WO2019170863A1 - Procede de detection d'anomalie dans la perception par un vehicule automobile de son environnement - Google Patents

Procede de detection d'anomalie dans la perception par un vehicule automobile de son environnement Download PDF

Info

Publication number
WO2019170863A1
WO2019170863A1 PCT/EP2019/055855 EP2019055855W WO2019170863A1 WO 2019170863 A1 WO2019170863 A1 WO 2019170863A1 EP 2019055855 W EP2019055855 W EP 2019055855W WO 2019170863 A1 WO2019170863 A1 WO 2019170863A1
Authority
WO
WIPO (PCT)
Prior art keywords
transmitting entity
motor vehicle
vehicle
anomaly
external data
Prior art date
Application number
PCT/EP2019/055855
Other languages
English (en)
Inventor
Richard Denis
Original Assignee
Valeo Comfort And Driving Assistance
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 Comfort And Driving Assistance filed Critical Valeo Comfort And Driving Assistance
Publication of WO2019170863A1 publication Critical patent/WO2019170863A1/fr

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
    • B60W50/0205—Diagnosing or detecting failures; Failure detection models
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
    • B60W50/0205—Diagnosing or detecting failures; Failure detection models
    • B60W2050/0215—Sensor drifts or sensor failures
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/65—Data transmitted between vehicles

