FR3113317A1 - Method for exploiting data from a selection of driving assistance sensors in a vehicle - Google Patents
Method for exploiting data from a selection of driving assistance sensors in a vehicle Download PDFInfo
- Publication number
- FR3113317A1 FR3113317A1 FR2008411A FR2008411A FR3113317A1 FR 3113317 A1 FR3113317 A1 FR 3113317A1 FR 2008411 A FR2008411 A FR 2008411A FR 2008411 A FR2008411 A FR 2008411A FR 3113317 A1 FR3113317 A1 FR 3113317A1
- Authority
- FR
- France
- Prior art keywords
- sensor
- selection
- sensors
- driving assistance
- operating state
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000004140 cleaning Methods 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 description 12
- 238000005259 measurement Methods 0.000 description 8
- 230000007423 decrease Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/862—Combination of radar systems with sonar systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/865—Combination of radar systems with lidar systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/867—Combination of radar systems with cameras
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
- G06F18/256—Fusion techniques of classification results, e.g. of results related to same input data of results relating to different input data, e.g. multimodal recognition
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
Dans ce procédé d’exploitation de données provenant d’une sélection (10) de capteurs d’assistance à la conduite dans un véhicule (4), on met en œuvre les étapes suivantes :- on détermine pour chaque capteur (4) de la sélection (10) un état de fonctionnement,- on affecte à chaque capteur (4) de la sélection (10) en fonction de son état de fonctionnement un facteur de pondération non nul, et- on fusionne les données provenant de la sélection (10) de capteurs d’assistance à la conduite (4) en appliquant aux données provenant d'un capteur d'assistance à la conduite son facteur de pondération associé. Figure pour l’abrégé : figure 2In this method of exploiting data coming from a selection (10) of driving assistance sensors in a vehicle (4), the following steps are implemented:- for each sensor (4) the selecting (10) an operating state,- each sensor (4) of the selection (10) is assigned a non-zero weighting factor according to its operating state, and- the data coming from the selection (10) is merged ) of driving assistance sensors (4) by applying to the data originating from a driving assistance sensor its associated weighting factor. Figure for abstract: figure 2
Description
L’invention concerne l’exploitation de données provenant de capteurs dans un véhicule. Plus précisément, l’invention concerne un procédé d’exploitation de données provenant d’une sélection de capteurs d’assistance à la conduite dans un véhicule.The invention relates to the exploitation of data from sensors in a vehicle. More specifically, the invention relates to a method for exploiting data originating from a selection of driving assistance sensors in a vehicle.
Un véhicule comprend généralement plusieurs capteurs permettant la mesure de données diverses. Un véhicule automobile autonome, par exemple, comprend plusieurs capteurs d’assistance à la conduite, mesurant notamment des données sur la conduite du véhicule ou des données sur son environnement extérieur. Ces données sont ensuite exploitées par une unité de commande électronique, notamment en fusionnant les données issues des capteurs et en adaptant la conduite du véhicule en conséquence.A vehicle generally comprises several sensors allowing the measurement of various data. An autonomous motor vehicle, for example, includes several driving assistance sensors, measuring in particular data on the driving of the vehicle or data on its external environment. This data is then used by an electronic control unit, in particular by merging the data from the sensors and adapting the driving of the vehicle accordingly.
Avec le temps, de la salissure peut se déposer sur les capteurs, ce qui rend moins fiable les données qu’ils mesurent. De même, certaines conditions météorologiques peuvent détériorer les mesures de certains capteurs. Dès lors, il est connu de ne pas prendre en compte les données mesurées par ces capteurs tant que le problème n’a pas été résolu. Dans le cas de la salissure, il peut être prévu de nettoyer les capteurs concernés, mais le nettoyage en lui-même gêne le capteur dans ses mesures, si bien qu’on ne prend pas non plus en compte les données mesurées par ces capteurs pendant leur nettoyage. En ce qui concerne les conditions météorologiques, aucune mesure ne peut être prise au bénéfice du capteur, si bien qu’on ne prend pas en compte les données mesurées par les capteurs affectés par les conditions météorologiques.Over time, dirt can settle on the sensors, making the data they measure less reliable. Similarly, certain weather conditions can deteriorate the measurements of certain sensors. Therefore, it is known not to take into account the data measured by these sensors until the problem has been solved. In the case of dirt, provision may be made to clean the sensors concerned, but cleaning in itself interferes with the sensor in its measurements, so much so that the data measured by these sensors during their cleaning. As far as weather conditions are concerned, no measures can be taken for the benefit of the sensor, so data measured by sensors affected by weather conditions are not taken into account.
