WO2012163632A1 - Verfahren zur positionsbestimmung von sich bewegenden objekten - Google Patents

Verfahren zur positionsbestimmung von sich bewegenden objekten Download PDF

Info

Publication number
WO2012163632A1
WO2012163632A1 PCT/EP2012/058456 EP2012058456W WO2012163632A1 WO 2012163632 A1 WO2012163632 A1 WO 2012163632A1 EP 2012058456 W EP2012058456 W EP 2012058456W WO 2012163632 A1 WO2012163632 A1 WO 2012163632A1
Authority
WO
WIPO (PCT)
Prior art keywords
determining
filter
distances
account
contour line
Prior art date
Application number
PCT/EP2012/058456
Other languages
English (en)
French (fr)
Inventor
Susanna KAISER
Mohammed Khider
Patrick Robertson
Original Assignee
Deutsches Zentrum für Luft- und Raumfahrt e.V.
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 Deutsches Zentrum für Luft- und Raumfahrt e.V. filed Critical Deutsches Zentrum für Luft- und Raumfahrt e.V.
Priority to US14/119,347 priority Critical patent/US9250078B2/en
Publication of WO2012163632A1 publication Critical patent/WO2012163632A1/de

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/183—Compensation of inertial measurements, e.g. for temperature effects
    • G01C21/188—Compensation of inertial measurements, e.g. for temperature effects for accumulated errors, e.g. by coupling inertial systems with absolute positioning systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation

