WO2020160801A1 - Verfahren, vorrichtung, computerprogramm und computerprogrammprodukt zum betreiben eines fahrzeuges - Google Patents

Verfahren, vorrichtung, computerprogramm und computerprogrammprodukt zum betreiben eines fahrzeuges Download PDF

Info

Publication number
WO2020160801A1
WO2020160801A1 PCT/EP2019/079446 EP2019079446W WO2020160801A1 WO 2020160801 A1 WO2020160801 A1 WO 2020160801A1 EP 2019079446 W EP2019079446 W EP 2019079446W WO 2020160801 A1 WO2020160801 A1 WO 2020160801A1
Authority
WO
WIPO (PCT)
Prior art keywords
trust
vehicle
sensor
recognized
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/EP2019/079446
Other languages
English (en)
French (fr)
Inventor
Daniel MEISSNER
Dominik Bauch
Michael Himmelsbach
Luca Trentinaglia
Marco Baumgartl
Josef Mehringer
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bayerische Motoren Werke AG
Original Assignee
Bayerische Motoren Werke AG
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 Bayerische Motoren Werke AG filed Critical Bayerische Motoren Werke AG
Priority to US17/421,395 priority Critical patent/US11915489B2/en
Priority to CN201980087893.9A priority patent/CN113302108B/zh
Publication of WO2020160801A1 publication Critical patent/WO2020160801A1/de
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

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
    • B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/10—Path keeping
    • B60W30/12—Lane keeping
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/14—Adaptive cruise control
    • B60W30/143—Speed control
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/14—Adaptive cruise control
    • B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18154—Approaching an intersection
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/04—Traffic conditions
    • 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
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0028—Mathematical models, e.g. for simulation
    • 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
    • B60W2400/00—Indexing codes relating to detected, measured or calculated conditions or factors
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/54—Audio sensitive means, e.g. ultrasound
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/05—Type of road, e.g. motorways, local streets, paved or unpaved roads
    • 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
    • B60W2554/00—Input parameters relating to objects
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/20—Static objects
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4041—Position
    • 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
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/20—Ambient conditions, e.g. wind or rain
    • 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
    • B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data

Definitions

  • the invention relates to a method for operating a vehicle.
  • the invention also relates to a
  • the invention also relates to a computer program and
  • Sensors in vehicles can provide data to the vehicles
  • Vehicle functions are usable.
  • the task on which the invention is based is to make a contribution to a high level of safety of the vehicle.
  • the invention is characterized by a method for operating a vehicle.
  • sensor data which include an object detection of a sensor of the vehicle, the object detection being representative of a recognized object. Furthermore, a
  • the trust model is designed to model a trust in the object detection.
  • Trust model becomes a trust value of the recognized Object determined, the trust value of the recognized object being representative of the level of trust in the recognized object.
  • the vehicle is operated depending on the trust value of the recognized object.
  • a type of quality stamp can be assigned to the object detection in order to either increase or decrease its integrity.
  • the safety of the vehicle can be increased if the sensor data is from a vehicle function of the vehicle
  • Vehicle can be used.
  • the vehicle can be used.
  • the vehicle can be used.
  • the vehicle can be used.
  • Vehicle can be used.
  • the sensor data include, for example, one or more data sets that the object detection of the sensor of the
  • the sensor data can, for example, also include multiple object detections by the sensor, the multiple object detections each being representative of a respective recognized object.
  • the sensor data can also have one or more object detections
  • Object detections of different sensors of the vehicle are merged, for example in one
  • the sensor fusion system is
  • Object detection of a second sensor of the vehicle merge if the first and the second object detection are representative of the recognized object.
  • the sensor data are each for one
  • Data processing period is for example dependent on a sampling frequency of the sensor and / or a
  • the sensor and / or the different sensors of the vehicle are heterogeneous sensors.
  • a camera sensor and / or a radar sensor and / or a sensor for navigation such as a GPS receiver, and / or a laser sensor, such as
  • a lidar sensor and / or a ladar sensor for example a lidar sensor and / or a ladar sensor, and / or an ultrasonic sensor and / or a
  • Infrared sensor or the like.
  • the vehicle has, for example, the sensor of the vehicle and / or the various sensors of the vehicle.
  • the vehicle can also have several sensors of the same type.
  • the recognized object is representative of a moving object, for example. Furthermore, the recognized object can also be representative of a
  • the recognized object can, for example, be representative of an object in road traffic such as an animal, a barrier, a
  • the trust model can include, for example, one or more trust sub-models.
  • the one or more trust sub-models are designed to model the trust in the object detection or at least to model a respective partial aspect of the trust in the object detection.
  • the trust in the object detection is dependent on a type of sensor and / or states of the object detection and / or states of the
  • Modeled vehicle or the like is Modeled vehicle or the like.
  • the trust value of the recognized object is dependent on the trust model and / or the
  • the trust value of the recognized object can include, for example, a value on a continuous scale. Furthermore, the
  • Trustworthy of the recognized object also have several values, which are, for example, each representative of one of the trust sub-models.
  • operating the vehicle includes a
  • Carrying out a vehicle function of the vehicle which uses the sensor data depending on the trust value of the recognized object For example, the vehicle function uses tracking of the object detections and / or for this purpose
  • Multitarget-Multisensor Tracking Principles and Techniques, ISBN-13: 978-0964831209 ".