L'invention a notamment pour but de proposer un procédé d’exploitation de données de plusieurs capteurs qui peut tenir compte d’un état de fonctionnement de chaque capteur.The aim of the invention is in particular to propose a method for exploiting data from several sensors which can take into account an operating state of each sensor.
A cet effet l’invention a pour objet un procédé d’exploitation de données provenant d’une sélection de capteurs d’assistance à la conduite dans un véhicule, comprenant les étapes suivantes :To this end, the subject of the invention is a method for exploiting data from a selection of driving assistance sensors in a vehicle, comprising the following steps:
- on détermine pour chaque capteur de la sélection un état de fonctionnement,- an operating state is determined for each sensor of the selection,
- on affecte à chaque capteur de la sélection en fonction de son état de fonctionnement un facteur de pondération non nul, et- each sensor of the selection is assigned a non-zero weighting factor according to its operating state, and
- on fusionne les données provenant de la sélection de capteurs d’assistance à la conduite en appliquant aux données provenant d'un capteur d'assistance à la conduite son facteur de pondération associé.- the data coming from the selection of driving assistance sensors are merged by applying to the data coming from a driving assistance sensor its associated weighting factor.
Ainsi, même si les données mesurées par un capteur ne sont pas entièrement exactes, elles sont tout de même prises en compte dans la fusion de données. Ainsi, à tout moment, les données mesurées par un maximum de capteurs sont prises en compte dans la fusion de données, quel que soit leur état de fonctionnement.Thus, even if the data measured by a sensor is not entirely accurate, it is still taken into account in the data fusion. Thus, at any time, the data measured by a maximum of sensors are taken into account in the data fusion, regardless of their operating state.
Le procédé selon l’invention peut comprendre une ou plusieurs des caractéristiques suivantes prises seules ou en combinaison.The method according to the invention may comprise one or more of the following characteristics taken alone or in combination.
Le facteur de pondération non nul permet au procédé d’avoir un degré de liberté sur la prise en compte des données mesurées par les capteurs dépendant de l’état de fonctionnement de chaque capteur et de la criticité de l’information mesurée par chacun des capteurs.The non-zero weighting factor allows the method to have a degree of freedom in taking into account the data measured by the sensors depending on the operating state of each sensor and the criticality of the information measured by each of the sensors .
On peut affecter à chaque capteur de la sélection en fonction de son état de fonctionnement un facteur de pondération supérieur à 10%, notamment supérieur à 20%.It is possible to assign to each sensor of the selection according to its operating state a weighting factor greater than 10%, in particular greater than 20%.
Ces valeurs de seuil permettent par exemple de garantir que les données mesurées par les capteurs ne sont jamais négligeables dans la fusion de données et dans la prise de décision sur la conduite qui peuvent en résulter.These threshold values make it possible, for example, to guarantee that the data measured by the sensors are never negligible in the fusion of data and in the decision-making on driving which may result therefrom.
On affecte notamment à chaque capteur de la sélection en fonction de son état de fonctionnement un facteur de pondération non nul choisi parmi une liste prédéterminée et finie de valeurs, notamment des valeurs suivantes : 25%, 50%, 75%, 100%.In particular, each sensor of the selection is assigned according to its operating state a non-zero weighting factor chosen from a predetermined and finite list of values, in particular of the following values: 25%, 50%, 75%, 100%.
Le facteur de pondération peut ainsi prendre un nombre fini de valeurs, ce qui permet de ne pas complexifier outre mesure la fusion de données.The weighting factor can thus take a finite number of values, which makes it possible not to overly complicate the merging of data.
Si le facteur de pondération affecté à un capteur de la sélection est inférieur à une valeur prédéterminée, notamment inférieure à 40% et plus spécifiquement inférieure à 25%, alors on peut lancer un nettoyage du capteur.If the weighting factor assigned to a sensor of the selection is less than a predetermined value, in particular less than 40% and more specifically less than 25%, then cleaning of the sensor can be launched.
