) オートノマスシステムの検証法
ES2998359T3 (en) Method for testing and testing device
CN109839922B (zh) 用于控制无人驾驶车辆的方法及装置
ES2805627T3 (es) Procedimiento y sistema para la validación de un sistema de identificación de obstáculos
Gambi et al. Automatically reconstructing car crashes from police reports for testing self-driving cars
EP3645362B1 (en) Accessibility method and apparatus for autonomous/semi-autonomous driving
KR102707627B1 (ko) 가상 환경에서 실시간 라이다 데이터를 생성하는 장치 및 그것의 제어 방법
Wimmer et al. Harmonized approaches for baseline creation in prospective safety performance assessment of driving automation systems
CN109478365A (zh) 用于制定用于辨识对车辆来说的至少一个危险位置的危险地图的方法和设备
US20230295963A1 (en) Door control device, storage medium storing computer program for door control, and method for door control
CN110377982B (zh) 自动驾驶性能的测试方法及系统、电子设备、存储介质
Kolk et al. Evaluation of a momentum based impact model and application in an effectivity study considering junction accidents
Fries et al. Validation and verification of the stochastic cognitive driver model
Papadimitriou et al. Transferability of car-following models between driving simulator and field traffic
Knauss et al. Proving ground support for automation of testing of active safety systems and automated vehicles
KR20230017258A (ko) 고해상도 디지털 지도 제공 방법 및 장치
CN113312397A (zh) 轨道交通全自动运行模拟方法及其系统、介质及电子设备
JP2019012480A (ja) 運転診断装置および運転診断方法