  • an object list is determined which is made available to the vehicle function of the vehicle.
  • the object list includes, for example, information and states of the
  • the initial trust value of the detected object is determined.
  • the initial trust value of the recognized object is representative of the level of initial trust in the recognized object
  • the object is, for example, when the recognized object is recognized for the first time.
  • the recognized object is recognized for the first time.
  • the initial trust value of the recognized object is additionally determined as a function of sensor data from the initial recognition of the recognized object. Furthermore, for example, an expanded trust value of the recognized object can be used depending on the trust value of the recognized object and the
  • Initial trust value of the recognized object can be determined. For example, when determining the extended
  • Fused sensor fusion system For example, can
  • Sensor data records which include multiple object detections of the different sensors in the
  • the trust model includes a sensor trust model, where the
  • Sensor trust model is designed to trust the object detection depending on a type of a respective To model sensors.
  • the trust value of the detected object is determined depending on the sensor data, the information on the type of sensor and the trust model.
  • Object detection of the sensor to be considered in relation to the type of sensor.
  • the different sensors can be weighted differently during a sensor fusion.
  • the object detection depending on the type of sensor and the sensor trust model, is taken into account to a different extent when determining the trust value of the detected object.
  • the sensor trust model includes
  • Simulation model and / or a mathematical model and / or characteristic data or the like of the respective sensor are referred to as a mathematical model and / or characteristic data or the like of the respective sensor.
  • Trust model a status trust model, the status trust model being designed to trust the object detection as a function of a respective status of the recognized object during the object detection
  • the trust value of the recognized object is determined depending on the sensor data, the object status information and the trust model. This makes it possible with the trust value of the recognized object, depending on the state trust model, the
  • the object detection is dependent on the respective state of the detected object and the
  • the object state information includes a position of the recognized object and / or an orientation of the recognized object and / or a speed of the recognized object, or the like.
  • the object state information includes a position of the recognized object and / or an orientation of the recognized object and / or a speed of the recognized object, or the like.
  • Object status information also includes information about a predetermined area in the vicinity of the vehicle.
  • the specified area in the vicinity of the vehicle is, for example, dependent on a detection area of the
  • Trust model an environment trust model, the environment trust model being designed to model the trust in the object detection as a function of a respective state of the vehicle during the object detection.
  • the trust value of the recognized object is dependent on the sensor data, the vehicle status information and the trust model.
  • the object detection depending on the respective condition of the vehicle and the vehicle
  • the vehicle status information includes information about the type of road currently being driven on and / or current visibility conditions and / or a speed of the vehicle, or the like.
  • sensor area information includes a
  • an initial position of the recognized object is provided, the initial position of the recognized object
  • the object is representative of a position when the recognized object is recognized for the first time.
  • the trust model comprises an initial trust model, the initial trust model being designed to make the trust in the object detection dependent on one
  • the trust value of the detected object becomes depending on the sensor data, the sensor area information, the initial position of the detected object and the
  • the object detection is dependent on the respective initial position of the detected object and on the respective area-dependent information of the sensor and on the initial trust model, when determining the
  • the initial trust model includes information about the detection area of the sensor and / or area-dependent statistical information
  • the initial trust model can also include one or more assumptions regarding the vehicle environment.
  • an attribute of the object detection is determined as a function of the sensor data and / or the trust value of the detected object.
  • the object detection attribute is representative of one Quality and / or a confidence of the object detection.
  • the vehicle is operated depending on the object detection attribute.
  • the object detection attribute corresponds to one of the standardized variables that are used in connection with object tracking and / or track management methods. Furthermore, for example, several attributes of the object detection can also be determined.
  • Object tracking and / or the track management methods are used to determine.
  • the standardized variables that are used in connection with the object tracking and / or the track management methods are, for example, not determined as a function of a uniform database and / or are heavily dependent on the algorithms of a sensor manufacturer. This has an unfavorable effect, for example, in the sensor fusion system.
  • By determining the attribute of the object detection as a function of the trust value of the detected object it is possible to improve the sensor fusion system and contribute to a high level of safety of the vehicle.
  • the object list is also determined depending on the attribute of the object detection and the
  • the object list is made available to the vehicle function of the vehicle.
  • the object list also includes, for example, the object detection attribute.
  • the attribute of the object detection can also include several attributes.
  • the object detection attribute includes an existence probability that is representative of how high a statistical one
  • the vehicle function of the vehicle which includes object tracking and / or track management methods, can operate the vehicle as a function of the sensor data and / or the trust value of the detected object.
  • the first object data set comprises a first object trust value and a unique first object identification number which is representative of the recognized object. Furthermore, the first object trust value becomes dependent on the
  • the trust value of the detected object is determined.
  • the vehicle is operated depending on the first object data set. This makes it possible to take recognized objects into account when the vehicle is first recognized.
  • the first object trust value is determined depending on the trust value of the recognized object so that the first
  • Object trustworthiness corresponds to the trustworthiness of the recognized object. For example, the saved first
  • Object data record in the case of a further object detection, the further object detection being provided in terms of time after the object detection, additionally when the
  • the stored first object data record is used in the further
  • Object data set also determined depending on the attribute of the object detection.
  • the object list is also determined as a function of the first object data record and the object list is made available to the vehicle function of the vehicle.
