WO2018091160A1 - Funktionsüberwachung einer sensoreinrichtung eines kraftfahrzeugs - Google Patents

Funktionsüberwachung einer sensoreinrichtung eines kraftfahrzeugs Download PDF

Info

Publication number
WO2018091160A1
WO2018091160A1 PCT/EP2017/072846 EP2017072846W WO2018091160A1 WO 2018091160 A1 WO2018091160 A1 WO 2018091160A1 EP 2017072846 W EP2017072846 W EP 2017072846W WO 2018091160 A1 WO2018091160 A1 WO 2018091160A1
Authority
WO
WIPO (PCT)
Prior art keywords
object information
time
measure
vehicle
sensor device
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.)
Ceased
Application number
PCT/EP2017/072846
Other languages
English (en)
French (fr)
Inventor
Mohamed ABBAZ
Axel Klekamp
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Valeo Schalter und Sensoren GmbH
Original Assignee
Valeo Schalter und Sensoren GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Valeo Schalter und Sensoren GmbH filed Critical Valeo Schalter und Sensoren GmbH
Publication of WO2018091160A1 publication Critical patent/WO2018091160A1/de
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/52004—Means for monitoring or calibrating
    • 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
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/66—Sonar tracking 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
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/86—Combinations of sonar systems with lidar systems; Combinations of sonar systems with systems not using wave reflection
    • 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
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/87—Combinations of 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
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
    • G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles

Definitions

  • the invention relates to a method for monitoring a function of a
  • the invention also relates to a corresponding monitoring device for monitoring a function of a sensor device of a motor vehicle.
  • Arithmetic unit for example, an electronic control unit (ECU) of
  • a sensor device with a plurality of sensor units whose data are fused to provide, and thus meet the demands on a functional safety of the sensor device.
  • the invention relates to a method for monitoring a function of a
  • Steps include capturing object information about at least one
  • the internal object information may include or be the detected object information and / or one of the detected object information
  • Object information include or be derived object information.
  • Object information can be stored, for example, in the form of a table or a database in which one or more associated information, for example about a position and / or a distance and / or a speed, is stored for respective vehicle-external objects.
  • the deposit can take place in particular before the second time.
  • the above-mentioned distance d (t n ) may be stored as internal object information before the second time in the arithmetic unit, for example in the form of a list in which one or more off-vehicle objects are kept.
  • Another part of the method is a prediction of object information for the second time point on the basis of the internal object information for the first time, which is therefore assigned to the first time, by the arithmetic unit. This can
  • the forecasting can take place in particular before the second time.
  • additional parameters such as a speed, a speed change and other aspects of the stored object information or object information can be taken into account.
  • Another step in the process is updating the forecast
  • the non-updated predicted object information can continue to be stored in the arithmetic unit.
  • the internal object information stored as or with a distance d (t n ) can be updated as a function of the object information acquired at the second time, in this case the distance d (t n + i).
  • the distance d (t n + i) for the time t n + i can be set to 3.0 m.
  • the innovation measure can be the so-called innovation known in the context of prediction using a Kalman filter, or it can also generally be a measure of a difference, for example also in a Euclidean difference of object information, for example as a value or vector, for a specific vehicle external Object to be used.
  • the method described can also be referred to as "in-sequence” monitoring or “in-sequence monitoring”.
  • Plausibility is checked. This can be done, for example, by means of a stored in the arithmetic unit information such as a list of plausible values for the innovation measure or calculation rule as a comparison with a stored comparison value.
  • a unique identification number can be assigned to each vehicle-external object, so that the components of the object information acquired at different times and / or by different sensor units can be assigned to the respective objects external to the vehicle without errors.
  • a real world Application (of course, depending on the two times t n , t n + i, or a difference between the two times) such a large change in distance in a short time interval, for example, as a motor vehicle external object of all experience is impossible.
  • checking the plausibility of the innovation measure by the computing device would thus yield a negative result.
  • Processor overhead and can be implemented in a particularly simple manner, without additional implementation effort or with little additional implementation effort.
  • The is based on the fact that the invention essentially utilizes already existing data, in this case the detected and estimated, predicted object information or data, which is used by algorithms of the sensor device, in particular algorithms
  • Sensor data fusion of a sensor device with a plurality of sensors already be calculated independently of the described method. This prevents or minimizes the generation of an additional processor load in a control unit or an ECU or a computing unit of the sensor device
  • the method is carried out iteratively or continuously.
  • the second time of an iteration or an iteration stage of the method corresponds to the first time of a
  • the object information relates to a plurality of vehicle-external objects, that is to say refers to a plurality of vehicle-external objects or represents the properties of a plurality of vehicle-external objects.
  • the plausibility checking statistics can be improved by, for example, checking a pool of several respective innovation measures for plausibility, as explained below.
  • this is also favorable for a sensor device with a plurality of different sensor units, since these can often detect different or at least partially different objects.
  • the functional safety of the sensor device can be particularly simple and without, for example, a selection process, which includes the
  • Object information limited to a single vehicle external object performed.
  • Object information is detected via a plurality of different sensor units, which in particular have one or more different modalities, and preferably each have a different modality.
  • the sensor units which in particular have one or more different modalities, and preferably each have a different modality.
  • the sensor units which in particular have one or more different modalities, and preferably each have a different modality.
  • Sensor device in each case one or more sensor units of a lidar, for example a lidar with a laser scanner or a lidar without a laser scanner, and / or a radar and / or a camera system (with one or more
  • the proposed method is particularly advantageous here, since the conventional known approaches for monitoring the function of a sensor device in a scenario with a plurality of different sensor units are particularly expensive, that is, the above-mentioned disadvantages of a high implementation effort or additionally required sensors.
  • the respective information may be stored in the form of a vector for one or more, in particular all, vehicle-external objects that are represented in the object information.
  • the choice of a vector as a representation is particularly advantageous here, since a change or a difference between different vectors is particularly easy to handle and quantify mathematically.
  • the above information has the advantage that they characterize the vehicle-external objects particularly well and especially for this important information should be ensured in the context of functional safety in each case that they are correct, that is, for example, the updating of the object information works as intended.
  • the checking comprises a comparison of the calculated innovation measure with a limit value or a limit measure, for example also a vector or limit vector, and
  • a result of checking is negative if the calculated
  • Innovation measure is smaller than the limit.
  • the comparison can be realized here, for example, by differentiating as in the Kalman filter or by forming a Euclidean difference.
  • This has the advantage that the plausibility of the innovation measure can be checked with a simple, low-resource-binding comparison.
  • provision is made for the innovation measure to be calculated for a plurality of vehicle-external objects which relate to the object information, in particular for all vehicle-external objects which concern the object information and / or for a plurality of points in time for which the object information is updated is, in particular for all times for which the object information is updated.
  • a plurality of respective innovation dimensions l k for a plurality of respective objects are thus calculated k.
  • Sensor device can be detected particularly reliable and efficient, since in all probability a functional malfunction does not occur only once at a single time and / or in a single vehicle external object, but typically repeats systematically and / or occurs simultaneously for several vehicles external objects.
  • l k (t) By means of corresponding correlations in the respective innovation measures l k (t), a malfunction of the sensor device can thus be detected particularly well.
  • the checking delivers a negative result, if the respective innovation measure
  • Minimum proportion of the vehicle-external objects represented in the object information is greater than a predetermined limit or the predetermined limit, and / or if the innovation measure for an object repeated, for example according to a recognizable pattern or even irregularly, is greater than the predetermined limit and / or if the number of vehicle-external objects changes by more than a predetermined number (which can also be zero) for which the respective innovation measure is greater than the predetermined limit value. It has been found that a malfunction of the sensor device can be monitored particularly reliably with the conditions mentioned for the degree of innovation, since systemic errors in the sensor device are reflected very rapidly or in a very obvious manner in a change of the named criteria.
  • an additional comparison of the object information stored for the first point in time, ie the internal object information of the first time, with the updated object information (of the second time) takes place and calculating a deviation measure for the at least one vehicle external object Dependence of a result of the
  • the deviation measure serves this purpose Reviewing the forecast in a similar way as the innovation measure serves to validate the update.
  • the deviation measure will therefore generally be greater than the innovation measure for a given updated object information.
  • Deviation measure is not plausible.
  • a difference as known in the Kalman filter for the innovation or a Euclidean difference can be calculated. Since the comparison is based on object information from different points in time or with different timestamps, this can be referred to as "out-of-sequence" monitoring or “out-of-sequence monitoring” in contrast to the checking based on the innovation measure.
  • the out-of-sequence monitoring would also be feasible independently of the in-sequence monitoring, but since the deviation measure itself provides a coarser monitoring as explained, the implementation together with the in-sequence monitoring makes sense, since errors in the forecasting process and in the Update process can be observed separately from each other in their influence.
  • the checking of the plausibility of the deviation measure is a comparison of the calculated
  • Deviation measure with a further limit in particular a limit which is greater than the threshold for the innovation measure, and in particular a result of the check is negative if the calculated deviation measure is greater than the further limit, and positive if the calculated deviation measure is smaller as the further limit.
  • the deviation measure is calculated for a plurality of, in particular all, vehicle-external objects which relate to the object information, and / or for a plurality, in particular all, times for which the object information is updated.
  • a plurality of respective deviation measures A k for the respective objects k are calculated.
  • the check provides a negative result if the respective deviation measure (in particular for one or more times) for a predetermined minimum number of vehicle-external objects and / or a predetermined minimum proportion of the vehicle-external objects is greater than another predetermined further limit value or the predetermined further limit value and / or if the deviation measure for an object is repeated, for example according to a predetermined pattern or also irregularly, is greater than the predetermined further limit value and / or if the number of objects by more than one changed predetermined number for which the respective deviation measure is greater than the predetermined further limit.
  • both times, the first and the second time, are directly successive points in time. This not only has the advantage of close monitoring of the function of the
  • the invention also relates to a sensor device of a motor vehicle.
  • the sensor device has a sensor unit for detecting object information about at least one vehicle-external object at a first time and at a further second time following the first time. It is the
  • Sensor device designed to store the object information detected at the first time as an internal object information in a computing unit of
  • the arithmetic unit is designed to predict object information for the second time based on the internal object information, as well as to update the predicted object information to the new internal
  • the computing device is designed to check a plausibility of the innovation measure and to issue an error message if the check provides a negative result.
  • the invention also relates to a sensor device which is suitable for carrying out a
  • inventive method is formed.
  • the invention also relates to a motor vehicle with such a sensor device.
  • Fig. 1 is a schematic representation of a motor vehicle with a
  • Fig. 2 is a schematic representation of a flowchart of an exemplary
  • Embodiment of a method for monitoring a function of a sensor device of a motor vehicle Embodiment of a method for monitoring a function of a sensor device of a motor vehicle.
  • the motor vehicle 1 comprises a sensor device 2 which has at least one, in the present case two sensor units 3, 4 of different modality.
  • the first sensor unit 3 is designed as an ultrasonic sensor unit for detecting a distance d to an object external to the vehicle k
  • the second sensor unit 4 as a camera for detecting the distance d and a position of a vehicle-external object k.
  • the sensor device 2 also has a computing unit 5, in which an internal object information O k (FIG. 2), which corresponds to a detected object information o k (FIG. 2), can be stored.
  • the arithmetic unit 5 for predicting an object information 0 ' k (FIG. 2) is designed on the basis of the internal object information O k and for
  • the sensor device can thus be suitable for one of the methods as explained with reference to FIG. 2.
  • FIG. 2 shows a schematic flowchart of the example method for monitoring a function of a sensor device.
  • First takes place here detecting 10a - 10g object information o k (t n t n + i) on at least one vehicle external object k.
  • Detecting 10a-10g takes place at least at a first time t n and at a second time t n + i following the first time t n .
  • a first detection 10a can take place by a first sensor unit 4 (FIG. 1), for example a camera, and, for example, a further, in this case sixfold, detection 10b-10g can be performed by a second sensor unit 3 (FIG can be designed as an ultrasonic sensor unit.
  • a multimodal data fusion can be realized in the further process.
  • This updated object information 0 (t n + i) can be provided by the computing unit 5 to further units, as symbolized by the arrow 14.
  • the updated internal object information 0 (t n + i) can also be used as new output object information for the next iteration, as symbolized by the arrow 15.
  • both detected object information o (t n ), o (t n + i) are always available from the time t n and t n + i, as symbolized by the arrow 1 6.
  • the update 13 may be calculated based on the Kalman algorithm.
  • the object information 0 '(t n + i) predicted for the second time instant t n + i is then compared with the updated object information 0 (t n + i) and an innovation measure l k [0' k (t n + i) is calculated. ;
  • predicted object information 0 '(t n + i) and updated object information 0 (t n + i) are compared with a predetermined limit value and an error message is output if the deviation is greater than the predetermined limit value.
  • other criteria can also be checked or specified.
  • the additional expense which must be operated for monitoring the sensor device 2 only a simple comparison 1 7 with a minimum of additional computational effort. Since the comparison 17 here refers to object information O, O 'of the same time t n + i, this monitoring can be referred to as "in-sequence" monitoring.
  • the innovation measure l k [0 ' k (t n + i); O k (t n + i)] is available for every detected object k for each sub-step t.
  • O k (t n + i)] of an object k at time t n + i can now be checked, for example, whether it is above a limit value Di.
  • a counter N may count the number of objects k at a time t n + i for which the innovation measure l k [0 ' k (t n + i); O k (t n + i)] is greater Di.
  • the innovation measure l k [0 ' k (t n + i); O k (t n + i)] is greater than Di.
  • Object information o k (t n t n + i) is carried out correctly or not. This can be recorded and quantified both for individual time steps or times and over time. Thus, a gradual deterioration of a processing of the object information o k (t n ; t n + i), for example, a sensor fusion over time can be monitored and detected.
  • Deviation measure A k [O k (t n ); O k (t n + i)] and innovation measure l k [0 ' k (t n + i); O k (t n + i)] can be used for the
  • Error handling or error analysis can be evaluated in combination.
  • Association information of updating 13 done which is already known for example from a Kalman filter.
  • other combinations of available data for the comparison for calculating the innovation measure lk [ 0'k (tn + i); O k (t n + i)] and the deviation measure A k [O k (t n ); O k (t n + i)] conceivable. These then depend on specific conditions of the respective environment and on the available computing capacity of the computing device 5.

