WO2020126795A1 - Verfahren zum adaptiven ermitteln eines integritätsbereichs einer parameterschätzung - Google Patents

Verfahren zum adaptiven ermitteln eines integritätsbereichs einer parameterschätzung Download PDF

Info

Publication number
WO2020126795A1
WO2020126795A1 PCT/EP2019/084824 EP2019084824W WO2020126795A1 WO 2020126795 A1 WO2020126795 A1 WO 2020126795A1 EP 2019084824 W EP2019084824 W EP 2019084824W WO 2020126795 A1 WO2020126795 A1 WO 2020126795A1
Authority
WO
WIPO (PCT)
Prior art keywords
additional
integrity
integrity information
basic
determining
Prior art date
Application number
PCT/EP2019/084824
Other languages
English (en)
French (fr)
Inventor
Lena SCHINDLER
Marco Limberger
Thomas FRIEDERICHS
Csaba ROKOSZ
Original Assignee
Robert Bosch 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 Robert Bosch Gmbh filed Critical Robert Bosch Gmbh
Priority to CN201980083583.XA priority Critical patent/CN113196108A/zh
Priority to JP2021535533A priority patent/JP7285933B2/ja
Priority to US17/281,795 priority patent/US11802973B2/en
Priority to EP19828616.3A priority patent/EP3899589A1/de
Priority to KR1020217022573A priority patent/KR20210102970A/ko
Publication of WO2020126795A1 publication Critical patent/WO2020126795A1/de

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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/20—Integrity monitoring, fault detection or fault isolation of space segment
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement

Definitions

  • the invention relates to a method for adaptively determining a
  • Integrity area of a parameter estimate, a computer program, a machine-readable storage medium and a control device for a motor vehicle is particularly suitable for use in connection with autonomous driving.
  • the autonomous vehicle usually has sensors, such as inertial sensors, wheel sensors,
  • the vehicle can estimate its own position.
  • information about its (expected) estimation accuracy is also output for a determined own position.
  • the confidence of the determined own position can be represented by a so-called “Protection Level” (short: "PL").
  • the PL can describe a statistical error limit, the calculation of which is usually based on statistical considerations and, if necessary, additionally on a suitable coordination of the estimation algorithms.
  • a method for adaptively determining an integrity area of a parameter estimate, the integrity area describing the area in which an estimated parameter with a minimum probability lies, the method comprising at least the following steps:
  • Steps a) and b) can preferably be carried out at least partially in parallel or even simultaneously. Steps a) and b) are furthermore preferably carried out at least partially before step c).
  • the integrity area describes the area in which an estimated
  • the estimated parameter (value) basically describes a (single, in particular momentary) estimation result of the parameter estimation.
  • the integrity area describes the area in which a real or actual value of an estimated parameter lies with a minimum probability.
  • Integrity area can also be referred to as the so-called “protection level”.
  • the minimum probability is usually a predefined minimum probability. The is preferably
  • Minimum probability 90% particularly preferably 95% or even 99%.
  • the minimum probability is.
  • a protection level describes in particular a confidence interval or a (spatial) confidence range, in which the true value of an estimated parameter can be compared with a
  • the estimated value of the parameter is usually in the middle or the center of the confidence interval or confidence range.
  • the minimum probability with which a real or actual value of an estimated parameter is actually in a protection level is still much higher than with "usual" integrity areas.
  • the minimum probability here is usually over 99.99%, particularly preferably over 99.999% or even over 99.9999%.
  • the minimum probability at the protection level can also not be expressed in percent, but in possible errors in a certain time interval.
  • a protection level can, for example, be defined in such a way that the parameter in question lies outside the protection level at most once every 10 years.
  • the protection level can be, for example, either as a unitless probability or as a rate, i.e. as
  • the probability of an error occurring over a time interval can be expressed.
  • the method is preferably used to determine an integrity range of a parameter estimate of a driving operation parameter of a motor vehicle.
  • the driving operation parameter is usually one
  • a driving operation parameter is used here in particular
  • the driving operation parameter helps at least to describe an own movement and / or own position of a motor vehicle.
  • the driving operation parameter can be, for example, an (own) position, a (own) speed, (own) acceleration or a position (or orientation) of the motor vehicle.
  • the driving operation parameter is preferably a self-position of the motor vehicle.
  • Integrity range serve a position estimate of a vehicle position.
  • the area of integrity can describe the area in which an estimated own position of a vehicle with a minimum probability (actually) lies. Alternatively or cumulatively to the estimation of the vehicle's own position, the method can also be used to estimate the
  • the parameter estimation can include one or more methods for estimating a (the same) parameter.
  • the parameter estimation can comprise at least two different methods, for example a first method and a second method different from the first method, for estimating the parameter.
  • Methods for estimating the parameter are preferably used, and moreover can provide and / or determine integrity information about the integrity of the estimate.
  • the solution proposed here advantageously allows a more dynamic determination of the integrity range, in particular by a possible adaptation of the determination method to external influences and / or the given ones
  • the modular structure of the system contributes to increasing the dynamics and / or efficiency, as required by connecting one or more additional modules, for example to increase the accuracy of determining the integrity range (for example by taking quality indicators into account) and / or for compensation from (foreseeable)
  • a basic module that primarily works with GNSS information could only function to a limited extent in certain scenarios, such as a house canyon (i.e. shadowing satellite reception).
  • an additional module could be activated, which mainly works with the vehicle's environmental sensors.
  • step a) basic integrity information is determined, in particular via the parameter estimation or for an estimated parameter, by means of a basic module of a modular system.
  • Parameter estimation is determined by means of a basic module of a modular system.
  • the system can basically be a physical system or a
  • the basic integrity information can be, for example, a variance and / or a residual of the
  • the basic integrity information can also be information that is contained in Dependence of a variance and / or a residual and / or an (other) indicator of the trustworthiness of the estimate is determined.
  • the parameter estimation and / or the determination of the basic integrity information can, for example, be based on data from a sensor
  • the basic integrity information is preferably determined at least also on the basis of GNSS (global navigation satellite system) data (such as, for example, GNSS correction data or data comprising both GNSS position data and GNSS correction data) of a GNSS sensor Motor vehicle.
  • GNSS global navigation satellite system
  • step b) first additional integrity information is determined, in particular via the parameter estimate or to an estimated one
  • a first additional module which differs from the basic module of the modular system if at least one requirement for determining the first additional integrity information is met.
  • the parameter estimation and / or the determination of the first additional integrity information can take place, for example, on the basis of data from a sensor of a motor vehicle.
  • the first additional integrity information is preferably determined at least also on the basis of data from an environment sensor of a motor vehicle.
  • the environment sensor can be, for example, a camera, a RADAR sensor, a LIDAR sensor and / or an ultrasonic sensor.
  • a prerequisite for determining the first additional integrity information can be, for example, that the accuracy of the determination of the
  • Integrity range is currently to be increased or for a certain period of time and / or a limited accuracy of the basic module can currently be assumed.
  • Another (alternative or cumulative) requirement can be, for example, that the motor vehicle (for which the parameter is estimated) is currently in a certain scenario (such as a canyon, a tunnel, a night drive).
  • a prerequisite can (alternatively or cumulatively) also be the release of the first additional module or the fact that the first additional module is present. The fact that the determination of the first additional integrity information depends on a prerequisite advantageously allows an adaptive determination of the integrity range in which the first additional module can be switched on as required.
  • step c) the integrity range is determined using at least the basic integrity information or at least the basic integrity information and the first additional integrity information if the first additional integrity information has been determined (in an immediately preceding step b).
  • an optionally weighted overlay of the basic integrity information with at least the first additional integrity information (and / or possibly further (for example second, third, etc.) additional integrity information) can take place.
  • the range of integrity is preferably a confidence interval.
  • a confidence interval also known as the confidence interval or confidence interval and expectation range
  • the confidence interval specifies the range that at infinite
  • Repetition of a random experiment with a certain probability includes the true location of the parameter.
  • the basic integrity information be determined on the basis of at least one stochastic parameter. Residuals, variances, covariances or the like are particularly suitable as stochastic parameters.
  • the basic integrity information based on an analysis of observation residues from a parameter estimate or based on an analysis of the estimated
  • Variances e.g. from a least squares adjustment or Kalman
  • the first additional integrity information be based on at least one
  • the first additional integrity information can be based on at least one quality indicator for a data quality of sensor data of at least one sensor of a (the) motor vehicle.
  • the at least one sensor is usually one that also provides (possibly faulty) data for parameter estimation.
  • the first additional integrity information is preferably determined on the basis of at least two different, possibly mutually weighted, quality indicators for the data quality of sensor data from one or more (different) sensors (of the motor vehicle). Furthermore, it can be provided that the first additional integrity information comprises one or more quality indicators, in particular weighted to one another and / or different from one another.