Definitions

  • the invention relates to a method for determining the position of moving objects, such as persons or robots.
  • the method according to the invention is particularly suitable for use in buildings or in areas shaded for satellite navigation.
  • the positioning of objects such as persons and goods is often carried out using satellite navigation, for example via GPS. This leads to acceptable accuracy outside of buildings even for pedestrians with modern equipment. Within buildings, or when the object is located in the visual shadow of the satellite, for example in narrow street canyons, strong disturbances often occur due to shadowing of the direct signal path or due to multipath errors.
  • the corresponding sensors may be passive and active optical sensors and sensor systems. For example, it may also be inertial sensors, robot odometry or barometric altimeters.
  • the advantage is that all or part of infrastructure elements as described above (WLAN, UWB, etc.) can be dispensed with.
  • Calculation device has a filter device, which is an Extended Kalman Filter (EFK).
  • EPK Extended Kalman Filter
  • Position is the orientation in space, ie an indication with three angles.
  • the position is the location in space (typically in a local or global 3D coordinate system).
  • drift the impact of the sensors' errors
  • ZUPT Zero speed update
  • the EKF is set to zero speed.
  • the resting phase of the sensor or the person can be determined relatively reliably and easily, since the steps of a human show a characteristic pattern, so that a kind of signature of the acceleration and the rotation rate can be determined personal.
  • a major disadvantage of this method is that due to the drift increasing errors of the determined position occur about the vertical axis, which are only partially observable by ZUPT. As a result, the estimation of the direction of the person (ie the position around the vertical axis) becomes increasingly inaccurate. A further disadvantage of the method is that the estimated distance covered also becomes inaccurate, albeit to a lesser extent. Furthermore, when solely using this system, there is the disadvantage that only the relative positioning, in particular with respect to a starting point, can be determined.
  • An improvement of the method using the EKF and the ZUPT can be achieved by linking this to another filter device that takes into account environmental data, such as building plans.
  • the estimate made using the EKF shows assumed statistical deviations in relation to the step direction and the stride length.
  • These calculated hypotheses thus take into account all possible Deviations from the actual sequence of steps of the person.
  • environmental data that includes, for example, walls in a building
  • a probability is taken into account by means of a particle filter algorithm.
  • hypotheses placed in the particle filter that have passed through walls are either completely eliminated or given a very low probability.
  • Hypotheses that have not passed through walls are either assigned the probability value 1 or can be weighted according to a simple motion model.
  • hypotheses that lie outside the building are considered with high probability. This has the consequence that hypotheses within the building, even if the person is actually inside the building, are more and more considered by the impact on walls with a very low probability and possibly even completely deleted. This is not the case for the hypotheses outside the building, as they are not likely to be occupied due to their impact on walls.
  • the object of the invention is to provide a method for determining the position of moving objects, which enables improved positioning, in particular in buildings and, for example, for satellite-shaded areas.
  • the object is achieved according to the invention by the features of claim 1.
  • the moving object may in particular be a person, a robot, a vehicle and the like, or also the movement of goods.
  • the object is assigned a sensor for the determination of acceleration data and rotation data. In particular, this may be an IMU.
  • the sensor transmits acceleration data and rotation data to a calculation device having a filter device. If the sensor is assigned to a person, for example, it is advantageous, but not essential, to arrange the sensor in a shoe in order to detect the resting phase of the sensor.
  • odometry can be carried out directly from the control signals of the drive motors (without IMU) or from encoders (eg optical / magnetic) on the wheels.
  • the drift of the estimation has to be reduced by other measures.
  • a filter device which is in particular an EKF (if the sensor is an IMU, for robots the calculation of the odometry is as described above)
  • the position and the position of the object are estimated.
  • the consideration of the environmental data in this case takes place in the next superordinate step, preferably with a particle filter.
  • the use of such motion models in combination with a particle filter is described, for example, in M. Khider, S. Kaiser, P. Robertson, and M. Angermann, "Maps and Floor Plan Enhanced 3D Movement Model For Pedestrian Navigation," Proceedings of the ION GNSS 2009, Georgia, USA, September 2009, and J.
  • a movement model is used which determines possible paths and thus orientations to different destination points via the determination of a diffusion matrix.
  • the creation of the diffusion matrix takes into account environmental data.
  • the environmental data in particular have building plans here, but may also include plans for a site.
  • building plans walls, stairs and other obstacles such as furniture can be taken into account.
  • site plans it is depending on the type of terrain, it is possible to take account of different probabilities with which the person moves in the corresponding terrain section.
  • different probabilities for paths, lawns, beds, forests, fences, etc. can be taken into account.
  • a path from a waypoint (estimated position) to a predefined destination (source of diffusion) is calculated via the diffusion.
  • a significant disadvantage of the use of target points is that no suitable probability density function for the possible orientations can be determined from this since this is dependent on the selection of the target points and the viewing range.
  • the viewing area - this is the excerpt from the site map - can be reduced because distant targets do not need to be considered.
  • the determining of a contour line takes place on the basis of the created diffusion matrix. Based on the diffusion matrix, it is possible to determine different contour lines. These are, in particular, lines with equal values (similar to large values for discretization) of the gas concentration of the diffusion algorithm.
  • the values of the diffusion matrix are preferably in the value range between 0 and 1. If, for example, a relatively large value is selected as the threshold value to determine the contour line, a relatively small viewing area is included. The viewing area is the terrain plan section over which the diffusion is calculated. Similarly, a relatively small threshold can be selected, so that the Viewing area enlarged accordingly. This can also be used to vary the contour line and the resulting probability density function.
  • distances between the position, the particle and the contour line are then determined for different, in particular each orientation (ie position about the vertical axis).
  • the distances are thus determined for different angles, it being understood by any orientation that in each case a distance between the position and the contour line is determined at predetermined angular increments of, for example, 5 °.
  • a probability density function is calculated on the basis of the determined distances. It follows that the possible directions of movement of the object are provided with higher probability values than angles or angle ranges which lead, for example, to near obstacles, such as walls. These have a correspondingly smaller probability value. This corresponds to the behavior of a moving object, in particular a moving person.
  • the position determination of objects can also be considerably improved in enclosed spaces or in areas in which, for example, visual contact with satellites is not possible.
  • the method described above is carried out continuously in a preferred embodiment.
  • the combination of the method according to the invention with other methods for determining position data via additional systems is, for example, a GPS-based system or the like.
  • the resting phase of the corresponding sensor can also be used by a corresponding zero-speed update (ZUPT).
  • a further improvement of the method can be achieved by taking into account only undisturbed distances when determining the distances between the current position and the contour line.
  • Undisturbed distances here mean a straight connection between the starting position and the contour line, which does not intersect any insurmountable obstacle, such as a wall. If at this distance, i. a path of the object to be traveled, other obstacles are present, this can lead to a reduction of the probability. If, for example, environmental data is used in the form of terrain data, a reduction of the probability can take place via the calculation of the diffusion matrix if the corresponding route to be traveled through a forest would lead across a meadow or the like.
  • Figure 1 is a schematic representation of a diffusion matrix for a
  • FIG 2 is a schematic representation in which in addition to the diffusion matrix shown in Figure 1, the contour line is shown, and
  • FIG. 3 shows the representation of a probability density function on the basis of the distances between the position and the contour line for each orientation.
  • Figure 1 shows a square section of a building plan, wherein the walls 10 of the building plan are represented by gray lines.
  • the assumed current position 12 of an object is the dark center of the square.
  • the largest value of the diffusion matrix is thus shown in dark red and then becomes smaller and smaller over the colors orange, yellow, green and blue.
  • the diffusion matrix was calculated using a diffusion filter.
  • the diffusion value at the assumed position (source of the diffusion), ie in the middle of the square area in the illustrated example is preferably set to a predefined value, for example 1, for each recursion.
  • the diffusion values during each filtering step are likewise set to a fixed value, in particular 0, by means of a so-called layout matrix.
  • a contour line 14 can then be determined. This is a closed line that includes those diffusion points whose value represents the largest value less than or equal to the threshold.
  • Such a contour line 14 can be seen in FIG. This is defined on the one hand by values of the corresponding diffusion matrix and on the other by walls 10.
  • a probability density function 16 ( Figure 3) results.
  • the values of the probability density function nominated preferably at 1 only take into account distances which are undisturbed or provide a direct line of sight between the current assumed position 12 and the contour line 14. It can be seen from the schematic illustration in FIG. 3 that the possible directions of movement of the object have different probabilities. Starting from the assumed starting point 12, a movement direction in an orientation of about 40 ° is relatively unlikely, since there is a building wall here.
  • Much committed routes e.g. can therefore be assigned a higher probability via the layout matrix.
  • the probability density functions can also be used for general prediction of orientations of moving persons or objects. This can be realized, among other things, in movement models.

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Navigation (AREA)

Abstract

Verfahren zur Positionsbestimmung von sich bewegenden Objekten, wobei das Objekt einen Sensor oder eine Vorrichtung zur Ermittlung von Odometriedaten aufweist, mit den Schritten : Übermitteln der Odometriedaten an eine Berechnungseinrichtung, Abschätzen von Lage und Position des Objekts (12) mit Hilfe der Berechnungseinrichtung, Erstellen einer Diffusionsmatrix auf Basis der abgeschätzten Lage und Position unter Berücksichtigung von Umgebungsdaten, Bestimmen einer Konturlinie (14) ausgehend von der Diffusionsmatrix, Ermitteln der Distanzen zwischen der Position (12) und der Konturlinie (14) für unterschiedliche, insbesondere jede Orientierung, und Berechnen einer Wahrscheinlichkeitsdichtefunktion auf Basis der ermittelten Distanzen.