  • a second object data record of a second object is provided.
  • the second object data set comprises a second
  • Object identification number which is representative of the second object. It is also determined whether the recognized object can be assigned to the second object. If the recognized object can be assigned to the second object, becomes the second object trustworthy depending on the
  • the recognized object can be assigned to the second object, the second one
  • Object trustworthy additionally adjusted depending on the attribute of the object detection. If the recognized object cannot be assigned to the second object, the second object trust value is adjusted.
  • the vehicle is operated as a function of the second object data set.
  • the second object data record also includes further information, such as a period of observation of the recognized object.
  • the observation period is representative of a period of time from the first detection of the recognized object to the object detection.
  • the second observation period is representative of a period of time from the first detection of the recognized object to the object detection.
  • Object trustworthiness if the detected object can be assigned to the second object, adapted so that the second object trustworthiness is determined as a function of the trustworthiness of the detected object and the observation period of the detected object.
  • the second object trustworthiness is determined as a function of the trustworthiness of the detected object and the observation period of the detected object.
  • the second object data record is deleted, depending on one Comparison of the second object trust value with one
  • the second object data record can also comprise a plurality of second object data records which are representative of different second objects.
  • the object list is also determined as a function of the second object data record and the object list is made available to the vehicle function of the vehicle.
  • the invention is characterized by a device for operating a vehicle.
  • the device is designed to carry out the method for operating the vehicle according to the first aspect.
  • the invention is characterized by a computer program, the computer program
  • the invention is characterized by a computer program product comprising executable program code, the program code at
  • Execution by a data processing device carries out the method for operating a vehicle.
  • the computer program product comprises, in particular, a medium that can be read by the data processing device and on which the program code is stored.
  • Figure 1 is a flow chart for operating a vehicle.
  • FIG. 1 shows a flow chart of the program for
  • the program is started in a step S1 in which variables are initialized if necessary.
  • step S3 an object detection of a sensor of a vehicle is ascertained, the object detection being representative of a recognized object.
  • step S5 sensor data are provided that the
  • step S7 a trust model is provided, the trust model being designed to model trust in the object detection.
  • step S7 Information on the type of sensor is optionally provided in step S7. It also includes
  • Sensor trust model is designed to model the trust in the object detection depending on a type of a respective sensor.
  • Trust model a status trust model, the status trust model being designed to trust the object detection as a function of a respective status of the recognized object during the object detection
  • step S7 a
  • Trust model an environment trust model, the environment trust model being designed to model the trust in the object detection as a function of a respective state of the vehicle during the object detection.
  • step S7 a
  • an initial position of the recognized object is provided, the initial position of the recognized object
  • the object is representative of a position when the recognized object is recognized for the first time.
  • the trust model comprises an initial trust model, the initial trust model being designed to make the trust in the object detection dependent on one
  • step S9 depending on the sensor data and the
  • Trust model determines a trust value of the recognized object, the trust value of the recognized object being representative of the level of trust in the recognized object.
  • step S9 the confidence value of the recognized object is additionally determined as a function of the information on the type of sensor.
  • a false detection rate of the sensor is determined by means of the sensor confidence model. For example, there is a first sensor of a first type for which a very high first false detection rate is determined. For an object detection of the recognized object of the first sensor, a first confidence value of the recognized object is determined. For example, there is a second sensor of a second type for which a low second false detection rate is determined. For an object detection of the recognized object of the first sensor
  • a second confidence value of the detected object is determined.
  • the first trust value of the recognized object is lower in value than the second trust value of the recognized object.
  • step S9 the trust value of the recognized object is additionally dependent on the
  • the trust value of the recognized object is dependent on it by means of the state trust model
  • Object for example, is larger in value than when it is not.
  • the predetermined range is, for example, sensor-specific for a particular type of sensor
  • a near-field sensor is correspondingly better weighted when an object is detected in a close area than when an object is detected in a far area
  • step S9 the trust value of the recognized object is additionally dependent on the
  • the vehicle status information also includes information about current weather conditions, the information about current weather conditions being representative of heavy rain, for example.
  • the trust value of the detected object is determined by the environmental trust model as a function of the current weather conditions for the camera sensor
  • step S9 the trust value of the recognized object is additionally dependent on the
  • the false detection is, for example, representative of the fact that the sensor does
  • Detects the object whereby the detected object is not actually located in the surroundings of the vehicle. Furthermore, conclusions can also be drawn, for example, as to whether a false detection has occurred.
  • the incorrect detection is, for example, representative of the fact that the sensor does not recognize a further object, although the further object is actually located in the vicinity of the vehicle.
  • the program is continued in a step Sil.
  • step Sil depending on the
  • Sensor data and / or the trust value of the recognized object determined an attribute of the object detection.
  • the attribute of the object detection is representative of a quality and / or a confidence of the object detection.
  • the object detection attribute includes a
  • the object detection attribute corresponds to one of the standardized quantities that are used in connection with object tracking and / or track management methods.
  • the program is optionally continued in a step S13.
  • a second step S13 In the optional step S13, a second
  • Object data set of a second object provided.
  • the second object data set comprises a second
  • the second object data set is representative of a second track that is used in connection with the object tracking and / or the track management methods.