  • step c) at least the basic integrity information and the first additional integrity information are weighted when the first additional integrity information has been determined.
  • the weighting can, for example, depending on the frequency of the occurrence of errors, importance,
  • a weighting takes place depending on at least one quality indicator.
  • weighting can take place as a function of at least one quality indicator for a data quality of sensor data of a sensor of a motor vehicle.
  • the weighting in step c) can take place as a function of at least one quality indicator.
  • one of the modules can be weighted depending on at least one quality indicator.
  • at least a second additional integrity information item in particular about the parameter estimation or about an estimated parameter, by means of a second additional module (which differs from the basic module and / or the first additional module) modular system is determined if at least one prerequisite for determining the second additional integrity information is met.
  • a second additional integrity information item can be determined via an estimation result of the parameter estimation or about the integrity of the parameter estimation by means of a second additional module of a modular system.
  • a prerequisite for determining the second additional integrity information can be, for example, that the accuracy of the determination of the
  • additional modules such as a third module, a fourth module, etc.
  • the different modules can perform different functions in determining the
  • the various modules can participate in determining the area of integrity, if necessary.
  • Integrity area is included. This can advantageously contribute to the fact that a specific error case or a number of errors can be eliminated.
  • a computer program is also used
  • a machine-readable storage medium is also proposed, on which the computer program presented here is stored.
  • the machine-readable storage medium is usually a computer-readable data carrier.
  • a motor vehicle can also be specified which has a control unit presented here.
  • the motor vehicle is preferably an automated and / or autonomously operating vehicle, in particular an autonomous automobile.
  • FIG. 1 schematically shows an exemplary sequence of a method proposed here.
  • the method serves to adaptively determine a
  • Integrity area 1 of a parameter estimate wherein the integrity area 1 describes the area in which an estimated parameter with a
  • steps a), b) and c) shown with blocks 110, 120 and 130 is generally established in a normal operating sequence.
  • steps a) and b) can be carried out at least partially in parallel or even simultaneously.
  • basic integrity information 2 is ascertained using a basic module 3 of a modular system 4.
  • first additional integrity information 5 is ascertained using a first additional module 6 of modular system 4, if at least one prerequisite for determining the first additional integrity information 5 is fulfilled.
  • the integrity area 1 is determined using at least the basic integrity information 2 or at least the basic integrity information 2 and the first additional integrity information 5 when the first additional integrity information 5 has been determined.
  • the (adaptive) modular system 4 comprises a basic module 3 and at least one additional module, here a first additional module 6, a second additional module 9 and a third additional module 14.
  • the modular system 4 here also includes, by way of example, a combiner 12 which combines results from the basic module 3 with results from at least one of the additional modules to form an integrity area 1.
  • Integrity area 1 is an example of a so-called “protection level”.
  • the basic module 3 receives basic input data 15 and determines at least one basic integrity information 2 from it.
  • the basic integrity information 2 can be determined, for example, on the basis of at least one stochastic parameter or estimation error.
  • a basic mathematical model can be stored in the basic module 3.
  • the base module 3 can, for example, receive basic input data 15, which are derived or taken from a covariance matrix, for example, which belongs to the states for which an integrity range (protection level) is to be calculated.
  • the basic module 3 is particularly universally valid for hypergeometric representations, regardless of the degree of dimension.
  • the basic module 3 can receive basic input data 15 from a covariance matrix and use this to calculate the basic integrity information 2, such as a basic confidence range.
  • the basic integrity information 2 such as a basic confidence range. This represents an example of how and how the basic integrity information 2 can be determined on the basis of at least one stochastic parameter or estimation error.
  • the covariance matrix is merely an example of a representation of possible stochastic parameters or estimation errors (in the form of variances and covariances).
  • a basic mathematical model can be stored in the basic module 3, which, for example, from data from the exemplary covariance matrix into the basic integrity information 2, such as one Base confidence range converted.
  • the basic mathematical model can, for example, calculate a geometric shape, such as a circle, from covariance information. This geometric shape can describe or enclose the area of integrity. This geometric shape can then be scaled (in particular enlarged), for example in order to increase the minimum probability or to set it to a specific value. The range of integrity thus scaled then forms one
  • the first additional module 6 could, for example, contain one or more functions which, depending on at least one quality indicator 7, calculate the first additional integrity information 5, such as a first additional confidence range.
  • the quality indicators 7 can represent current scenarios and / or signal properties (from sensors).
  • the combiner 12 can, for example, be set up to weight at least the basic integrity information 2, the first additional integrity information 5, the second additional integrity information 8 and the third additional integrity information 13 (in each case if available).
  • Application area can be exchanged and / or adapted.
  • FIG. 3 schematically shows an exemplary embodiment of the first additional module 6.
  • a correspondingly constructed first additional module 6 could be used, for example, in the system 4 according to FIG. 2.
  • the reference symbols are used uniformly, so that reference can be made in full to the preceding explanations, in particular to FIGS. 1 and 2.
  • the first additional module 6 receives a plurality of as first additional input data 16
  • Functions are stored that a certain value or range of values of a quality indicator 7 a certain integrity information or
  • the individual results of these assignments can then be weighted and be combined (merged).
  • the resultant result can be output by the processing element 25 as first additional integrity information 5.
  • a selection of which of the quality indicators 7 should be taken into account here can be made, for example, by means of a selector 24 of the first additional module 6.
  • the selector 24 can be made, for example, by means of a selector 24 of the first additional module 6.
  • the selector 24 can be made, for example, by means of a selector 24 of the first additional module 6.
  • the parameter estimate for which the integrity range is to be determined is generally based on various data, such as sensor data and / or map data.
  • the sensor data for example in a
  • Navigation satellite data 19 inertial sensor data 20 and environment sensor data 21.
  • further sensor data 23 are conceivable.
  • the quality indicators 7 used here relate in particular to at least some of this data.
  • FIG. 3 also illustrates that the first additional integrity information 5 here is preferably based on at least two different, possibly mutually weighted, quality indicators 7 for the data quality of sensor data from one or more (different) sensors 19, 20, 21, 22 is determined.
  • This advantageously allows the determination of the integrity area 1 to be based on input information which is as heterogeneous as possible.
  • an approach for taking into account and weighting selected signals as quality indicators 7 is described here, on the one hand to be able to advantageously calculate the integrity area 1 (in particular the protection level) based on heterogeneous input information and on the other hand in particular a configuration for prioritizing the
  • Mathematical algorithms for calculating the integrity information of a parameter estimate such as can be implemented in one of the other modules, in particular the basic module 3, mostly use the (co-) variances or residuals which result from the parameter estimate (e.g.
  • Kalman filters least squares
  • a parameter estimate (calculation of an estimated output information), such as the vehicle position, is usually carried out with the help of various sensors / input parameters (GNSS signals, correction data, inertial sensors, pressure sensors, wheel sensors, video, etc.).
  • GNSS signals GNSS signals, correction data, inertial sensors, pressure sensors, wheel sensors, video, etc.
  • Quality indicators can be, for example: signal noise of a GNSS receiver, age of GNSS correction data, but also simply the determined speed or position of the vehicle.
  • Various indicators are conceivable and can be selected depending on the application.
  • Another advantage of the embodiment variant presented here is the use of quality indicators for a weighted determination of the integrity range (protection levels), the weighting being based in particular
  • Different quality indicators are preferably used and / or
  • step b) (or block 120), for example, a selection of relevant quality indicators can be made in a first sub-step. These can then, for example, in a second sub-step in one
  • the quality indicators in particular in accordance with a configuration for their prioritization, can receive information about the weight with which the indicators should be included in the calculation of the integrity area.
  • Some possibilities for this are, for example: data age, signal frequency, signal noise, significance or influence for a specific application scenario or generally trust in specific sensors.
  • signals can be weighted using quality indicators in the calculation of the integrity area.
  • quality indicators in the calculation of the integrity area.
  • the incoming quality indicator would be the data age and refers to the time of the last one
  • Measurement of a sensor The older the input data, the less strongly the component would be included in the overall calculation of the integrity area.
  • FIG. 4 schematically shows a motor vehicle 11 with an exemplary one
  • Embodiment of a control device 10 proposed here The control device 10 is set up to carry out a method presented here for adaptively determining an integrity area 1 of a parameter estimate.