Description

Verfahren zur Positionsbestimmung von sich bewegenden Objekten
Die Erfindung betrifft ein Verfahren zur Positionsbestimmung von sich bewegenden Objekten, wie beispielsweise Personen oder Robotern. Das erfindungsgemäße Verfahren ist insbesondere zum Einsatz in Gebäuden oder in für die Satellitennavigation abgeschatteten Bereichen geeignet.
Die Positionierung von Objekten wie Personen und Gütern wird häufig unter Verwendung von der Satellitennavigation, beispielsweise über GPS durchgeführt. Dies führt außerhalb von Gebäuden auch bei Fußgängern mit modernen Geräten zu einer akzeptablen Genauigkeit. Innerhalb von Gebäuden oder wenn sich das Objekt, beispielsweise in engen Straßenschluchten, im Sichtschatten des Satelliten befindet, kommt es häufig zu starken Störungen aufgrund der Abschattungen des direkten Signalpfads, oder aufgrund von Mehrwegefehlern.
Um die Positionierung von Objekten auch in derartigen Bereichen zu verbessern, ist es bekannt, weitere Funksysteme, wie W-LAN-Mobilfunknetze, UWB-Netze (Ultra-Wide-Band) und dergleichen, zu nutzen. Wesentliche Nachteile der Kombination mit weiteren Funksystemen sind die möglicherweise eingeschränkte Verfügbarkeit, die benötigte Infrastruktur und der möglicherweise beschränkte Zugriff. Voraussetzung der Durchführung dieser Verfahren ist das Vorhandensein von Funkinfrastrukturen. Ferner müssen die entsprechenden Bereiche kartiert und vermessen sein. Dies stellt einen erheblichen Kostenaufwand dar.
Eine weitere Möglichkeit zur Verbesserung der Positionierung von Objekten in Gebäuden und dergleichen besteht in der Verwendung von Sensoren, die mit dem bewegten Objekt verbunden sind und Informationen über die Bewegungen des Objekts an eine entsprechende Berechnungseinrichtung übermitteln. Bei den entsprechenden Sensoren kann es sich um passive und aktive optische Sensoren und Sensorsysteme handeln. Beispielsweise kann es sich auch um Inertialsensorik, Odometrie bei Robotern oder barometrische Höhenmesser handeln. Der Vorteil liegt darin, dass ganz oder teilweise auf Infrastrukturelemente wie oben beschrieben (WLAN, UWB, etc.) verzichtet werden kann.
Eine weitere Möglichkeit zur Verbesserung der Genauigkeit der Positionsbestimmung ist die Kombination mit Umgebungsdaten, wie beispielsweise Gebäudeplänen. In B. Krach, P. Robertson, "Integration of Foot- Mounted Inertial Sensors into a Bayesian Location Estimation Framework", Proc. 5th Workshop on Positioning, Navigation and Communication 2008, (WPNC 2008), Hannover, Germany, Mar. 2008 ist beschrieben, dass das Vorwissen über die Gebäudepläne und die Verwendung eines in einem Schuh einer Person angeordneten Inertiaisensors zur eindeutigen Positionierung einer Person im Gebäude geeignet ist. Mit Hilfe des verwendeten Inertiaisensors (IMU) können alle drei Raumachsen gemessen werden. Bei diesem Verfahren wird in einem Schuh einer sich in einem Gebäude bewegenden Person ein IMU-Sensor integriert. Von dem Sensor werden eine Berechnungseinrichtung Beschleunigungs- und Drehratendaten übermittelt. Die
Berechnungseinrichtung weist eine Filtereinrichtung auf, bei der es sich um einen Extended Kaiman Filter (EFK) handelt. Durch die Filtereinrichtung wird die relative Veränderung der Lage und Position des Schuhs und damit der Person abgeschätzt (sogenannte Odometrie). Unter Lage wird die Orientierung im Raum, also eine Angabe mit drei Winkeln, verstanden. Die Position ist der Ort im Raum (typischerweise in einem lokalen oder globalen 3D Koordinatensystem). Insbesondere wenn eine Person sich über einen längeren Zeitraum in einem Gebäude befindet, wächst die Auswirkung der Fehler der Sensoren (Drift) auf Positions- und Lage-Schätzung ggf. unbegrenzt an. Es ist daher bekannt, ein sogenanntes "Nullgeschwindigkeits-Update" (Zero Velocity Update: ZUPT) vorzunehmen. Hierbei wird in einer Ruhephase des Sensors bzw. der Person, in der sich der Schuh am Boden befindet, das EKF auf die Geschwindigkeit null gesetzt. Die Ruhephase des Sensors bzw. der Person kann hierbei relativ zuverlässig und einfach bestimmt werden, da die Schritte eines Menschen ein charakteristisches Muster zeigen, so dass eine Art Signatur der Beschleunigungs- und der Drehraten personenbezogen bestimmt werden kann.
Ein wesentlicher Nachteil dieses Verfahrens besteht jedoch darin, dass aufgrund der Drift steigende Fehler der ermittelten Lage um die Hochachse auftreten, die mittels ZUPT nur bedingt observierbar sind. Dies hat zur Folge, dass vor allem die Schätzung der Richtung der Person (also die Lage um die Hochachse) zunehmend ungenau wird. Ein weiterer Nachteil des Verfahrens besteht darin, dass auch die geschätzte zurückgelegte Weglänge, wenngleich in geringerem Maße, ungenau wird. Ferner besteht bei einer alleinigen Verwendung dieses Systems der Nachteil, dass ausschließlich die relative Positionierung, insbesondere bezogen auf einen Startpunkt bestimmt werden kann.