  • the second track is representative of an image of the recognized object, which is actually located in the vicinity of the vehicle, and includes information about this.
  • the second object data record corresponds to a previously stored first object data record.
  • the program is optionally continued in a step S15.
  • step S15 it is determined whether the recognized object can be assigned to the second object. If this is the case, processing is continued in a step S17, otherwise in step S19.
  • step S17 the second object trust value is adapted as a function of the trust value of the recognized object.
  • step S23 the program is continued in step S23.
  • the second object data record is also saved after the adjustment.
  • step S19 when the recognized object is recognized for the first time, a first object data record of the recognized object is created.
  • the first object record includes a first object trust value and a unique first Object identification number which is representative of the recognized object. Furthermore, the first
  • the first object data set is representative of a first track that is associated with the
  • the first track is representative of an image of the recognized object, which is actually located in the vicinity of the vehicle, and includes information about this.
  • Step S19 can, for example, also be carried out after step S21.
  • step S21 the second object confidence value is adjusted.
  • the second object data record is also saved after the adjustment.
  • step S19 the program is continued in step S21.
  • step S21 the program is continued in step S23.
  • step S23 the vehicle is dependent on the
  • step S23 the vehicle is also operated as a function of the attribute of the object detection.
  • step S23 the vehicle is also operated as a function of the first object data record.
  • step S23 the vehicle is also operated as a function of the second object data record.
  • operating the vehicle includes a
  • the vehicle function of the vehicle is a longitudinally regulating vehicle function of the vehicle, such as
  • an adaptive cruise control for example an adaptive cruise control
  • Intersection assistant a distance keeping function
  • Vehicle function of the vehicle for example
  • a side impact assistant for example, a side impact assistant
  • Steering guidance assistant a lane guidance assistant, or the like.
  • the vehicle is designed to substantially move along a plane of extent of the vehicle
  • the vehicle is designed to move essentially transversely to a plane of extent of the vehicle
  • Vehicle and / or the transversely regulating vehicle function of the vehicle include, for example, a requirement that a respective false detection rate and / or a respective
  • the requirement which includes the respective false detection rate, is representative of a respective one, for example
  • predetermined number of false detections which in a respective predetermined time interval and / or over a respective predetermined route, should not be exceeded.
  • Including false detection rate depending on the confidence level of the recognized object and / or the sensor data, are checked. For example, the check decides whether the longitudinally regulating vehicle function of the vehicle and / or the lateral regulating vehicle function of the vehicle can use the sensor data to ensure and / or increase the safety of the vehicle, for example.
  • the review decides whether a
  • Vehicle and / or the transverse control vehicle function of the vehicle is possible.

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

Bei einem Verfahren zum Betreiben eines Fahrzeuges werden Sensordaten bereitgestellt, die eine Objektdetektion eines Sensors des Fahrzeuges umfassen, wobei die Objektdetektion repräsentativ ist für ein erkanntes Objekt. Des Weiteren wird ein Vertrauensmodell bereitgestellt, wobei das Vertrauensmodell dazu ausgebildet ist, ein Vertrauen in die Objektdetektion zu modellieren. Abhängig von den Sensordaten und dem Vertrauensmodell wird ein Vertrauenswert des erkannten Objekts ermittelt, wobei der Vertrauenswert des erkannten Objekts repräsentativ ist dafür, wie hoch ein Vertrauen in das erkannte Objekt ist. Das Fahrzeug wird abhängig von dem Vertrauenswert des erkannten Objekts betrieben.

Description

Beschreibung
Verfahren, Vorrichtung, Computerprogramm und
Computerprogrammprodukt zum Betreiben eines Fahrzeuges
Die Erfindung betrifft ein Verfahren zum Betreiben eines Fahrzeuges. Die Erfindung betrifft des Weiteren eine
Vorrichtung zum Betreiben eines Fahrzeuges. Die Erfindung betrifft des Weiteren ein Computerprogramm und
Computerprogrammprodukt zum Betreiben eines Fahrzeuges.
Sensoren in Fahrzeugen können den Fahrzeugen Daten zu
Objektdetektionen zur Verfügung stellen, die von
Fahrzeugfunktionen nutzbar sind.
Die Aufgabe, die der Erfindung zugrunde liegt, ist einen Beitrag zu einer hohen Sicherheit des Fahrzeuges zu leisten.
Die Aufgabe wird gelöst durch die Merkmale der unabhängigen Patentansprüche. Vorteilhafte Ausgestaltungen sind in den Unteransprüchen gekennzeichnet .
Gemäß einem ersten Aspekt zeichnet sich die Erfindung aus durch ein Verfahren zum Betreiben eines Fahrzeuges.
Bei dem Verfahren gemäß dem ersten Aspekt werden Sensordaten bereitgestellt, die eine Objektdetektion eines Sensors des Fahrzeuges umfassen, wobei die Objektdetektion repräsentativ für ein erkanntes Objekt ist. Des Weiteren wird ein
Vertrauensmodell bereitgestellt, wobei das Vertrauensmodell dazu ausgebildet ist, ein Vertrauen in die Objektdetektion zu modellieren. Abhängig von den Sensordaten und dem
Vertrauensmodell wird ein Vertrauenswert des erkannten Objekts ermittelt, wobei der Vertrauenswert des erkannten Objekts repräsentativ ist dafür, wie hoch ein Vertrauen in das erkannte Objekt ist. Das Fahrzeug wird abhängig von dem Vertrauenswert des erkannten Objekts betrieben.