Definitions

  • the present invention relates to motor vehicles equipped with embedded systems likely to have anomalies resulting from failures or computer attacks. It relates more specifically to the detection and protection against such anomalies.
  • It relates more particularly to a method of detecting abnormality in the perception by a motor vehicle of its internal state and its environment.
  • It also relates to a motor vehicle equipped with computer means adapted to implement this abnormality detection method.
  • V2X wireless communication system
  • Such vehicles can therefore be subject to computer attacks on their embedded systems. Therefore, it is known to equip vehicles with protection systems against computer attacks from outside.
  • the present invention proposes a method of detecting abnormality in the perception by a motor vehicle of its environment and its situation in this environment, comprising: a measuring step, by sensors fitted to the motor vehicle, of internal data relating to the motor vehicle and / or its environment (typically relative distance, speed and angle measurements with respect to an object, vehicle speed and acceleration positions in an absolute reference, ...),
  • a step of detecting a possible anomaly in the measured internal data taking into account the result of a mapping of the internal data to the external data.
  • the data-sending entities are supposed to have been certified (before being put on the market) in terms of the quality and reliability of the external data sent.
  • the vehicle in question (which receives the data) can carry out various checks on these received external data to ensure their reliability.
  • the vehicle may perform a so-called "confidence check” which consists in verifying that the certificates and digital signatures (added to the external data by the data sending entity) are valid, which makes it possible to ensure that these external data come from an issuing entity authorized to issue them and that these data are authentic, honest and non-falsified.
  • a so-called "confidence check” which consists in verifying that the certificates and digital signatures (added to the external data by the data sending entity) are valid, which makes it possible to ensure that these external data come from an issuing entity authorized to issue them and that these data are authentic, honest and non-falsified.
  • the invention therefore proposes to use these external controlled data and to compare them with the internal data (measured by the sensors embedded in the vehicle) in order to ensure that the results provided by the sensors are not anomalous.
  • Such an anomaly may result from a computer attack or inappropriate sensor action, or a sensor malfunction.
  • the vehicle can thus detect this anomaly and take it into account to take the necessary measures and protect against the effects of this anomaly.
  • the invention will detect anomalies with great reliability when the results provided by the sensors will be compared with the data transmitted by a large number of transmitting entities, over a prolonged period.
  • the motor vehicle in the measurement step, establishes a principal representation of its environment (and possibly also of its state, that is to say of its position in this environment), from the measured internal data,
  • the motor vehicle establishes an alternative representation of its environment (and possibly also of its state), from the external data received,
  • the motor vehicle determines to what extent the main and alternative representations correspond;
  • the main representation is established by positioning in a given reference frame each object detected by the sensors (and possibly also the considered vehicle as it considers to be positioned taking into account the data measured by its own sensors),
  • the alternative representation is established by positioning in a given reference frame each transmitting entity and / or each object detected by sensors fitted to each transmitting entity (and possibly also the vehicle considered as seen by the transmitting entities);
  • the motor vehicle determines to what extent the position of each object of the main representation corresponds to the position of each transmitting entity and / or of each object on the alternative representation (and to what extent the position of the vehicle considered corresponds to these two representations);
  • the main representation is established by specifying, in addition to the position of each object, at least one other characteristic of each object detected by the sensors (which means that the vehicle and each object detected by the sensors are associated with at least one other feature in addition to their position in a given repository),
  • the alternative representation is established by specifying, in addition to the position of each transmitting entity and / or the position of each object detected by sensors fitted to each transmitting entity, at least one other characteristic of each transmitting entity and / or of each object detected by sensors fitted to each transmitting entity (it will be recalled here that one of the objects seen by one of the transmitting entities may be the vehicle considered);
  • the motor vehicle determines to what extent said other characteristic of each object of the main representation corresponds to said other characteristic of each transmitting entity and / or of each object on the alternative representation (it can also be determined in the extent to which the characteristics of the vehicle considered measured by the internal sensors of the vehicle correspond to the characteristics measured by the sensors of the transmitting entities);
  • the anomaly detection generates for each anomaly a report containing a designation of the anomaly (type), a confidence index in the proper detection of this anomaly, the list of the perception systems and sensors suspected of being affected by the 'anomaly ;
  • the confidence index in the detection of anomaly is calculated based also on at least one of the following parameters: the number of issuing entity transmitting external data,
  • the check may for example consist of a signal strength measurement to check its coherence with the position of the transmitting entity indicated in the external data
  • a computer equipping the vehicle identifies each sensor affected by an error, then there is provided a transmission step during which the computer transmits to other systems of the vehicle an alert signal ( or "report of error") including a designation of each identified sensor and / or a designation of the anomaly;
  • the external data relates to said issuing entity and comprises at least one of the elements of the following list:
  • the external data relates to each object of the environment detected by said issuing entity and comprises at least one of the elements of the following list: a dimension of said object,
  • the invention also relates to a motor vehicle comprising:
  • sensors adapted to measure internal data relating to the motor vehicle and / or its environment
  • a computer adapted to match the internal data and the external data to detect a possible anomaly in the internal data and to issue an alert if an anomaly is detected.
  • FIG. 1 is a schematic top view of motor vehicles traveling on a road
  • FIGS. 2, 4, 5, 7 and 9 are diagrammatic views from above of the road of FIG. 1, on each of which is shown only one of the motor vehicles of FIG. 1 and the positions of the objects that this motor vehicle detects. ;
  • FIG. 3 is a schematic view from above of the road of FIG. 1, on which is represented the motor vehicle more particularly considered in this presentation and the positions of motor vehicles adapted to communicate with the motor vehicle concerned;
  • FIGS 6, 8 and 10 are schematic top views of the road of Figure 1, on each of which are represented the positions of motor vehicles adapted to communicate with the motor vehicle and the objects detected by these motor vehicles;
  • FIG. 1 1 is a schematic top view of the motor vehicle considered.
  • FIG. 1 represents six motor vehicles 20, 21, 22, 30, 31, 32 which follow the same road 10. These vehicles drive indistinctly on one or the other of the four lanes 1 1, 12, 13, 14 from this road 10.
  • vehicle under consideration 20 In the situation studied here, one of these six motor vehicles will be considered more particularly, which will be hereinafter referred to as "vehicle under consideration" 20.
  • connected vehicles 21, 22 Of the five other motor vehicles, two of them will be considered to be equipped with the same electronic systems as the vehicle in question and so to communicate with it. These two motor vehicles will hereinafter be referred to as "connected vehicles 21, 22".
  • connected vehicles 21, 22 are “transmitting entities” in that they are capable of communicating with the vehicle in question 20.
  • the invention would apply in the same way if these connected vehicles 21, 22 were replaced. by any other type of issuing entity (pedestrian or cyclist equipped with a smartphone or a connected mobile device, fixed and communicating road infrastructure ).
  • the vehicle considered 20 comprises a computer 71, a wireless communication module 72, a geolocation system 73, an alert module 74, and various object sensors.
  • the computer 71 will be distinct from the aforementioned modules and system. Alternatively, it could be integrated with one of them.
  • the wireless communication module 72 is designed to establish wireless communications with the connected vehicles 21, 22 nearby (typically located at a distance of a few hundred meters maximum, for example at a distance less than a maximum threshold between 300 m and 1 km). This wireless communication module 72 is equipped with a system for protection against computer attacks, so that it will be considered in the following that the information provided by this module to the computer 71 are reliable.
  • the geolocation system 73 comprises a sensor adapted to determine the geolocalised coordinates of the vehicle 20.
  • This will be for example a GNSS receiver for determining the coordinates of the motor vehicle in an absolute reference system, for example the GPS coordinates.
  • This GNSS receiver could for example be completed (or replaced) by an inertial unit.
  • the alert module 74 is designed to emit an alert signal (or "anomaly report") when necessary. It is more precisely here designed to issue this anomaly report on the CAN bus of the vehicle considered 20, so that other vehicle systems can take advantage of this signal.
  • this anomaly report can for example be used to generate:
  • control signal for the control systems of the vehicle in question for example to control the automatic stop on the emergency stop band of the vehicle.
  • the anomaly report will preferably indicate the equipment which is at the source of the anomaly, as well as the problem affecting this equipment. This will be detailed later in this presentation.
  • Object sensors can come in many different forms and very varied numbers. As shown in FIG. 11, they comprise:
  • a LIDAR detector 56 installed on the roof and which covers an angular sector here equal to 360 degrees, and
  • RADAR detectors 61, 62, 63, 64 for example implanted at the rear and on the sides of the vehicle.
  • the computer 71 here comprises a processor (CPU), a memory and various input and output interfaces. Alternatively, it could be formed of different processors for example distributed in different electronic systems of the vehicle.
  • the computer 71 is adapted to receive input signals from the various aforementioned sensors and the wireless communication module 72. It is also adapted to receive signals from other internal systems of the vehicle (for example an ABS system, an engine control system ...) for example to obtain information on the speed of the vehicle, its acceleration ...
  • the computer 71 With its output interfaces, the computer 71 is adapted to transmit output signals, in particular from the alert module 74 to the CAN network.
  • the computer 71 With its memory, the computer 71 stores data used in the context of the method described below.
  • the computer is programmed to implement an algorithm recursively, that is to say in a loop and at regular time steps.
  • It is notably programmed to acquire at each time step the data measured by the various sensors embedded in the vehicle considered 20, in particular by the object sensors.
  • the computer 71 also implements the anomaly detection method described below (it may be noted here that the computer could alternatively be dedicated solely to the implementation of this method of anomaly detection).
  • This process comprises five successive major steps, implemented recursively.