On peut ainsi utiliser le facteur de pondération comme métrique pour surveiller la nécessité de nettoyer les capteurs.We can thus use the weighting factor as a metric to monitor the need to clean the sensors.
L’état de fonctionnement d’un capteur peut tenir compte d’au moins un paramètre choisi parmi la liste non exhaustive suivante : coefficient de salissure, état de fonctionnement électrique.The operating state of a sensor can take account of at least one parameter chosen from the following non-exhaustive list: soiling coefficient, electrical operating state.
On peut quantifier l’état de salissure, par exemple en déterminant une proportion d’une surface active du capteur recouverte de salissure.The state of soiling can be quantified, for example by determining a proportion of an active surface of the sensor covered with soiling.
Le coefficient de salissure peut ainsi être facilement calculé en mesurant l’étendue de la salissure sur le capteur.The soiling coefficient can thus be easily calculated by measuring the extent of the soiling on the sensor.
On baisse la pondération affectée à un capteur notamment si un nettoyage de ce capteur est en cours.The weighting assigned to a sensor is lowered, in particular if cleaning of this sensor is in progress.
On s’affranchit ainsi des contraintes liées à la nécessité de nettoyer les capteurs, puisqu’on peut leur appliquer un facteur de pondération pendant qu’ils sont nettoyés.This frees us from the constraints linked to the need to clean the sensors, since we can apply a weighting factor to them while they are being cleaned.
Les facteurs de pondération sont notamment attribués en prenant en compte des conditions météorologiques.The weighting factors are attributed in particular taking into account weather conditions.
On s’affranchit également des contraintes liées aux conditions météorologiques présentées plus haut.We are also freed from the constraints linked to the weather conditions presented above.
Les conditions météorologiques comprennent par exemple le brouillard, la pluie et/ou la luminosité ambiante.Weather conditions include, for example, fog, rain and/or ambient light.
Le procédé peut ainsi prendre en compte les principales conditions météorologiques qui peuvent impacter la fiabilité des informations mesurées par les capteurs.The method can thus take into account the main meteorological conditions which can impact the reliability of the information measured by the sensors.
Les capteurs d’assistance à la conduite sont notamment choisis parmi la liste suivante : caméra, lidar, capteur ultrason, radar, capteur de pluie infrarouge, capteur infrarouge.The driving assistance sensors are chosen in particular from the following list: camera, lidar, ultrasonic sensor, radar, infrared rain sensor, infrared sensor.
L’étape d’affectation à chaque capteur de la sélection en fonction de son état de fonctionnement un facteur de pondération non nul est en particulier renouvelée, notamment à des intervalles de temps réguliers, plus spécifiquement avec une fréquence de renouvellement inférieure à la fréquence d’échantillonnage des capteurs.The step of assigning to each sensor of the selection according to its operating state a non-zero weighting factor is in particular renewed, in particular at regular time intervals, more specifically with a renewal frequency lower than the frequency d sensor sampling.
La détermination du facteur de pondération de chaque capteur est ainsi réactualisée quasiment en continue, ce qui permet à la fusion de données de se baser sur des données pondérées qui reflètent bien la réalité de fonctionnement de chaque capteur.The determination of the weighting factor of each sensor is thus updated almost continuously, which allows the data fusion to be based on weighted data which accurately reflect the reality of operation of each sensor.
On prévoit également selon l’invention un système d’assistance à la conduite pour véhicule pour la mise en œuvre d’un procédé tel que défini dans ce qui précède, qui comprend des capteurs d’assistance à la conduite et une unité de commande électronique agencée pour recevoir des données des capteurs et configurée pour :There is also provided according to the invention a driving assistance system for a vehicle for the implementation of a method as defined in the foregoing, which comprises driving assistance sensors and an electronic control unit arranged to receive data from sensors and configured to:
- déterminer pour chaque capteur d’une sélection parmi les capteurs d’assistance à la conduite un état de fonctionnement,- determine for each sensor of a selection among the driving assistance sensors an operating state,
- affecter à chaque capteur de la sélection en fonction de son état de fonctionnement un facteur de pondération non nul, et- assign to each sensor of the selection according to its operating state a non-zero weighting factor, and
- fusionner les données provenant de la sélection de capteurs d’assistance à la conduite en appliquant aux données provenant d'un capteur d'assistance à la conduite son facteur de pondération associé.- merge the data coming from the selection of driving assistance sensors by applying to the data coming from a driving assistance sensor its associated weighting factor.