Eine Verbesserung des Verfahrens unter Verwendung des EKF und der ZUPT kann dadurch erzielt werden, dass dies mit einer weiteren Filtereinrichtung verknüpft wird, die Umgebungsdaten, wie Gebäudepläne, berücksichtigt. Die mit Hilfe des EKF erfolgte Schätzung weist hierbei angenommene statistische Abweichungen bezogen auf die Schrittrichtung und die Schrittlänge auf. Diese daraus errechneten Hypothesen berücksichtigen somit alle möglichen Abweichungen von der tatsächlichen Folge der Schritte der Person. Durch die Verbindung mit Umgebungsdaten, die beispielsweise Wände in einem Gebäude enthalten, wird mit Hilfe eines Particle-Filter-Algorithmus eine Wahrscheinlichkeit berücksichtigt. So werden die im Particle Filter angesetzten Hypothesen, die durch Wände gegangen sind, entweder vollständig eliminiert oder mit einer sehr geringen Wahrscheinlichkeit belegt. Hypothesen, die nicht durch Wände gegangen sind, bekommen entweder den Wahrscheinlichkeitswert 1 zugewiesen oder können nach einem einfachen Bewegungsmodell gewichtet werden.
Die Berücksichtigung von Umgebungsdaten in dieser Art kann jedoch zu Fehlentscheidungen bei der Positionsbestimmung führen. Betrachtet man beispielsweise einen Fall, bei dem die Ausgangsposition nicht genau bekannt ist und beispielsweise innerhalb oder außerhalb eines Gebäudes liegen kann. Ausgehend von diesem Startpunkt werden Hypothesen, die außerhalb des Gebäudes liegen, mit hoher Wahrscheinlichkeit berücksichtigt. Dies hat zur Folge, dass Hypothesen innerhalb des Gebäudes, selbst dann, wenn sich die Person tatsächlich innerhalb des Gebäudes befindet, mehr und mehr durch das Auftreffen auf Wände mit einer sehr geringen Wahrscheinlichkeit bedacht werden und ggf. sogar vollständig gelöscht werden. Bei den außerhalb des Gebäudes liegenden Hypothesen ist das nicht der Fall, da diese nicht aufgrund des Auftreffens auf Wände mit einer geringen Wahrscheinlichkeit belegt werden.
Aufgabe der Erfindung ist es, ein Verfahren zur Positionsbestimmung von sich bewegenden Objekten zu schaffen, das insbesondere in Gebäuden und von beispielsweise für Satelliten abgeschatteten Bereichen eine verbesserte Positionierung ermöglicht.
Die Lösung der Aufgabe erfolgt erfindungsgemäß durch die Merkmale des Anspruchs 1. Bei dem sich bewegenden Objekt kann es sich insbesondere um eine Person, einen Roboter, ein Fahrzeug und dergleichen oder auch um die Bewegung von Gütern handeln. Dem Objekt ist ein Sensor zur Ermittlung von Beschleunigungsdaten und Drehdaten zugeordnet. Insbesondere kann es sich hierbei um einen IMU handeln. Der Sensor übermittelt Beschleunigungsdaten und Drehdaten an eine eine Filtereinrichtung aufweisende Berechnungseinrichtung. Sofern der Sensor beispielsweise einer Person zugeordnet ist, ist es hierbei günstig aber nicht unbedingt erforderlich, den Sensor in einem Schuh anzuordnen, um die Ruhephase des Sensors zu detektieren. Für Roboter kann die Odometrie direkt aus den Steuersignalen der Antriebsmotoren erfolgen (ohne IMU) oder aus Drehgebern (z. B. optisch/magnetisch) an den Rädern. Allerdings muss hierbei beachtet werden, dass der Drift der Schätzung durch andere Maßnahmen reduziert werden muss. Im nächsten Verfahrensschritt erfolgt sodann mit Hilfe einer Filtereinrichtung, bei der es sich insbesondere um einen EKF handelt (wenn der Sensor eine IMU ist, bei Robotern erfolgt die Berechnung der Odometrie wie oben dargestellt), ein Abschätzen der Lage und der Position des Objekts. Die Berücksichtigung der Umgebungsdaten erfolgt hierbei im nächsten übergeordnten Schritt vorzugsweise mit einem Particle-Filter. Die Verwendung derartiger Bewegungsmodelle in Kombination mit einem Particle-Filter ist beispielsweise in M. Khider, S. Kaiser, P. Robertson, and M. Angermann, "Maps and Floor Plans Enhanced 3D Movement Model For Pedestrian Navigation", Proceedings of the ION GNSS 2009, Georgia, USA, September 2009, und in J. Kammann, M. Angermann and B. Lami, "A new mobility model based on Maps", in VTC 2003, beschrieben. Hierbei wird vorzugsweise unter anderem ein Bewegungsmodell verwendet, das über die Ermittlung einer Diffusionsmatrix mögliche Pfade und damit Orientierungen zu verschiedenen Zielpunkten ermittelt. Die Erstellung der Diffusionsmatrix erfolgt unter Berücksichtigung von Umgebungsdaten. Die Umgebungsdaten weisen hierbei insbesondere Gebäudepläne auf, können jedoch auch Pläne eines Geländes mit umfassen. Bei Gebäudeplänen können Mauern, Treppen und andere Hindernisse wie Möbel berücksichtigt werden. Bei Geländeplänen ist es möglich, je nach Art des Geländes unterschiedliche Wahrscheinlichkeiten zu berücksichtigen, mit der sich die Person in dem entsprechenden Geländeabschnitt bewegt. Hierbei können unterschiedliche Wahrscheinlichkeiten für Wege, Rasenflächen, Beete, Wälder, Zäune etc. berücksichtigt werden.