  • the computer 71 acquires the last data measured by the sensors 51, 52, 53, 54, 55, 56, 61, 62, 63, 64, 73 fitted to the motor vehicle 20 and by the other internal systems of the vehicle (ABS system, engine control system ). These data will hereafter be called “internal data”. They relate to the motor vehicle 20 and its environment.
  • the information "where am I” relates to the vehicle in question 20. They are defined by ETSI EN 302 637-2. Here they include all the data in the list that follows, but they could alternatively include a small number of data or a number on the contrary higher. This list includes the following data:
  • the dynamics of the vehicle considered resulting from the geolocation system 73 and / or other sensors or internal system of the vehicle such as accelerometers), namely the orientation, the speed, the angular velocity and the acceleration of the vehicle considered 20,
  • a steering angle of the steering wheel of the vehicle considered 20 (derived from an ad hoc sensor or originating from an internal system of the vehicle),
  • the on or off state of the lights of the vehicle considered 20 (from an ad hoc sensor or from an internal system of the vehicle).
  • the "what do I see” information relates to the environment of the vehicle considered as detected by the object sensors of this vehicle 20. They are defined by the future ETSI TS 103 324 standard. here all the data in the list that follows, but they could alternatively include a small number of data or a number on the contrary higher. This list includes the following data:
  • each detected object belongs (car, truck, motorcycle, pedestrian, cyclist, undetermined object, road infrastructure such as road sign, traffic light, marking on the ground, road delimitation, etc.),
  • this level of confidence being for example related to the reliability of the sensor having detected the object.
  • the computer 71 is able to establish a main representation V20A illustrative of its environment, on which is represented each detected object as well as the vehicle itself.
  • An illustration of this main V20A representation is given in Figure 5.
  • bY label is associated with each thumbnail 30A 0, 21A 0, 31A 0, 32A 0.
  • This main representation V20A illustrates the position of these vehicles at a given moment. It also illustrates, with its PAR tags, the characteristics associated with each vehicle (these characteristics being derived from the same source as the "where am I” and “what do I see” information). It should be noted here that the PAR tags can make it possible to characterize the evolution of the characteristics over time of each detected object and the vehicle considered 20.
  • this main representation consists in positioning in a given reference frame the vehicle considered itself and the objects detected by the sensors of the vehicle considered 20, by associating with the vehicle under consideration and with the detected objects characteristics (dimension, dynamic , etc).
  • the computer 71 acquires, via the wireless communication module 72, data transmitted by the connected vehicles 21, 22 nearby. These data will hereafter be called “external data”. They relate to the connected vehicles 21, 22 and their environments.
  • the connected vehicles 21, 22 are also adapted to generate information flows of the type "what do I see” and "where am I". They then transmit them to the vehicle in question via their wireless communication modules 72.
  • the computer 71 is able to establish two alternative representations V21, V22 illustrative of the environment of the connected vehicles 21, 22 and on which are the objects detected by these vehicles and the characteristics associated with these objects.
  • the connected vehicle 21 is observed, as well as three thumbnails 30A 1; 31, 20 ⁇ corresponding to the three vehicles 20, 30, 31 shown in Figure 1 which are visible by the sensors of the connected vehicle 21 (and the four corresponding PAR labels).
  • the computer 71 By receiving information "where am I" connected vehicles 21, 22, the computer 71 is also able to establish a third alternative representation P20 representative of the positions of the connected vehicles 21, 22 with respect to the vehicle 20.
  • This third alternative representation P20 is shown in FIG. 3. There is observed the vehicle considered 20, and two thumbnails 21B, 22B corresponding to the two connected vehicles 21, 22 (and the corresponding PAR tags).
  • the calculator 71 establishes a global alternative representation V23 on which appear all the thumbnails and labels represented on the three alternative representations P20, V21, V22 (see Figure 6).
  • this alternative representation positions in a given frame the two connected vehicles 21, 22 and the objects detected by these two connected vehicles, by associating their characteristics (dimension, dynamics, etc.). It is observed that one of the detected objects corresponds to the vehicle considered 20.
  • the computer 71 thus has in memory the main representation V20A represented in FIG. 5 and the overall alternative representation V23 represented in FIG. 6.
  • the computer will seek to detect a possible anomaly in the internal data measured by its sensors.
  • the calculator 71 first determines whether all the thumbnails represented on the main representation V20A are superimposed on thumbnails represented on the global alternative representation V23.
  • the first case is where internal data and external data are reliable. This case is illustrated in Figures 5 and 6.
  • the position of the vehicle considered 20 on the main representation V20A corresponds to the position of a sticker 20Ai on the overall alternative representation V23.
  • the position of the vehicle considered 20 obtained by the geolocation system 73 corresponds to the position where the connected vehicles 21, 22 detect the vehicle considered 20.
  • the positions of the four thumbnails 30A 0, 21A 0, 31A 0, 32A 0 of the main V20A representation corresponds to the position of at least four thumbnails 30A 1; 21 B, 31, 31 A 2 , 32A 2 of the overall alternative representation V23.
  • the positions of the objects detected by the object sensors of the vehicle 20 correspond to the positions of the connected vehicles 21, 22 or to the positions of the objects detected by these connected vehicles 21, 22.
  • the third vehicle 31 has been detected by the two connected vehicles 21, 22, so that it is represented on the overall alternative representation V23 by two thumbnails 31, 31 A 2 to which one of the thumbnails 31 A 0 of the main representation V20A.
  • the labels PAR corresponding vignettes on these two representations comprise characteristics with substantially identical values (same speed, same acceleration, same color, same state of the lights ).
  • the process is then completed here.
  • the second case is where the internal data from the object sensors has anomalies, while the external data is reliable. This case is illustrated in Figures 7 and 8 ( Figure 8 being identical to Figure 6 because here, the external data are reliable).
  • the position of the vehicle considered 20 on the main representation V20B corresponds to the position of a sticker 20A- I on the global alternative representation V23.
  • the position of the three thumbnails 40, 41, 42 on the main representation V20B does not correspond to the position of the thumbnails 30A- I , 21B, 31Ai, 31A 2 , 32A 2 on the global alternative representation V23.
  • the calculator 71 associates each of the thumbnails 40, 41, 42 of the main representation V20B with one of the thumbnails of the global alternative representation V23 (namely with the closest vignette), and it calculates the difference between these two related thumbnails. Each difference thus calculated is stored in the corresponding record of the database stored in the memory of the computer 71.
  • the calculator 71 also identifies the system or systems concerned by each anomaly. An identifier of this sensor is stored in the corresponding record of the database.
  • the computer will identify the system or systems concerned by this anomaly.
  • the manner in which these anomalies will be dealt with will be detailed below.
  • the relative position of the vignettes on the main representation corresponds to the relative position of the thumbnails on the overall alternative representation ("relative position" meaning distance and orientation of the objects with respect to the vehicle considered 20 - that is to say position in a frame centered on the considered vehicle 20).
  • the absolute position (in GPS coordinates or in a repository not centered on the vehicle 20 - the geocentric reference frame for example) of the vehicle considered 20 and thumbnails on the main representation differs from the absolute position of the vignettes on the overall alternative representation. .
  • an anomaly is then detected by the computer 71.
  • the computer then opens in its database a new record associated with this anomaly (an anomaly report is then generated).
  • the computer 71 calculates the difference between the absolute position of the vehicle considered 20 on the main representation and the absolute position of the corresponding vignette on the overall alternative representation. This discrepancy is stored in this record. An identifier of the geolocation system 73 is also stored there.
  • the computer 71 generates an abnormality report indicating:
  • This anomaly report will be used by the vehicle systems (receiving this report) to adapt their operation.
  • the automatic vehicle control system which uses the vehicle position calculated by the geolocation system 73, will then be deactivated by asking the human driver to regain control of the vehicle.
  • the vehicle systems receiving this anomaly report may eventually decide not to take into account the anomaly reported in this report if the level of confidence in the detection of this anomaly is judged to be low.
  • the confidence index allows the vehicle systems receiving this report to control with great reliability the reality an abnormality detected in the internal data measured by the sensors of the vehicle considered 20 or by other systems of the vehicle.
  • This confidence index in the anomaly detection can be calculated taking into account:
  • the confidence index may be equal to the sum of the scores assigned to each of these criteria, each score being between 1 and 10.
  • the computer 71 is programmed to emit, during a fifth so-called transmission step, an anomaly report including a designation of the sensor identified as faulty and a designation of the problem (error GPS coordinates, relative position detection problem, relative speed detection problem ).
  • this anomaly report can be used later for example to warn the user of this failure and / or to warn a technician working later on the vehicle that the sensor is faulty, and / or to adapt the steering the vehicle taking into account this failure.
  • the anomaly report that is then issued on the CAN bus of the vehicle under consideration has the following four information:
  • speed measurement problem it can be specified if the speed is underestimated or overestimated
  • the second example occurs when the main and alternative representations are radically different, especially if we consider only the positions of thumbnails.
  • the anomaly report that is then issued on the CAN bus of the vehicle under consideration has the following four information:
  • the third example occurs when the main representations and alternative are identical except in the field of vision of the vehicle (case of Figures 9 and 10).
  • the anomaly report that is then issued on the CAN bus of the vehicle under consideration has the following four information:
  • a step of determining the type of anomaly a step of calculating a confidence index in the quality of the anomaly detection, a step of attempting to detect different systems affected by the anomaly, and a step of attempting to detect the different subsystems affected by the anomaly.
  • the detection method can be based on a small number of data.
  • the detection process could be based on data internal only relating to the environment as seen by the vehicle 20 and external data relating only to the connected vehicles 21, 22 (in this variant, the alternative representation P20 shown in Figure 3 is the only one to be established in order to be compared with the main representation V20A, which makes it possible to implement the method described above in a degraded manner).
  • the external data considered could be issued by other types of transmitting entities than the connected vehicles, namely in particular by connected road infrastructures (trackside terminals, relay antennas, etc.). ) and mobile phones of pedestrians, cyclists, motorcyclists or drivers of non-connected vehicles.