Abstract

Die Erfindung betrifft ein Verfahren zum adaptiven Ermitteln eines Integritätsbereichs (1) einer Parameterschätzung, wobei der Integritätsbereich (1) den Bereich beschreibt, in dem ein geschätzter Parameter mit einer Mindestwahrscheinlichkeit liegt, wobei das Verfahren zumindest folgende Schritte umfasst: a) Ermitteln einer Basis-Integritätsinformation (2) mittels eines Basis-Moduls (3) eines modularen Systems (4), b) Ermitteln einer ersten Zusatz-Integritätsinformation (5) mittels eines ersten Zusatz-Moduls (6) des modularen Systems (4), wenn mindestens eine Voraussetzung für das Ermitteln der ersten Zusatz-Integritätsinformation (5) erfüllt ist, c) Ermitteln des Integritätsbereichs (1) unter Verwendung zumindest der Basis-Integritätsinformation (2) oder zumindest der Basis-Integritätsinformation (2) und der ersten Zusatz-Integritätsinformation (5), wenn die erste Zusatz- Integritätsinformation (5) ermittelt wurde.

Description

Beschreibung
Titel
Verfahren zum adaptiven Ermitteln eines Integritätsbereichs einer
Parameterschätzung
Beschreibung
Die Erfindung betrifft ein Verfahren zum adaptiven Ermitteln eines
Integritätsbereichs einer Parameterschätzung, ein Computerprogramm, ein maschinenlesbares Speichermedium sowie ein Steuergerät für ein Kraftfahrzeug. Die Erfindung ist insbesondere dazu geeignet im Zusammenhang mit dem autonomen Fahren zur Anwendung zu kommen.
Stand der Technik
Eine der wichtigsten Herausforderungen für ein autonomes Fahren ist die möglichst genaue und zuverlässige Bestimmung der Eigenposition des autonomen Fahrzeugs. Das autonome Fahrzeug verfügt in der Regel über Sensoren, wie beispielsweise Inertialsensoren, Radsensoren,
Umgebungssensoren, GNSS-Sensoren, optische und/oder akustische Sensoren, mittels welcher das Fahrzeug seine Eigenposition schätzen kann. In diesem Zusammenhang ist es hilfreich, wenn zu einer ermittelten Eigenposition auch eine Information über deren (zu erwartende) Schätzgenauigkeit ausgegeben wird. In diesem Zusammenhang kann zum Beispiel die Konfidenz der ermittelten Eigenposition durch ein sogenanntes„Protection Level“ (kurz:„PL“) dargestellt werden. Das PL kann dabei eine statistische Fehlergrenze beschreiben, deren Berechnung in der Regel auf statistischen Überlegungen und ggf. zusätzlich auf einer geeigneten Abstimmung der Schätzalgorithmen basiert.
Insbesondere in der Luftfahrt ist das Konzept der Bereitstellung des Protection Levels verbreitet. Die dabei entwickelten Lösungen sind jedoch auf den
Anwendungsbereich des autonomen Fahrens nicht ohne weiteres übertragbar. Insbesondere stellen zum Beispiel Häuserschluchten und deren Beeinflussung von Satellitensignalen Probleme dar, die bei Luftfahrtanwendungen nicht auftreten. Es sind daher verbesserte Methoden zur Berechnung eines möglichst zuverlässigen Protection Levels wünschenswert, die insbesondere auch in schwierigen Umgebungen, wie beispielsweise in städtischen Gebieten zuverlässige Ergebnisse liefern können.
Offenbarung der Erfindung
Hier vorgeschlagen wird gemäß Anspruch 1 ein Verfahren zum adaptiven Ermitteln eines Integritätsbereichs einer Parameterschätzung, wobei der Integritätsbereich den Bereich beschreibt, in dem ein geschätzter Parameter mit einer Mindestwahrscheinlichkeit liegt, wobei das Verfahren zumindest folgende Schritte umfasst:
a) Ermitteln einer Basis-Integritätsinformation mittels eines Basis-Moduls eines modularen Systems,
b) Ermitteln einer ersten Zusatz-Integritätsinformation mittels eines ersten Zusatz-Moduls des modularen Systems, wenn mindestens eine
Voraussetzung für das Ermitteln der ersten Zusatz-Integritätsinformation erfüllt ist,
c) Ermitteln des Integritätsbereichs unter Verwendung zumindest der Basis- Integritätsinformation oder zumindest der Basis-Integritätsinformation und der ersten Zusatz-Integritätsinformation, wenn die erste Zusatz- Integritätsinformation ermittelt wurde.
Die Schritte a) und b) können vorzugsweise zumindest teilweise parallel oder sogar gleichzeitig durchgeführt werden. Weiterhin bevorzugt werden die Schritte a) und b) zumindest teilweise vor Schritt c) durchgeführt.
Der Integritätsbereich beschreibt den Bereich, in dem ein geschätzter
Parameter(-wert) mit einer Mindestwahrscheinlichkeit (tatsächlich) liegt. Der geschätzte Parameter(-wert) beschreibt dabei grundsätzlich ein (einzelnes, insbesondere momentanes) Schätzergebnis der Parameterschätzung. Dies bedeutet mit anderen Worten insbesondere, dass der Integritätsbereich den Bereich beschreibt, in dem ein realer bzw. tatsächlicher Wert eines geschätzten Parameters mit einer Mindestwahrscheinlichkeit liegt. Ein solcher
Integritätsbereich kann auch als sogenanntes„Protection Level“ bezeichnet werden. Bei der Mindestwahrscheinlichkeit handelt es sich in der Regel um eine vordefinierte Mindestwahrscheinlichkeit. Bevorzugt beträgt die
Mindestwahrscheinlichkeit 90 %, besonders bevorzugt 95 % oder sogar 99 %.
Vorzugsweise ist der Integritätsbereich ein Protection Level. Das Protection Level beschreibt dabei in der Regel den (räumlichen, insbesondere zwei- oder dreidimensionalen) Bereich, in dem ein geschätzter Parameter(-wert) mit einer Mindestwahrscheinlichkeit (tatsächlich) liegt. Der geschätzte Parameter(-wert) beschreibt dabei grundsätzlich ein (einzelnes, insbesondere momentanes) Schätzergebnis der Parameterschätzung. Dies bedeutet mit anderen Worten insbesondere, dass das Protection Level den Bereich beschreibt, in dem ein realer bzw. tatsächlicher Wert eines geschätzten Parameters mit einer
Mindestwahrscheinlichkeit liegt.
Mit noch anderen Worten ausgedrückt, beschreibt ein Protection Level insbesondere ein Konfidenzintervall oder einen (räumlichen) Konfidenzbereich, in dem sich der wahre Wert eines geschätzten Parameters mit einer
Mindestwahrscheinlichkeit befindet. Dabei befindet sich der geschätzte Wert des Parameters üblicherweise in der Mitte bzw. dem Zentrum des Konfidenzintervalls bzw. Konfidenzbereichs.
Die Mindestwahrscheinlichkeit mit der ein realer bzw. tatsächlicher Wert eines geschätzten Parameters tatsächlich in einem Protection Level liegt ist noch sehr viel höher als bei„üblichen“ Integritätsbereichen. Die Mindestwahrscheinlichkeit liegt hier üblicherweise über 99.99 %, besonders bevorzugt über 99.999 % oder sogar über 99.9999 %. Die Mindestwahrscheinlichkeit kann bei dem Protection- Level auch nicht in Prozent, sondern in möglichen Fehlern in einem bestimmten Zeitintervall ausgedrückt werden. Ein Protection-Level kann beispielswiese so definiert sein, dass der fragliche Parameter maximal einmal in 10 Jahren außerhalb des Protection-Levels liegt. Das Protection Level kann beispielsweise entweder als einheitslose Wahrscheinlichkeit oder als Rate, d.h. als
Fehlerauftretenswahrscheinlichkeit über einem Zeitintervall, ausgedrückt werden.
Bevorzugt dient das Verfahren zum Ermitteln eines Integritätsbereichs einer Parameterschätzung eines Fahrbetriebsparameters eines Kraftfahrzeugs. Bei dem Fahrbetriebsparameter handelt es sich in der Regel um einen
sicherheitskritischen bzw. sicherheitsrelevanten Parameter des Fährbetriebs eines Kraftfahrzeugs. Vorzugsweise handelt es sich bei dem
Fahrbetriebsparameter um einen (sicherheitskritischen bzw.
sicherheitsrelevanten) Parameter des Fährbetriebs eines zumindest teilweise automatisiert oder sogar autonom operierenden (bzw. betriebenen)
Kraftfahrzeugs.
Unter einem Fahrbetriebsparameter wird hier insbesondere ein solcher
Parameter verstanden, der dazu beiträgt den räumlichen Fährbetrieb eines Kraftfahrzeugs bzw. die Operation eines Kraftfahrzeugs im Raum zu
beschreiben. Insbesondere trägt der Fahrbetriebsparameter zumindest dazu bei eine Eigenbewegung und/oder Eigenposition eines Kraftfahrzeugs zu beschreiben. Bei dem Fahrbetriebsparameter kann es sich beispielsweise um eine (Eigen-) Position, eine (Eigen-)Geschwindigkeit, (Eigen-)Beschleunigung oder eine Lage (bzw. Orientierung) des Kraftfahrzeugs handeln. Vorzugsweise handelt es sich bei dem Fahrbetriebsparameter um eine Eigenposition des Kraftfahrzeugs.
Vorzugsweise dient das Verfahren zum Ermitteln eines Integritätsbereichs, welcher die Integrität einer Schätzung einer Eigenposition eines Fahrzeugs beschreibt. Dies bedeutet mit anderen Worten insbesondere, dass es sich bei dem Parameter vorzugsweise um eine Eigenposition eines Fahrzeugs handelt. Das Verfahren kann (somit) beispielsweise zum Ermitteln eines
Integritätsbereichs einer Positionsschätzung einer Fahrzeugposition dienen. Dabei kann der Integritätsbereich den Bereich beschreiben, in dem eine geschätzte Eigenposition eines Fahrzeugs mit einer Mindestwahrscheinlichkeit (tatsächlich) liegt. Alternativ oder kumulativ zu der Schätzung der Eigenposition des Fahrzeugs kann das Verfahren auch zur Schätzung der
Eigengeschwindigkeit, Orientierung, Eigenbewegung oder dergleichen des Fahrzeugs genutzt werden.
Die Parameterschätzung kann grundsätzlich eine oder mehrere Methoden zur Schätzung eines (desselben) Parameters umfassen. Beispielsweise kann die Parameterschätzung mindestens zwei voneinander verschiedene Methoden, etwa eine erste Methode und eine von der ersten Methode verschiedene zweite Methode zur Schätzung des Parameters umfassen. Vorzugsweise werden Methoden zur Schätzung des Parameters verwendet, die darüber hinaus auch eine Integritätsinformation über die Integrität der Schätzung bereitstellen und/oder bestimmen können.
Die hier vorgeschlagene Lösung erlaubt in vorteilhafter Weise eine dynamischere Ermittlung des Integritätsbereichs, insbesondere durch eine mögliche Adaption des Ermittlungsverfahrens an äußere Einflüsse und/oder die gegebenen