Avantageusement, les capteurs d’assistance à la conduite sont notamment choisis parmi la liste suivante : caméra, lidar capteur ultrason, radar, capteur de pluie infrarouge, capteur infrarouge.Advantageously, the driving assistance sensors are chosen in particular from the following list: camera, lidar ultrasonic sensor, radar, infrared rain sensor, infrared sensor.
Brève description des figuresBrief description of figures
L'invention sera mieux comprise à la lecture de la description qui va suivre donnée uniquement à titre d'exemple et faite en se référant aux dessins annexés dans lesquels :The invention will be better understood on reading the following description given solely by way of example and made with reference to the appended drawings in which:
Sur ces figures, les éléments identiques portent les mêmes numéros de référence.In these figures, identical elements bear the same reference numbers.
Les réalisations suivantes sont des exemples. Bien que la description se réfère à un ou plusieurs modes de réalisation, ceci ne signifie pas nécessairement que chaque référence concerne le même mode de réalisation ou que les caractéristiques s'appliquent seulement à un seul mode de réalisation. De simples caractéristiques de différents modes de réalisation peuvent également être combinées ou interchangées pour fournir d'autres réalisations.The following achievements are examples. Although the description refers to one or more embodiments, this does not necessarily mean that each reference is to the same embodiment or that the features apply only to a single embodiment. Simple features of different embodiments can also be combined or interchanged to provide other embodiments.
Description détailléedetailed description
On a représenté en
Le système 2 comprend plusieurs capteurs 4 permettant la mesure de données notamment sur la conduite du véhicule et son environnement extérieur. Ces capteurs 4 peuvent par exemple être choisis dans la liste suivante : caméra, lidar, capteur ultrason, radar, capteur de pluie infrarouge, capteur infrarouge. On peut toutefois prévoir qu’il s’agisse de tous autres types de capteur généralement utilisés dans un véhicule.The system 2 comprises several sensors 4 allowing the measurement of data in particular on the driving of the vehicle and its external environment. These sensors 4 can for example be chosen from the following list: camera, lidar, ultrasonic sensor, radar, infrared rain sensor, infrared sensor. However, provision can be made for any other type of sensor generally used in a vehicle.
Le système 2 comprend une unité de commande électronique 6 connectée à chacun des capteurs 4. Il peut s’agir aussi bien d’une liaison filaire que d’une liaison sans-fil. L’unité de commande électronique 6 est configurée pour recevoir et traiter les données issues des mesures effectuées par les capteurs 4. Le fonctionnement de ce traitement sera décrit plus loin.The system 2 comprises an electronic control unit 6 connected to each of the sensors 4. It can be both a wired link and a wireless link. The electronic control unit 6 is configured to receive and process the data resulting from the measurements carried out by the sensors 4. The operation of this processing will be described later.
Le système 2 comprend des moyens de nettoyage des capteurs 8. Ces moyens de nettoyage 8 sont connectés à l’unité de commande électronique 6 et sont agencés pour permettre un nettoyage des capteurs 4 sur instructions de l’unité de commande électronique 6.The system 2 comprises sensor cleaning means 8. These cleaning means 8 are connected to the electronic control unit 6 and are arranged to allow cleaning of the sensors 4 on instructions from the electronic control unit 6.
On va maintenant décrire comment l’unité de commande électronique 6 traite les données fournies par les capteurs 4.We will now describe how the electronic control unit 6 processes the data provided by the sensors 4.
On a représenté en
On détermine d’abord une sélection 10 parmi les capteurs 4. Cette sélection de capteurs 10 peut par exemple être déterminée en fonction de la nature de l’information qu’on souhaite obtenir des capteurs 4. Par exemple, si on souhaite obtenir une information sur la route devant le véhicule équipé du système 2, alors la sélection de capteurs 10 comprend les capteurs 4 qui sont agencés pour mesurer des données sur la route devant le véhicule. Dans l’exemple représenté en
Pour chaque capteur 4 de la sélection 10, on détermine à l’étape 12 un état de fonctionnement du capteur 4. Cet état de fonctionnement est ici déterminé en fonction de paramètres de fonctionnement du capteur 4, notamment en fonction de son coefficient de salissure ou état de fonctionnement électrique. Le coefficient de salissure quantifie l’état de salissure du capteur 4, et correspond par exemple à la proportion d’une surface active du capteur qui est recouverte de salissure. L’état de fonctionnement électrique rend compte de tout dysfonctionnement, de nature électrique, du capteur 4, qui serait de nature à rendre moins fiable ses mesures.For each sensor 4 of the selection 10, an operating state of the sensor 4 is determined in step 12. This operating state is here determined according to operating parameters of the sensor 4, in particular according to its soiling coefficient or electrical working condition. The soiling coefficient quantifies the state of soiling of the sensor 4, and corresponds for example to the proportion of an active surface of the sensor which is covered with dirt. The electrical operating state reports any malfunction, of an electrical nature, of the sensor 4, which would be likely to make its measurements less reliable.