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Traffic Control Systems (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zum Überwachen einer Funktion einer Sensoreinrichtung (2) eines Kraftfahrzeugs (2), mit einem (a) Erfassen (10a-10g) einer Objektinformation (Ok(tn;tn+1)) über zumindest ein fahrzeugexternes Objekt (k) zu einem ersten Zeitpunkt (tn) und zu einem auf den ersten Zeitpunkt (tn) folgenden zweiten Zeitpunkt (tn+1) durch zumindest eine Sensoreinheit (3, 4) der Sensoreinrichtung (2), einem (b) Hinterlegen (11 ) einer internen Objektinformation (Ok(tn)), welche der zu dem ersten Zeitpunkt (tn) erfassten Objektinformation (Ok(tn)) entspricht, in einer Recheneinheit (5) der Sensoreinrichtung (2), einem (c) Prognostizieren (12) einer Objektinformation (O'k(tn+1)) für den zweiten Zeitpunkt (tn+1) anhand der internen Objektinformation (Ok(tn)) durch die Recheneinheit (5), einem (d) Aktualisieren (13) der prognostizierten Objektinformation ((O'k(tn+1)) zur neuen internen Objektinformation (Ok(tn+1)) in Abhängigkeit der zu dem zweiten Zeitpunkt (tn+1) erfassten Objektinformation (Ok(tn+1)) durch die Recheneinheit (5), einem (e) Vergleichen (17) der für den zweiten Zeitpunkt (tn+1) prognostizierten Objektinformation (O'k(tn+1)) mit der aktualisierten Objektinformation (Ok(tn+1)) und Berechnen eines Innovationsmaßes (lk[O'k(tn+1); Ok(tn+1)]) für das zumindest eine Objekt (k) in Abhängigkeit eines Ergebnisses des Vergleichens (17) durch die Recheneinheit (5), sowie mit einem (f) Überprüfen (18) einer Plausibilität des Innovationsmaßes (lk[O'k(tn+1); Ok(tn+1)]) durch die Recheneinrichtung (5) und einem (g) Ausgeben (19) einer Fehlermeldung durch die Recheneinrichtung (5), falls das Überprüfen (18) ein negatives Ergebnis liefert, um eine möglichst einfache, ressourcenschonende Überwachung einer Funktion der Sensoreinrichtung (2), insbesondere einer Sensoreinrichtung mit mehreren Sensoreinheiten (3, 4), deren Daten fusioniert werden, bereitzustellen, und so den Ansprüchen an eine funktionelle Sicherheit der Sensoreinrichtung (2) gerecht zu werden.