Der Unterschied zu dem erfindungsgemäßen Verfahren in besonders bevorzugter Ausführungsform besteht darin, dass ein Pfad von einem Wegpunkt (abgeschätzte Lage) zu einem vorher definierten Ziel (Quelle der Diffusion) über die Diffusion berechnet wird. Ein wesentlicher Nachteil der Verwendung von Zielpunkten besteht darin, dass hieraus keine geeignete Wahrscheinlichkeitsdichtefunktion für die möglichen Orientierungen ermittelt werden können, da diese abhängig von der Auswahl der Zielpunkte und des Betrachtungsbereichs ist. Im Gegensatz hierzu wird in der Erfindung vorzugsweise die abgeschätzte Lage und Position eines jeden Particles (=Hypothese) des Particle Filters als Ausgangspunkt (Quelle) der Diffusion verwendet und aus der Diffusion eine Wahrscheinlichkeitsdichtefunktion berechnet. Das Festlegen von Zielen und die Pfadberechnung entfallen. Der Betrachtungsbereich - dies ist der Ausschnitt aus dem Geländeplan - kann verringert werden, da entfernte Ziele nicht berücksichtigt werden müssen.
In dem nächsten Schritt des erfindungsgemäßen Verfahrens erfolgt ausgehend von der erstellten Diffusionsmatrix das Bestimmen einer Konturlinie. Anhand der Diffusionsmatrix ist es möglich, unterschiedliche Konturlinien zu bestimmen. Hierbei handelt es sich insbesondere um Linien mit gleich großen Werten (ähnlich großen Werten bei Diskretisierung) der Gaskonzentration des Diffusionsalgorithmus. Die Werte der Diffusionsmatrix liegen vorzugsweise im Wertebereich zwischen 0 und 1. Wählt man zur Bestimmung der Konturlinie beispielsweise einen relativ großen Wert als Schwellwert, so wird ein relativ kleiner Betrachtungsbereich einbezogen Der Betrachtungsbereich ist derjenige Geländeplan-Ausschnitt, über den die Diffusion berechnet wird. Ebenso kann ein relativ kleiner Schwellwert gewählt werden, so dass sich der Betrachtungsbereich entsprechend vergrößert. Hiermit kann auch die Konturlinie und die daraus resultierende Wahrscheinlichkeitsdichtefunktion variiert werden.
Auf Grundlage der definierten Konturlinie werden sodann Distanzen zwischen der Position, des Particles und der Konturlinie für unterschiedliche, insbesondere jede Orientierung (also Lage um die Hochachse) ermittelt. Die Distanzen werden somit für unterschiedliche Winkel ermittelt, wobei unter jede Orientierung zu verstehen ist, dass in vorgegebenen Winkelschritten von beispielsweise 5° jeweils eine Distanz zwischen der Position und der Konturlinie ermittelt wird.
Erfindungsgemäß wird auf Basis der ermittelten Distanzen eine Wahrscheinlichkeitsdichtefunktion errechnet. Hieraus ergibt sich, dass die möglichen Bewegungsrichtungen des Objekts mit höheren Wahrscheinlichkeitswerten versehen werden als Winkel bzw. Winkelbereiche, die beispielsweise zu nahen Hindernissen, wie Wänden, führen. Diese weisen einen entsprechend kleineren Wahrscheinlichkeitswert auf. Dies entspricht dem Verhalten eines sich fortbewegenden Objekts, insbesondere einer sich bewegenden Person.
Insbesondere aufgrund des erfindungsgemäßen Berechnens einer Wahrscheinlichkeitsdichtefunktion, die insbesondere in Abhängigkeit von Distanzen zwischen der Position und der Konturlinie erfolgt, kann die Positionsbestimmung von Objekten auch in geschlossenen Räumen oder in Bereichen, in denen beispielsweise ein Sichtkontakt mit Satelliten nicht möglich ist, erheblich verbessert werden.
Erfindungsgemäß wird das vorstehend beschriebene Verfahren in bevorzugter Weiterbildung kontinuierlich durchgeführt. Insofern ist es bevorzugt, dass die nach einer ersten Iterationsschleife in Abhängigkeit von der Position des Objektes ermittelten Wahrscheinlichkeitsdichtefunktionen in einer Datenbank gespeichert werden und somit nicht mehr neu berechnet werden müssen.
Besonders bevorzugt ist die Verknüpfung des erfindungsgemäßen Verfahrens mit anderen Verfahren zur Ermittlung von Positionsdaten über Zusatzsysteme. Bei dieser handelt es sich beispielsweise um ein GPS-gestütztes System oder dergleichen. Zur Verbesserung der Positionsbestimmung kann in dem Schritt der Abschätzung der Lage und Position des Objekts mit Hilfe einer Filtereinrichtung, insbesondere EKF, auch die Ruhephase des entsprechenden Sensors durch ein entsprechendes Nullgeschwindigkeits-Update (ZUPT) genutzt werden.
Eine weitere Verbesserung des Verfahrens kann dadurch erzielt werden, dass beim Ermitteln der Distanzen zwischen der aktuellen Position und der Konturlinie ausschließlich ungestörte Distanzen berücksichtigt werden. Hierbei wird unter ungestörten Distanzen eine gerade Verbindung zwischen der Ausgangsposition und der Konturlinie verstanden, die kein unüberwindbares Hindernis, wie eine Wand, schneidet. Sofern in dieser Distanz, d.h. einem zurückzulegenden Weg des Objektes, andere Hindernisse vorhanden sind, kann dies zu einer Verringerung der Wahrscheinlichkeit führen. Werden beispielsweise Umgebungsdaten in Form von Geländedaten genutzt, kann eine Reduzierung der Wahrscheinlichkeit über die Berechnung der Diffusionsmatrix erfolgen, wenn der entsprechende zurückzulegende Weg durch einen Wald über eine Wiese oder dergleichen führen würde.