L’état de fonctionnement d’un capteur 4 est déterminé par le capteur 4 lui-même ou par des moyens spécifiques prévus à cette fin (non représentés ici). Par exemple, pour la détermination du coefficient de salissure, chaque capteur 4 peut comprendre un processeur apte à exécuter un logiciel de détection de salissure sur sa surface. Des appareils de mesure électriques pourraient être prévus dans le système 2 pour déterminer l’état de fonctionnement de chaque capteur 4.The operating state of a sensor 4 is determined by the sensor 4 itself or by specific means provided for this purpose (not shown here). For example, for the determination of the soiling coefficient, each sensor 4 can comprise a processor capable of executing software for detecting soiling on its surface. Electrical measuring devices could be provided in the system 2 to determine the operating state of each sensor 4.
Ensuite, à l’étape 14, on affecte à chaque capteur 4 de la sélection 10 en fonction de son état de fonctionnement un facteur de pondération non nulp. Pour chaque capteur 4, le facteur de pondérationpest compris entre 0, borne exclue, et 1, borne incluse. Selon la notation mathématique, le facteur de pondérationpappartient à l’intervalle ]0,1]. Ici, le facteur de pondération est systématiquement supérieur à 10%, voire même systématiquement supérieur à 20%. Le facteur de pondération est en particulier choisi parmi une liste prédéterminée et finie de valeurs, notamment des valeurs suivantes : 25%, 50%, 75%, 100%. Cette étape 14 est renouvelée à des intervalles de temps réguliers, plus spécifiquement avec une fréquence de renouvellement inférieure à la fréquence d’échantillonnage des capteurs, de sorte que le facteur de pondération de chaque capteur est réactualisé de manière quasiment continue.Then, in step 14, each sensor 4 of selection 10 is assigned a non-zero weighting factor p as a function of its operating state. For each sensor 4, the weighting factor p is between 0, limit excluded, and 1, limit included. According to the mathematical notation, the weighting factor p belongs to the interval ]0,1]. Here, the weighting factor is systematically greater than 10%, or even systematically greater than 20%. The weighting factor is in particular chosen from a predetermined and finite list of values, in particular the following values: 25%, 50%, 75%, 100%. This step 14 is renewed at regular time intervals, more specifically with a renewal frequency lower than the sampling frequency of the sensors, so that the weighting factor of each sensor is updated almost continuously.
Le facteur de pondération est attribué en fonction de deux critères, à savoir l’état de fonctionnement, propre à chaque capteur 4, et les conditions extérieures au système 2, notamment les conditions météorologiques, telles que les niveaux de brouillard, de pluie et de luminosité. Le facteur de pondération attribué à un capteur 4 est d’autant plus bas que la fiabilité des mesures effectuées par le capteur diminue, cette fiabilité étant modélisée par l’état de fonctionnement du capteur déterminé dans l’étape précédente. Ainsi, un capteur propre et fonctionnant parfaitement bien se voit attribuer un facteur de pondération de 100%.The weighting factor is assigned according to two criteria, namely the operating state, specific to each sensor 4, and the conditions external to the system 2, in particular the meteorological conditions, such as the levels of fog, rain and brightness. The weighting factor assigned to a sensor 4 is all the lower as the reliability of the measurements carried out by the sensor decreases, this reliability being modeled by the operating state of the sensor determined in the previous step. Thus, a clean and perfectly functioning sensor is assigned a weighting factor of 100%.