Description

Funktionsüberwachung einer Sensoreinrichtung eines Kraftfahrzeugs
Die Erfindung betrifft ein Verfahren zum Überwachen einer Funktion einer
Sensoreinrichtung eines Kraftfahrzeugs, mit einem (a) Erfassen einer Objektinformation über zumindest ein fahrzeugexternes Objekt zu einem ersten Zeitpunkt und zu einem auf den ersten Zeitpunkt folgenden zweiten Zeitpunkt durch zumindest eine Sensoreinheit der Sensoreinrichtung, mit einem (b) Hinterlegen einer internen Objektinformation, welche der zu dem ersten Zeitpunkt erfassten Objektinformation entspricht, in einer Recheneinheit der Sensoreinrichtung, mit einem (c) Prognostizieren einer Objektinformation für den zweiten Zeitpunkt anhand der internen Objektinformation durch die Recheneinheit, mit einem (d) Aktualisieren der prognostizierten Objektinformation zur neuen internen Objektinformation in Abhängigkeit der zu dem zweiten Zeitpunkt erfassten
Objektinformation durch die Recheneinheit, und mit einem (e) Vergleichen der für den zweiten Zeitpunkt prognostizierten Objektinformation mit der aktualisierten
Objektinformation und Berechnen eines Innovationsmaßes für das zumindest eine Objekt in Abhängigkeit eines Ergebnisses des Vergleichens durch die Recheneinheit. Die Erfindung betrifft auch eine entsprechende Überwachungseinrichtung zum Überwachen einer Funktion einer Sensoreinrichtung eines Kraftfahrzeugs.
In Kraftfahrzeugen ist es wichtig, die funktionelle Sicherheit von verschiedenen Bauteilen zu gewährleisten. Davon sind auch Sensoreinrichtungen mit einem oder mehreren Sensoren betroffen. Um die Funktionalität von einem oder mehreren Sensoren
beziehungsweise einer Sensoreinrichtung zu überwachen werden üblicherweise spezielle Überwachungsalgorithmen auf von den Sensoren erfasste Sensordaten angewandt oder spezielle Fehler- oder Überwachungssignale verarbeitet, welche von der jeweiligen Sensoreinrichtung beziehungsweise den jeweiligen Sensoren erzeugt beziehungsweise empfangen werden. Diese Vorgehensweisen erfordern spezielle Algorithmen und damit zusätzliche Rechen-und Speicherkapazitäten seitens einer entsprechenden
Recheneinheit, beispielsweise einer elektronischen Kontrolleinheit (ECU) der
Sensoreinrichtung oder einer entsprechenden Überwachungseinrichtung. Gerade im Bereich multisensorischer Datenfusion, bei welchen Daten einer Vielzahl von Sensoren zusammengeführt und überprüft werden müssen, stößt dieses Konzept an seine
Grenzen.
In der US 746 0951 B2 ist offenbart, das mittels eines Kaiman-Filters basierend auf fusionierten Sensordaten die künftige Position eines Objektes abgeschätzt werden kann. Es ist Aufgabe der vorliegenden Erfindung, eine möglichst einfache, ressourcenschonende Überwachung einer Funktion einer Sensoreinrichtung,
insbesondere einer Sensoreinrichtung mit mehreren Sensoreinheiten, deren Daten fusioniert werden, bereitzustellen, und so den Ansprüchen an eine funktionelle Sicherheit der Sensoreinrichtung gerecht zu werden.
Diese Aufgabe wird durch die Gegenstände der unabhängigen Patentansprüche gelöst. Vorteilhafte Ausführungsformen ergeben sich aus den abhängigen Patentansprüchen, der Beschreibung und den Figuren.
Die Erfindung betrifft ein Verfahren zum Überwachen einer Funktion einer
Sensoreinrichtung eines Kraftfahrzeugs mit einer Reihe von Schritten. Zu diesen
Schritten gehört ein Erfassen einer Objektinformation über zumindest ein
fahrzeugexternes Objekt zu einem ersten Zeitpunkt und zu einem auf den ersten
Zeitpunkt folgenden zweiten Zeitpunkt durch zumindest eine Sensoreinheit der
Sensoreinrichtung. Beispielsweise kann als die Objektinformation über ein
fahrzeugexternes Objekt einen Abstand d(tn) eines vorausfahrenden Fahrzeugs (mit dem vorausfahrenden Fahrzeug als fahrzeugexternes Objekt) zu einem ersten Zeitpunkt tn und zu einem zweiten Zeitpunkt tn+i erfasst werden, beispielsweise als Abstand d(tn)=5m und
Ein weiterer Teil des Verfahrens ist ein Hinterlegen einer internen Objektinformation, welche der zu dem ersten Zeitpunkt erfassten Objektinformation entspricht, in der Recheneinheit der Sensoreinrichtung. Die interne Objektinformation kann die erfasste Objektinformation umfassen oder diese sein und/oder eine von der erfassten
Objektinformation abgeleitete Objektinformation umfassen oder sein. Die interne
Objektinformation kann beispielsweise in Form einer Tabelle oder einer Datenbank hinterlegt sein, in welcher für jeweilige fahrzeugexterne Objekte eine oder mehrere zugeordnete Informationen, beispielsweise über eine Position und/oder einen Abstand und/oder eine Geschwindigkeit, hinterlegt sind. Das Hinterlegen kann insbesondere vor dem zweiten Zeitpunkt erfolgen. Zum Beispiel kann der oben genannte Abstand d(tn) als interne Objektinformation vor dem zweiten Zeitpunkt in der Recheneinheit beispielsweise in Form einer Liste, in welcher ein oder mehrere fahrzeugexterne Objekte geführt werden, hinterlegt werden. Ein weiterer Teil des Verfahrens ist ein Prognostizieren einer Objektinformation für den zweiten Zeitpunkt anhand der internen Objektinformation für den ersten Zeitpunkt, welche also dem ersten Zeitpunkt zugeordnet ist, durch die Recheneinheit. Dies kann
beispielsweise mittels eines Kaiman-Filters erfolgen. Das Prognostizieren kann insbesondere vor dem zweiten Zeitpunkt erfolgen. So kann mittels beispielsweise des Kaiman-Filters ausgehend von dem Abstand d(tn)=5m ein prognostizierter Abstand d'(tn+i ) für den zweiten Zeitpunkt tn+i prognostiziert und abgeschätzt werden, beispielsweise zu d'(tn+i)=3,5m. Bei dem Prognostizieren können zusätzliche Parameter wie beispielsweise eine Geschwindigkeit, eine Geschwindigkeitsveränderung und weitere Aspekte der hinterlegten Objektinformation oder Objektinformationen berücksichtigt werden.
Ein weiterer Schritt des Verfahrens ist ein Aktualisieren der prognostizierten
Objektinformation zur (dann neuen) internen Objektinformation in Abhängigkeit der zu dem zweiten Zeitpunkt erfassten Objektinformation und insbesondere auch in
Abhängigkeit der prognostizierten Objektinformation durch die Recheneinheit. Die nicht- aktualisierte prognostizierte Objektinformation kann dabei weiterhin in der Recheneinheit hinterlegt sein. In dem obigen Beispiel kann so die als oder mit einem Abstand d(tn) hinterlegte interne Objektinformation in Abhängigkeit der zu dem zweiten Zeitpunkt erfassten Objektinformation, hier dem Abstand d(tn+i ) , aktualisiert werden. Beispielsweise kann so ein Abstand d(tn+i ) für den Zeitpunkt tn+i mit 3,0m festgelegt werden. In
Abhängigkeit der prognostizierten Objektinformation und insbesondere einer weiteren Information, beispielsweise einer Zuverlässigkeit der entsprechenden Sensorinformation, könnte aber auch eine von der erfassten Objektinformation abweichende
Objektinformation, beispielsweise ein Abstand d(tn+i)=3,1 m hinterlegt werden.
Schließlich erfolgt ein Vergleichen der für den zweiten Zeitpunkt prognostizierten
Objektinformation mit der aktualisierten, neuen (internen) Objektinformation und ein Berechnen eines jeweiligen Innovationsmaßes für das zumindest eine Objekt in
Abhängigkeit eines Ergebnisses des Vergleichens durch die Recheneinheit. Bei dem Vergleichen kann so beispielsweise die prognostizierte Objektinformation d'(tn+i)=3,5m mit der anhand der zum zweiten Zeitpunkt erfassten Objektinformation d(tn+i)=3m aktualisierten Objektinformation d"(tn+i)=3,1 m verglichen werden, und das
Innovationsmaß l(t), beispielsweise in Form einer Differenz, vorliegend zum Beispiel von l(tn+i)=d'(tn+i)-d"(tn+i ) , berechnet werden, das sich hierzu l(tn+i)=0,4m ergibt. Das
Innovationsmaß bezieht sich hier auf die Innovation oder Veränderung von
prognostizierter zu aktualisierter Objektinformation und somit auf den Schritt des
Aktualisierens. Sie dient somit dem Überprüfen des Aktualisierungsvorgangs, wie im Folgenden deutlich wird. Bei dem Innovationsmaß kann es sich um die im Kontext der Prädiktion mittels eines Kaiman-Filters geläufige sogenannte Innovation handeln oder diese umfassen oder auch allgemein ein Maß für einen Unterschied beispielsweise auch in einer euklidischen Differenz einer beispielsweise als Wert oder Vektor vorliegenden Objektinformation für ein spezifisches fahrzeugexternes Objekt genutzt werden.
Nachdem sich das Vergleichen auf jeweilige Objektinformationen, nämlich die
prognostizierte und die erfasste Objektinformation zu einem gleichen Zeitpunkt, nämlich dem zweiten Zeitpunkt bezieht, kann das beschriebene Verfahren auch als„in-sequence" Überwachung oder„in-sequence-monitoring" bezeichnet werden.
Wichtig ist hier, dass das Innovationsmaß durch die Recheneinrichtung auf eine
Plausibilität überprüft wird. Dies kann beispielsweise mittels einer in der Recheneinheit hinterlegten Information wie einer Liste von plausiblen Werten für das Innovationsmaß oder Rechenvorschrift wie einem Vergleich mit einem abgespeicherten Vergleichswert erfolgen. In der Liste kann jedem fahrzeugexternen Objekt beispielsweise eine eineindeutige Identifikationsnummer zugeordnet werden, sodass die zu unterschiedlichen Zeitpunkten und/oder von unterschiedlichen Sensoreinheiten erfassten Komponenten der Objektinformation den jeweiligen fahrzeugexternen Objekten fehlerfrei zugeordnet werden können. So kann beispielsweise in dem beschrieben Beispiel ein Innovationsmaß I für den Zeitpunkt tn+i , welches hier einer zeitlichen Veränderung eines Abstands des Objektes entspricht, welches beispielsweise l(tn+i)=30m beträgt, als unplausibel erkannt werden, da, in einer realen Anwendung (selbstverständlich in Abhängigkeit der beiden Zeitpunkte tn, tn+i , beziehungsweise einer Differenz der beiden Zeitpunkte) eine derartig große Abstandsänderung in einem kurzen Zeitintervall beispielsweise für ein als kraftfahrzeugexternes Objekt aller Erfahrung nach unmöglich ist. In diesem Fall würde das Überprüfen der Plausibilität des Innovationsmaßes durch die Recheneinrichtung somit ein negatives Ergebnis liefern. Das Innovationsmaß von l(tn+i)=0,4m hingegen könnte zu einem positiven Ergebnis für den Zeitpunkt tn+i führen. Falls das Überprüfen ein negatives Ergebnis liefert, wird hier eine Fehlermeldung durch die Recheneinrichtung ausgegeben. So deutet beispielsweise eins plötzliche Veränderung des Abstands um 30m daraufhin, dass eine Funktion der Sensoreinrichtung des Kraftfahrzeugs gestört ist. Somit kann anhand der Fehlermeldung die Funktion der Sensoreinrichtung überwacht werden.