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

L'invention concerne un procédé de détection d'anomalie dans la perception par un véhicule automobile de son environnement et de sa situation dans cet environnement. Selon l'invention, ce procédé comporte : - une étape de mesure, par des capteurs équipant le véhicule automobile (20), de données internes qui sont relatives au véhicule automobile et/ou à son environnement, - une étape de réception, par des moyens de communication équipant le véhicule automobile, de données externes émises par au moins un autre véhicule automobile (21, 22), lesdites données externes étant relatives à l'environnement dudit autre véhicule automobile et/ou audit autre véhicule automobile, et - une étape de détection d'une éventuelle anomalie dans les données internes mesurées, compte tenu du résultat d'une mise en correspondance des données internes et des données externes.

Description

PROCEDE DE DETECTION D’ANOMALIE DANS LA PERCEPTION PAR UN VEHICULE
AUTOMOBILE DE SON ENVIRONNEMENT
DOMAINE TECHN IQUE AUQUEL SE RAPPORTE L'INVENTION
La présente invention concerne les véhicules automobiles équipés de systèmes embarqués susceptibles de présenter des anomalies provenant de défaillances ou d’attaques informatiques. Elle concerne plus précisément la détection et la protection contre de telles anomalies.
Elle concerne plus particulièrement un procédé de détection d’anomalie dans la perception par un véhicule automobile de son état interne et de son environnement.
Elle concerne aussi un véhicule automobile équipé de moyens informatiques adaptés à mettre en oeuvre ce procédé de détection d’anomalie.
ARRI ERE-PLAN TECHNOLOGIQUE
De nos jours, les véhicules automobiles utilisent de plus en plus fréquemment des systèmes électroniques embarqués pour assurer des fonctionnalités variées pouvant aller jusqu’à la conduite autonome du véhicule. Ces systèmes électroniques embarqués utilisent notamment des capteurs permettant de détecter l’environnement du véhicule automobile. Ces véhicules peuvent par ailleurs échanger des données entre eux, par exemple au moyen de système de communication sans fil généralement dénommés "V2X".
De tels véhicules peuvent donc faire l’objet d’attaques informatiques visant leurs systèmes embarqués. Par conséquent, il est connu d’équiper les véhicules de systèmes de protection contre les attaques informatiques venant de l’extérieur.
Il peut toutefois arriver que des erreurs affectent les données internes du véhicule, notamment les données relevées par les capteurs équipant le véhicule automobile. Ces erreurs peuvent provenir de problèmes aléatoires (poussières collées aux capteurs, dysfonctionnement technique d’un capteur) ou d’attaques informatiques contre les capteurs du véhicule.
OBJET DE L’INVENTION
Dans ce contexte, la présente invention propose un procédé de détection d’anomalie dans la perception par un véhicule automobile de son environnement et de sa situation dans cet environnement, comportant : - une étape de mesure, par des capteurs équipant le véhicule automobile, de données internes qui sont relatives au véhicule automobile et/ou à son environnement (typiquement des mesures de distance, de vitesse et d’angle relatifs par rapport à un objet, des positions vitesses et accélérations du véhicule dans un repère absolu,...),
- une étape de réception, par des moyens de communication équipant le véhicule automobile, de données externes émises par au moins une entité émettrice, lesdites données externes étant relatives à l’environnement de ladite entité émettrice et/ou à ladite entité émettrice elle-même (les données externes sont en pratique mesurées par des capteurs équipant l’entité émettrice), et
- une étape de détection d’une éventuelle anomalie dans les données internes mesurées, compte tenu du résultat d’une mise en correspondance des données internes et des données externes.
La demanderesse considère qu’il est possible de se prémunir d’une très grande majorité des attaques informatiques provenant de l’extérieur. De ce fait, contrairement à la pratique actuelle qui consiste à considérer que les données externes reçues sont de moindre confiance que les données internes générées par le véhicule, elle considère que les données externes reçues (et éventuellement filtrées au préalable grâce à un système de sécurité) sont en majeure partie fiables.
En effet, les entités émettrices de données sont supposées avoir été certifiées (avant leur mise sur le marché) en termes de qualité et fiabilité des données externes émises.
Par ailleurs, le véhicule considéré (qui reçoit les données) peut effectuer divers contrôles sur ces données externes reçues pour s'assurer de leur fiabilité.
A titre d’exemple, le véhicule peut effectuer un contrôle dit « de confiance » qui consiste à vérifier que les certificats et signatures numériques (ajoutés aux données externes par l'entité émettrice de données) sont valides, ce qui permet de s'assurer que ces données externes proviennent bien d'une entité émettrice autorisée à les émettre et que ces données sont authentiques, intègres et non-falsifiées.
Encore à titre d’exemple, il est possible d’effectuer un contrôle dit « de plausibilité », en cherchant à identifier une incohérence entre le niveau de puissance du signal physique reçu durant la communication sans fil "V2X" (transmettant les données externes) et la position de l'entité émettrice (compte tenu de la position de cette entité émettrice telle qu’elle est renseignée dans les données externes). En effet, les lois physiques d’atténuation (propagation d'une onde électromagnétique) permettent d'évaluer le niveau de puissance auquel le signal devrait être reçu, compte tenu de la position de l'entité émettrice.
L’invention propose donc d’utiliser ces données externes contrôlées et de les comparer avec les données internes (mesurées par les capteurs embarqués dans le véhicule) afin de s’assurer que les résultats fournis par les capteurs ne présentent pas d’anomalie. Une telle anomalie peut découler d’une attaque informatique ou d’une action inappropriée du capteur, ou encore d’un dysfonctionnement du capteur.
Grâce à l’invention, le véhicule peut ainsi détecter cette anomalie et en tenir compte pour prendre les mesures nécessaires et se protéger contre les effets de cette anomalie.
Comme cela sera décrit ci-après, l’invention détectera les anomalies avec une grande fiabilité lorsque les résultats fournis par les capteurs seront comparés avec les données émises par un grand nombre d’entités émettrices, sur une durée prolongée.
D’autres caractéristiques avantageuses et non limitatives du procédé de détection conforme à l’invention sont les suivantes :
- à l’étape de mesure, le véhicule automobile établit une représentation principale de son environnement (et éventuellement aussi de son état, c’est-à-dire de sa position dans cet environnement), à partir des données internes mesurées,
- à l’étape de réception, le véhicule automobile établit une représentation alternative de son environnement (et éventuellement aussi de son état), à partir des données externes reçues,
- à l’étape de détection, le véhicule automobile détermine dans quelle mesure les représentations principale et alternative correspondent ;
- la représentation principale est établie en positionnant dans un référentiel donné chaque objet détecté par les capteurs (et éventuellement aussi le véhicule considéré tel qu’il estime être positionné compte tenu des données mesurées par ses propres capteurs),
- la représentation alternative est établie en positionnant dans un référentiel donné chaque entité émettrice et/ou chaque objet détecté par des capteurs équipant chaque entité émettrice (et éventuellement aussi le véhicule considéré tel qu’il est vu par les entités émettrices) ;
- à l’étape de détection, le véhicule automobile détermine dans quelle mesure la position de chaque objet de la représentation principale correspond à la position de chaque entité émettrice et/ou de chaque objet sur la représentation alternative (et dans quelle mesure la position du véhicule considéré correspond sur ces deux représentations) ;
- la représentation principale est établie en spécifiant, outre la position de chaque objet, au moins une autre caractéristique de chaque objet détecté par les capteurs (ce qui signifie qu’on associe au véhicule et à chaque objet détecté par les capteurs au moins une autre caractéristique en plus de leur position dans un référentiel donné),
- la représentation alternative est établie en spécifiant, outre la position de chaque entité émettrice et/ou la position de chaque objet détecté par des capteurs équipant chaque entité émettrice, au moins une autre caractéristique de chaque entité émettrice et/ou de chaque objet détecté par des capteurs équipant chaque entité émettrice (on rappellera ici que l’un des objets vus par l’une des entités émettrice peut être le véhicule considéré);
- à l’étape de détection, le véhicule automobile détermine dans quelle mesure ladite autre caractéristique de chaque objet de la représentation principale correspond à ladite autre caractéristique de chaque entité émettrice et/ou de chaque objet sur la représentation alternative (on peut également déterminer dans quelle mesure les caractéristiques du véhicule considéré mesurées par les capteurs internes du véhicule correspondent aux caractéristiques mesurées par les capteurs des entités émettrices) ;
- suite à l’étape de détection, il est prévu une étape de calcul de la valeur d’un indice de confiance dans la détection d’anomalie, en fonction au moins de la fréquence d’occurrence de détection d’anomalies dans le temps ;
- la détection d'anomalie génère pour chaque anomalie un rapport contenant une désignation de l'anomalie (type), un indice de confiance dans la bonne détection de cette anomalie, la liste des systèmes de perception et capteurs suspectés d'être affectés par l'anomalie ;
- l’indice de confiance dans la détection d’anomalie est calculé en fonction également de l’un au moins des paramètres suivants : - le nombre d'entité émettrice émettant des données externes,
- la précision et l'incertitude de la donnée externe reçue,
- la précision et l'incertitude de la donnée interne,
- le résultat d’un contrôle effectué sur les données externes reçues (le contrôle peut par exemple consister en une mesure de puissance du signal pour vérifier sa cohérence avec la position de l'entité émettrice indiquée dans les données externes),
- le type du capteur ayant mesuré la donnée externe,
- le type du capteur ayant mesuré la donnée interne ;
- à l’étape de détection, un calculateur équipant le véhicule identifie chaque capteur affecté par une erreur, puis il est prévu une étape d’émission au cours de laquelle le calculateur émet vers d’autres systèmes du véhicule un signal d’alerte (ou « rapport d’erreur ») comportant une désignation de chaque capteur identifié et/ou une désignation de l’anomalie ;
- les données externes sont relatives à ladite entité émettrice et comprennent au moins l’un des éléments de la liste suivante :