Hierdurch ist es möglich, die Sensordaten mittels des
Vertrauensmodells und des Vertrauenswerts des erkannten
Objekts zu überprüfen, sowie diese zu verifizieren und/oder zu validieren. Dadurch kann der Objektdetektion eine Art Qualitätsstempel zugeordnet werden, um deren Integrität entweder zu erhöhen oder zu senken. Des Weiteren kann dadurch beispielsweise eine Sicherheit des Fahrzeuges erhöht werden, wenn die Sensordaten von einer Fahrzeugfunktion des
Fahrzeuges genutzt werden. Beispielsweise können die
Sensordaten auch von mehreren Fahrzeugfunktionen des
Fahrzeuges genutzt werden.
Die Sensordaten umfassen beispielsweise einen oder mehrere Datensätze, welche die Objektdetektion des Sensors des
Fahrzeuges umfassen. Die Sensordaten können beispielsweise auch mehrere Objektdetektionen des Sensors umfassen, wobei die mehreren Objektdetektionen jeweils repräsentativ sind für ein jeweiliges erkanntes Objekt. Beispielsweise können die Sensordaten auch eine oder mehrere Objektdetektionen
unterschiedlicher Sensoren des Fahrzeuges umfassen, wobei das Verfahren beispielsweise für die jeweilige Objektdetektion ausgeführt wird. Beispielsweise können mittels des
Vertrauensmodells und des Vertrauenswerts die mehreren
Objektdetektionen unterschiedlicher Sensoren des Fahrzeuges fusioniert werden, beispielsweise in einem
Sensorfusionssystem. Das Sensorfusionssystem ist
beispielsweise dazu ausgebildet, eine erste Objektdetektion eines ersten Sensors des Fahrzeuges mit einer zweiten
Objektdetektion eines zweiten Sensors des Fahrzeuges zu fusionieren, falls die erste und die zweite Objektdetektion repräsentativ sind für das erkannte Objekt.
Beispielsweise werden die Sensordaten jeweils für eine
Datenverarbeitungsperiode bereitgestellt. Die
Datenverarbeitungsperiode ist beispielsweise abhängig von einer Abtastfrequenz des Sensors und/oder einer
Verarbeitungszeit des Sensors. Beispielsweise sind der Sensor und/oder die unterschiedlichen Sensoren des Fahrzeuges heterogene Sensoren. Der Sensor und/oder die
unterschiedlichen Sensoren des Fahrzeuges umfassen
beispielsweise einen Kamerasensor und/oder einen Radarsensor und/oder einen Sensor für die Navigation, wie beispielsweise einen GPS-Empfänger, und/oder einen Lasersensor, wie
beispielsweise einen Lidar-Sensor und/oder einen Ladar- Sensor, und/oder einen Ultraschallsensor und/oder einen
Infrarotsensor oder dergleichen.
Das Fahrzeug weist beispielsweise den Sensor des Fahrzeuges und/oder die unterschiedlichen Sensoren des Fahrzeuges auf. Beispielsweise kann das Fahrzeug auch mehrere Sensoren einer gleichen Art aufweisen.
Das erkannte Objekt ist beispielsweise repräsentativ für ein sich bewegendes Objekt. Des Weiteren kann das erkannte Objekt beispielsweise aber auch repräsentativ sein für ein
stationäres Objekt. Das erkannte Objekt kann beispielsweise repräsentativ sein für ein Objekt im Straßenverkehr wie beispielsweise ein Tier, eine Absperrung, eine
Straßenbegrenzung, ein Auto, einen Passant, eine Mauer oder dergleichen . Das Vertrauensmodell kann beispielsweise ein oder mehrere Vertrauensuntermodelle umfassen. Das eine oder die mehreren Vertrauensuntermodelle sind dazu ausgebildet das Vertrauen in die Objektdetektion zu modellieren oder zumindest einen jeweiligen Teilaspekt des Vertrauens in die Objektdetektion zu modellieren. Beispielsweise wird das Vertrauen in die Objektdetektion abhängig von einer Art des Sensors und/oder Zuständen der Objektdetektion und/oder Zuständen des
Fahrzeuges oder dergleichen modelliert.
Beispielsweise wird der Vertrauenswert des erkannten Objekts abhängig von dem Vertrauensmodell und/oder den
Vertrauensuntermodellen ermittelt. Der Vertrauenswert des erkannten Objekts kann beispielsweise einen Wert auf einer kontinuierlichen Skala umfassen. Des Weiteren kann der
Vertrauenswert des erkannten Objekts auch mehrere Werte aufweisen, welche beispielsweise jeweils repräsentativ sind für eines der Vertrauensuntermodelle.
Beispielsweise umfasst das Betreiben des Fahrzeuges ein
Durchführen einer Fahrzeugfunktion des Fahrzeuges, welche die Sensordaten abhängig von dem Vertrauenswert des erkannten Objekts nutzt. Beispielsweise nutzt die Fahrzeugfunktion hierzu ein Tracking der Objektdetektionen und/oder
Objekttracking und/oder Trackmanagementmethoden, wie
beispielsweise in "Y. Bar-Shalom, X. R. Li, 1995,
Multitarget-Multisensor Tracking: Principles and Techniques, ISBN-13: 978-0964831209".