Das hat den Vorteil, dass die Funktion der Sensoreinrichtung mit einer geringen
Prozessorlast und auf besonders einfache, ohne zusätzlichen Implementierungsaufwand oder mit wenig zusätzlichem Implementierungsaufwand realisiert werden kann. Das beruht darauf, dass die Erfindung im Wesentlichen bereits existierende Daten, vorliegend die erfasste und abgeschätzte, prognostizierte Objektinformation oder Daten nutzt, welche von Algorithmen der Sensoreinrichtung, insbesondere Algorithmen zu
Sensordatenfusion einer Sensoreinrichtung mit mehreren Sensoren, bereits unabhängig von beschriebenen Verfahren berechnet werden. Damit wird das Erzeugen einer zusätzlichen Prozessorlast in einem Steuergerät oder einer ECU beziehungsweise einer Recheneinheit der Sensoreinrichtung verhindert oder minimiert sowie ein
Entwicklungsaufwand reduziert. Zugleich wird dabei die Funktionssicherheit der
Sensoreinrichtung überwacht, ohne dass die Objektinformation redundant erfasst werden müsste, beziehungsweise eine Sensorfusion redundant und damit mit großem
Rechenaufwand in der Recheneinheit realisiert werden müsste. Dabei ist das
beschriebene Verfahren zum Überwachen der Funktionssicherheit nicht nur für multisensorische Datenfusion geeignet, sondern auch für das Überwachen der
Funktionalität von einzelnen Sensorelementen oder Sensoreinrichtungen mit nur einem Sensor oder nur Sensoren einer Modalität wie beispielsweise Lidar, Radar oder optischen Systemen. Das vorgeschlagene Verfahren benutzt also Daten, welche grundsätzlich in jeder zielverfolgenden oder objektverfolgenden (object tracking) Sensoreinrichtung oder in den üblichen Sensoreinrichtungen mit einer multisensorischen Datenfusion bereits ohnehin erzeugt und verarbeitet werden müssen. Der zusätzliche Rechenaufwand erschöpft sich also darin, einen Vergleich von Datensätzen durchzuführen, welche bereits bestehen, beispielsweise in Form von Zwischenergebnissen.
In dem Verfahren werden also drei Zwischenergebnisse, welche in einer normalen Sensorverarbeitung mit einem oder mehreren Sensoren oft bereits erstellt werden genutzt: die interne Objektinformation, die prognostizierte Objektinformation und die aktualisierte Objektinformation beziehungsweise das Innovationsmaß, welches ein Maß für den Unterschied zwischen der prognostizierten Objektinformation und der aktualisierten Objektinformation ist. Das Innovationsmaß ist inhärent bereits in vielen genutzten Aktualisierungsalgorithmen verfügbar, beispielsweise in dem Kalman-Filter oder den verschiedenen bekannten Varianten wie beispielsweise dem erweiterten (extended) und dem
unzentrierten (uncentered) Kalman-Filter und weiteren Varianten. Entscheidend für die Anwendung des hier beschriebenen Verfahrens ist nur die Verwendung der internen, der prognostizierten und der aktualisierten Objektinformation und der Berechnung einer Metrik zum Vergleich von prognostizierter und aktualisierter Objektinformation. Welche Verfahren zur Prognostizierung und Aktualisierung rechentechnisch eingesetzt werden ist dabei unerheblich. Über eine einfache Logik kann entsprechend für die Unterschiede zwischen den drei genannten Größen für einen Abstand und/oder eine Position und/oder ei- ne Geschwindigkeit und/oder jegliche weitere Eigenschaft des entsprechenden fahrzeugexternen Objekts, welches erfasst und dessen Repräsentation in der Sensoreinrichtung über die Objektinformation aktualisiert wird, einfach eine Grenze definiert werden, jenseits derer das Verhalten der Sensoreinrichtung als unplausibel klassifiziert wird und die Fehlermeldung ausgeben wird.
In einer vorteilhaften Ausführungsform ist vorgesehen, dass das Verfahren iterierend oder fortlaufend durchgeführt wird. Insbesondere entspricht der zweite Zeitpunkt einer Iteration oder einer Iterationsstufe des Verfahrens dabei dem ersten Zeitpunkt einer
darauffolgenden weiteren Iteration oder Iterationsstufe des Verfahrens. Das hat den Vorteil, dass die funktionelle Sicherheit der Sensoreinrichtung lückenlos und somit ständig überwacht wird. Über dies erfolgt die Überwachung auf besonders effiziente Weise, da beispielsweise die aktualisierte Objektinformation als interne Objektinformation der darauffolgenden Iteration direkt weiter genutzt werden kann. Damit ist die
Überwachung auch auf eine besonders ressourcenschonende Weise realisiert.
In einer weiteren, besonders vorteilhaften Ausführungsform ist vorgesehen, dass die Objektinformation mehrere fahrzeugexterne Objekte betrifft, sich also auf mehrere fahrzeugexterne Objekte bezieht oder die Eigenschaften mehrerer fahrzeugexterner Objekte repräsentiert. Das hat den Vorteil, dass die Statistik des Überprüfens der Plausibilität verbessert werden kann, indem beispielsweise eine Pool von mehreren jeweiligen Innovationsmaßen auf Plausibilität überprüft werden kann, wie es weiter unten ausgeführt ist. Des Weiteren ist das auch günstig für eine Sensoreinrichtung mit mehreren unterschiedlichen Sensoreinheiten, da von diesen oft unterschiedliche oder zumindest teilweise unterschiedliche Objekte erfasst werden können. Es kann somit in einem realen Szenario, in welchem typischerweise in einer Umgebung des Kraftfahrzeugs mehrere Objekte vorhanden sind, die funktionelle Sicherheit der Sensoreinrichtung besonders einfach und ohne beispielsweise einen Auswahlprozess, welcher die
Objektinformation auf ein einziges fahrzeugexternes Objekt eingeschränkt, durchgeführt werden.
In einer weiteren vorteilhaften Ausführungsform ist vorgesehen, dass die
Objektinformation über mehrere unterschiedliche Sensoreinheiten erfasst wird, welche insbesondere eine oder mehrere unterschiedliche Modalitäten aufweisen, und bevorzugt jeweils eine unterschiedliche Modalität aufweisen. Beispielsweise kann die
Sensoreinrichtung so jeweils eine oder mehrere Sensoreinheiten eines Lidars, beispielsweise eine Lidars mit Laserscanner oder eines Lidars ohne Laserscanner, und/oder eines Radars und/oder eines Kamerasystems (mit einer oder mehreren
Kameras als Sensoreinheiten) und/oder eines Ultraschallsystems (mit einem oder mehreren Ultraschallsensoren als Sensoreinheiten) umfassen. Damit kann durch die Sensoreinrichtung eine multisensorische Datenfusion realisiert werden oder muss für eine bestmögliche Verwertung der Objektinformation sogar erfolgen. Entsprechend ist das vorgeschlagene Verfahren hier besonders vorteilhaft, da die konventionellen bekannten Ansätze für eine Überwachung der Funktion einer Sensoreinrichtung in einem Szenario mit mehreren unterschiedlichen Sensoreinheiten besonders aufwendig sind, das heißt die eingangs erwähnten Nachteile eines hohen Implementierungsaufwandes oder zusätzlich erforderlicher Sensoren aufweisen.
In einer anderen vorteilhaften Ausführungsform ist vorgesehen, dass die
Objektinformation eine Information über eine Position und/oder über eine
Geschwindigkeit und/oder über eine Beschleunigung und/oder über einen Abstand und/oder über eine Klassifizierung des (oder der) betreffenden fahrzeugexternen Objekts (oder Objekte) umfasst. Beispielsweise kann so für das eine, oder mehrere, insbesondere sämtliche fahrzeugexternen Objekte, die in der Objektinformation repräsentiert sind, in Form eines Vektors die jeweiligen Informationen hinterlegt sein. Die Wahl eines Vektors als Repräsentation ist hier besonders vorteilhaft, da eine Veränderung oder eine Differenz zwischen verschiedenen Vektoren besonders leicht mathematisch handhabbar und quantifizierbar ist. Die genannten Informationen bieten den Vorteil, dass sie die fahrzeugexternen Objekte besonders gut charakterisieren und gerade für diese wichtigen Informationen, im Rahmen der funktionellen Sicherheit jeweils sichergestellt werden sollte, dass sie korrekt sind, also zum Beispiel das Aktualisieren der Objektinformation in der vorgesehenen Weise funktioniert.
In einer besonders vorteilhaften Ausführungsform ist vorgesehen, dass das Überprüfen ein Vergleichen des berechneten Innovationsmaßes mit einem Grenzwert oder einem Grenzmaß, beispielsweise auch einem Vektor oder Grenzvektor, umfasst und
insbesondere ein Ergebnis des Überprüfens negativ ist, falls das berechnete
Innovationsmaß größer ist als der Grenzwert, und positiv, falls das berechnete
Innovationsmaß kleiner ist als der Grenzwert. Das Vergleichen kann hier beispielsweise über eine Differenzbildung wie im Kaiman-Filter oder das Bilden einer euklidischen Differenz realisiert werden. Das hat den Vorteil, dass mit einem simplen, wenig rechenressourcenbindenden Vergleich die Plausibilität des Innovationsmaßes überprüft werden kann. In einer anderen vorteilhaften Ausführungsform ist vorgesehen, dass das Innovationsmaß für mehrere fahrzeugexterne Objekte, welche die Objektinformation betrifft, berechnet wird, insbesondere für alle fahrzeugexternen Objekte, welche die Objektinformation betrifft, und/oder für mehrere Zeitpunkte, für welche die Objektinformation aktualisiert wird, berechnet wird, insbesondere für alle Zeitpunkte, für welche die Objektinformation aktualisiert wird. Es werden somit mehrere jeweilige Innovationsmaße lk für mehrere jeweilige Objekte k berechnet. Das hat den Vorteil, dass eine Fehlfunktion der
Sensoreinrichtung besonders zuverlässig und effizient detektiert werden kann, da aller Wahrscheinlichkeit nach eine funktionelle Fehlfunktion nicht nur einmal zu einem einzigen Zeitpunkt und/oder bei einem einzigen fahrzeugexternen Objekt auftritt, sondern sich typischerweise systematisch wiederholt und/oder für mehrere fahrzeugexterne Objekte zugleich auftritt. Über entsprechend Korrelationen in den jeweiligen Innovationsmaßen lk(t) kann somit eine Fehlfunktion der Sensoreinrichtung besonders gut nachgewiesen werden.
In einer besonders vorteilhaften Ausführungsform ist dabei vorgesehen, dass das Überprüfen ein negatives Ergebnis liefert, falls das jeweilige Innovationsmaß
(insbesondere für einen oder mehrere vorgegebene Zeitpunkte) einer vorgegebenen Mindestanzahl von fahrzeugexternen Objekten und/oder eines vorgegebenen