- la position absolue de ladite entité émettrice,
- une dimension de ladite entité émettrice,
- une catégorie d’objet à laquelle appartient ladite entité émettrice (voiture, camion, piéton...),
- l’orientation de ladite entité émettrice,
- la vitesse de ladite entité émettrice,
- la vitesse angulaire de ladite entité émettrice,
- l’accélération de ladite entité émettrice,
- un historique de trajet de ladite entité émettrice,
- une prédiction de trajet de ladite entité émettrice,
- un angle de braquage du volant de ladite entité émettrice lorsque ladite entité émettrice est un autre véhicule automobile,
- la position ou la pression exercée sur les pédales de frein et/ou d’accélérateur dudit autre véhicule automobile,
- l’état des éclairages dudit autre véhicule automobile ;
- les données externes sont relatives à chaque objet de l’environnement détecté par ladite entité émettrice et comprennent au moins l’un des éléments de la liste suivante : - une dimension dudit objet,
- une catégorie à laquelle appartient ledit objet,
- la couleur dudit objet,
- la position dudit objet,
- la dynamique dudit objet,
- une prédiction du trajet dudit objet,
- un niveau de confiance dans la détection dudit objet,
- si ledit objet est un feu de circulation, l’état dudit feu de circulation,
- si ledit objet est un panneau de signalisation routière, un identifiant du type de ce panneau de signalisation routière,
- si ledit objet est un évènement routier, la catégorie de cet évènement routier (animal, plaque de verglas...).
L’invention concerne aussi un véhicule automobile comportant :
- des capteurs adaptés à mesurer des données internes qui sont relatives au véhicule automobile et/ou à son environnement,
- des moyens de communication adaptés à recevoir des données externes émises par au moins une entité émettrice, et
- un calculateur adapté à mettre en correspondance les données internes et les données externes pour détecter une éventuelle anomalie dans les données internes et à émettre une alerte si une anomalie est détectée.
DESCRIPTION DETAILLEE D’UN EXEMPLE DE RÉALISATION
La description qui va suivre en regard des dessins annexés, donnés à titre d’exemples non limitatifs, fera bien comprendre en quoi consiste l’invention et comment elle peut être réalisée.
Sur les dessins annexés :
- la figure 1 est une vue schématique de dessus de véhicules automobiles roulant sur une route ;
- les figures 2, 4, 5, 7 et 9 sont des vues schématiques de dessus de la route de la figure 1 , sur chacune desquelles est représenté un seul des véhicules automobiles de la figure 1 et les positions des objets que ce véhicule automobile détecte ;
- la figure 3 est une vue schématique de dessus de la route de la figure 1 , sur laquelle est représenté le véhicule automobile plus particulièrement considéré dans le présent exposé ainsi que les positions des véhicules automobiles adaptés à communiquer avec le véhicule automobile considéré ;
- les figures 6, 8 et 10 sont des vues schématiques de dessus de la route de la figure 1 , sur chacune desquelles sont représentés les positions des véhicules automobiles adaptés à communiquer avec le véhicule automobile considéré ainsi que les objets détectés par ces véhicules automobiles ; et
- la figure 1 1 est une vue schématique de dessus du véhicule automobile considéré.
La figure 1 représente six véhicules automobiles 20, 21 , 22, 30, 31 , 32 qui empruntent une même route 10. Ces véhicules roulent indistinctement sur l’une ou l’autre des quatre voies de circulation 1 1 , 12, 13, 14 de cette route 10.
Cette situation est destinée à expliquer l’invention, laquelle invention ne se limitera bien entendu pas à cette seule situation.
Dans la situation ici étudiée, on considérera plus particulièrement l’un de ces six véhicules automobiles, qui sera ci-après désigné « véhicule considéré 20 » .
Parmi les cinq autres véhicules automobiles, on considérera que deux d’entre eux sont équipés des mêmes systèmes électroniques que le véhicule considéré 20 et qu’ils pourront donc communiquer avec ce dernier. Ces deux véhicules automobiles seront ci-après désignés « véhicules connectés 21 , 22 ».
Ces véhicules connectés 21 , 22 sont des « entités émettrices » en ce sens qu’elles sont capables de communiquer avec le véhicule considéré 20. En variante, l’invention s’appliquerait de la même façon si ces véhicules connectés 21 , 22 étaient remplacés par tout autre type d’entité émettrice (piéton ou cycliste équipé d’un smartphone ou d’un appareil mobile connecté, infrastructure routière fixe et communicante...).
Dans l’exemple illustré, on considérera enfin que les trois autres véhicules automobiles 30, 31 , 32 ne sont pas adaptés à communiquer avec le véhicule considéré 20. Ils seront ci-après désignés « véhicules tiers 30, 31 , 32 ». Ils seront donc simplement considérés comme des « objets », au même titre qu’une infrastructure routière, un obstacle sur la route...
On peut tout d’abord décrire les seuls éléments du véhicule considéré 20 utiles à la compréhension de l’invention (on considérera que les véhicules connectés 21 , 22 sont équipés de ces mêmes éléments). Comme le montre la figure 1 1 , le véhicule considéré 20 comprend un calculateur 71 , un module de communication sans fil 72, un système de géolocalisation 73, un module d’alerte 74, et différents capteurs d’objets.
Dans le mode de réalisation ici décrit, le calculateur 71 sera distinct des modules et système précités. En variante, il pourrait être intégré à l’un d’entre eux.
Le module de communication sans fil 72 est conçu pour établir des communications sans fil avec les véhicules connectés 21 , 22 avoisinants (situés typiquement à une distance de quelques centaines de mètres au maximum, par exemple à une distance inférieure à un seuil maximal compris entre 300 m et 1 km). Ce module de communication sans fil 72 est équipé d’un système de protection contre les attaques informatiques, de sorte qu’on considérera dans la suite que les informations fournies par ce module au calculateur 71 sont fiables.
Le système de géolocalisation 73 comporte quant à lui un capteur adapté à déterminer les coordonnées géolocalisées du véhicule considéré 20. Il s’agira ici par exemple d’un récepteur GNSS permettant de déterminer les coordonnées du véhicule automobile dans un référentiel absolu, par exemple les coordonnées GPS. Ce récepteur GNSS pourrait par exemple être complété (ou remplacé) par une centrale inertielle.
Le module d’alerte 74 est quant à lui conçu pour émettre un signal d’alerte (ou « rapport d’anomalie ») quand cela s’avère nécessaire. Il est plus précisément ici conçu pour émettre ce rapport d’anomalie sur le bus CAN du véhicule considéré 20, de façon à ce que d’autre systèmes du véhicule puisse tirer parti de ce signal.
Ainsi, ce rapport d’anomalie pourra par exemple être employé pour générer :
- un message vocal sur les haut-parleurs du véhicule considéré 20,
- un message écrit sur un écran du véhicule considéré 20,
- un signal de commande des systèmes de pilotage du véhicule considéré 20 (par exemple pour commander l’arrêt automatique sur la bande d’arrêt d’urgence du véhicule).
On notera ici que le rapport d’anomalie désignera de préférence l’équipement qui est à la source de l’anomalie, ainsi que le problème affectant cet équipement. Cela sera détaillé dans la suite de cet exposé.
Les capteurs d’objets peuvent se présenter sous différentes formes et en des nombres très variés. Tel que cela a été représenté sur la figure 1 1 , ils comportent :
- quatre caméras grand angle 52, 53, 54, 55 répartis sur les quatre côtés du véhicule considéré 20, qui couvrent chacun un angle de plus de 120 degrés,
- éventuellement, une caméra frontale à angle restreint orientée vers l’avant du véhicule considéré 20,
- un détecteur RADAR 51 orienté vers l’avant du véhicule considéré 20,
- un détecteur LIDAR 56 implanté sur le toit et qui couvre un secteur angulaire ici égal à 360 degrés, et
- éventuellement d’autres détecteurs RADAR 61 , 62, 63, 64, par exemple implantés à l’arrière et sur les côtés du véhicule.
Le calculateur 71 comporte ici un processeur (CPU), une mémoire et différentes interfaces d'entrée et de sortie. En variante, il pourrait être formé de différents processeurs par exemple répartis dans différents systèmes électroniques du véhicule.
Grâce à ses interfaces d'entrée, le calculateur 71 est adapté à recevoir des signaux d'entrée provenant des différents capteurs précités et du module de communication sans fil 72. Il est également adapté à recevoir des signaux d'autres systèmes internes du véhicule (par exemple d’un système ABS, d’un système de contrôle du moteur...) afin par exemple d’obtenir des informations sur la vitesse du véhicule, sur son accélération...
Grâce à ses interfaces de sortie, le calculateur 71 est adapté à transmettre des signaux de sortie, notamment depuis le module d’alerte 74 vers le réseau CAN.
Grâce à sa mémoire, le calculateur 71 mémorise des données utilisées dans le cadre du procédé décrit ci-dessous.
Il mémorise notamment une application informatique, constituée de programmes d’ordinateur comprenant des instructions dont l’exécution par le processeur permet la mise en oeuvre par le calculateur du procédé décrit ci-après.
Classiquement, le calculateur est programmé pour mettre en oeuvre un algorithme de manière récursive, c’est-à-dire en boucle et à pas de temps réguliers.
Il est notamment programmé pour acquérir à chaque pas de temps les données mesurées par les différents capteurs embarqués dans le véhicule considéré 20, notamment par les capteurs d’objets.
Il est ensuite programmé pour utiliser ces données de différentes façons, par exemple pour alerter le conducteur en cas d’objet situé sur la trajectoire du véhicule considéré 20, ou pour assurer la conduite autonome du véhicule considéré 20.
On comprend donc l’importance d’obtenir des capteurs des données fiables.
C’est la raison pour laquelle le calculateur 71 met également en œuvre le procédé de détection d’anomalie décrit ci-après (on pourra ici noter que le calculateur pourrait, en variante, être dédié uniquement à la mise en œuvre de ce procédé de détection d’anomalie).
Ce procédé comporte cinq étapes majeures successives, mises en œuvre de façon récursive.
Au cours d’une première étape dite de mesure, le calculateur 71 acquiert les dernières données mesurées par les capteurs 51 , 52, 53, 54, 55, 56, 61 , 62, 63, 64, 73 équipant le véhicule automobile 20 et par les autres systèmes internes du véhicule (système ABS, système de contrôle moteur...). Ces données seront ci-après appelées « données internes ». Elles sont relatives au véhicule automobile 20 et à son environnement.
Les données internes sont ici utilisées pour générer deux flux d’informations, à savoir des informations « où suis-je » (de l’anglais « Here I am ») et des informations « que vois-je » (de l’anglais « What I see »).
Les informations « où suis-je » sont relatives au véhicule considéré 20. Elles sont définies par la norme ETSI EN 302 637-2. Elles comprennent ici l’ensemble des données de la liste qui suit, mais elles pourraient en variante comporter un nombre restreint de données ou un nombre au contraire plus élevé. Cette liste comprend les données suivantes :