Beispielsweise wird abhängig von den Sensordaten und/oder dem Vertrauensmodell und/oder dem Vertrauenswert des erkannten Objekts eine Objektliste ermittelt, die der Fahrzeugfunktion des Fahrzeuges zur Verfügung gestellt wird. Die Objektliste umfasst beispielsweise Informationen und Zustände des
erkannten Objekts.
Beispielsweise wird abhängig von standardisierten Größen, welche im Zusammenhang mit dem Objekttracking und/oder den Trackmanagementmethoden verwendet werden, ein
Initialvertrauenswert des erkannten Objekts ermittelt. Der Initialvertrauenswert des erkannten Objekts ist repräsentativ dafür, wie hoch ein initiales Vertrauen in das erkannte
Objekt ist beispielsweise bei einer erstmaligen Erkennung des erkannten Objekts. Beispielsweise wird der
Initialvertrauenswert des erkannten Objekts zusätzlich abhängig von Sensordaten der erstmaligen Erkennung des erkannten Objekts ermittelt. Des Weiteren kann beispielsweise ein erweiterter Vertrauenswert des erkannten Objekts abhängig von dem Vertrauenswert des erkannten Objekts und dem
Initialvertrauenswert des erkannten Objekts ermittelt werden. Beispielsweise wird bei der Ermittlung des erweiterten
Vertrauenswertes des erkannten Objekts der
Initialvertrauenswert des erkannten Objekts mit dem
Vertrauenswert des erkannten Objekts in dem
Sensorfusionssystem fusioniert. Beispielsweise können
abhängig von dem Vertrauenswert des erkannten Objekts
und/oder dem erweiterten Vertrauenswert des erkannten Objekts Sensordatensätze, welche mehrere Objektdetektionen der unterschiedlichen Sensoren umfassen, in dem
Sensorfusionssystem fusioniert werden.
Gemäß einer optionalen Ausgestaltung wird eine Information zu der Art des Sensors bereitgestellt. Des Weiteren umfasst das Vertrauensmodell ein Sensorvertrauensmodell, wobei das
Sensorvertrauensmodell dazu ausgebildet ist, das Vertrauen in die Objektdetektion abhängig von einer Art eines jeweiligen Sensors zu modellieren. Der Vertrauenswert des erkannten Objekts wird abhängig von den Sensordaten, der Information zu der Art des Sensors und dem Vertrauensmodell ermittelt.
Hierdurch ist es möglich mit dem Vertrauenswert des erkannten Objekts, abhängig von dem Sensorvertrauensmodell, die
Objektdetektion des Sensors in Bezug auf die Art des Sensors zu berücksichtigen. Somit können beispielsweise bei einer Sensorfusion die unterschiedlichen Sensoren unterschiedlich gewichtet werden.
Beispielsweise wird die Objektdetektion, abhängig von der Art des jeweiligen Sensors und dem Sensorvertrauensmodell, bei der Ermittlung des Vertrauenswertes des erkannten Objekts unterschiedlich stark berücksichtigt.
Beispielsweise umfasst das Sensorvertrauensmodell ein
Simulationsmodell und/oder ein mathematisches Modell und/oder Kenndaten oder dergleichen des jeweiligen Sensors.
Gemäß einer weiteren optionalen Ausgestaltung wird eine
Objektzustandsinformation bereitgestellt, die eine
Information über einen Zustand des erkannten Objekts während der Objektdetektion umfasst. Des Weiteren umfasst das
Vertrauensmodell ein Zustandsvertrauensmodell, wobei das Zustandsvertrauensmodell dazu ausgebildet ist, das Vertrauen in die Objektdetektion abhängig von einem jeweiligen Zustand des erkannten Objekts während der Objektdetektion zu
modellieren. Der Vertrauenswert des erkannten Objekts wird abhängig von den Sensordaten, der Objektzustandsinformation und dem Vertrauensmodell ermittelt. Hierdurch ist es möglich mit dem Vertrauenswert des erkannten Objekts, abhängig von dem Zustandsvertrauensmodell, die
Objektdetektion des Sensors abhängig von dem Zustand des erkannten Objekts in Bezug auf unterschiedliche Zustände des erkannten Objekts und/oder anderer Objekte unterschiedlich stark zu berücksichtigen.
Beispielsweise wird die Objektdetektion, abhängig von dem jeweiligen Zustand des erkannten Objekts und dem
Zustandsvertrauensmodell, bei der Ermittlung des
Vertrauenswertes des erkannten Objekts unterschiedlich stark berücksichtigt .
Beispielsweise umfasst die Objektzustandsinformation eine Position des erkannten Objekts und/oder eine Orientierung des erkannten Objekts und/oder eine Geschwindigkeit des erkannten Objekts, oder dergleichen. Beispielsweise umfasst die
Objektzustandsinformation zusätzlich eine Information über einen vorgegebenen Bereich in der Umgebung des Fahrzeuges.
Der vorgegebene Bereich in der Umgebung des Fahrzeuges ist beispielsweise abhängig von einem Erfassungsbereich des
Sensors und/oder ist repräsentativ für eine statistische Häufung von Falschwarnungen.