Anwendungen. Gegenüber Methoden zur Berechnung des Integritätsbereichs, die entweder rein auf empirischen Modellen oder rein auf stochastischen Modellen beruhen, erlaubt die hier vorgeschlagene Lösung erstmals eine adaptive und dadurch insbesondere dynamischere und/oder effizientere
Ermittlung des Integritätsbereichs.
Zur Steigerung der Dynamik und/oder Effizienz trägt insbesondere der modulare Aufbau des Systems bei, der ein bedarfsweises Zuschalten von einem oder mehreren Zusatz-Modulen, beispielsweise zur Steigerung der Genauigkeit der Ermittlung des Integritätsbereichs (beispielsweise durch Berücksichtigung von Qualitätsindikatoren) und/oder zur Kompensation von (absehbaren)
Einschränkungen der Methodik des Basis-Moduls ermöglicht. Zum Beispiel könnte ein maßgeblich mit GNSS-Informationen arbeitendes Basis-Modul in bestimmten Szenarien, wie etwa einer Häuserschlucht (d.h. Abschattung des Satellitenempfangs) nur eingeschränkt funktionieren. In diesem Fall könnte ein Zusatz-Modul zugeschaltet werden, welches überwiegend mit Umfeldsensoren des Fahrzeugs arbeitet.
In Schritt a) erfolgt ein Ermitteln einer Basis-Integritätsinformation, insbesondere über die Parameterschätzung bzw. zu einem geschätzten Parameter, mittels eines Basis-Moduls eines modularen Systems. Dies bedeutet mit anderen Worten insbesondere, dass in Schritt a) eine Basis-Integritätsinformation über ein Schätzergebnis der Parameterschätzung bzw. über die Integrität der
Parameterschätzung mittels eines Basis-Moduls eines modularen Systems ermittelt wird.
Das System kann dabei grundsätzlich als physisches System oder als
Computerprogramm implementiert sein. Bei der Basis-Integritätsinformation kann es sich beispielsweise um eine Varianz und/oder ein Residuum der
Parameterschätzung handeln. Darüber hinaus kann es sich bei der Basis- Integritätsinformation (alternativ) auch um eine Information handeln, die in Abhängigkeit einer Varianz und/oder eines Residuums und/oder eines (anderen) Indikators für die Vertrauenswürdigkeit der Schätzung ermittelt wird.
Die Parameterschätzung und/oder die Ermittlung der Basis-Integritätsinformation kann dabei beispielsweise auf Basis von Daten eines Sensors eines
Kraftfahrzeugs erfolgen. Vorzugsweise erfolgt die Ermittlung der Basis- Integritätsinformation zumindest auch auf Basis von GNSS-(Globales- Navigations-Satelliten-System)Daten (wie beispielsweise GNSS-Korrekturdaten oder Daten, umfassend sowohl GNSS-Positionsdaten als auch GNSS- Korrekturdaten) eines GNSS-Sensors eines Kraftfahrzeugs.
In Schritt b) erfolgt ein Ermitteln einer ersten Zusatz-Integritätsinformation, insbesondere über die Parameterschätzung bzw. zu einem geschätzten
Parameter, mittels eines (sich von dem Basis-Modul unterscheidenden) ersten Zusatz-Moduls des modularen Systems, wenn mindestens eine Voraussetzung für das Ermitteln der ersten Zusatz- Integritätsinformation erfüllt ist. Dies bedeutet mit anderen Worten insbesondere, dass in Schritt b) eine erste Zusatz- Integritätsinformation über ein Schätzergebnis der Parameterschätzung bzw. über die Integrität der Parameterschätzung mittels eines ersten Zusatz-Moduls eines modularen Systems ermittelt wird.
Die Parameterschätzung und/oder die Ermittlung der ersten Zusatz- Integritätsinformation kann dabei beispielsweise auf Basis von Daten eines Sensors eines Kraftfahrzeugs erfolgen. Vorzugsweise erfolgt die Ermittlung der ersten Zusatz-Integritätsinformation zumindest auch auf Basis von Daten eines Umfeld-Sensors eines Kraftfahrzeugs. Bei dem Umfeld-Sensor kann es sich beispielsweise um eine Kamera, einen RADAR-Sensor, einen LIDAR-Sensor und/oder einen Ultraschallsensor handeln.
Eine Voraussetzung für das Ermitteln der ersten Zusatz-Integritätsinformation kann beispielsweise sein, dass die Genauigkeit der Ermittlung des
Integritätsbereichs momentan bzw. für eine bestimmte zeitliche Dauer gesteigert werden soll und/oder momentan von einer eingeschränkten Genauigkeit des Basis-Moduls auszugehen ist. Eine weitere (alternative oder kumulative) Voraussetzung kann z.B. sein, dass sich das Kraftfahrzeug (bezüglich dessen die Parameterschätzung erfolgt), momentan in einem bestimmten Szenario (wie etwa einer Häuserschlucht, einem Tunnel, einer Nachtfahrt) befindet. Als Voraussetzung kann (alternativ oder kumulativ) auch eine Freigabe des ersten Zusatz-Moduls dienen oder der Umstand, dass das erste Zusatz-Modul vorhanden ist. Dass das Ermitteln der ersten Zusatz-Integritätsinformation von einer Voraussetzung abhängt, erlaubt in vorteilhafter Weise eine adaptive Ermittlung des Integritätsbereichs, bei welcher das erste Zusatz-Modul bedarfsweise zugeschaltet werden kann.
In Schritt c) erfolgt ein Ermitteln des Integritätsbereichs unter Verwendung zumindest der Basis-Integritätsinformation oder zumindest der Basis- Integritätsinformation und der ersten Zusatz-Integritätsinformation, wenn die erste Zusatz-Integritätsinformation (in einem unmittelbar vorhergehenden Schritt b) ermittelt wurde. Hierbei kann beispielsweise eine gegebenenfalls gewichtete Überlagerung der Basis-Integritätsinformation mit zumindest der ersten Zusatz- Integritätsinformation (und/oder ggf. einer weiteren (beispielsweise zweiten, dritten, usw.) Zusatz-Integritätsinformation) erfolgen.
Bevorzugt handelt es sich bei dem Integritätsbereich um ein Konfidenzintervall. Ein Konfidenzintervall (auch Vertrauensbereich oder Vertrauensintervall und Erwartungsbereich genannt) ist ein Intervall aus der Statistik, das die Präzision der Lageschätzung eines Parameters (zum Beispiel eines Mittelwerts) angeben soll. Das Konfidenzintervall gibt den Bereich an, der bei unendlicher
Wiederholung eines Zufallsexperiments mit einer gewissen Wahrscheinlichkeit (dem Konfidenzniveau) die wahre Lage des Parameters einschließt.
Nach einer vorteilhaften Ausgestaltung wird vorgeschlagen, dass die Basis- Integritätsinformation auf Basis mindestens eines Stochastik- Parameters ermittelt wird. Als Stochastik- Parameter kommen insbesondere Residuen, Varianzen, Kovarianzen oder dergleichen in Betracht. Beispielsweise die Basis- Integritätsinformation auf Basis einer Analyse von Beobachtungsresiduen aus einer Parameterschätzung oder auf Basis einer Analyse der geschätzten
Varianzen (z.B. aus einer kleinsten Quadrate Ausgleichung oder Kalman
Filterung) ermittelt werden.
Nach einer weiteren vorteilhaften Ausgestaltung wird vorgeschlagen, dass in dem Basis-Modul ein mathematisches Grundmodell hinterlegt ist. Bei dem Grundmodell kann es sich beispielsweise um ein Filter-Modell, wie
beispielsweise einen Kalman-Filter handeln. Darüber hinaus sind grundsätzlich zustandsbeschreibende Funktionen denkbar, insbesondere so genannte „Zustandsbeobachter“, beispielsweiche umfassend Fuzzy-Methoden oder dergleichen.
Nach einer weiteren vorteilhaften Ausgestaltung wird vorgeschlagen, dass die erste Zusatz- Integritätsinformation auf Basis mindestens eines
Qualitätsindikators für eine Datenqualität von Sensordaten ermittelt wird. In diesem Zusammenhang kann die erste Zusatz-Integritätsinformation auf Basis mindestens eines Qualitätsindikators für eine Datenqualität von Sensordaten mindestens eines Sensors eines (des) Kraftfahrzeugs erfolgen. Bei dem mindestens einen Sensor handelt es sich in der Regle um einen solchen, welcher auch (ggf. fehlerbehaftete) Daten für die Parameterschätzung zur Verfügung stellt.
Bevorzugt wird die erste Zusatz-Integritätsinformation auf Basis mindestens zweier verschiedener, ggf. zueinander gewichteter Qualitätsindikatoren für die Datenqualität von Sensordaten von einem oder mehreren (verschiedenen) Sensoren (des Kraftfahrzeugs) ermittelt. Darüber hinaus kann vorgesehen sein, dass die erste Zusatz-Integritätsinformation einen oder mehrere, insbesondere zueinander gewichtete und/oder voneinander verschiedene Qualitätsindikatoren umfasst.
Nach einer weiteren vorteilhaften Ausgestaltung wird vorgeschlagen, dass in Schritt c) eine Gewichtung zumindest der Basis-Integritätsinformation und der ersten Zusatz-Integritätsinformation erfolgt, wenn die erste Zusatz- Integritätsinformation ermittelt wurde. Die Gewichtung kann beispielsweise in Abhängigkeit der Häufigkeit des Auftretens von Fehlern, Wichtigkeit,
Schweregrad usw. erfolgen.
Nach einer weiteren vorteilhaften Ausgestaltung wird vorgeschlagen, dass eine Gewichtung in Abhängigkeit mindestens eines Qualitätsindikators erfolgt. In diesem Zusammenhang kann eine Gewichtung in Abhängigkeit mindestens eines Qualitätsindikators für eine Datenqualität von Sensordaten eines Sensors eines Kraftfahrzeugs erfolgen. Insbesondere kann die Gewichtung in Schritt c) in Abhängigkeit mindestens eines Qualitätsindikators erfolgen. Alternativ oder kumulativ kann in einem der Module eine Gewichtung in Abhängigkeit mindestens eines Qualitätsindikators erfolgen. Nach einer weiteren vorteilhaften Ausgestaltung wird vorgeschlagen, dass mindestens eine zweite Zusatz-Integritätsinformation insbesondere über die Parameterschätzung bzw. zu einem geschätzten Parameter, mittels eines (sich von dem Basis-Modul und/oder dem ersten Zusatz-Modul unterscheidenden) zweiten Zusatz-Moduls des modularen Systems bestimmt wird, wenn mindestens eine Voraussetzung für das Ermitteln der zweiten Zusatz-Integritätsinformation erfüllt ist. Dies bedeutet mit anderen Worten insbesondere, dass eine zweite Zusatz-Integritätsinformation über ein Schätzergebnis der Parameterschätzung bzw. über die Integrität der Parameterschätzung mittels eines zweiten Zusatz- Moduls eines modularen Systems ermittelt werden kann.
Eine Voraussetzung für das Ermitteln der zweiten Zusatz-Integritätsinformation kann beispielsweise sein, dass die Genauigkeit der Ermittlung des