On peut ici prévoir une étape optionnelle. Si on attribue à un capteur 4 de la sélection 10 un facteur de pondération inférieur à une valeur prédéterminée, par exemple inférieure à 40%, voire inférieure à 25%, alors l’unité de commande électronique 6 commande aux moyens de nettoyage 8 de nettoyer le capteur 4. Pendant ce nettoyage, on peut prévoir d’attribuer un facteur de pondération davantage réduit au capteur 4. Le nettoyage a pour effet de réduire le coefficient de salissure du capteur et donc de permettre de lui attribuer après coup un facteur de pondération plus élevé qu’avant le nettoyage.An optional step can be provided here. If a sensor 4 of selection 10 is assigned a weighting factor less than a predetermined value, for example less than 40%, or even less than 25%, then the electronic control unit 6 commands the cleaning means 8 to clean the sensor 4. During this cleaning, provision may be made to assign a further reduced weighting factor to the sensor 4. Cleaning has the effect of reducing the soiling coefficient of the sensor and therefore of making it possible to assign a weighting factor to it afterwards higher than before cleaning.
Une fois qu’un facteur de pondération est attribué à chaque capteur 4 de la sélection 10, à l’étape 16 l’unité de commande électronique 6 fusionne, de manière connue en soi, les données issues de la sélection de capteurs 10, ces données étant pondérées par les facteurs de pondération des capteurs 4 dont elles sont issues. En fonction des résultats de la fusion de données, l’unité de commande électronique 6 peut donner des instructions au système 2 ou à d’autres éléments du véhicule. Plus la moyenne des facteurs de pondération attribués à la sélection de capteurs 10 est élevée, plus on améliore la qualité de la fusion de données. On comprend donc qu’il est préférable que certains des capteurs 4 de la sélection 10 se voient attribuer un facteur de pondération non nul plutôt que de ne pas les prendre en compte dans la fusion des données, ce qui reviendrait à leur attribuer un facteur de pondération nul.Once a weighting factor has been assigned to each sensor 4 of the selection 10, in step 16 the electronic control unit 6 merges, in a manner known per se, the data from the selection of sensors 10, these data being weighted by the weighting factors of the sensors 4 from which they come. Depending on the results of the data fusion, the electronic control unit 6 can give instructions to the system 2 or to other elements of the vehicle. The higher the average of the weighting factors attributed to the selection of sensors 10, the more the quality of the data fusion is improved. It is therefore understood that it is preferable for some of the sensors 4 of the selection 10 to be assigned a non-zero weighting factor rather than not taking them into account in the fusion of the data, which would amount to assigning them a weighting factor. zero weighting.
On a représenté en
Ici, le système 2 comprend deux capteurs 4, ici un lidar et une caméra. Le lidar permet de détecter tout obstacle se trouvant devant le véhicule ainsi que la distance entre le véhicule et l’obstacle. La caméra permet de déterminer une image de l’obstacle et ainsi de déterminer la nature de l’obstacle. En fusionnant les données des deux capteurs, il est possible de détecter et d’identifier les obstacles se trouvant devant le véhicule, ainsi que leurs positions par rapport au véhicule.Here, the system 2 comprises two sensors 4, here a lidar and a camera. The lidar makes it possible to detect any obstacle in front of the vehicle as well as the distance between the vehicle and the obstacle. The camera makes it possible to determine an image of the obstacle and thus to determine the nature of the obstacle. By merging the data from the two sensors, it is possible to detect and identify obstacles in front of the vehicle, as well as their positions relative to the vehicle.
On suppose que la caméra présente un état de fonctionnement impactant négativement la fiabilité des mesures qu’elle effectue. Par exemple, sa surface est recouverte de salissures qui obstruent en partie son champ de vision. Selon le procédé de l’art antérieur, la fusion de données par l’unité de commande électronique n’utiliserait pas les données fournies par la caméra, si bien que la fusion de données ne permettrait pas d’identifier la nature des obstacles se trouvant devant le véhicule.It is assumed that the camera has an operating state that negatively impacts the reliability of the measurements it performs. For example, its surface is covered with dirt which partly obstructs its field of vision. According to the method of the prior art, the fusion of data by the electronic control unit would not use the data supplied by the camera, so that the fusion of data would not make it possible to identify the nature of the obstacles located in front of the vehicle.