- la position géolocalisée du véhicule considéré 20 (issue du système de géolocalisation 73),
- la taille et/ou le type (camion, voiture, moto...) et/ou le modèle du véhicule considéré 20 (issu de la mémoire du calculateur 71 ),
- la dynamique du véhicule considéré 20 (issue du système de géolocalisation 73 et/ou d’autres capteurs ou système interne du véhicule tels que des accéléromètres), à savoir l’orientation, la vitesse, la vitesse angulaire et l’accélération du véhicule considéré 20,
- un historique de trajet du véhicule considéré 20 (issu du système de géolocalisation 73),
- une prédiction de trajet du véhicule considéré 20 (issue du système de géolocalisation 73 et du calculateur 71 ),
- un angle de braquage du volant du véhicule considéré 20 (issu d’un capteur ad hoc ou provenant d'un système interne du véhicule),
- la position ou la pression exercée sur les pédales de frein et/ou d’accélérateur du véhicule considéré 20 (issu d’un capteur ad hoc ou provenant d'un système interne du véhicule),
- l’état allumé ou éteint des éclairages du véhicule considéré 20 (issu d’un capteur ad hoc ou provenant d'un système interne du véhicule).
Les informations « que vois-je » sont relatives à l’environnement du véhicule considéré 20 tel qu’il est détecté par les capteurs d’objets de ce véhicule considéré 20. Elles sont définies par la future norme ETSI TS 103 324. Elles comprennent ici l’ensemble des données de la liste qui suit, mais elles pourraient en variante comporter un nombre restreint de données ou un nombre au contraire plus élevé. Cette liste comprend les données suivantes :
- les dimensions de chaque objet détecté,
- une catégorie à laquelle appartient chaque objet détecté (voiture, camion, moto, piéton, cycliste, objet indéterminé, infrastructure routière tel que panneau de signalisation, feu tricolore, marquage au sol, délimitation de route....),
- la couleur de chaque objet détecté,
- la position de chaque objet détecté,
- la dynamique de chaque objet détecté,
- une prédiction du trajet de chaque objet détecté,
- un niveau de confiance dans la détection de chaque objet détecté (ce niveau de confiance étant par exemple lié à la fiabilité du capteur ayant détecté l’objet).
A ce stade, à partir des données internes ayant permis de déterminer les informations « où suis-je » et « que vois-je », le calculateur 71 est en mesure d’établir une représentation principale V20A illustrative de son environnement, sur laquelle est représenté chaque objet détecté ainsi que le véhicule considéré lui- meme. Une illustration de cette représentation principale V20A est donnée sur la figure 5. On y observe le véhicule considéré 20, ainsi que quatre vignettes 30A0, 21 A0, 31 A0, 32A0 correspondant aux quatre véhicules 30, 21 , 31 , 32 représentés sur la figure 1 qui sont visibles par les capteurs du véhicule considéré 20. Une étiquette PAR est associée à chaque vignette 30A0, 21 A0, 31 A0, 32A0.
Cette représentation principale V20A illustre la position de ces véhicules à un instant donné. Elle illustre également, par ses étiquettes PAR, les caractéristiques associées à chaque véhicule (ces caractéristiques étant issues de la même source que les informations « où suis-je » et « que vois-je »). On note ici que les étiquettes PAR peuvent permettre de caractériser l’évolution des caractéristiques au cours du temps de chaque objet détecté et du véhicule considéré 20.
En d'autres termes, cette représentation principale consiste à positionner dans un référentiel donné le véhicule considéré 20 lui-même et les objets détectés par les capteurs du véhicule considéré 20, en associant au véhicule considéré et aux objets détectés des caractéristiques (dimension, dynamique, etc).
Au cours d’une seconde étape dite de réception, le calculateur 71 acquiert, via le module de communication sans fil 72, des données émises par les véhicules connectés 21 , 22 avoisinants. Ces données seront ci-après appelées « données externes ». Elles sont relatives aux véhicules connectés 21 , 22 et à leurs environnements.
En pratique, les véhicules connectés 21 , 22 sont eux aussi adaptés à générer des flux d’informations du type « que vois-je » et « où suis-je ». Ils les transmettent alors au véhicule considéré 20 via leurs modules de communication sans fil 72.
Par conséquent, en recevant des informations « que vois-je » des véhicules connectés 21 , 22, le calculateur 71 est en mesure d’établir deux représentations alternatives V21 , V22 illustratives de l’environnement des véhicules connectés 21 , 22 et sur lesquelles sont représentés les objets détectés par ces véhicules et les caractéristiques associés à ces objets.
Ces deux représentations alternatives V21 , V22 sont respectivement illustrées sur les figures 2 et 4.
Sur la représentation alternative V21 illustrée sur la figure 2, on observe le véhicule connecté 21 , ainsi que trois vignettes 30A1 ; 31 , 20 ^ correspondant aux trois véhicules 20, 30, 31 représentés sur la figure 1 qui sont visibles par les capteurs du véhicule connecté 21 (ainsi que les quatre étiquettes PAR correspondantes).
Sur la représentation alternative V22 représentée sur la figure 4, on observe l’autre véhicule connecté 22, et deux vignettes 31 A2, 32A2 correspondant aux deux véhicules 31 , 32 représentés sur la figure 1 qui sont visibles par les capteurs du véhicule connecté 22 (ainsi que les étiquettes PAR correspondantes).
En recevant des informations « où suis-je » des véhicules connectés 21 , 22, le calculateur 71 est aussi en mesure d’établir une troisième représentation alternative P20 représentative des positions des véhicules connectés 21 , 22 par rapport au véhicule considéré 20.
Cette troisième représentation alternative P20 est représentée sur la figure 3. On y observe le véhicule considéré 20, et deux vignettes 21 B, 22B correspondant aux deux véhicules connectés 21 , 22 (ainsi que les étiquettes PAR correspondantes).
A partir de ces trois représentations alternatives P20, V21 , V22 illustrées sur les figures 2 à 4, le calculateur 71 établit une représentation alternative globale V23 sur laquelle apparaissent l’ensemble des vignettes et des étiquettes représentées sur les trois représentations alternatives P20, V21 , V22 (voir figure 6).
En d'autres termes, cette représentation alternative positionne dans un référentiel donné les deux véhicules connectés 21 , 22 et les objets détectés par ces deux véhicules connectés, en y associant leurs caractéristiques (dimension, dynamique, etc). On observe qu’un des objets détectés correspond au véhicule considéré 20.
A ce stade, le calculateur 71 a donc en mémoire la représentation principale V20A représentée sur la figure 5 et la représentation alternative globale V23 représentée sur la figure 6.
Alors, au cours d’une troisième étape dite de détection, le calculateur va chercher à détecter une éventuelle anomalie dans les données internes mesurées par ses capteurs.
Pour cela, il met en correspondance les données internes mesurées par ses capteurs et les données externes reçues des véhicules connectés 21 , 22.
En pratique, il détermine dans quelle mesure les représentations principale V20A et alternative globale V23 correspondent.
Le calculateur 71 détermine pour cela tout d’abord si l’ensemble des vignettes représentées sur la représentation principale V20A se superposent à des vignettes représentées sur la représentation alternative globale V23.
Il vérifie ensuite si les étiquettes des vignettes qui se superposent comportent des caractéristiques (vitesse, accélération, couleur...) identiques.
Pour bien comprendre comment cette étape est mise en œuvre, on peut à ce stade envisager trois cas.
Le premier cas est celui où les données internes et les données externes sont fiables. Ce cas est illustré sur les figures 5 et 6.
Dans ce cas, la position du véhicule considéré 20 sur la représentation principale V20A correspond bien à la position d’une vignette 20Ai sur la représentation alternative globale V23.
En d’autres termes, la position du véhicule considéré 20 obtenue par le système de géolocalisation 73 correspond bien à la position où les véhicules connectés 21 , 22 détectent le véhicule considéré 20.
En outre, la position des quatre vignettes 30A0, 21 A0, 31 A0, 32A0 sur la représentation principale V20A correspond bien à la position d’au moins quatre des vignettes 30A1 ; 21 B, 31 , 31 A2, 32A2 de la représentation alternative globale V23.
En d’autres termes, les positions des objets détectés par les capteurs d’objet du véhicule considéré 20 correspondent bien aux positions des véhicules connectés 21 , 22 ou aux positions des objets détectés par ces véhicules connectés 21 , 22.
Ici, on remarquera que le véhicule tiers 31 a été détecté par les deux véhicules connectés 21 , 22, si bien qu’il est représenté sur la représentation alternative globale V23 par deux vignettes 31 , 31 A2 auxquelles se superpose bien l’une des vignettes 31 A0 de la représentation principale V20A.
Enfin, les étiquettes PAR des vignettes correspondantes sur ces deux représentations comportent des caractéristiques aux valeurs sensiblement identiques (même vitesse, même accélération, même couleur, même état des feux...).
Dans ce premier cas, aucune anomalie n’est donc détectée par le calculateur 71. Le procédé s’achève alors ici. Le second cas est celui où les données internes issues des capteurs d’objets présentent des anomalies, alors que les données externes sont fiables. Ce cas est illustré sur les figures 7 et 8 (la figure 8 étant identique à la figure 6 du fait qu’ici, les données externes sont fiables).
On observe que sur la figure 7, les positions des vignettes 40, 41 , 42 ne correspondent pas aux positions des véhicules environnants. On comprend donc bien que les capteurs d’objets du véhicule considéré 20 sont défaillants mais que son système de géolocalisation 73 fonctionne correctement.
Dans ce cas, la position du véhicule considéré 20 sur la représentation principale V20B correspond à la position d’une vignette 20A-I sur la représentation alternative globale V23.
En revanche, la position des trois vignettes 40, 41 , 42 sur la représentation principale V20B ne correspond pas à la position des vignettes 30A-I, 21 B, 31 A-i , 31 A2, 32A2 sur la représentation alternative globale V23.
Dans ce second cas, trois anomalies correspondant aux trois vignettes 40, 41 , 42 sont détectées par le calculateur 71. Le calculateur ouvre alors trois nouveaux enregistrements dans une base de données stockée dans sa mémoire, chacun associé à une de ces anomalies, ce qui va permettre de générer des rapports d'anomalie.
Puis, le calculateur 71 associe chacune des vignettes 40, 41 , 42 de la représentation principale V20B à l’une des vignettes de la représentation alternative globale V23 (à savoir à la vignette la plus proche), et il calcule l’écart entre ces deux vignettes associées. Chaque écart ainsi calculé est mémorisé dans l’enregistrement correspondant de la base de données stockée dans la mémoire du calculateur 71.