Integritätsbereichs momentan bzw. für eine bestimmte zeitliche Dauer gesteigert werden soll und/oder momentan von einer eingeschränkten Genauigkeit des Basis-Moduls und/oder ersten Zusatz-Moduls auszugehen ist. Eine weitere (alternative oder kumulative) Voraussetzung kann z.B. sein, dass sich das Kraftfahrzeug (bezüglich dessen die Parameterschätzung erfolgt), momentan in einem bestimmten Szenario (wie etwa einer Häuserschlucht, einem Tunnel, einer Nachtfahrt) befindet. Als Voraussetzung kann (alternativ oder kumulativ) auch eine Freigabe des zweiten Zusatz-Moduls dienen oder der Umstand, dass das zweite Zusatz-Modul vorhanden ist. Dass das Ermitteln der zweiten Zusatz- Integritätsinformation von einer Voraussetzung abhängt, erlaubt in vorteilhafter Weise eine adaptive Ermittlung des Integritätsbereichs, bei welcher das zweite Zusatz-Model bedarfsweise zugeschaltet werden kann.
Darüber hinaus können weitere Zusatz-Module, wie etwa ein drittes Zusatz- Modul, ein viertes Zusatz-Modul, usw. vorgesehen sein. Die verschiedenen Module können verschiedene Funktionen bei der Ermittlung des
Integritätsbereichs übernehmen. Zudem können die verschiedenen Module bedarfsweise an der Ermittlung des Integritätsbereichs teilnehmen.
Weiterhin kann vorgesehen sein, dass eines oder mehrere der Module (z.B. Basis-Modul und/oder erstes Zusatz-Modul) fehlerspezifisch an der Ermittlung des Integritätsbereichs teilnehmen. Hierzu kann das System beispielsweise so konzipiert sein, dass bei einem bestimmten (zu erwartenden) Fehlerfall der Parameterschätzung ein bestimmtes Modul in die Ermittlung des
Integritätsbereichs mit einbezogen wird. Dies kann in vorteilhafter Weise dazu beitragen, dass ein bestimmter Fehlerfall oder eine Reihe von Fehlern behoben werden können.
Nach einem weiteren Aspekt wird auch ein Computerprogramm zur
Durchführung eines hier vorgestellten Verfahrens vorgeschlagen. Dies betrifft mit anderen Worten insbesondere ein Computerprogramm(-produkt), umfassend Befehle, die bei der Ausführung des Programms durch einen Computer diesen veranlassen, ein hier beschriebenes Verfahren auszuführen.
Nach einem weiteren Aspekt wird auch ein maschinenlesbares Speichermedium vorgeschlagen, auf dem das hier vorgestellte Computerprogramm gespeichert ist. Regelmäßig handelt es sich bei dem maschinenlesbaren Speichermedium um einen computerlesbaren Datenträger.
Nach einem weiteren Aspekt wird auch ein Steuergerät für ein Kraftfahrzeug vorgeschlagen, wobei das Steuergerät zur Durchführung eines hier vorgestellten Verfahrens eingerichtet ist. Bei dem Steuergerät handelt es sich vorzugsweise um ein Gerät (bzw. einen Rechner) zur Eigenlokalisierung.
Darüber hinaus kann auch ein Kraftfahrzeug angegeben werden, welches ein hier vorgestelltes Steuergerät aufweist. Bei dem Kraftfahrzeug handelt es sich vorzugsweise um ein automatisiert und/oder autonom operierendes Fahrzeug, insbesondere um ein autonomes Automobil.
Weiterhin kann auch ein adaptives, modulares System zum Ermitteln eines Integritätsbereichs einer Parameterschätzung angegeben werden, welches zur Durchführung des hier vorgestellten Verfahrens eingerichtet ist. Das System kann dazu insbesondere ein Basis-Modul und mindestens ein (erstes, zweites, drittes, usw.) Zusatz-Modul umfassen.
Die im Zusammenhang mit dem Verfahren erörterten Details, Merkmale und vorteilhaften Ausgestaltungen können entsprechend auch bei dem hier vorgestellten Computerprogramm, dem Speichermedium, dem Steuergerät, dem Fahrzeug und/oder dem System auftreten und umgekehrt. Insoweit wird auf die dortigen Ausführungen zur näheren Charakterisierung der Merkmale
vollumfänglich Bezug genommen.
Die hier vorgestellte Lösung sowie deren technisches Umfeld werden
nachfolgend anhand der Figuren näher erläutert. Es ist darauf hinzuweisen, dass die Erfindung durch die gezeigten Ausführungsbeispiele nicht beschränkt werden soll. Insbesondere ist es, soweit nicht explizit anders dargestellt, auch möglich, Teilaspekte der in den Figuren erläuterten Sachverhalte zu extrahieren und mit anderen Bestandteilen und/oder Erkenntnissen aus anderen Figuren und/oder der vorliegenden Beschreibung zu kombinieren. Es zeigen schematisch:
Fig. 1: einen beispielhaften Ablauf eines hier vorgeschlagenen Verfahrens,
Fig. 2: einen beispielhaften Aufbau des modularen Systems,
Fig. 3: eine beispielhafte Ausgestaltung des ersten Zusatz-Moduls, und
Fig. 4: ein Kraftfahrzeug mit einer beispielhaften Ausführungsform eines hier vorgeschlagenen Steuergeräts.
Fig. 1 zeigt schematisch einen beispielhaften Ablauf eines hier vorgeschlagenen Verfahrens. Das Verfahren dient zum adaptiven Ermitteln eines
Integritätsbereichs 1 einer Parameterschätzung, wobei der Integritätsbereich 1 den Bereich beschreibt, in dem ein geschätzter Parameter mit einer
Mindestwahrscheinlichkeit liegt. Die mit den Blöcken 110, 120 und 130 dargestellte Reihenfolge der Verfahrensschritte a), b) und c) stellt sich in der Regel bei einem regulären Betriebsablauf ein. Insbesondere können die Schritte a) und b) zumindest teilweise parallel oder sogar gleichzeitig durchgeführt werden.
In Block 110 erfolgt ein Ermitteln einer Basis- Integritätsinformation 2 mittels eines Basis-Moduls 3 eines modularen Systems 4. In Block 120 erfolgt ein Ermitteln einer ersten Zusatz-Integritätsinformation 5 mittels eines ersten Zusatz-Moduls 6 des modularen Systems 4, wenn mindestens eine Voraussetzung für das Ermitteln der ersten Zusatz-Integritätsinformation 5 erfüllt ist. In Block 130 erfolgt ein Ermitteln des Integritätsbereichs 1 unter Verwendung zumindest der Basis- Integritätsinformation 2 oder zumindest der Basis-Integritätsinformation 2 und der ersten Zusatz-Integritätsinformation 5, wenn die erste Zusatz- Integritätsinformation 5 ermittelt wurde.
Fig. 2 zeigt schematisch einen beispielhaften Aufbau des modularen Systems 4. Das (adaptive) modulare System 4 umfasst ein Basis-Moduls 3 und mindestens ein weiteres Zusatz-Modul, hier beispielhaft ein erstes Zusatz-Modul 6, ein zweites Zusatz-Modul 9 und ein drittes Zusatz-Modul 14. Darüber hinaus umfasst das modulare System 4 hier beispielhaft auch einen Kombinierer 12, welcher Ergebnisse aus dem Basis-Modul 3 mit Ergebnissen aus mindestens einem der Zusatz-Module zu einem Integritätsbereich 1 kombiniert. Bei dem
Integritätsbereich 1 handelt es sich hier beispielhaft um ein sogenanntes „Protection Level“.
Das Basis-Modul 3 empfängt Basis- Eingangsdaten 15 und ermittelt daraus mindestens eine Basis-Integritätsinformation 2. In diesem Zusammenhang kann die Basis-Integritätsinformation 2 zum Beispiel auf Basis mindestens eines Stochastik- Parameters oder Schätzfehlers ermittelt werden. Darüber hinaus kann in dem Basis-Modul 3 ein mathematisches Grundmodell hinterlegt sein.
Das Basis-Modul 3 kann zum Beispiel Basis- Eingangsdaten 15 empfangen, die beispielsweise von einer Kovarianzmatrix abgeleitet bzw. entnommen werden, die zu den Zuständen gehört, für die ein Integritätsbereich (Protection Level) berechnet werden soll. Das Basis-Modul 3 ist insbesondere universell gültig für hypergeometrische Repräsentationen, unabhängig vom Dimensionsgrad.
So kann das Basis-Modul 3 beispielsweise Basis- Eingangsdaten 15 aus einer Kovarianzmatrix empfangen und daraus die Basis-Integritätsinformation 2, wie etwa einen Basis- Konfidenzbereich berechnen. Dies stellt ein Beispiel dafür dar, dass und wie die Basis-Integritätsinformation 2 auf Basis mindestens eines Stochastik- Parameters bzw. Schätzfehlers ermittelt werden kann. Die
Kovarianzmatrix stellt hierbei lediglich ein Beispiel für eine Darstellung möglicher Stochastik- Parameter bzw. Schätzfehler (dabei in Form von Varianzen und Kovarianzen) dar.
Darüber hinaus kann in dem Basis-Modul 3 ein mathematisches Grundmodell hinterlegt sein, welches beispielsweise aus Daten aus der beispielhaft angeführten Kovarianzmatrix in die Basis-Integritätsinformation 2, wie etwa einen Basis- Konfidenzbereich umrechnet. Das mathematische Grundmodell kann beispielsweise aus einer Kovarianzinformation eine geometrische Form, wie beispielsweise einen Kreis berechnen. Diese geometrische Form kann dabei den Integritätsbereich beschreiben bzw. umschließen. Diese geometrische Form kann anschließend skaliert (insbesondere vergrößert) werden, etwa um die Mindestwahrscheinlichkeit zu erhöhen oder auf einen bestimmten Wert einzustellen. Der so skalierte Integritätsbereich bildet dann einen
Konfidenzbereich.
Das erste Zusatz-Modul 6 kann erste Zusatz- Eingangsdaten 16 empfangen und daraus mindestens eine erste Zusatz-Integritätsinformation 5 ermitteln. In diesem Zusammenhang kann die erste Zusatz- Integritätsinformation 5 zum Beispiel auf Basis mindestens eines Qualitätsindikators 7 (hier nicht dargestellt, vgl. Fig. 3) für eine Datenqualität von (unter anderem) Sensordaten ermittelt werden.
Das erste Zusatz-Modul 6 könnte beispielsweise eine oder mehrere Funktionen enthalten, die in Abhängigkeit mindestens eines Qualitätsindikators 7 die erste Zusatz-Integritätsinformation 5, wie etwa einen ersten Zusatz- Konfidenzbereich berechnen. Die Qualitätsindikatoren 7 können dabei aktuelle Szenarien und/oder Signaleigenschaften (von Sensoren) darstellen.
Das zweite Zusatz-Modul 9 kann zweite Zusatz- Eingangsdaten 17 empfangen und daraus mindestens eine zweite Zusatz-Integritätsinformation 8 ermitteln. Das zweite Zusatz-Modul 9 könnte als zweite Zusatz- Eingangsdaten 17
beispielsweise Informationen, wie etwa Residuen enthalten, die aus einem Anpassungsproblem (zum Beispiel Methode der kleinsten Quadrate,
insbesondere sogenannte„snapshot least squares solution” (instantane
Kleinste-Quadrate-Schätzlösung)) resultieren.