Mindestanteils der in der Objektinformation repräsentierten fahrzeugexternen Objekte größer ist, als ein vorgegebener Grenzwert oder der vorgegebene Grenzwert, und/oder falls das Innovationsmaß für ein Objekt wiederholt, beispielsweise gemäß einem erkennbaren Muster oder aber auch unregelmäßig, größer ist als der vorgegebene Grenzwert und/oder falls sich die Anzahl der fahrzeugexternen Objekte um mehr als eine vorgegebene Anzahl (die auch Null sein kann) verändert, für welche das jeweilige Innovationsmaß größer als der vorgegebene Grenzwert ist. Es hat sich herausgestellt, dass mit den genannten Bedingungen für das Innovationsmaß eine Fehlfunktion der Sensoreinrichtung besonders zuverlässig überwacht werden kann, da sich systemische Fehler in der Sensoreinrichtung sehr schnell beziehungsweise in sehr offensichtlicher Weise in einer Veränderung der genannten Kriterien niederschlagen.
In einer weiteren vorteilhaften Ausführungsform ist vorgesehen, dass ein zusätzliches Vergleichen der für den ersten Zeitpunkt hinterlegten Objektinformation, also der internen Objektinformation des ersten Zeitpunkts, mit der aktualisierten Objektinformation (des zweiten Zeitpunktes) erfolgt sowie ein Berechnen eines Abweichungsmaßes für das zumindest eine fahrzeugexterne Objekt in Abhängigkeit eines Ergebnisses des
Vergleichens durch die Recheneinheit erfolgt. Dabei dient das Abweichungsmaß dem Überprüfen des Prognostizierens in ähnlicher Weise, wie das Innovationsmaß dem Überprüfen des Aktualisierens dient. Das Abweichungsmaß wird daher für eine gegebene aktualisierte Objektinformation im Allgemeinen größer sein als das Innovationsmaß.
Entsprechend erfolgt auch ein Überprüfen einer Plausibilität des Abweichungsmaßes durch die Recheneinrichtung sowie ein Ausgeben einer Fehlermeldung durch die
Recheneinrichtung, falls das Überprüfen ein negatives Ergebnis liefert, also das
Abweichungsmaß nicht plausibel ist. In dem eingangs beschriebenen Beispiel würde so beispielsweise der Abstand d(tn) mit dem aktualisierten Abstand verglichen und somit beispielsweise für das Abweichungsmaß Ak(tn+i)=d(tn)-d(tn+i)=2m berechnet werden.
Hieran ist besonders vorteilhaft, dass wie bereits in dem eingangs beschriebenen
Verfahren nur die sowieso bereits vorhandenen Objektinformationen ausgewertet werden, sodass keine zusätzlichen Daten generiert oder erfasst werden müssen. Da das
Abweichungsmaß mit einem gleichen oder ähnlichen Algorithmus wie das
Innovationsmaß berechnet werden kann, nur eben ausgehend von unterschiedlichen Objektinformationen, werden auch hier keine neuen aufwendigen Schritte bei der
Implementierung notwendig. Beispielsweise kann so bei dem Vergleichen eine Differenz wie im Kalman-Filter für die Innovation bekannt oder eine euklidische Differenz berechnet werden. Da das Vergleichen auf Objektinformationen unterschiedlicher Zeitpunkte oder mit unterschiedlichen Zeitstempels basiert, kann dies im Gegensatz zu dem Überprüfen anhand des Innovationsmaßes als„out-of-sequence" Überwachung oder„out-of- sequence-monitoring" bezeichnet werden.
Auch für die out-of-sequence-Überwachung gelten jedoch die eingangs für die in- sequence- Überwachung beschriebenen Vorteile. Entsprechend lassen sich analog zu den Ausgestaltungen des Verfahrens in Bezug auf das Vergleichen, Berechnen und Überprüfens des Innovationsmaßes auch das Vergleichen und das Berechnen und das Überprüfen des Abweichungsmaßes weiter vorteilhaft ausgestalten. Dies wird im
Folgenden dargelegt. Die dadurch erzielten Vorteile entsprechen mutatis mutandis den entsprechenden Vorteilen bei dem Vergleichen, Berechnen beziehungsweise Überprüfen des Innovationsmaßes. Diese können bei gleichzeitigem Vorhandensein der
entsprechenden Merkmale auch synergetisch zusammenwirken. Grundsätzliche wäre das out-of-sequence-Monitoring auch unabhängig von dem in-sequence- Monitoring realisierbar, da allerdings das Abweichungsmaß für sich wie erläutert eine gröbere Überwachung liefert, macht die Implementierung zusammen mit der in-sequence- Überwachung Sinn, da so Fehler im Prognostizierungsprozess und im Aktualisierungsprozess voneinander getrennt in ihrem Einfluss beobachtet werden können.
In einer vorteilhaften Ausführungsform ist dabei vorgesehen, dass das Überprüfen der Plausibilität des Abweichungsmaßes ein Vergleichen des berechneten
Abweichungsmaßes mit einem weiteren Grenzwert, insbesondere einem Grenzwert der größer ist als der eine Grenzwert für das Innovationsmaß, umfasst und insbesondere eine Ergebnis des Überprüfens negativ ist, falls das berechnete Abweichungsmaß größer ist als der weitere Grenzwert, und positiv, falls das berechnete Abweichungsmaß kleiner ist als der weitere Grenzwert.
In einer weiteren, besonders vorteilhaften Ausführungsform ist dabei vorgesehen, dass das Abweichungsmaß für mehrere, insbesondere alle, fahrzeugexterne Objekte, welche die Objektinformation betrifft, und/oder für mehrere, insbesondere alle, Zeitpunkte, für welche die Objektinformation aktualisiert wird, berechnet wird. Es werden somit mehrere jeweilige Abweichungsmaße Ak für die jeweiligen Objekte k berechnet.
Dabei kann hier in einer weiteren vorteilhaften Ausführungsform vorgesehen sein, dass das Überprüfen ein negatives Ergebnis liefert, falls das jeweilige Abweichungsmaß (insbesondere für einen oder mehrere Zeitpunkte) für eine vorgegebene Mindestanzahl von fahrzeugexternen Objekten und/oder einen vorgegebenen Mindestanteil der fahrzeugexternen Objekte größer ist als ein anderer vorgegebener weiterer Grenzwert oder der vorgegebene weitere Grenzwert und/oder falls das Abweichungsmaß für ein Objekt wiederholt, beispielsweise gemäß einem vorgegebenem Muster oder auch unregelmäßig, größer ist als der vorgegebene weitere Grenzwert und/oder falls sich die Anzahl der Objekte um mehr als eine vorgegebene Anzahl verändert, für welche das jeweilige Abweichungsmaß größer als der vorgegebene weitere Grenzwert ist.
In einer weiteren vorteilhaften Ausführungsform ist vorgesehen, dass beide Zeitpunkte, der erste und der zweite Zeitpunkt, direkt aufeinander folgende Zeitpunkte sind. Das hat nicht nur den Vorteil einer engmaschigen Überwachung der Funktion der
Sensoreinrichtung, sondern auch den Vorteil, dass die zu erwartenden Veränderungen und somit das Innovationsmaß und auch das Abweichungsmaß betragsmäßig kleiner sind als bei Zeitpunkten mit einer großen zeitlichen Differenz, und eventuelle Mess- oder Prädiktionsfehler einer geringeren Einfluss haben, sodass die Funktion der
Sensoreinrichtung besonders genau und präzise überwacht werden kann. Die Erfindung betrifft auch eine Sensoreinrichtung eines Kraftfahrzeugs. Die
Sensoreinrichtung weist dabei eine Sensoreinheit zum Erfassen einer Objektinformation über zumindest ein fahrzeugexternes Objekt zu einem ersten Zeitpunkt und zu einem auf den ersten Zeitpunkt folgenden weiteren zweiten Zeitpunkt auf. Dabei ist die
Sensoreinrichtung ausgelegt zum Hinterlegen der zu dem ersten Zeitpunkt erfassten Objektinformation als eine interne Objektinformation in einer Recheneinheit der
Sensoreinrichtung. Die Recheneinheit ist dabei ausgelegt zum Prognostizieren einer Objektinformation für den zweiten Zeitpunkt anhand der internen Objektinformation, sowie zum Aktualisieren der prognostizierten Objektinformation zur neuen internen
Objektinformation in Abhängigkeit der zu dem zweiten Zeitpunkt erfassten
Objektinformation und zum Vergleichen der für den zweiten Zeitpunkt prognostizierten Objektinformation mit der aktualisierten Objektinformation und schließlich zum Berechnen eines Innovationsmaßes für das zumindest eine Objekt in Abhängigkeit eines
Ergebnisses des Vergleichens. Wichtig ist hier, dass die Recheneinrichtung ausgelegt ist, eine Plausibilität des Innovationsmaßes zu überprüfen und eine Fehlermeldung auszugeben, falls das Überprüfen ein negatives Ergebnis liefert.
Die Erfindung betrifft auch eine Sensoreinrichtung, die zum Durchführen eines
erfindungsgemäßen Verfahrens oder einer vorteilhaften Ausführungsform des
erfindungsgemäßen Verfahrens ausgebildet ist.
Vorteile und vorteilhafte Ausführungsformen der Sensoreinrichtung entsprechend hier Vorteilen und vorteilhaften Ausführungsformen des Verfahrens zum Überwachen einer Funktion einer Sensoreinrichtung eines Kraftfahrzeugs.
Die Erfindung betrifft auch ein Kraftfahrzeug mit einer solchen Sensoreinrichtung.
Die vorstehend in der Beschreibung genannten Merkmale und Merkmalskombinationen sowie die nachfolgend in der Figurenbeschreibung genannten und/oder in den Figuren alleine gezeigten Merkmale und Merkmalskombinationen sind nicht nur in der jeweils angegebenen Kombination, sondern auch in anderen Kombinationen verwendbar, ohne den Rahmen der Erfindung zu verlassen. Es sind somit auch Ausführungen von der Erfindung als umfasst und offenbart anzusehen, die in den Figuren nicht explizit gezeigt und erläutert sind, jedoch durch separierte Merkmalskombinationen aus den erläuterten Ausführungen hervorgehen und erzeugbar sind. Es sind auch Ausführungen und
Merkmalskombinationen als offenbart anzusehen, die somit nicht alle Merkmale eines ursprünglich formulierten unabhängigen Anspruchs aufweisen. Es sind darüber hinaus auch Ausführungen und Merkmalskombinationen, insbesondere durch die oben dargelegten Ausführungen, als offenbart anzusehen, die über die in den Rückbezügen der Ansprüche dargelegten Merkmalskombinationen hinausgehen oder von diesen abweichen.
Ausführungsbeispiele der Erfindung werden nachfolgend anhand schematischer Zeichnungen näher erläutert.
Dabei zeigen:
Fig. 1 eine schematische Darstellung eines Kraftfahrzeugs mit einer
beispielhaften Ausführungsform einer Sensoreinrichtung; und
Fig. 2 eine schematische Darstellung eines Flussdiagramms einer beispielhaften
Ausführungsform eines Verfahrens zum Überwachen einer Funktion einer Sensoreinrichtung eines Kraftfahrzeugs.
Gleiche oder funktionsgleiche Merkmale werden dabei in den Figuren mit den gleichen Bezugszeichen versehen.