Zur weiteren Verbesserung der Positionsbestimmung, insbesondere zur Verbesserung der Geschwindigkeit der Positionsbestimmung ist es möglich, die Wahrscheinlichkeitsdichtefunktionen für häufig auftretende mögliche Positionen in einer Umgebung vorab unter Berücksichtigung der Umgebungsdaten zu berechnen und in einer Datenbank zu speichern. Hierdurch kann der Rechenaufwand erheblich reduziert werden. Insbesondere kann dies auch für jede mögliche Position in einem Raster (z. B. 0,5 Meter mal 0,5 Meter) erfolgen. Nachfolgend wird die Erfindung anhand eines Beispiels unter Bezugnahme auf die anliegenden Skizzen näher erläutert.
Es zeigen :
Figur 1 eine schematische Darstellung einer Diffusionsmatrix für eine
Position innerhalb eines Gebäudes,
Figur 2 eine schematische Darstellung, in der zusätzlich zu der in Figur 1 dargestellten Diffusionsmatrix die Konturlinie dargestellt ist, und
Figur 3 die Darstellung einer Wahrscheinlichkeitsdichtefunktion auf Basis der Distanzen zwischen der Position und der Konturlinie für jede Orientierung.
Figur 1 zeigt einen quadratischen Ausschnitt eines Gebäudeplans, wobei die Mauern 10 des Gebäudeplans durch graue Linien dargestellt sind. Die angenommene aktuelle Position 12 eines Objekts, wie einer Person, ist der dunkelrot dargestellte Mittelpunkt des Quadrats. Der größte Wert der Diffusionsmatrix ist somit dunkelrot dargestellt und wird sodann über die Farben orange, gelb, grün bis hin zu blau immer kleiner. Die Diffusionsmatrix wurde mit Hilfe eines Diffusions-Filters berechnet. Hierbei wird vorzugsweise bei jeder Rekursion der Diffusionswert an der angenommenen Position (Quelle der Diffusion), d.h. in dem dargestellten Beispiel in der Mitte der quadratischen Fläche, auf einen vordefinierten Wert, beispielsweise 1, gesetzt. An den in Figur 1 durch graue Linien dargestellten Wänden 10 werden die Diffusionswerte während jedem Schritt der Filterung mit Hilfe einer sogenannten Layout-Matrix ebenfalls auf einen festen Wert, insbesondere 0, gesetzt. Auf Basis eines vorgegebenen Schwellwertes kann sodann eine Konturlinie 14 ermittelt werden. Hierbei handelt es sich um eine geschlossene Linie, zu der diejenigen Diffusionspunkte zählen, deren Wert den größten Wert darstellt, der kleiner oder gleich dem Schwellwert ist.
Eine derartige Konturlinie 14 ist aus Figur 2 ersichtlich. Diese ist einerseits durch Werte der entsprechenden Diffusionsmatrix und andererseits durch Wände 10 definiert.
Anschließend werden Distanzen zwischen der angenommenen aktuellen Position 12 und der Konturlinie 14 ermittelt, wobei hierbei nur Distanzen berücksichtigt werden, bei denen es sich um geradlinige bzw. ungestörte Distanzen handelt. Punkte innerhalb der Konturlinie 14, die in Blickrichtung ausgehend von der aktuellen Position 12 hinter einer Mauer liegen, werden nicht berücksichtigt. Aus diesen Überlegungen ergibt sich eine Wahrscheinlichkeitsdichtefunktion 16 (Fig. 3). Die vorzugsweise auf 1 nominierten Werte der Wahrscheinlichkeitsdichtefunktion berücksichtigen hierbei nur Distanzen, die ungestört sind bzw. eine direkte Sichtverbindung zwischen der aktuellen angenommenen Position 12 und der Konturlinie 14 gewähren. Aus der schematischen Darstellung in Figur 3 ist ersichtlich, dass die möglichen Bewegungsrichtungen des Objekts unterschiedliche Wahrscheinlichkeiten aufweisen. Ausgehend von dem angenommenen Ausgangspunkt 12 ist eine Bewegungsrichtung in einer Orientierung von ca. 40° relativ unwahrscheinlich, da sich hier eine Gebäudewand befindet.
Zur Verdeutlichung ist in dem dargestellten Beispiel nur eine einfache Gebäudestruktur dargestellt. Hierbei sind beispielsweise keine weiteren Hindernisse, wie Möbel, berücksichtigt. Auch wäre es möglich, beispielsweise bei einer Bewegung des Objekts im Freien zusätzliche Wahrscheinlichkeiten zu hinterlegen. Hierbei können unterschiedliche Wahrscheinlichkeiten hinterlegt werden für Bereiche wie Wiesen und Beete, die häufig nicht zur Fortbewegung eines Objekts benutzt werden. Auch können beispielsweise Wälder und dergleichen berücksichtigt werden. Hierbei handelt es sich um Bereiche, die auch von einer Person nur mit einer geringeren Wahrscheinlichkeit begangen werden. Die Berücksichtigung unterschiedlicher Wahrscheinlichkeiten gehen bei der Berechnung der Diffusionsmatrix über die Layout-Matrix ein.
Des Weiteren lassen sich Informationen über Häufigkeit der Nutzung der Wege in die Layout-Matrix integrieren. Viel begangene Wege z.B. können somit über die Layout-Matrix mit einer höheren Wahrscheinlichkeit belegt werden.
Die Wahrscheinlichkeitsdichtefunktionen können auch zur allgemeinen Vorhersage von Orientierungen von sich bewegenden Personen oder Objekten eingesetzt werden. Dies kann unter anderem auch in Bewegungsmodellen realisiert werden.