Le calculateur 71 identifie également le ou les systèmes concernés par chaque anomalie. Un identifiant de ce capteur est mémorisé dans l’enregistrement correspondant de la base de données.
Plus précisément, le calculateur va identifier le ou les systèmes concernés par cette anomalie. La façon selon laquelle ces anomalies seront traitées sera détaillée ci-après.
Avant cela, on peut décrire un troisième cas, à savoir celui où seules les données internes issues du système de géolocalisation 73 présentent des anomalies, alors que les données externes sont fiables. Ce cas n’est pas illustré. Dans ce cas, la position relative des vignettes sur la représentation principale correspond à la position relative des vignettes sur la représentation alternative globale ("position relative" signifiant distance et orientation des objets par rapport au véhicule considéré 20 - c’est-à-dire position dans un référentiel centré sur le véhicule considéré 20).
En revanche, la position absolue (en coordonnées GPS ou dans un référentiel non centré sur le véhicule 20 - le référentiel géocentrique par exemple) du véhicule considéré 20 et des vignettes sur la représentation principale diffère de la position absolue des vignettes sur la représentation alternative globale.
Dans ce troisième cas, une anomalie est alors détectée par le calculateur 71. Le calculateur ouvre alors dans sa base de données un nouvel enregistrement associé à cette anomalie (un rapport d'anomalie est alors généré).
Puis, le calculateur 71 calcule l’écart entre la position absolue du véhicule considéré 20 sur la représentation principale et la position absolue de la vignette correspondante sur la représentation alternative globale. Cet écart est mémorisé dans cet enregistrement. Un identifiant du système de géolocalisation 73 y est également mémorisé.
Au cours d’une quatrième étape, la calculateur 71 génère un rapport d'anomalie indiquant :
- le type d'anomalie : géolocalisation erronée,
- l’indice de confiance de la détection d'anomalie (voir ci-dessous),
- le ou les système(s) concerné(s) : le système de géolocalisation 73,
- le ou les sous-système(s) concerné(s) : le récepteur GNSS.
Ce rapport d'anomalie servira aux systèmes du véhicule (recevant ce rapport) à adapter leur fonctionnement. Par exemple, le système de pilotage automatique du véhicule, qui utilise la position du véhicule calculée par le système de géolocalisation 73, se désactivera alors en demandant au conducteur humain de reprendre le contrôle du véhicule.
Les systèmes du véhicule recevant ce rapport d'anomalie pourront éventuellement décider de ne pas prendre en compte l'anomalie signalée dans ce rapport si le niveau de confiance dans la détection de cette anomalie est jugé comme étant faible.
Dans ce rapport d’anomalie, l’indice de confiance permet aux systèmes du véhicule recevant ce rapport de contrôler avec une grande fiabilité la réalité d’une anomalie détectée dans les données internes mesurées par les capteurs du véhicule considéré 20 ou par d'autres systèmes du véhicule.
Cet indice de confiance dans la détection d'anomalie pourra être calculé en prenant en compte :
- la fréquence d’occurrence de détection d’une même anomalie au cours du temps,
- le nombre d'émetteurs de données externes signalant un même objet,
- la précision et l'incertitude des données externes reçues,
- la précision et l'incertitude des données internes calculées,
- les résultats des divers contrôles effectués au préalable par le véhicule sur les données externes reçues (par exemple un contrôle de cohérence entre la puissance du signal et la position de l'entité émettant les données externes, laquelle position est indiquée dans les données externes).
A titre d’exemple, l’indice de confiance pourra être égal à la somme des notes affectées à chacun de ces critères, chaque note étant comprise entre 1 et 10.
Si cet indice de confiance dépasse un seuil prédéterminé, le calculateur 71 est programmé pour émettre, au cours d’une cinquième étape dite d’émission, un rapport d’anomalie comportant une désignation du capteur identifié comme défaillant et une désignation du problème (erreur de coordonnées GPS, problème de détection de position relative, problème de détection de vitesse relative...).
Comme cela a été exposé supra, ce rapport d’anomalie pourra être utilisé ensuite par exemple pour avertir l’usager de cette défaillance et/ou pour avertir un technicien travaillant ultérieurement sur le véhicule que le capteur est défaillant, et/ou pour adapter le pilotage du véhicule en tenant compte de cette défaillance.
A ce stade, on peut envisager trois autres exemples pour bien comprendre la portée de l’invention, et notamment la manière selon laquelle le rapport d’anomalie est élaboré.
Dans le premier exemple, on considérera que les représentations principale et alternative sont identiques si on tient compte uniquement des positions des vignettes (cas des figures 5 et 6).
Dans ce premier exemple, si on compare les étiquettes PAR des vignettes de la représentation principale avec les étiquettes PAR des vignettes correspondantes de la représentation alternative, on constate en revanche une discordance systématique entre l’une des caractéristiques (la vitesse) des vignettes correspondant aux véhicules situés dans le champ de vision avant du véhicule considéré 20.
Le rapport d’anomalie qui est alors émis sur le bus CAN du véhicule considéré comporte les quatre informations suivantes :
- le type d'anomalie : problème de mesure de vitesse (il peut être précisé si la vitesse est sous-estimée ou surestimée),
- l’indice de confiance de la détection d'anomalie (calculé comme cela a été exposé supra),
- le ou les système(s) concerné(s) : les systèmes de détection d'objet frontal,
- le ou les sous-système(s) concerné(s) : la caméra frontale 52, le détecteur RADAR frontal 51 , le détecteur LIDAR 56.
Le deuxième exemple intervient lorsque les représentations principale et alternative sont radicalement différentes, notamment si on considère uniquement les positions des vignettes.
Dans ce deuxième exemple, il est alors prévu de comparer la représentation principale à l’instant courant (t) avec les représentations alternatives aux instants précédents (t-1 , t-2...) et/ou de comparer la représentation alternative à l’instant courant (t) avec les représentations principales aux instants précédents (t-1 , t-2...).
Alors, si on constate que les représentations principale et alternative correspondent avec un décalage de temps, on peut conclure à un problème d’horodatage et de calcul du temps.
Le rapport d’anomalie qui est alors émis sur le bus CAN du véhicule considéré comporte les quatre informations suivantes :
- le type d'anomalie : problème d’horodatage et de calcul du temps,
- l’indice de confiance de la détection d'anomalie (calculé comme cela a été exposé supra),
- le ou les système(s) concerné(s) : le système de synchronisation temporel,
- le ou les sous-système(s) concerné(s) : le récepteur GNSS.
Le troisième exemple intervient lorsque les représentations principale et alternative sont identiques sauf dans le champ de vision avant du véhicule (cas des figures 9 et 10).
Le rapport d’anomalie qui est alors émis sur le bus CAN du véhicule considéré comporte les quatre informations suivantes :
- le type d'anomalie : détection d'objets erronée,
- l’indice de confiance de la détection d'anomalie (calculé comme cela a été exposé supra),
- le ou les système(s) concerné(s) : le système de détection d'objet frontal,
- le ou les sous-système(s) concerné(s) : la caméra frontale 52, le détecteur RADAR frontal 51 , le détecteur LIDAR 56.
En résumé, pour émettre le rapport d’anomalie, il est prévu une étape de détermination du type d’anomalie, une étape de calcul d’un indice de confiance dans la qualité de la détection d’anomalie, une étape de tentative de détection des différents systèmes affectés par l’anomalie, et une étape de tentative de détection des différents sous-systèmes affectés par l’anomalie.
On notera par ailleurs que dans tous ces exemples, on ne considère qu’une seule défaillance à la fois, mais les défaillances pourraient se cumuler. Le procédé, s’il est mis en oeuvre de la même manière que précité, permettra de générer un ou plusieurs rapports d'anomalie signalant plusieurs anomalies simultanées.
On notera que dans certains cas, les systèmes et sous-systèmes affectés par une anomalie pourraient ne pas être identifiés précisément.
La présente invention n’est nullement limitée au mode de réalisation décrit et représenté, mais l’homme du métier saura y apporter toute variante conforme à l’invention.
Ainsi, le procédé de détection pourra se baser sur un nombre réduit de données.
Il pourrait se baser sur des données internes relatives uniquement à l’état du véhicule considéré 20 et sur des données externes relatives uniquement à l’environnement tel qu’il est vu par les véhicules connectés 21 , 22 (dans cette variante, la représentation alternative P20 représentée sur la figure 3 n’est pas établie, ce qui n’empêche pas de mettre en oeuvre le procédé décrit supra).
A contrario, le procédé de détection pourrait se baser sur des données internes relatives uniquement à l’environnement tel qu’il est vu par le véhicule considéré 20 et sur des données externes relatives uniquement aux véhicules connectés 21 , 22 (dans cette variante, la représentation alternative P20 représentée sur la figure 3 est la seule à être établie afin d’être comparée à la représentation principale V20A, ce qui permet de mettre en oeuvre le procédé décrit supra de façon dégradée).
Selon une autre variante de l’invention, les données externes considérées pourrait être émises par d’autres types d’entités émettrices que les véhicules connectés, à savoir notamment par des infrastructures routières connectées (bornes de bord de voies, antennes relais...) et par des téléphones mobiles de piétons, cyclistes, motards ou conducteurs de véhicules non- connectés.
Encore en variante, on pourrait utiliser, en complément ou à la place des messages « que vois-je » et « où suis-je », d’autres types de messages. Typiquement, il pourra s’agir de message SPAT et MAP (définis dans les normes ISO 19091 et SAE J2735) décrivant respectivement l'état des feux de circulation et la topologie d'une intersection (description des voies de circulations et des possibilités de déplacement entre elles), ou encore de messages IVI (définis par la norme ISO/TS 19321 ) décrivant les panneaux de signalisation routière et aussi de messages DENM (de l’anglais « Decentralized Environmental Notification Message » ou message de notification d’environnement décentralisée, définis par la norme ETSI EN 302 637-3), lesquels messages décrivent des évènements routiers : plaque de verglas, embouteillages, animal sur la route... De façon plus générale, le véhicule considéré prendra en compte le plus grand nombre de messages venant de l’extérieur afin de contrôler avec une très grande fiabilité la validité des données internes.