En appliquant le procédé selon l’invention et tel que décrit dans ce qui précède, on attribue à la caméra un facteur de pondération strictement compris entre 0 et 100% et on attribue au lidar un facteur de pondération égal à 100%. Dès lors, la fusion de données utilise, à moindre poids, les données mesurées par la caméra. Concrètement, malgré la salissure se trouvant sur elle, la caméra pourrait tout de même obtenir des informations, partielles, sur l’obstacle, par exemple sa taille et/ou sa forme. Il serait probable qu’il puisse, même dans ces conditions, différencier un panneau routier d’un camion roulant en sens opposé. Cette information imparfaite peut être utile dans la fusion de données et dans les prises de décision du véhicule qui sont basées sur la fusion de données effectuée par l’unité de commande électronique 6. On comprend ainsi que le procédé selon l’invention permet d’obtenir une meilleure exploitation des données mesurées des capteurs 4 que celui de l’art antérieur présenté dans ce qui précède.By applying the method according to the invention and as described above, the camera is assigned a weighting factor strictly between 0 and 100% and the lidar is assigned a weighting factor equal to 100%. Therefore, data fusion uses, with less weight, the data measured by the camera. Concretely, despite the dirt on it, the camera could still obtain partial information on the obstacle, for example its size and/or its shape. It would be likely that he could, even in these conditions, differentiate a road sign from a truck traveling in the opposite direction. This imperfect information can be useful in the fusion of data and in the decision-making of the vehicle which are based on the fusion of data carried out by the electronic control unit 6. It is thus understood that the method according to the invention makes it possible to obtain better exploitation of the data measured from the sensors 4 than that of the prior art presented in the foregoing.
Claims (10)
- on détermine pour chaque capteur (4) de la sélection un état de fonctionnement,
- on affecte à chaque capteur (4) de la sélection (10) en fonction de son état de fonctionnement un facteur de pondération non nul, et
- on fusionne les données provenant de la sélection (10) de capteurs d’assistance à la conduite (4) en appliquant aux données provenant d'un capteur d'assistance à la conduite (4) son facteur de pondération associé.Method for exploiting data originating from a selection (10) of driving assistance sensors in a vehicle (4), characterized in that:
- an operating state is determined for each sensor (4) of the selection,
- each sensor (4) of the selection (10) is assigned a non-zero weighting factor according to its operating state, and
- the data coming from the selection (10) of driving assistance sensors (4) are merged by applying to the data coming from a driving assistance sensor (4) its associated weighting factor.
- déterminer pour chaque capteur (4) d’une sélection (10) parmi les capteurs d’assistance à la conduite un état de fonctionnement,
- affecter à chaque capteur (4) de la sélection (10) en fonction de son état de fonctionnement un facteur de pondération non nul, et
- fusionner les données provenant de la sélection (10) de capteurs d’assistance à la conduite (4) en appliquant aux données provenant d'un capteur d'assistance à la conduite son facteur de pondération associé.Vehicle driving assistance system (2) for implementing a method according to any one of Claims 1 to 8, characterized in that it comprises driving assistance sensors (4) and an electronic control unit (6) arranged to receive data from the sensors (4) and configured to:
- determining for each sensor (4) of a selection (10) among the driving assistance sensors an operating state,
- assigning to each sensor (4) of the selection (10) according to its operating state a non-zero weighting factor, and
- merging the data coming from the selection (10) of driving assistance sensors (4) by applying to the data coming from a driving assistance sensor its associated weighting factor.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR2008411A FR3113317B1 (en) | 2020-08-10 | 2020-08-10 | Method for using data from a selection of driving assistance sensors in a vehicle |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR2008411 | 2020-08-10 | ||