Das dritte Zusatz-Modul 14 kann dritte Zusatz- Eingangsdaten 18 empfangen und daraus mindestens eine dritte Zusatz-Integritätsinformation 13 ermitteln. Dabei könnte das dritte Zusatz-Modul 14 beispielsweise statistische Verteilungen berücksichtigen. Zum Beispiel könnte das dritte Zusatz-Modul 14 eine Funktion enthalten, die statistische Verteilungen als dritte Zusatz- Eingangsdaten 18 empfängt und diesen mindestens eine dritte Zusatz- Integritätsinformation 13 zuordnet. Beispiel für Zusatz- Eingangsdaten 18 können die Quantile einer statistischen Verteilung sein. Auf Basis dieser Quantile können Faktoren ermittelt werden, die als Zusatz-Integritätsinformation 13 betrachtet werden können.
Der Kombinierer 12 kann beispielswiese dazu eingerichtet sein, eine Gewichtung zumindest der Basis-Integritätsinformation 2, der ersten Zusatz- Integritätsinformation 5, der zweiten Zusatz-Integritätsinformation 8 und der dritten Zusatz-Integritätsinformation 13 (jeweils soweit vorhanden)
durchzuführen. In diesem Zusammenhang kann der Kombinierer 12
beispielsweise dazu eingerichtet sein eine Gewichtung in Abhängigkeit mindestens eines Qualitätsindikators 7 durchzuführen.
Darüber hinaus können weitere (vierte, fünfte, usw.) Zusatz-Module zum Einsatz kommen. Eines der Module könnte beispielsweise zur Berücksichtigung der aktuellen Dynamik der Zielplattform eingerichtet sein. Die Module können grundsätzlich bedarfsweise bzw. entsprechend dem jeweiligen
Anwendungsgebiet gegeneinander ausgetauscht und/oder angepasst werden.
Fig. 3 zeigt schematisch eine beispielhafte Ausgestaltung des ersten Zusatz- Moduls 6. Ein entsprechend aufgebautes erstes Zusatz-Modul 6 könnte beispielsweise in dem System 4 nach Fig. 2 zur Anwendung kommen. Die Bezugszeichen werden einheitlich verwendet, sodass auf die vorhergehenden Erläuterungen, insbesondere zu den Figuren 1 und 2 vollumfänglich Bezug genommen werden kann.
Gemäß der beispielhaften Darstellung nach Fig. 3 empfängt das erste Zusatz- Modul 6 als erste Zusatz- Eingangsdaten 16 eine Vielzahl von
Qualitätsindikatoren 7. Das erste Zusatz-Modul 6 ist dazu eingerichtet aus zumindest einem Teil der empfangenen Qualitätsindikatoren 7 mindestens eine erste Zusatz-Integritätsinformation 5 zu ermitteln. Hierzu kann beispielsweise in einem Verarbeitungsglied 25 des ersten Zusatz-Moduls 6 eine Verarbeitung, insbesondere umfassend eine Gewichtung von Qualitätsindikatoren 7 erfolgen.
Zur Verarbeitung können in dem Verarbeitungsglied 25 beispielsweise
Funktionen hinterlegt sein, die einem bestimmten Wert oder Wertebereich eines Qualitätsindikators 7 eine bestimmte Integritätsinformation oder einen
bestimmten Wert oder Wertebereich einer Integritätsinformation zuordnen. Die einzelnen Resultate dieser Zuordnungen können anschließend gewichtet und kombiniert (fusioniert) werden. Das daraus resultierende Ergebnis kann von dem Verarbeitungsglied 25 als erste Zusatz-Integritätsinformation 5 ausgegeben werden.
Eine Selektierung welche der Qualitätsindikatoren 7 hierbei berücksichtigt werden sollen kann beispielsweise mittels eines Selektierers 24 des ersten Zusatz-Moduls 6 erfolgen. Darüber hinaus kann der Selektierer 24 die
Qualitätsindikatoren 7 auch nach deren Priorität auswählen oder sortieren.
Bei den Qualitätsindikatoren 7 handelt es sich um solche für eine Datenqualität. Dies bedeutet mit anderen Worten insbesondere, dass die Qualitätsindikatoren 7 eine Qualität von Daten, wie etwa deren Alter, Signalrauschen, Signalfrequenz und/oder Signifikanz bzw. Einfluss für ein spezifisches Anwendungsszenario. Wenn es sich bei einem Qualitätsindikatoren 7 um einen solchen für eine Datenqualität von Sensordaten handelt, kann dieser Qualitätsindikatoren 7 darüber hinaus (alternativ oder kumulativ) auch (generell) das Vertrauen in den die Sensordaten bereitstellenden Sensor bzw. das Vertrauen in die Art der Sensordaten beschreiben.
Die Parameterschätzung zu welcher der Integritätsbereich ermittelt werden soll beruht in der Regel auf verschiedenen Daten, wie beispielsweise Sensordaten und/oder Kartendaten. Zu den Sensordaten, die beispielsweise in einem
Kraftfahrzeug zur Verfügung stehen können, zählen insbesondere
Navigationssatellitendaten 19, Inertialsensordaten 20 und Umfeldsensordaten 21. Darüber hinaus sind weitere Sensordaten 23 denkbar. Die hier verwendeten Qualitätsindikatoren 7 beziehen sich insbesondere auf zumindest einen Teil dieser Daten.
Fig. 3 veranschaulicht in diesem Zusammenhang auch, dass die erste Zusatz- Integritätsinformation 5 hier vorzugsweise auf Basis mindestens zweier verschiedener, ggf. zueinander gewichteter Qualitätsindikatoren 7 für die Datenqualität von Sensordaten von einem oder mehreren (verschiedenen) Sensoren 19, 20, 21, 22 ermittelt wird. Dies erlaubt in vorteilhafter Weise, der Ermittlung des Integritätsbereichs 1 möglichst heterogene Eingangsinformationen zugrunde legen zu können. Insbesondere wird hier ein Ansatz zur Berücksichtigung und Gewichtung ausgewählter Signale als Qualitätsindikatoren 7 beschrieben, um zum einen den Integritätsbereich 1 (insbesondere das Protection Level) vorteilhafterweise basierend auf heterogenen Eingangsinformationen berechnen zu können und zum anderen insbesondere eine Konfiguration zur Priorisierung der
Qualitätsindikatoren 7 unter Berücksichtigung unterschiedlicher Merkmale zu ermöglichen.
Mathematische Algorithmen zur Berechnung einer Integritätsinformation einer Parameterschätzung, wie diese beispielsweise in einem der anderen Module, insbesondere dem Basis-Modul 3 implementiert sein können, nutzen zumeist die (Ko-) Varianzen oder Residuen welche aus der Parametereschätzung (z.B.
Kalman Filter, kleinste Quadrate) resultieren und berechnen aus diesen eine Integritätsinformation, oder ggf. sogar ein Protection Level.
Ein Nachteil einer alleinigen Anwendung entsprechender mathematischer Lösungen könnte jedoch darin gesehen werden, dass dabei in der Regel nur solche Fehler abgebildet werden können, welche in der stochastischen
Modellbildung bzw. in dem (mathematischen) Fehlermodell auch berücksichtigt wurden. Die hier vorgestellte Berücksichtigung der insbesondere verschiedenen Qualitätsindikatoren 7 erlaubt demgegenüber den Vorteil, dass (auch) unterschiedliche Latenzen, Auflösungen und Qualitäten der Eingangssignale unterschiedlicher Sensoren in der Berechnung des Integritätsbereichs
berücksichtigt werden können.
Eine Parameterschätzung (Berechnung einer geschätzten Ausgangsinformation), wie beispielweise der Fahrzeugposition wird in der Regel mit Hilfe verschiedener Sensoren/Eingangsparameter (GNSS Signale, Korrekturdaten, Inertialsensorik, Drucksensorik, Radsensorik, Video, usw.) durchgeführt. Jeder dieser Eingänge, aber auch die Ansätze und Modelle zur Durchführung der Schätzung
(Berechnung jener geschätzten Ausgangsinformation), können verschiedene Informationen liefern, die zur Einstufung der Qualität genutzt werden können. Qualitätsindikatoren können beispielsweise sein: Signalrauschen eines GNSS Receivers, Alter von GNSS Korrekturdaten, aber auch einfach die ermittelte Geschwindigkeit oder Lage des Fahrzeugs. Dabei sind diverse Indikatoren denkbar und können abhängig von der Anwendung gewählt werden. Ein weiterer Vorteil der hier vorgestellten Ausführungsvariante ist die Nutzung von Qualitätsindikatoren für eine gewichtete Bestimmung des Integritätsbereichs (Protection Levels), wobei die Gewichtung insbesondere auf Basis
unterschiedlicher Merkmale, wie beispielsweise Datenalter, Signalfrequenz, Signalrauschen, Signifikanz bzw. Einfluss für ein spezifisches
Anwendungsszenario oder generell auf dem Vertrauen in spezifische Sensoren durchgeführt werden kann.
Bevorzugt werden verschiedene Qualitätsindikatoren genutzt und/oder
(insbesondere basierend auf einer definierten Priorisierung entsprechend) gewichtet. In Schritt b) (bzw. Block 120) kann beispielsweise in einem ersten Teilschritt eine Auswahl an relevanten Qualitätsindikatoren erfolgen. Diese können anschließend beispielsweise in einem zweiten Teilschritt in einem
Verarbeitungs- und/oder Gewichtungsglied gesammelt werden. In diesem
Zusammenhang können die Qualitätsindikatoren, insbesondere entsprechend einer Konfiguration für deren Priorisierung, eine Information erhalten, mit welchem Gewicht die Indikatoren in die Berechnung des Integritätsbereichs eingehen sollen. Einige Möglichkeiten hierzu sind beispielsweise: Datenalter, Signalfrequenz, Signalrauschen, Signifikanz bzw. Einfluss für ein spezifisches Anwendungsszenario oder generell das Vertrauen in spezifische Sensoren.
Darüber hinaus kann eine Gewichtung von Signalen mittels Qualitätsindikatoren in der Berechnung des Integritätsbereichs durchgeführt werden. Unterschiedliche Szenarien sind denkbar und lediglich ein Beispiel für die Priorisierung des Alters soll beschrieben werden: In diesem Fall könnte die Gewichtung der
Sensorsignale in der Berechnung des Integritätsbereichs (Protection Levels) in Abhängigkeit des Sensordatenalters erfolgen. Der eingehende Qualitätsindikator wäre damit das Datenalter und bezieht sich auf den Zeitpunkt der letzten
Messung eines Sensors. Je älter die Eingangsdaten, desto weniger stark würde die Komponente in der Gesamtberechnung des Integritätsbereichs miteinfließen.
Die Anzahl und Art der Qualitätsindikatoren kann je nach Anwendung und Anzahl der (Eingangs-)Sensoren gewählt werden. Die hier aufgezeigte
Ausführungsvariante ist lediglich als ein Beispiel zu verstehen.
Fig. 4 zeigt schematisch ein Kraftfahrzeug 11 mit einer beispielhaften
Ausführungsform eines hier vorgeschlagenen Steuergeräts 10. Das Steuergerät 10 ist zur Durchführung eines hier vorgestellten Verfahrens zum adaptiven Ermitteln eines Integritätsbereichs 1 einer Parameterschätzung eingerichtet.