Fig. 1 zeigt eine schematische Darstellung eines Kraftfahrzeugs mit einer beispielhaften Ausführungsform einer Sensoreinrichtung. Das Kraftfahrzeug 1 umfasst vorliegend eine Sensoreinrichtung 2, die zumindest eine, vorliegend zwei Sensoreinheiten 3, 4 unterschiedlicher Modalität aufweist. Vorliegend ist dabei die erste Sensoreinheit 3 als Ultraschallsensoreinheit zum Erfassen eines Abstandes d zu einem fahrzeugexternen Objekt k ausgeführt und die zweite Sensoreinheit 4 als Kamera zum Erfassen des Abstands d und einer Position eines fahrzeugexternen Objektes k. Die Sensoreinrichtung 2 weist auch eine Recheneinheit 5 auf, in welcher eine interne Objektinformation Ok (Fig. 2), welche einer erfassten Objektinformation ok (Fig. 2) entspricht, hinterlegt werden kann. Des Weiteren ist die Recheneinheit 5 zum Prognostizieren einer Objektinformation 0'k (Fig. 2) anhand der internen Objektinformation Ok ausgebildet sowie zum
Aktualisieren der prognostizierten Objektinformation 0'k (Fig. 2) zur neuen internen Objektinformation Ok in Abhängigkeit einer erfassten Objektinformation ok. Dabei kann durch die Recheneinheit 5 ein Vergleichen der prognostizierten Objektinformation 0'k mit der aktualisierten hinterlegten Objektinformation Ok sowie ein Berechnen eines Innovationsmaßes lk (Fig. 2) für das zumindest eine von der Objektinformation repräsentierte Objekt k in Abhängigkeit eines Ergebnisses des Vergleichens berechnet werden. Wichtig ist dabei, dass die Recheneinrichtung 5 ausgelegt ist, eine Plausibilität des Innovationsmaßes lk zu überprüfen und eine Fehlermeldung auszugeben, falls das Überprüfen ein negatives Ergebnis liefert, um so eine Überwachung der funktionellen Sicherheit der Sensoreinrichtung 2 zu realisieren.
Die Sensoreinrichtung kann damit für eines der Verfahren, wie sie anhand von Fig. 2 erläutert werden, geeignet sein.
Fig. 2 zeigt ein schematisches Flussdiagramm des beispielhaften Verfahrens zum Überwachen einer Funktion einer Sensoreinrichtung. Zunächst erfolgt hier ein Erfassen 10a - 10g einer Objektinformation ok(tn; tn+i ) über zumindest ein fahrzeugexternes Objekt k. Das Erfassen 10a - 10g erfolgt dabei mindestens zu einem ersten Zeitpunkt tn und zu einem auf den ersten Zeitpunkt tn folgenden zweiten Zeitpunkt tn+i . Dabei kann beispielsweise ein erstes Erfassen 10a durch eine erste Sensoreinheit 4 (Fig. 1 ), beispielsweise eine Kamera, erfolgen und beispielsweise ein weiteres, vorliegend sechsfaches, Erfassen 10b - 10g durch eine zweite Sensoreinheit 3 (Fig.1 ) erfolgen, die zum Beispiel als Ultraschallsensoreinheit ausgeführt sein kann. Damit kann im weiteren Verfahren eine multimodale Datenfusion realisiert sein.
Ein nächster Schritt ist dabei ein Hinterlegen 1 1 einer internen Objektinformation 0(tn) welche der für den ersten Zeitpunkt tn erfassten Objektinformation o(tn) entspricht, also diese beispielsweise umfasst oder von dieser abgeleitet ist, in der Recheneinheit 5 der Sensoreinrichtung 2. Darauf folgt ein Prognostizieren 12 einer Objektinformation 0'(tn+i ) für den zweiten Zeitpunkt tn+i anhand der internen Objektinformation 0(tn) durch die Recheneinheit 5. In einem weiteren Schritt erfolgt sodann ein Aktualisieren 13 der prognostizierten oder prädizierten Objektinformation 0'(tn+i ) zur neuen internen
Objektinformation 0(tn+i). Dieses Aktualisieren 13 erfolgt in Abhängigkeit der zu dem zweiten Zeitpunkt tn+i erfassten Objektinformation o(tn+i ) durch die Recheneinheit 5 und liefert eine aktualisierte Objektinformation 0(tn+i). Diese aktualisierte Objektinformation 0(tn+i) kann von der Recheneinheit 5 an weitere Einheiten bereitgestellt werden, wie dies durch den Pfeil 14 symbolisiert ist. Gleichzeitig kann bei einem iterativen oder fortlaufenden Durchführen des Verfahrens die aktualisierte interne Objektinformation 0(tn+i) auch als neue Ausgangs-Objektinformation für die nächste Iteration genutzt werden, wie dies durch den Pfeil 15 symbolisiert dargestellt ist. Dies ist jedoch nicht zwingend erforderlich, da das Erfassen 10a - 10g sowohl zu dem ersten Zeitpunkt tn als auch zu dem zweiten Zeitpunkt tn+i erfolgt. Somit sind zu jedem Zeitpunkt tn+i stets beide erfassten Objektinformationen o(tn), o(tn+i ) von dem Zeitpunkt tn und tn+i verfügbar, wie dies durch den Pfeil 1 6 symbolisiert ist. Das Aktualisieren 13 kann basierend auf dem Kaiman-Algorithmus berechnet werden. Es erfolgt nun ein Vergleichen 1 7 der für den zweiten Zeitpunkt tn+i prognostizierten Objektinformation 0'(tn+i ) mit der aktualisierten Objektinformation 0(tn+i ) sowie ein Berechnen eines Innovationsmaßes lk[0'k(tn+i ) ;
Ok(tn+i )] für das zumindest eine Objekt k in Abhängigkeit eines Ergebnisses des
Vergleichens durch die Recheneinheit 5. Sodann erfolgt durch die Recheneinrichtung 5 ein Überprüfen 18 einer Plausibilität des Innovationsmaßes lk[0'k(tn+i ) ; Ok(tn+i )] sowie ein Ausgeben 1 9 einer Fehlermeldung, falls das Überprüfen 1 8 ein negatives Ergebnis liefert.
Beispielsweise kann bei dem Überprüfen 18 eine Abweichung zwischen der
prognostizierten Objektinformation 0'(tn+i ) und aktualisierter Objektinformation 0(tn+i ) mit einem vorgegebenen Grenzwert verglichen werden und eine Fehlermeldung ausgegeben werden, wenn die Abweichung größer ist als der vorgegebene Grenzwert. Alternativ oder ergänzend können auch andere Kriterien überprüft oder vorgegeben werden. Damit ist der zusätzliche Aufwand, welcher für ein Überwachen der Sensoreinrichtung 2 betrieben werden muss, nur ein einfaches Vergleichen 1 7 mit einem Minimum an zusätzlichem Rechenaufwand. Da das Vergleichen 17 sich hier auf Objektinformationen O, O' des gleichen Zeitpunktes tn+i bezieht, kann diese Überwachung als„in-sequence"- Überwachung bezeichnet werden.
Bei der in-sequence-Überwachung wird das Innovationsmaß lk[0'k(tn+i ) ; Ok(tn+i )]
vorliegend für alle Objekte k, die von dem Aktualisieren 1 3 betroffen sind berechnet. Dies kann beispielsweise bereits bei einem Verwenden des Kaiman-Algorithmus bereits im Rahmen des Prognostizierens 12 implizit in Form des Berechnens der sogenannten Innovation erfolgen. Daher ist das Innovationsmaß lk[0'k(tn+i ) ; Ok(tn+i )] für jedes detektierte Objekt k zu jedem Teilschritt t verfügbar. Für jedes Innovationsmaß lk[0'k(tn+i ) ; Ok(tn+i )] eines Objekts k zum Zeitpunkt tn+i kann nun beispielsweise überprüft werden, ob es über einen Grenzwert Di liegt. Ein Zähler N kann beispielsweise die Anzahl der Objekte k zu einem Zeitpunkt tn+i zählen, für welche das Innovationsmaß lk[0'k(tn+i ) ; Ok(tn+i )] größer Di ist. Damit kann beispielsweise für jeden Zeitschritt t überprüft werden, welcher Anteil der Objekte k ein Innovationsmaß lk[0'k(tn+i ) ; Ok(tn+i )] größer D, aufweist und/oder was die Gesamtzahl von Objekten k mit solch einer großen Abweichung ist. Ausgehend von diesen Daten kann nun bestimmt werden, ob das Innovationsmaß Innovationsmaß lk[0'k(tn+i ) ; Ok(tn+i )] beziehungsweise die Innovationsmaße lk[0'k(tn+i ) ; Ok(tn+i )] plausibel sind. Die Plausibilität kann daher nicht nur für jedes Objekt k im einzelnen Zeitschritt tn überprüft werden, sondern ergänzend auch über die nachfolgenden Zeitschritte tn+i , tn+2, usw.
Beispielsweise kann das Überprüfen 18 der Innovationsmaße lk[0'k(tn+i ); Ok(tn+i )] negativ sein, wenn ein gleiches Objekt k, welches bereits in einem vorherigen Zeitschritt t, ein Innovationsmaß lk[0'k(ti); Ok(t,)] größer als D, aufweist dieses auch in einem oder mehreren darauffolgenden Zeitschritten ti+i , ti+j aufweist. Auch kann unabhängig oder ergänzend überprüft werden, ob sich die Gesamtzahl N über der Zeit verändert. Mit diesen beiden Maßen kann entschieden werden, ob eine Verarbeitung der
bereitgestellten oder erfassten Objektinformationen ok(tn;tn+i ), insbesondere eine Fusion in der von unterschiedlichen Sensoreinheiten 3,4 bereitgestellten oder erfassten
Objektinformationen ok(tn;tn+i ), korrekt erfolgt oder nicht. Dies kann dabei sowohl für einzelne Zeitschritte oder Zeitpunkte erfasst und quantifiziert werden als auch über einen Zeitverlauf hin. Damit kann auch eine graduelle Verschlechterung einer Verarbeitung der Objektinformationen ok(tn;tn+i ), beispielsweise einer Sensorfusion im Verlauf der Zeit überwacht und detektiert werden.
Ganz ähnlich kann zusätzlich zu der in-sequence-Überwachung eine sogenannte out-of- sequence-Überwachung realisiert werden. Hierfür erfolgt ein zusätzliches Vergleichen 20 der internen Objektinformation Ok(tn) eines Objekts k zum Zeitpunkt tn mit der
aktualisierten Objektinformation Ok(tn+i) des Objekts k zum Zeitpunkt tn+i . Hierbei wird in Abhängigkeit des Vergleichens 20 ein Abweichungsmaß Ak[Ok(tn); Ok(tn+i)] berechnet. Dies kann in einer ähnlichen Weise und beispielsweise sogar mit dem gleichen oder ähnlichen Algorithmus oder mit einem gleichen oder ähnlichen algorithmischen
Framework erfolgen wie das Innovationsmaß lk[0'k(tn+i ); Ok(tn+i )] berechnet wird. Dabei ist zu berücksichtigen, dass das Abweichungsmaß Ak[Ok(tn); Ok(tn+i)] insbesondere für dieses Objekt k jeweils größer ist als das diesem Objekt k zugeordnete Innovationsmaß lk[0'k(tn+i) ; Ok(tn+i)]. Dementsprechend ist es vorteilhaft, falls ein entsprechendes
Überprüfen 21 der Plausibilität des Abweichungsmaßes Ak[Ok(tn); Ok(tn+i)] ein Vergleichen mit einem weiteren Grenzwert umfasst, diesen weiteren Grenzwert DA größer zu wählen als den Grenzwert D, für das Innovationsmaß lk[0'k(tn+i) ; Ok(tn+i)]. Abweichungsmaß Ak[Ok(tn); Ok(tn+i )] und Innovationsmaß lk[0'k(tn+i ); Ok(tn+i )] können für die
Fehlerbehandlung oder Fehleranalyse dabei kombiniert ausgewertet werden.
Dabei kann bei dem Berechnen des Abweichungsmaßes Ak[Ok(tn); Ok(tn+i )] eine zusätzliche Konsistenzprüfung zwischen den jeweiligen internen Objektinformationen Ok zum Zeitpunkt tn und den internen Objektinformationen Ok zum Zeitpunkt tn+i vorgesehen sein. Dies kann entsprechend einem vorgegebenen Akzeptanzkriterium erfolgen.
Beispielsweise kann diese Überprüfung einfach durch ein Nutzen einer
Assoziationsinformation des Aktualisierens 13 erfolgen, die beispielsweise aus einem Kalman-Filter bereits bekannt ist. In der genannten Art sind auch weitere Kombinationen von verfügbaren Daten für das Vergleichen zum Berechnen des Innovationsmaßes lk[0'k(tn+i) ; Ok(tn+i)] und des Abweichungsmaßes Ak[Ok(tn); Ok(tn+i)] denkbar. Diese hängen dann von spezifischen Bedingungen der jeweiligen Umgebung ab sowie von der vorhandenen Rechenkapazität der Recheneinrichtung 5.