Claims

Patentansprüche
1. Verfahren zur Positionsbestimmung von sich bewegenden Objekten, wobei das Objekt einen Sensor oder eine Vorrichtung zur Ermittlung von Odometriedaten aufweist, mit den Schritten :
Übermitteln der Odometriedaten an eine Berechnungseinrichtung,
Abschätzen von Lage und Position des Objekts (12) mit Hilfe der Berechnungseinrichtung,
Erstellen einer Diffusionsmatrix auf Basis der abgeschätzten Lage und Position unter Berücksichtigung von Umgebungsdaten,
Bestimmen einer Konturlinie (14) ausgehend von der Diffusionsmatrix,
Ermitteln der Distanzen zwischen der Position (12) und der Konturlinie (14) für unterschiedliche, insbesondere jede Orientierung, und
Berechnen einer Wahrscheinlichkeitsdichtefunktion über die Orientierung auf Basis der ermittelten Distanzen.
2. Verfahren nach Anspruch 1, bei welchem die Berechnungseinrichtung eine Filtereinrichtung aufweist.
3. Verfahren nach Anspruch 2, bei welchem die Filtereinrichtung einen Particle-Filter aufweist, bei dem jedes Particle eine eigene Lage und Position (12) enthält und die Berechnungsschritte gemäß Anspruch 1 für jedes Particle durchgeführt werden.
4. Verfahren nach einem der Ansprüche 1 bis 3, bei welchem die aktuelle Lage und Position des Objekts (12) unter Berücksichtigung der zuvor ermittelten Wahrscheinlichkeitsdichtefunktion mit Hilfe der Filtereinrichtung abgeschätzt wird.
5. Verfahren nach einem der Ansprüche 1 bis 4, bei welchem die Konturlinie (14) mittels eines festgelegten Schwellwerts bestimmt wird.
6. Verfahren nach einem der Ansprüche 1 bis 5, wobei beim Ermitteln der Distanzen zwischen der aktuellen Position (12) und der Konturlinie (14) ausschließlich ungestörte Distanzen berücksichtig werden, wobei vorzugsweise zur Ermittlung ungestörter Distanzen die Umgebungsdaten berücksichtigt werden.
7. Verfahren nach einem der Ansprüche 1 bis 6, bei welchem die Lage und die Position mittels weiterer Lage- und Positionsdaten, die über eine Zusatzsystem ermittelt werden, korrigiert wird.
8. Verfahren nach einem der Ansprüche 1 bis 7, bei welchem die Lage und Position in Ruhephasen des Objekts (12) korrigiert wird, vorzugsweise die Geschwindigkeit der Filtereinrichtung in Ruhephasen auf null gesetzt wird.
9. Verfahren nach einem der Ansprüche 2 bis 8, bei welchem die Filtereinrichtung einen EKF-Filter verwendet.
10. Verfahren nach einem der Ansprüche 2 bis 8, bei welchem die Filtereinrichtung aus einem cascadierten Filtersystem besteht (z.B. EKF und Particle Filter).
11. Verfahren nach einem der Ansprüche 1 bis 10, bei welchem die Wahrscheinlichkeitsdichtefunktion für häufige, insbesondere jede mögliche Position in einer Umgebung vorab unter Berücksichtigung der Umgebungsdaten berechnet und in einer Datenbank gespeichert werden.
12. Verfahren nach einem der Ansprüche 1 bis 11, bei welchem die Umgebungsdaten Gebäude- und/oder Geländepläne umfassen.
13. Verfahren nach einem der Ansprüche 1 bis 12, bei welchem Informationen über die Häufigkeit der Nutzung der Wege berücksichtigt werden.
14. Verfahren nach einem der Ansprüche 1 bis 13, bei welchem die ermittelten Wahrscheinlichkeitsdichtefunktionen zur allgemeinen Vorhersage von Orientierungen von sich bewegenden Personen und Objekten insbesondere in einem Bewegungsmodell eingesetzt werden.
PCT/EP2012/058456 2011-05-31 2012-05-08 Verfahren zur positionsbestimmung von sich bewegenden objekten WO2012163632A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US14/119,347 US9250078B2 (en) 2011-05-31 2012-05-08 Method for determining the position of moving objects

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102011111342A DE102011111342B3 (de) 2011-05-31 2011-05-31 Verfahren zur Positionsbestimmung von sich bewegenden Objekten
DE102011111342.1 2011-05-31

Publications (1)

Publication Number Publication Date
WO2012163632A1 true WO2012163632A1 (de) 2012-12-06

Family

ID=46149405

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2012/058456 WO2012163632A1 (de) 2011-05-31 2012-05-08 Verfahren zur positionsbestimmung von sich bewegenden objekten

Country Status (3)

Country Link
US (1) US9250078B2 (de)
DE (1) DE102011111342B3 (de)
WO (1) WO2012163632A1 (de)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
NO336680B1 (no) * 2013-12-04 2015-10-19 Global Maritime As Fremgangsmåte for estimering av risiko for minst én utilsiktet sluppet last fra minst én kran på en plattform eller et fartøy på undersjøiske rørledninger og annet undersjøisk utstyr, samt anvendelser av fremgangsmåten
US20150226573A1 (en) * 2014-02-11 2015-08-13 Qualcomm Incorporated Pedometer integrated pedestrian positioning
DE102015012470B4 (de) 2015-09-29 2022-12-08 Audi Ag Detektion von Mehrwegefehlern für mobile Empfänger
US11685049B2 (en) 2020-04-22 2023-06-27 Boston Dynamics, Inc. Robot localization using variance sampling

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8836580B2 (en) * 2005-05-09 2014-09-16 Ehud Mendelson RF proximity tags providing indoor and outdoor navigation and method of use
ATE524784T1 (de) * 2005-09-30 2011-09-15 Irobot Corp Begleitroboter für persönliche interaktion
US7912633B1 (en) * 2005-12-01 2011-03-22 Adept Mobilerobots Llc Mobile autonomous updating of GIS maps
US8108092B2 (en) * 2006-07-14 2012-01-31 Irobot Corporation Autonomous behaviors for a remote vehicle
JP4866951B2 (ja) * 2009-09-16 2012-02-01 株式会社日立製作所 測位組み合わせ決定システム
WO2011033100A1 (de) * 2009-09-18 2011-03-24 Deutsches Zentrum Fuer Luft- Und Raumfahrt E.V. Verfahren zur erstellung einer karte bezüglich ortsbezogener angaben über die wahrscheinlichkeit der zukünftigen bewegung einer person
TWI391874B (zh) * 2009-11-24 2013-04-01 Ind Tech Res Inst 地圖建置方法與裝置以及利用該地圖的定位方法
US8855929B2 (en) * 2010-01-18 2014-10-07 Qualcomm Incorporated Using object to align and calibrate inertial navigation system
US8498845B2 (en) * 2010-04-21 2013-07-30 Exxonmobil Upstream Research Company Method for geophysical imaging
US8918209B2 (en) * 2010-05-20 2014-12-23 Irobot Corporation Mobile human interface robot
US9014848B2 (en) * 2010-05-20 2015-04-21 Irobot Corporation Mobile robot system
US20120195491A1 (en) * 2010-07-21 2012-08-02 Palo Alto Research Center Incorporated System And Method For Real-Time Mapping Of An Indoor Environment Using Mobile Robots With Limited Sensing
US20120303255A1 (en) * 2011-05-26 2012-11-29 INRO Technologies Limited Method and apparatus for providing accurate localization for an industrial vehicle