Claims

Ansprüche
1. Verfahren zum adaptiven Ermitteln eines Integritätsbereichs (1) einer Parameterschätzung, wobei der Integritätsbereich (1) den Bereich beschreibt, in dem ein geschätzter Parameter mit einer
Mindestwahrscheinlichkeit liegt, wobei das Verfahren zumindest folgende Schritte umfasst:
a) Ermitteln einer Basis-Integritätsinformation (2) mittels eines Basis- Moduls (3) eines modularen Systems (4),
b) Ermitteln einer ersten Zusatz-Integritätsinformation (5) mittels eines ersten Zusatz-Moduls (6) des modularen Systems (4), wenn mindestens eine Voraussetzung für das Ermitteln der ersten Zusatz- Integritätsinformation (5) erfüllt ist,
c) Ermitteln des Integritätsbereichs (1) unter Verwendung zumindest der Basis-Integritätsinformation (2) oder zumindest der Basis- Integritätsinformation (2) und der ersten Zusatz-Integritätsinformation (5), wenn die erste Zusatz-Integritätsinformation (5) ermittelt wurde.
2. Verfahren nach Anspruch 1, wobei die Basis-Integritätsinformation (2) auf Basis mindestens eines Stochastik- Parameters ermittelt wird.
3. Verfahren nach Anspruch 1 oder 2, wobei in dem Basis-Modul (3) ein mathematisches Grundmodell hinterlegt ist.
4. Verfahren nach einem der vorhergehenden Ansprüche, wobei die erste Zusatz-Integritätsinformation (5) auf Basis mindestens eines
Qualitätsindikators (7) für eine Datenqualität ermittelt wird.
5. Verfahren nach einem der vorhergehenden Ansprüche, wobei in Schritt c) eine Gewichtung zumindest der Basis-Integritätsinformation (2) und der ersten Zusatz-Integritätsinformation (5) erfolgt, wenn die erste Zusatz- Integritätsinformation (5) ermittelt wurde.
6. Verfahren nach einem der vorhergehenden Ansprüche, wobei eine
Gewichtung in Abhängigkeit mindestens eines Qualitätsindikators (7) erfolgt.
7. Verfahren nach einem der vorhergehenden Ansprüche, wobei mindestens eine zweite Zusatz-Integritätsinformation (8) mittels eines zweiten Zusatz- Moduls (9) des modularen Systems (4) bestimmt wird, wenn mindestens eine Voraussetzung für das Ermitteln der zweiten Zusatz- Integritätsinformation (8) erfüllt ist.
8. Computerprogramm zur Durchführung eines Verfahrens nach einem der Ansprüche 1 bis 7.
9. Maschinenlesbares Speichermedium, auf dem das Computerprogramm nach Anspruch 8 gespeichert ist.
10. Steuergerät (10) für ein Kraftfahrzeug (11), wobei das Steuergerät (10) zur Durchführung eines Verfahrens nach einem der Ansprüche 1 bis 7 eingerichtet ist.
PCT/EP2019/084824 2018-12-20 2019-12-12 Verfahren zum adaptiven ermitteln eines integritätsbereichs einer parameterschätzung WO2020126795A1 (de)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201980083583.XA CN113196108A (zh) 2018-12-20 2019-12-12 自适应地求取参数估计的完整性范围的方法
JP2021535533A JP7285933B2 (ja) 2018-12-20 2019-12-12 パラメータ推定の整合性範囲を適応的に決定する方法
US17/281,795 US11802973B2 (en) 2018-12-20 2019-12-12 Method for an adaptive ascertainment of an integrity range of a parameter estimate
EP19828616.3A EP3899589A1 (de) 2018-12-20 2019-12-12 Verfahren zum adaptiven ermitteln eines integritätsbereichs einer parameterschätzung
KR1020217022573A KR20210102970A (ko) 2018-12-20 2019-12-12 파라미터 추정의 무결성 범위의 적응식 결정 방법