Gemäß einer weiteren optionalen Ausgestaltung wird eine
Fahrzeugzustandsinformation bereitgestellt, die eine
Information über einen Zustand des Fahrzeuges während der Objektdetektion umfasst. Des Weiteren umfasst das
Vertrauensmodell ein Umgebungsvertrauensmodell, wobei das Umgebungsvertrauensmodell dazu ausgebildet ist, das Vertrauen in die Objektdetektion abhängig von einem jeweiligen Zustand des Fahrzeuges während der Objektdetektion zu modellieren.
Der Vertrauenswert des erkannten Objekts wird abhängig von den Sensordaten, der Fahrzeugzustandsinformation und dem Vertrauensmodell ermittelt.
Hierdurch ist es möglich mit dem Vertrauenswert des erkannten Objekts, abhängig von dem Umgebungsvertrauensmodell, die Objektdetektion des Sensors abhängig von dem Zustand des Fahrzeuges in Bezug auf unterschiedliche Zustände des
Fahrzeuges unterschiedlich stark zu berücksichtigen.
Beispielsweise wird die Objektdetektion, abhängig von dem jeweiligen Zustand des Fahrzeuges und dem
Umgebungsvertrauensmodell, bei der Ermittlung des
Vertrauenswertes des erkannten Objekts unterschiedlich stark berücksichtigt .
Beispielsweise umfasst die Fahrzeugzustandsinformation eine Information über den aktuell befahrenen Straßentyp und/oder aktuelle Sichtverhältnisse und/oder eine Geschwindigkeit des Fahrzeuges, oder dergleichen.
Gemäß einer weiteren optionalen Ausgestaltung wird eine Sensorbereichsinformation bereitgestellt, die eine
bereichsabhängige Information des Sensors umfasst. Des
Weiteren wird eine Initialposition des erkannten Objekts bereitgestellt, wobei die Initialposition des erkannten
Objekts repräsentativ ist für eine Position bei einer erstmaligen Erkennung des erkannten Objekts. Des Weiteren umfasst das Vertrauensmodell ein Initialvertrauensmodell, wobei das Initialvertrauensmodell dazu ausgebildet ist, das Vertrauen in die Objektdetektion abhängig von einer
jeweiligen Initialposition des erkannten Objekts und einer jeweiligen bereichsabhängigen Information des Sensors zu modellieren. Der Vertrauenswert des erkannten Objekts wird abhängig von den Sensordaten, der Sensorbereichsinformation, der Initialposition des erkannten Objekts und dem
Vertrauensmodell ermittelt.
Hierdurch ist es möglich mit dem Vertrauenswert des erkannten Objekts, abhängig von dem Initialvertrauensmodell, die
Objektdetektion des Sensors abhängig von der
bereichsabhängigen Information des Sensors und der
Initialposition des erkannten Objekts in Bezug auf
unterschiedliche Initialpositionen des erkannten Objekts unterschiedlich stark zu berücksichtigen.
Beispielsweise wird die Objektdetektion, abhängig von der jeweiligen Initialposition des erkannten Objekts und von der jeweiligen bereichsabhängigen Information des Sensors und von dem Initialvertrauensmodell, bei der Ermittlung des
Vertrauenswertes des erkannten Objekts unterschiedlich stark berücksichtigt .
Beispielsweise umfasst das Initialvertrauensmodell eine Information über den Erfassungsbereich des Sensors und/oder eine bereichsabhängige statistische
Falschdetektionswahrscheinlichkeit des Sensors. Zusätzlich kann das Initialvertrauensmodell auch eine oder mehrere Annahmen bezüglich der Fahrzeugumgebung umfassen.
Beispielsweise umfasst eine Annahme bezüglich der
Fahrzeugumgebung, dass mindestens zwei erkannte Objekte nicht ganz oder teilweise übereinander liegen können.
Gemäß einer weiteren optionalen Ausgestaltung wird abhängig von den Sensordaten und/oder dem Vertrauenswert des erkannten Objekts ein Attribut der Objektdetektion ermittelt. Das Attribut der Objektdetektion ist repräsentativ für eine Qualität und/oder eine Konfidenz der Objektdetektion. Das Fahrzeug wird abhängig von dem Attribut der Objektdetektion betrieben .
Beispielsweise entspricht das Attribut der Objektdetektion einer der standardisierten Größen, die im Zusammenhang mit dem Objekttracking und/oder den Trackmanagementmethoden verwendet werden. Des Weiteren können beispielsweise auch mehrere Attribute der Objektdetektion ermittelt werden.
Hierdurch ist es möglich, abhängig von den Sensordaten und/oder dem Vertrauenswert des erkannten Objekts die standardisierten Größen, die im Zusammenhang mit dem
Objekttracking und/oder den Trackmanagementmethoden verwendet werden, zu ermitteln.
Die standardisierten Größen, die im Zusammenhang mit dem Objekttracking und/oder den Trackmanagementmethoden verwendet werden, werden beispielsweise nicht abhängig von einer einheitlichen Datenbasis ermittelt und/oder sind stark von Algorithmen eines Sensorherstellers abhängig. Dies wirkt sich beispielsweise in dem Sensorfusionssystem unvorteilhaft aus. Mittels der Ermittlung des Attributs der Objektdetektion abhängig von dem Vertrauenswert des erkannten Objekts ist es möglich das Sensorfusionssystem zu verbessern und zu einer hohen Sicherheit des Fahrzeuges beizutragen.