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
B. KRACH; P. ROBERTSON: "Integration of Foot-Mounted Inertial Sensors into a Bayesian Location Estimation Framework", PROC. 5TH WORKSHOP ON POSITIONING, NAVIGATION AND COMMUNICATION 2008, March 2008 (2008-03-01)
J. KAMMANN; M. ANGERMANN; B. LAMI: "A new mobility model based on Maps", VTC, 2003
KAMMANN J ET AL: "A new mobility model based on maps", VEHICULAR TECHNOLOGY CONFERENCE, 2003. VTC 2003-FALL. 2003 IEEE 58TH ORLANDO, FL, USA 6-9 OCT. 2003; [IEEE VEHICULAR TECHNOLGY CONFERENCE], PISCATAWAY, NJ, USA,IEEE, US, vol. 5, 6 October 2003 (2003-10-06), pages 3045 - 3049, XP010701414, ISBN: 978-0-7803-7954-1, DOI: 10.1109/VETECF.2003.1286183 *
M. KHIDER; S. KAISER; P. ROBERTSON; M. ANGERMANN: "Maps and Floor Plans Enhanced 3D Movement Model For Pedestrian Navigation", PROCEEDINGS OF THE ION GNSS 2009, GEORGIA, USA, September 2009 (2009-09-01)
SUSANNA KAISER ET AL: "A human motion model based on maps for navigation systems", EURASIP JOURNAL ON WIRELESS COMMUNICATIONS AND NETWORKING, vol. 2011, 15 August 2011 (2011-08-15), XP055034470, ISSN: 1687-1499, DOI: 10.1186/1687-1499-2011-60 *
SUSANNA KAISER ET AL: "A maps-based angular PDF for navigation systems in indoor and outdoor environments", INDOOR POSITIONING AND INDOOR NAVIGATION (IPIN), 2011 INTERNATIONAL CONFERENCE ON, IEEE, 21 September 2011 (2011-09-21), pages 1 - 7, XP031990146, ISBN: 978-1-4577-1805-2, DOI: 10.1109/IPIN.2011.6071931 *

Also Published As

Publication number Publication date
DE102011111342B3 (de) 2012-12-06
US20140100776A1 (en) 2014-04-10
US9250078B2 (en) 2016-02-02

Similar Documents

Publication Publication Date Title
EP2478335B1 (de) Verfahren zur erstellung einer karte bezüglich ortsbezogener angaben über die wahrscheinlichkeit der zukünftigen bewegung einer person
EP2819901B1 (de) Verfahren und vorrichtung zur ermittlung der geschwindigkeit und/oder position eines fahrzeuges
DE102014112351B4 (de) Sensorgestütztes fahrzeugpositionsbestimmungssystem
DE102010005293B4 (de) System und Verfahren zur Spurpfadschätzung unter Verwendung einer Sensorvereinigung
DE112020004133T5 (de) Systeme und verfahren zur identifizierung möglicher kommunikationshindernisse
EP2446298B1 (de) Verfahren zur bestimmung der geographischen koordinaten von bildpunkten in sar bildern
DE102019127058A1 (de) Fahrzeugwegplanung
DE102019114511A1 (de) Radar-odometrie für ein fahrzeug
DE102015214338A1 (de) Bestimmung einer Anordnungsinformation für ein Fahrzeug
WO2017178190A1 (de) Verfahren und system zum bestimmen einer globalen position einer ersten landmarke
DE112006003390T5 (de) Verwaltetes Durchmesssystem und Verfahren zum Erlangen von genauen Vermessungsdaten in Abwesenheit von präzisen GPS-Daten
DE112020002869T5 (de) Navigationssysteme und verfahren zum bestimmen von objektabmessungen
EP3538843A1 (de) Schätzen einer eigenposition
EP3245478A1 (de) Lokalisierungsvorrichtung und verfahren zur lokalisierung
EP3232221A1 (de) Positionsbestimmungssystem
DE102011111342B3 (de) Verfahren zur Positionsbestimmung von sich bewegenden Objekten
DE102021101877A1 (de) System für die Luftbilderfassung unter Verwendung einer Drohne, die einem Zielfahrzeug folgt, auf der Grundlage von bestärkendem Lernen
EP3391086A1 (de) Verbessertes verfahren zum ermitteln der randbebauung einer fahrbahn für die lokalisierung von kraftfahrzeugen
EP2483709A1 (de) Verfahren zum rechnergestützten erstellen und/oder aktualisieren einer referenzkarte für eine satellitengestützte ortung eines objekts
EP2749982B1 (de) Bezugsmodellerzeugung und Aktualisierung
EP3894786A1 (de) Verfahren und vorrichtung zur positionsbestimmung mittels trägheitsnavigation, und kalibriersystem
EP3534297A2 (de) Verfahren zur positionsermittlung eines beweglichen objekts, verfahren zur wegplanung für ein bewegliches objekt, vorrichtung hierfür, datenträger
DE102020128788A1 (de) System und verfahren zur vorhersage einer objekttrajektorie in einem autonomen szenario
EP2573583B1 (de) Verfahren und Suchgerät zum Suchen eines Sendegeräts
WO2019219356A1 (de) Verfahren und positionierungssvstem zum transformieren einer position eines fahrzeugs

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 12723407

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 14119347

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 12723407

Country of ref document: EP

Kind code of ref document: A1