| FR2008411A FR3113317B1 (en) | 2020-08-10 | 2020-08-10 | Method for using data from a selection of driving assistance sensors in a vehicle |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| FR3113317A1 true FR3113317A1 (en) | 2022-02-11 |
| FR3113317B1 FR3113317B1 (en) | 2023-09-29 |
Family
ID=73793328
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR2008411A Active FR3113317B1 (en) | 2020-08-10 | 2020-08-10 | Method for using data from a selection of driving assistance sensors in a vehicle |
Country Status (1)
| Country | Link |
|---|---|
| FR (1) | FR3113317B1 (en) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR3061885A1 (en) * | 2017-01-18 | 2018-07-20 | Valeo Schalter Und Sensoren Gmbh | METHOD FOR DETERMINING A CHARACTERISTIC OF AN ENVIRONMENT OF A VEHICLE BY DATA FUSION |
| WO2020089230A1 (en) * | 2018-11-02 | 2020-05-07 | Renault S.A.S | Method for generating control settings for a motor vehicle |
| CN210502618U (en) * | 2019-09-02 | 2020-05-12 | 北京新能源汽车技术创新中心有限公司 | External perception sensor belt cleaning device of car and car |
-
2020
- 2020-08-10 FR FR2008411A patent/FR3113317B1/en active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR3061885A1 (en) * | 2017-01-18 | 2018-07-20 | Valeo Schalter Und Sensoren Gmbh | METHOD FOR DETERMINING A CHARACTERISTIC OF AN ENVIRONMENT OF A VEHICLE BY DATA FUSION |
| WO2020089230A1 (en) * | 2018-11-02 | 2020-05-07 | Renault S.A.S | Method for generating control settings for a motor vehicle |
| CN210502618U (en) * | 2019-09-02 | 2020-05-12 | 北京新能源汽车技术创新中心有限公司 | External perception sensor belt cleaning device of car and car |
Also Published As
| Publication number | Publication date |
|---|---|
| FR3113317B1 (en) | 2023-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2109079A1 (en) | Method and system of characterisation of a surface defect of a workpiece | |
| FR3088041A1 (en) | PROCESS FOR PREPARING A STEERING INSTRUCTION FOR A MOTOR VEHICLE | |
| FR2951544A1 (en) | METHOD FOR ANALYZING THE QUALITY OF A GLAZING | |
| EP2459982B1 (en) | Method for predicting tire running noise | |
| EP3781965B1 (en) | Device, method and computer program product for validating data provided by a rain sensor | |
| EP2539683B1 (en) | Method for vehicle driving assistance | |
| EP2043044B1 (en) | Method and device for automobile parking assistance | |
| FR3051423A1 (en) | METHOD FOR PROPOSING A RUNNING SPEED | |
| FR3113317A1 (en) | Method for exploiting data from a selection of driving assistance sensors in a vehicle | |
| US20220402494A1 (en) | A method for evaluating a minimum breaking distance of a vehicle and vehicle | |
| EP3488380B1 (en) | Method for determining a glare level for a motor vehicle driver | |
| WO2018011500A1 (en) | Method for ascertaining the condition of a road surface | |
| EP2459981B1 (en) | Method for predicting a physical interaction effect between a tire and a surface course | |
| FR3061885A1 (en) | METHOD FOR DETERMINING A CHARACTERISTIC OF AN ENVIRONMENT OF A VEHICLE BY DATA FUSION | |
| WO2013190233A1 (en) | Method for estimating a journey time of a vehicle on a road network | |
| WO2022101092A1 (en) | Device for calculating wear on a wiper blade | |
| WO2014053740A1 (en) | Method of determination of a characterized zone of a glazing | |
| EP2006707B1 (en) | Method for determining a protection limit with compensation for calculation delays | |
| FR3113128A1 (en) | PROCEDURE FOR ESTIMATING THE STATE OF WEAR OF A TIRE | |
| FR3079637A1 (en) | METHOD FOR EVALUATING THE CONFORMITY OF A TRACKING SYSTEM TO A SET OF REQUIREMENTS AND ASSOCIATED DEVICES | |
| EP1528409B1 (en) | Method and system for measuring the speed of a vehicle on a curved trajectory | |
| FR3094798A1 (en) | method of determining a speed of a motor vehicle | |
| EP4416703A1 (en) | Method for detecting a boundary of a traffic lane | |
| WO2024100349A1 (en) | System and method for assisting with the navigation of a mobile system | |
| FR3033912A1 (en) | METHOD FOR ESTIMATING GEOMETRIC PARAMETERS REPRESENTATIVE OF THE FORM OF A ROAD, SYSTEM FOR ESTIMATING SUCH PARAMETERS AND MOTOR VEHICLE EQUIPPED WITH SUCH A SYSTEM |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PLFP | Fee payment |
Year of fee payment: 2 |
|
| PLSC | Publication of the preliminary search report |
Effective date: 20220211 |
|
| PLFP | Fee payment |
Year of fee payment: 3 |
|
| PLFP | Fee payment |
Year of fee payment: 4 |
|
| PLFP | Fee payment |
Year of fee payment: 5 |