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102018222663.6A DE102018222663A1 (de) 2018-12-20 2018-12-20 Verfahren zum adaptiven Ermitteln eines Integritätsbereichs einer Parameterschätzung
DE102018222663.6 2018-12-20

Publications (1)

Publication Number Publication Date
WO2020126795A1 true WO2020126795A1 (de) 2020-06-25

Family

ID=69055983

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2019/084824 WO2020126795A1 (de) 2018-12-20 2019-12-12 Verfahren zum adaptiven ermitteln eines integritätsbereichs einer parameterschätzung

Country Status (7)

Country Link
US (1) US11802973B2 (de)
EP (1) EP3899589A1 (de)
JP (1) JP7285933B2 (de)
KR (1) KR20210102970A (de)
CN (1) CN113196108A (de)
DE (1) DE102018222663A1 (de)
WO (1) WO2020126795A1 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022248151A1 (de) * 2021-05-26 2022-12-01 Robert Bosch Gmbh Verfahren zum betrieb zur bestimmung von navigationsdaten, navigationsmodul, computerprogrammprodukt, maschinenlesbares speichermedium

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102020212042A1 (de) * 2020-09-24 2022-03-24 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Bereitstellen von Informationen über die Verlässlichkeit einer Parameterschätzung eines Parameters für den Betrieb eines Fahrzeugs
DE102020213320A1 (de) * 2020-10-22 2022-04-28 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Ermitteln mindestens einer Integritätsinformation zu einem Lokalisierungsergebnis einer GNSS-basierten Lokalisierungseinrichtung eines Fahrzeugs, bei sich abrupt und signifikant ändernder GNSS-Empfangssituation
DE102022128703A1 (de) 2022-10-28 2024-05-08 Sick Ag Verfahren zum Betreiben einer Positionsmessvorrichtung

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040239560A1 (en) * 2001-09-28 2004-12-02 Jacques Coatantiec Hybrid inertial navigation system with improved integrity
US20080062041A1 (en) * 2006-09-07 2008-03-13 The Mitre Corporation Methods and systems for mobile navigational applications using global navigation satellite systems
FR3020469A1 (fr) * 2014-04-28 2015-10-30 Sagem Defense Securite Procede et dispositif de controle d'integrite a double niveau de consolidation

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2906893B1 (fr) * 2006-10-06 2009-01-16 Thales Sa Procede et dispositif de surveillance de l'integrite des informations delivrees par un systeme hybride ins/gnss
JP4964047B2 (ja) 2007-07-12 2012-06-27 アルパイン株式会社 位置検出装置及び位置検出方法
US10007675B2 (en) * 2007-07-31 2018-06-26 Robert Bosch Gmbh Method of improving database integrity for driver assistance applications
CA2645656C (en) * 2007-12-07 2016-07-19 Honeywell International Inc. Navigation system with apparatus for detecting accuracy failures
FR2956215B1 (fr) * 2010-02-09 2014-08-08 Renault Sa Procede d'estimation de la localisation d'un vehicule automobile
US9069073B2 (en) * 2011-12-19 2015-06-30 Texas Instruments Incorporated Removing and de-weighting outlier measurements from satellite and previous information
US9547086B2 (en) 2013-03-26 2017-01-17 Honeywell International Inc. Selected aspects of advanced receiver autonomous integrity monitoring application to kalman filter based navigation filter
GB201313882D0 (en) * 2013-08-01 2013-09-18 Qinetiq Ltd Navigation and integrity monitoring
DE102014211171A1 (de) * 2014-06-11 2015-12-17 Continental Teves Ag & Co. Ohg Verfahren und System zur Anpassung eines Navigationssystems
US10422872B2 (en) * 2016-06-01 2019-09-24 Honeywell International Inc. Integrity monitoring of radar altimeters
CN106094861B (zh) * 2016-06-02 2024-01-12 零度智控（北京）智能科技有限公司 无人机、无人机控制方法及装置
EP3316001A1 (de) * 2016-10-25 2018-05-02 Centre National d'Etudes Spatiales Gemeinschaftliche verbesserung der positionierung eines fahrzeugs
CN106772524B (zh) * 2016-11-25 2019-10-18 安徽科技学院 一种基于秩滤波的农业机器人组合导航信息融合方法
FR3066611A1 (fr) * 2017-05-16 2018-11-23 Thales Systeme d'augmentation d'un systeme de positionnement par satellites et recepteur a surveillance d'integrite autonome augmentee par un reseau
CN107255822A (zh) * 2017-06-01 2017-10-17 西南电子技术研究所（中国电子科技集团公司第十研究所） 多径环境下gnss接收机信号参数估计方法
KR102463176B1 (ko) * 2017-10-16 2022-11-04 삼성전자주식회사 위치 추정 장치 및 방법
US11567216B2 (en) * 2020-05-18 2023-01-31 Honeywell International Inc. Single delta range differences using synthetic clock steering
WO2023275764A1 (en) * 2021-06-29 2023-01-05 Universite De Caen Normandie Systems and methods for generation of action strategies by an autonomous system

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040239560A1 (en) * 2001-09-28 2004-12-02 Jacques Coatantiec Hybrid inertial navigation system with improved integrity
US20080062041A1 (en) * 2006-09-07 2008-03-13 The Mitre Corporation Methods and systems for mobile navigational applications using global navigation satellite systems
FR3020469A1 (fr) * 2014-04-28 2015-10-30 Sagem Defense Securite Procede et dispositif de controle d'integrite a double niveau de consolidation

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022248151A1 (de) * 2021-05-26 2022-12-01 Robert Bosch Gmbh Verfahren zum betrieb zur bestimmung von navigationsdaten, navigationsmodul, computerprogrammprodukt, maschinenlesbares speichermedium

Also Published As

Publication number Publication date
EP3899589A1 (de) 2021-10-27
US11802973B2 (en) 2023-10-31
US20210389473A1 (en) 2021-12-16
CN113196108A (zh) 2021-07-30
KR20210102970A (ko) 2021-08-20
DE102018222663A1 (de) 2020-06-25
JP2022514072A (ja) 2022-02-09
JP7285933B2 (ja) 2023-06-02

Similar Documents

Publication Publication Date Title
EP3899589A1 (de) Verfahren zum adaptiven ermitteln eines integritätsbereichs einer parameterschätzung
DE102008013366B4 (de) Verfahren zur Bereitstellung von Information für Fahrerassistenzsysteme
DE102016009655A1 (de) Verfahren zum Betrieb eines Fahrzeugs
DE102009043882A1 (de) Vorrichtung und Verfahren zum Abschwächen von Mehrwegsignalen
EP3899588A1 (de) Verfahren zum ermitteln eines integritätsbereichs
DE102017214611A1 (de) Verfahren zum Überprüfen eines Reaktionssignals einer Fahrzeugkomponente sowie Überprüfungsvorrichtung und Kraftfahrzeug
EP2936205A2 (de) Verfahren zum bereitstellen eines gnss-signals
DE102016117140A1 (de) Aktive Fahrzeugfederung
WO2015189180A1 (de) Verfahren und system zur anpassung eines navigationssystems
DE102018222862A1 (de) Verfahren und System zur Lokalisierung einer Akustikquelle relativ zu einem Fahrzeug
DE102018205430A1 (de) Verfahren zur satellitengestützten Ermittlung einer Fahrzeugposition
DE102019132150A1 (de) Verfahren zum automatischen Kalibrieren eines Umfeldsensors, insbesondere eines Lidar-Sensors, eines Fahrzeugs auf Grundlage von Belegungskarten sowie Recheneinrichtung
DE102016220581A1 (de) Verfahren und vorrichtung zur bestimmung eines umfeldmodells
EP4003823B1 (de) Verfahren zum initialisieren eines kraftfahrzeugs
WO2019096670A1 (de) Verfahren und vorrichtung zum ermitteln einer position für ein hochautomatisiertes fahrzeug
WO2022179794A1 (de) Verfahren zum ermitteln mindestens eines systemzustands mittels eines kalman-filters
DE102017201886B3 (de) Verfahren zur Ermittlung einer Genauigkeitsinformation eines Positionsvektors
WO2022063713A1 (de) Verfahren zum bereitstellen von informationen über die verlässlichkeit einer parameterschätzung eines parameters für den betrieb eines fahrzeugs
WO2024012845A1 (de) Verfahren zum ermitteln eines integritätsbereichs einer parameterschätzung für eine lokalisierung eines fahrzeugs
EP1440289B1 (de) Navigationssystem zur kursbestimmung eines fahrzeugs
DE102009020648A1 (de) Verfahren und Vorrichtung zur Kollisionsvermeidung für ein Fahrzeug durch Ausweichen vor einem Hindernis
DE102019218476A1 (de) Vorrichtung und Verfahren zum Messen, Simulieren, Labeln und zur Bewertung von Komponenten und Systemen von Fahrzeugen
DE112019006419T5 (de) Messungseinrichtung, messungsverfahren und messungsprogramm
EP3882573B1 (de) Anpassung eines algorithmus in einem fortbewegungsmittel
WO2023061708A1 (de) System, verfahren und software zum steuern einer fahrassistenzfunktion

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: 19828616

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021535533

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 20217022573

Country of ref document: KR

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 2019828616

Country of ref document: EP

Effective date: 20210720