Claims

Patentansprüche
1 . Verfahren zum Überwachen einer Funktion einer Sensoreinrichtung (2) eines
Kraftfahrzeugs (2), mit den Schritten:
a) Erfassen (10a-10g) einer Objektinformation (ok(tn;tn+i)) über zumindest ein fahrzeugexternes Objekt (k) zu einem ersten Zeitpunkt (tn) und zu einem auf den ersten Zeitpunkt (tn) folgenden zweiten Zeitpunkt (tn+i) durch zumindest eine Sensoreinheit (3, 4) der Sensoreinrichtung (2);
b) Hinterlegen (1 1 ) einer internen Objektinformation (Ok(tn)), welche der zu dem ersten Zeitpunkt (tn) erfassten Objektinformation (ok(tn)) entspricht, in einer Recheneinheit (5) der Sensoreinrichtung (2);
c) Prognostizieren (12) einer Objektinformation (0'k(tn+i)) für den zweiten Zeitpunkt (tn+i) anhand der internen Objektinformation (Ok(tn)) durch die Recheneinheit (5); d) Aktualisieren (13) der prognostizierten Objektinformation ((0'k(tn+i )) zur neuen internen Objektinformation (Ok(tn+i )) in Abhängigkeit der zu dem zweiten Zeitpunkt (tn+i) erfassten Objektinformation (ok(tn+ )) durch die Recheneinheit (5);
e) Vergleichen (17) der für den zweiten Zeitpunkt (tn+i) prognostizierten
Objektinformation (0'k(tn+i )) mit der aktualisierten Objektinformation (Ok(tn+i )) und Berechnen eines Innovationsmaßes (lk[0'k(tn+i) ; Ok(tn+i)]) für das zumindest eine Objekt (k) in Abhängigkeit eines Ergebnisses des Vergleichens (17) durch die Recheneinheit (5);
gekennzeichnet durch ein
f) Überprüfen (18) einer Plausibilität des Innovationsmaßes (lk[0'k(tn+i ); Ok(tn+i )]) durch die Recheneinrichtung (5); und
g) Ausgeben (19) einer Fehlermeldung durch die Recheneinrichtung (5), falls das Überprüfen (18) ein negatives Ergebnis liefert.
2. Verfahren nach Anspruch 1
dadurch gekennzeichnet, dass
das Verfahren iterierend durchgeführt wird und insbesondere der zweite Zeitpunkt (tn+i) einer Iteration des Verfahrens dem ersten Zeitpunkt (tn) einer darauffolgenden weiteren Iteration des Verfahrens entspricht.
3. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, dass
die Objektinformation (ok(tn;tn+i), Ok(tn), 0'k(tn+i), Ok(tn+i)) mehrere fahrzeugexterne Objekte (k) betrifft.
4. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, dass
die Objektinformation (ok(tn;tn+i)) über mehrere Sensoreinheiten (3, 4) erfasst wird, welche insbesondere eine unterschiedliche Modalität aufweisen.
5. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, dass
die Objektinformation (ok(tn;tn+i), Ok(tn), 0'k(tn+i), Ok(tn+i)) eine Information über eine Position und/oder eine Geschwindigkeit und/oder eine Beschleunigung und/oder einen Abstand (d) und/oder eine Klassifizierung des betreffenden fahrzeugexternen Objekts (k) umfasst.
6. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, dass
das Überprüfen (18) ein Vergleichen des berechneten Innovationsmaßes
(lk[0'k(tn+i ); Ok(tn+i )]) mit einem Grenzwert (D,) umfasst und insbesondere ein Ergebnis des Überprüfens (18) negativ ist, falls das berechnete Innovationsmaß (lk[0'k(tn+i ); Ok(tn+i )]) größer ist als der Grenzwert (D,), und positiv, falls das berechnete Innovationsmaß (lk[0'k(tn+i) ; Ok(tn+i)]) kleiner ist als der Grenzwert (D,).
7. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, dass
das Innovationsmaß (lk[0'k(tn+i) ; Ok(tn+i)]) für mehrere fahrzeugexterne Objekte (k), insbesondere alle fahrzeugexternen Objekte (k), welche die Objektinformation (0'k(tn+i ), Ok(tn+i )) betrifft, und/oder für mehrere Zeitpunkte (tn;tn+i), insbesondere alle Zeitpunkte (tn;tn+i), für welche die Objektinformation (Ok(tn), Ok(tn+i)) aktualisiert wird, berechnet wird.
8. Verfahren nach Anspruch 7
dadurch gekennzeichnet, dass
das Überprüfen (18) ein negatives Ergebnis liefert, falls das jeweiligen
Innovationsmaß (lk[0'k(tn+i) ; Ok(tn+i)]) einer vorgegebenen Mindestanzahl von fahrzeugexternen Objekten (k) oder eines vorgegebenen Mindestanteils der fahrzeugexternen Objekte (k) größer ist als ein vorgegebener Grenzwert (D,) und/oder falls das Innovationsmaß (lk[0'k(tn+i ); Ok(tn+i )]) für ein Objekt (k) wiederholt größer ist als der vorgegebene Grenzwert (D,) und/oder falls sich die Anzahl der Objekte (k) um mehr als eine vorgegebene Anzahl verändert, für welche das jeweilige Innovationsmaß (lk[0'k(tn+i ); Ok(tn+i )]) größer als der vorgegebene
Grenzwert (D,) ist.
9. Verfahren nach einem der vorhergehenden Ansprüche,
gekennzeichnet durch ein
- Vergleichen (20) der für den ersten Zeitpunkt (tn) hinterlegten Objektinformation (Ok(tn)) mit der aktualisierten Objektinformation (Ok(tn+i )) und Berechnen eines Abweichungsmaßes (Ak[Ok(tn); Ok(tn+i)]) für das zumindest eine fahrzeugexterne Objekt (k) in Abhängigkeit eines Ergebnisses des Vergleichens (20) durch die Recheneinheit (5), sowie ein
- Überprüfen (21 ) einer Plausibilität des Abweichungsmaßes (Ak[Ok(tn); Ok(tn+i )]) durch die Recheneinrichtung (5); und
- Ausgeben (22) einer Fehlermeldung durch die Recheneinrichtung (5), falls das Überprüfen (21 ) ein negatives Ergebnis liefert.
10. Verfahren nach Anspruch 9,
dadurch gekennzeichnet, dass
das Überprüfen (21 ) ein Vergleichen des berechneten Abweichungsmaßes
(Ak[Ok(tn); Ok(tn+i)]) mit einem weiteren Grenzwert (DA)umfasst und insbesondere ein Ergebnis des Überprüfens (21 ) negativ ist, falls das berechnete
Abweichungsmaß (Ak[Ok(tn); Ok(tn+i )]) größer ist als der weitere Grenzwert (DA), und positiv, falls das berechnete Abweichungsmaß (Ak[Ok(tn); Ok(tn+i)]) kleiner ist als der weitere Grenzwert (DA).
1 1 . Verfahren nach einem der Ansprüche 8 bis 10,
dadurch gekennzeichnet, dass
das Abweichungsmaß (Ak[Ok(tn); Ok(tn+i )]) für mehrere, insbesondere alle, fahrzeugexterne Objekte (k), welche die Objektinformation (Ok(tn), Ok(tn+i)) betrifft, und/oder für mehrere, insbesondere alle, Zeitpunkte (tn+i), für welche die
Objektinformation (Ok(tn+i )) aktualisiert wird, berechnet wird.
12. Verfahren nach Anspruch 1 1
dadurch gekennzeichnet, dass
das Überprüfen (21 ) ein negatives Ergebnis liefert, falls das jeweilige
Abweichungsmaß (Ak[Ok(tn); Ok(tn+i )]) für eine vorgegebene Mindestanzahl von fahrzeugexternen Objekten (k) oder einen vorgegebenen Mindestanteil der fahrzeugexternen Objekte (k) größer ist als ein anderer vorgegebener weiterer Grenzwert (DA) und/oder falls das Abweichungsmaß (Ak[Ok(tn); Ok(tn+i)]) für ein Objekt (k) wiederholt größer ist als der vorgegebene weitere Grenzwert (DA) und/oder falls sich die Anzahl der Objekte (k) um mehr als eine vorgegebene Anzahl verändert, für welche das jeweilige Abweichungsmaß (Ak[Ok(tn); Ok(tn+i)]) größer als der vorgegebene weitere Grenzwert (DA) ist.
13. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, dass
beide Zeitpunkte (tn;tn+i) direkt aufeinanderfolgende Zeitpunkte sind.
14. Sensoreinrichtung (2) für ein Kraftfahrzeug (1 ), mit
- einer Sensoreinheit (3, 4) der Sensoreinrichtung (2) zum Erfassen (10a-10g) einer Objektinformation (ok(tn;tn+ )) über zumindest ein fahrzeugexternes Objekt (k) zu einem ersten Zeitpunkt (tn) und zu einem auf den ersten Zeitpunkt (tn) folgenden zweiten Zeitpunkt (tn+i) ; wobei
- die Sensoreinrichtung (2) ausgelegt ist zum Hinterlegen (1 1 ) der zu dem ersten Zeitpunkt (tn) erfassten Objektinformation (ok(tn)) als eine interne Objektinformation (Ok(tn)) in einer Recheneinheit (5); und mit
- der Recheneinheit (5) zum Prognostizieren (12) einer Objektinformation (0'k(tn+i )) für den zweiten Zeitpunkt (tn+i) anhand der internen Objektinformation (Ok(tn)), zum Aktualisieren (13) der prognostizierten Objektinformation (0'k(tn+i)) zur neuen internen Objektinformation (Ok(tn+i )) in Abhängigkeit der zu dem zweiten Zeitpunkt (tn+i) erfassten Objektinformation (ok(tn+i)), und zum Vergleichen (17) der für den zweiten Zeitpunkt (tn+i) prognostizierten Objektinformation (0'k(tn+i )) mit der aktualisierten Objektinformation (Ok(tn+i )) und Berechnen eines Innovationsmaßes (lk[0'k(tn+i ); Ok(tn+i )]) für das zumindest eine Objekt (k) in Abhängigkeit eines Ergebnisses des Vergleichens (17);
dadurch gekennzeichnet, dass
die Recheneinrichtung (5) ausgelegt ist, eine Plausibilität des Innovationsmaßes (lk[0'k(tn+i ); Ok(tn+i )]) zu überprüfen und eine Fehlermeldung auszugeben, falls das Überprüfen (18) ein negatives Ergebnis liefert.
15. Kraftfahrzeug (1 ) mit einer Sensoreinrichtung (2) nach Anspruch 14.
PCT/EP2017/072846 2016-11-18 2017-09-12 Funktionsüberwachung einer sensoreinrichtung eines kraftfahrzeugs Ceased WO2018091160A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102016122193.7A DE102016122193A1 (de) 2016-11-18 2016-11-18 Funktionsüberwachung einer Sensoreinrichtung eines Kraftfahrzeugs
DE102016122193.7 2016-11-18