Claims

REVENDICATIONS
1. Procédé de détection d’anomalie dans la perception par un véhicule automobile (20) de son environnement et de sa situation dans cet environnement, comportant :
- une étape de mesure, par des capteurs (51 , 52, 53, 54, 55, 56, 61 , 62, 63, 64, 73) équipant le véhicule automobile (20), de données internes qui sont relatives au véhicule automobile (20) et/ou à son environnement,
- une étape de réception, par des moyens de communication (72) équipant le véhicule automobile (20), de données externes émises par au moins une entité émettrice (21 , 22), lesdites données externes étant relatives à l’environnement de ladite entité émettrice (21 , 22) et/ou à ladite entité émettrice (21 , 22), et
- une étape de détection d’une éventuelle anomalie dans les données internes mesurées, compte tenu du résultat d’une mise en correspondance des données internes et des données externes.
2. Procédé de détection d’anomalie selon l’une des revendications précédentes, dans lequel :
- à l’étape de mesure, le véhicule automobile (20) établit une représentation principale (V20A, V20B, V20C) de son environnement, à partir des données internes mesurées,
- à l’étape de réception, le véhicule automobile (20) établit une représentation alternative (V23) de son environnement, à partir des données externes reçues, et
- à l’étape de détection, le véhicule automobile détermine dans quelle mesure les représentations principale (V20A, V20B, V20C) et alternative (V23) correspondent.
3. Procédé de détection d’anomalie selon la revendication précédente, dans lequel :
- la représentation principale (V20A, V20B, V20C) est établie en positionnant dans un référentiel donné chaque objet (21 , 22, 30, 31 , 32) détecté par les capteurs (51 , 52, 53, 54, 55, 56, 61 , 62, 63, 64, 73), et
- la représentation alternative (V23) est établie en positionnant dans un référentiel donné chaque entité émettrice (21 , 22) et/ou chaque objet (20, 21 , 22, 30, 31 , 32) détecté par des capteurs équipant chaque entité émettrice (21 , 22).
4. Procédé de détection d’anomalie selon la revendication précédente, dans lequel, à l’étape de détection, le véhicule automobile (20) détermine dans quelle mesure la position de chaque objet (21 , 22, 30, 31 , 32) de la représentation principale correspond à la position de chaque entité émettrice (21 , 22) et/ou de chaque objet (20, 21 , 22, 30, 31 , 32) sur la représentation alternative.
5. Procédé de détection d’anomalie selon l’une des deux revendications précédentes, dans lequel :
- la représentation principale (V20A, V20B, V20C) est établie en spécifiant, outre la position de chaque objet (21 , 22, 30, 31 , 32), au moins une autre caractéristique de chaque objet (21 , 22, 30, 31 , 32) détecté par les capteurs (51 , 52, 53, 54, 55, 56, 61 , 62, 63, 64, 73), et
- la représentation alternative (V23) est établie en spécifiant, outre la position de chaque entité émettrice (21 , 22) et/ou la position de chaque objet (20, 21 , 22, 30, 31 , 32) détecté par des capteurs équipant chaque entité émettrice (21 , 22), au moins une autre caractéristique de chaque entité émettrice (21 , 22) et/ou de chaque objet (20, 21 , 22, 30, 31 , 32) détecté par des capteurs équipant chaque entité émettrice (21 , 22).
6. Procédé de détection d’anomalie selon la revendication précédente, dans lequel, à l’étape de détection, le véhicule automobile (20) détermine dans quelle mesure ladite autre caractéristique de chaque objet (21 , 22, 30, 31 , 32) de la représentation principale correspond à ladite autre caractéristique de chaque entité émettrice (21 , 22) et/ou de chaque objet (20, 21 , 22, 30, 31 , 32) sur la représentation alternative.
7. Procédé de détection d’anomalie selon l’une des revendications précédentes, dans lequel, suite à l’étape de détection, il est prévu une étape de calcul de la valeur d’un indice de confiance dans la détection d’anomalie, en fonction au moins de la fréquence d’occurrence de détection d’anomalies dans le temps.
8. Procédé de détection d’anomalie selon la revendication précédente, dans lequel l’indice de confiance est calculé en fonction également de l’un au moins des paramètres suivants :
- le nombre d'entité émettrice émettant des données externes,
- la précision et l'incertitude de la donnée externe reçue, - la précision et l'incertitude de la donnée interne,
- le résultat d’un contrôle effectué sur la donnée externe reçue,
- le type du capteur ayant mesuré la donnée externe,- le type du capteur ayant mesuré la donnée interne.
9. Procédé de détection d’anomalie selon l’une des revendications précédentes, dans lequel :
- à l’étape de détection, un calculateur équipant le véhicule identifie chaque capteur affecté par une erreur, puis
- il est prévu une étape d’émission au cours de laquelle le calculateur émet vers d’autres systèmes du véhicule un signal d’alerte comportant une désignation de chaque capteur identifié et/ou une désignation de l’anomalie.
10. Procédé de détection d’anomalie selon l’une des revendications précédentes, dans lequel les données externes sont relatives à ladite entité émettrice (21 , 22) et comprennent au moins l’un des éléments de la liste suivante :
- la position absolue de ladite entité émettrice (21 , 22),
- une dimension de ladite entité émettrice (21 , 22),
- une catégorie d’objet à laquelle appartient ladite entité émettrice (21 ,
22),
- l’orientation de ladite entité émettrice (21 , 22),
- la vitesse de ladite entité émettrice (21 , 22),
- la vitesse angulaire de ladite entité émettrice (21 , 22),
- l’accélération de ladite entité émettrice (21 , 22),
- un historique de trajet de ladite entité émettrice (21 , 22),
- une prédiction de trajet de ladite entité émettrice (21 , 22),
- un angle de braquage du volant de ladite entité émettrice (21 , 22) lorsque ladite entité émettrice est un autre véhicule automobile,
- la position ou la pression exercée sur les pédales de frein et/ou d’accélérateur dudit autre véhicule automobile (21 , 22),
- l’état des éclairages dudit autre véhicule automobile (21 , 22).
1 1. Procédé de détection d’anomalie selon l’une des revendications précédentes, dans lequel les données externes sont relatives à chaque objet (20, 21 , 22, 30, 31 , 32) de l’environnement détecté par ladite entité émettrice (21 , 22) et comprennent au moins l’un des éléments de la liste suivante :
- une dimension dudit objet (20, 21 , 22, 30, 31 , 32), - une catégorie à laquelle appartient ledit objet (20, 21 , 22, 30, 31 , 32),
- la couleur dudit objet (20, 21 , 22, 30, 31 , 32),
- la position dudit objet (20, 21 , 22, 30, 31 , 32),
- la dynamique dudit objet (20, 21 , 22, 30, 31 , 32),
- une prédiction du trajet dudit objet (20, 21 , 22, 30, 31 , 32),
- un niveau de confiance dans la détection dudit objet (20, 21 , 22, 30, 31 ,
32),
- si ledit objet est un feu de circulation, l’état dudit feu de circulation,
- si ledit objet est un panneau de signalisation routière, un identifiant du type de ce panneau de signalisation routière,
- si ledit objet est un évènement routier, la catégorie de cet évènement routier.
12. Véhicule automobile (20) comportant :
- des capteurs (51 , 52, 53, 54, 55, 56, 61 , 62, 63, 64, 73) adaptés à mesurer des données internes qui sont relatives au véhicule automobile (20) et/ou à son environnement,
- des moyens de communication (72) adaptés à recevoir des données externes émises par au moins une entité émettrice (21 , 22), et
- un calculateur (71 ) adapté à mettre en correspondance les données internes et les données externes pour détecter une éventuelle anomalie dans les données internes et à émettre une alerte si une anomalie est détectée.
PCT/EP2019/055855 2018-03-09 2019-03-08 Procede de detection d'anomalie dans la perception par un vehicule automobile de son environnement WO2019170863A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1852078 2018-03-09
FR1852078A FR3078668B1 (fr) 2018-03-09 2018-03-09 Procede de detection d'anomalie dans la perception par un vehicule automobile de son environnement

Publications (1)

Publication Number Publication Date
WO2019170863A1 true WO2019170863A1 (fr) 2019-09-12

Family

ID=62528622

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2019/055855 WO2019170863A1 (fr) 2018-03-09 2019-03-08 Procede de detection d'anomalie dans la perception par un vehicule automobile de son environnement

Country Status (2)

Country Link
FR (1) FR3078668B1 (fr)
WO (1) WO2019170863A1 (fr)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024119401A1 (fr) * 2022-12-07 2024-06-13 华为技术有限公司 Procédé et appareil de détection d'anomalie, et véhicule

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011102744A1 (de) * 2011-05-28 2012-11-29 Connaught Electronics Ltd. Verfahren zum Betreiben eines Kamerasystems eines Kraftfahrzeugs, Kraftfahrzeug sowie System mit einem Kraftfahrzeug und einer separaten Recheneinrichtung
DE102014216018A1 (de) * 2014-08-13 2016-02-18 A.D.C. Automotive Distance Control Systems Gmbh Steuervorrichtung, fahrzeug und verfahren
US20160121889A1 (en) * 2014-10-29 2016-05-05 Denso Corporation Travel lane marking recognition system
DE102015004553A1 (de) * 2015-04-08 2016-10-13 Audi Ag Verfahren zum Betrieb eines Fahrzeugsystems eines Kraftfahrzeugs

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011102744A1 (de) * 2011-05-28 2012-11-29 Connaught Electronics Ltd. Verfahren zum Betreiben eines Kamerasystems eines Kraftfahrzeugs, Kraftfahrzeug sowie System mit einem Kraftfahrzeug und einer separaten Recheneinrichtung
DE102014216018A1 (de) * 2014-08-13 2016-02-18 A.D.C. Automotive Distance Control Systems Gmbh Steuervorrichtung, fahrzeug und verfahren
US20160121889A1 (en) * 2014-10-29 2016-05-05 Denso Corporation Travel lane marking recognition system
DE102015004553A1 (de) * 2015-04-08 2016-10-13 Audi Ag Verfahren zum Betrieb eines Fahrzeugsystems eines Kraftfahrzeugs

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024119401A1 (fr) * 2022-12-07 2024-06-13 华为技术有限公司 Procédé et appareil de détection d'anomalie, et véhicule

Also Published As

Publication number Publication date
FR3078668A1 (fr) 2019-09-13
FR3078668B1 (fr) 2022-01-14

Similar Documents

Publication Publication Date Title
EP2922040B1 (fr) Pilotage de vehicules en convoi
FR2997364A1 (fr) Procede et dispositif de detection d'une irregularite de chaussee
EP3464006A1 (fr) Dispositif de suivi des habitudes de conduite d'un conducteur d'un véhicule de transport et procédé correspondant
CA3068022A1 (fr) Plateforme et procede de supervision d'une infrastructure pour vehicules de transport, vehicule, systeme de transport et programme d'ordinateur associes
CN114274972A (zh) 自主驾驶环境中的场景识别
WO2020201243A1 (fr) Procédé de mise à jour d'une carte routière à partir d'un réseau de contributeurs
WO2019170863A1 (fr) Procede de detection d'anomalie dans la perception par un vehicule automobile de son environnement
WO2018041978A1 (fr) Dispositif de détermination d'une limitation de vitesse, système embarqué comprenant un tel dispositif et procédé de détermination d'une limitation de vitesse.
EP2332131A1 (fr) Systeme passif et autonome de detection du depassement par un vehicule d'une vitesse limite
FR3047217B1 (fr) Dispositif de determination de l'etat d'un feu de signalisation, systeme embatque comprenant un tel dispositif, vehicule comprenant un tel systeme et procede de determination associe
FR3052727A1 (fr) Procede de determination d'une classe de conduite de reference
FR3096469A1 (fr) Procédé et système d’identification d’un objet dans l’environnement d’un véhicule automobile
JP7364438B2 (ja) 速度データ取得装置、サービス提供システム及び速度データ取得方法
FR3081416A1 (fr) Procede de detection d’un defaut d’un capteur equipant un vehicule automobile partiellement ou entierement autonome.
EP3767328B1 (fr) Procédé de vérification de l'intégrité de données lidar
FR3093312A1 (fr) Procédé et système pour gérer une fonctionnalité de conduite autonome fournie par un système d’aide à la conduite d’un véhicule terrestre à moteur
WO2024134042A1 (fr) Procédé et dispositif de de contrôle d'un système de régulation de vitesse adaptatif d'un véhicule autonome
FR3061104B1 (fr) Procede de localisation de zones de transmission deficiente entre une unite roue d'une roue de vehicule automobile et une unite centrale de controle des roues
WO2020249545A1 (fr) Système et procédé de notification de dysfonctionnement pour véhicule
EP4115204A1 (fr) Procédé de détection de cibles par un radar
WO2022189389A1 (fr) Procede et dispositif de calibration d'un capteur de profondeur d'environnement
EP3008664B1 (fr) Procédé et système de suivi d'objets en mouvement
FR3117252A1 (fr) Procédé et dispositif d’aide à la manœuvre d’urgence
EP4308881A1 (fr) Procede et dispositif de determination d'une fiabilite d'une cartographie basse definition
WO2019201845A1 (fr) Dispositif de synchronisation d'une position primaire d'un objet mobile avec une position secondaire

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: 19727934

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: 19727934

Country of ref document: EP

Kind code of ref document: A1