Publications (1)

Publication Number Publication Date
WO2018091160A1 true WO2018091160A1 (de) 2018-05-24

Family

ID=59955537

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2017/072846 Ceased WO2018091160A1 (de) 2016-11-18 2017-09-12 Funktionsüberwachung einer sensoreinrichtung eines kraftfahrzeugs

Country Status (2)

Country Link
DE (1) DE102016122193A1 (de)
WO (1) WO2018091160A1 (de)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102022212107A1 (de) 2022-11-15 2024-05-16 Robert Bosch Gesellschaft mit beschränkter Haftung Sensorsystem und Fahrerassistenzsystem

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070073473A1 (en) * 2005-09-26 2007-03-29 Altan Osman D System and method of target tracking using sensor fusion
US20110025548A1 (en) * 2009-07-31 2011-02-03 Gm Global Technology Operations, Inc. System and method for vehicle sensor fusion
DE102010063984A1 (de) * 2010-02-11 2011-08-11 Continental Teves AG & Co. OHG, 60488 Fahrzeug-Sensor-Knoten
WO2015090849A1 (de) * 2013-12-21 2015-06-25 Valeo Schalter Und Sensoren Gmbh Verfahren zum betreiben einer mehrzahl von ultraschallsensoren eines kraftfahrzeugs, ultraschallsensoreinrichtung und kraftfahrzeug

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102004003868A1 (de) * 2004-01-26 2005-08-11 Ibeo Automobile Sensor Gmbh Verfahren zur Verfolgung von Objekten
DE102006051091B4 (de) * 2006-06-26 2021-10-28 Volkswagen Ag Verfahren zur Objekterkennung von Fahrzeugen mittels Nahbereichsdetektion
DE102009006113B4 (de) * 2008-03-03 2019-03-28 Volkswagen Ag Vorrichtung und Verfahren zur Sensorfusion mit dynamischen Objekten
US8775063B2 (en) * 2009-01-26 2014-07-08 GM Global Technology Operations LLC System and method of lane path estimation using sensor fusion
DE102014218703A1 (de) * 2014-09-17 2016-03-17 Continental Teves Ag & Co. Ohg Redundante Lokalisierung mittels GNSS-Signal

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070073473A1 (en) * 2005-09-26 2007-03-29 Altan Osman D System and method of target tracking using sensor fusion
US7460951B2 (en) 2005-09-26 2008-12-02 Gm Global Technology Operations, Inc. System and method of target tracking using sensor fusion
US20110025548A1 (en) * 2009-07-31 2011-02-03 Gm Global Technology Operations, Inc. System and method for vehicle sensor fusion
DE102010063984A1 (de) * 2010-02-11 2011-08-11 Continental Teves AG & Co. OHG, 60488 Fahrzeug-Sensor-Knoten
WO2015090849A1 (de) * 2013-12-21 2015-06-25 Valeo Schalter Und Sensoren Gmbh Verfahren zum betreiben einer mehrzahl von ultraschallsensoren eines kraftfahrzeugs, ultraschallsensoreinrichtung und kraftfahrzeug

Also Published As

Publication number Publication date
DE102016122193A1 (de) 2018-05-24

Similar Documents

Publication Publication Date Title
EP2604478B2 (de) Verfahren zur erkennung von funktionsfehlern einer multisensoranordnung
WO2019068291A1 (de) - prüfen eines neuronalen netzes -
DE102018116696A1 (de) Verfahren zum Erzeugen von normalen Zustandsvorhersagedaten einer Anlage und Vorrichtung, die dasselbe verwendet
EP3282399B1 (de) Verfahren zur verbesserten erkennung von prozessanomalien einer technischen anlage sowie entsprechendes diagnosesystem
EP4165484B1 (de) Überwachungsvorrichtung und verfahren zur anomaliedetektion
EP3921658A1 (de) Verfahren und prüfvorrichtung
DE102019135608A1 (de) Verfahren, Vorrichtung und System zur Detektion von anomalen Betriebszuständen eines Geräts
DE102009054835A1 (de) Objektsensor
EP3684015A1 (de) Vorrichtung und verfahren zur klassifizierung von daten insbesondere für ein controller area netzwerk oder ein automotive ethernet netzwerk
DE102017204745A1 (de) Architektur und Vorrichtung für eine fortschrittliche Arbitration in integrierten Steuerungen
EP3746850A1 (de) Verfahren zum ermitteln eines zeitlichen verlaufs einer messgrösse, prognosesystem, aktorsteuerungssystem, verfahren zum trainieren des aktorsteuerungssystems, trainingssystem, computerprogramm und maschinenlesbares speichermedium
WO2021063572A1 (de) Vorrichtung und verfahren zum verarbeiten von daten eines neuronalen netzes
WO2020061603A1 (de) Verfahren und vorrichtung zur analyse eines sensordatenstroms sowie verfahren zum führen eines fahrzeugs
DE102021204040A1 (de) Verfahren, Vorrichtung und Computerprogramm zur Erstellung von Trainingsdaten im Fahrzeug
DE102018122115A1 (de) Verfahren zur Umgebungserfassung eines Fahrzeugs
DE112023000537T5 (de) Bilderkennungssystem
WO2021089591A1 (de) Verfahren zum trainieren eines künstlichen neuronalen netzes, computerprogramm, speichermedium, vorrichtung, künstliches neuronales netz und anwendung des künstlichen neuronalen netzes
EP4168999A1 (de) Verfahren zur unterstützung eines betriebs eines fahrzeuges mit einer sensoreinheit, computerprogrammprodukt sowie system
EP4399646A1 (de) Computer-implementiertes verfahren und system zur anomalie-erkennung in sensordaten
EP4093643B1 (de) Verfahren zum betreiben eines zumindest teilautomatisiert fahrenden fahrzeugs und fahrzeug
DE102020207449B4 (de) Verfahren, Computerprogramm und Vorrichtung zum Verarbeiten von Signalen
WO2026017213A1 (de) Bereitstellen von trainingsdaten für eine technik des maschinellen lernens
DE102016122193A1 (de) Funktionsüberwachung einer Sensoreinrichtung eines Kraftfahrzeugs
DE102017116016A1 (de) Kraftfahrzeug-Sensorvorrichtung mit mehreren Sensoreinheiten und einem neuronalen Netz zum Erzeugen einer integrierten Repräsentation einer Umgebung
EP1717651B1 (de) Verfahren und Vorrichtung zum Auswerten von Ereignissen aus dem Betrieb eines Fahrzeuges

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: 17771998

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17771998

Country of ref document: EP

Kind code of ref document: A1