Beispielsweise wird die Objektliste zusätzlich abhängig von dem Attribut der Objektdetektion ermittelt und die
Objektliste wird der Fahrzeugfunktion des Fahrzeuges zur Verfügung gestellt. Die Objektliste umfasst beispielsweise zusätzlich das Attribut der Objektdetektion. Beispielsweise kann das Attribut der Objektdetektion auch mehrere Attribute umfassen.
Gemäß einer weiteren optionalen Ausgestaltung umfasst das Attribut der Objektdetektion eine Existenzwahrscheinlichkeit, die repräsentativ ist dafür, wie hoch eine statistische
Wahrscheinlichkeit für eine Existenz des erkannten Objekts ist, und/oder ein Gütemaß des Sensors und/oder eine oder mehrere Standardabweichungen von einem jeweiligen Zustand des erkannten Objekts während der Objektdetektion.
Hierdurch ist es möglich, das abhängig von den Sensordaten und/oder dem Vertrauenswert des erkannten Objekts ermittelte Attribut der Objektdetektion im Zusammenhang mit dem
Objekttracking und/oder den Trackmanagementmethoden zu verwenden .
Beispielsweise kann die Fahrzeugfunktion des Fahrzeuges, welche Objekttracking und/oder Trackmanagementmethoden umfasst, das Fahrzeug abhängig von den Sensordaten und/oder dem Vertrauenswert des erkannten Objekts betreiben.
Gemäß einer weiteren optionalen Ausgestaltung wird bei einer erstmaligen Erkennung des erkannten Objekts ein erster
Objektdatensatz des erkannten Objekts erstellt. Der erste Objektdatensatz umfasst einen ersten Objektvertrauenswert und eine einzigartige erste Objektidentifikationsnummer, welche repräsentativ ist für das erkannte Objekt. Des Weiteren wird der erste Objektvertrauenswert abhängig von dem
Vertrauenswert des erkannten Objekts ermittelt. Das Fahrzeug wird abhängig von dem ersten Objektdatensatz betrieben. Hierdurch ist es möglich, erkannte Objekte bei der erstmaligen Erkennung beim Betreiben des Fahrzeuges zu berücksichtigen .
Beispielsweise wird der erste Objektdatensatz nach dem
Ermitteln zusätzlich gespeichert. Beispielsweise wird der erste Objektvertrauenswert abhängig von dem Vertrauenswert des erkannten Objekts so ermittelt, dass der erste
Objektvertrauenswert dem Vertrauenswert des erkannten Objekts entspricht. Beispielsweise wird der gespeicherte erste
Objektdatensatz bei einer weiteren Objektdetektion, wobei die weitere Objektdetektion zeitmäßig nach der Objektdetektion bereitgestellt wird, zusätzlich bei der Ermittlung des
Vertrauenswertes berücksichtigt. Beispielsweise wird der gespeicherte erste Objektdatensatz bei der weiteren
Objektdetektion angepasst. Beispielsweise wird der
gespeicherte erste Objektdatensatz bei der weiteren
Objektdetektion gelöscht. Beispielsweise wird der erste
Objektdatensatz zusätzlich abhängig von dem Attribut der Objektdetektion ermittelt.
Beispielsweise wird die Objektliste zusätzlich abhängig von dem ersten Objektdatensatz ermittelt und die Objektliste wird der Fahrzeugfunktion des Fahrzeuges zur Verfügung gestellt.
Gemäß einer weiteren optionalen Ausgestaltung wird ein zweiter Objektdatensatz eines zweiten Objekts bereitgestellt. Der zweite Objektdatensatz umfasst einen zweiten
Objektvertrauenswert und eine einzigartige zweite
Objektidentifikationsnummer, welche repräsentativ ist für das zweite Objekt. Des Weiteren wird ermittelt, ob das erkannte Objekt dem zweiten Objekt zugeordnet werden kann. Falls das erkannte Objekt dem zweiten Objekt zugeordnet werden kann, wird der zweite Objektvertrauenswert abhängig von dem
Vertrauenswert des erkannten Objekts angepasst.
Beispielsweise wird, falls das erkannte Objekt dem zweiten Objekt zugeordnet werden kann, der zweite
Objektvertrauenswert zusätzlich abhängig von dem Attribut der Objektdetektion angepasst. Falls das erkannte Objekt dem zweiten Objekt nicht zugeordnet werden kann, wird der zweite Objektvertrauenswert angepasst. Das Fahrzeug wird abhängig von dem zweiten Objektdatensatz betrieben.
Hierdurch ist es möglich, einen bereitgestellten zweiten Objektdatensatz beim Betreiben des Fahrzeuges zu
berücksichtigen .
Beispielsweise wird der zweite Objektdatensatz nach der
Anpassung zusätzlich gespeichert. Beispielsweise umfasst der zweite Objektdatensatz zusätzlich weitere Information, wie beispielsweise eine Beobachtungsdauer des erkannten Objekts. Die Beobachtungsdauer ist repräsentativ für eine Zeitdauer von der erstmaligen Erkennung des erkannten Objekts bis zur Objektdetektion. Beispielsweise wird der zweite
Objektvertrauenswert falls das erkannte Objekt dem zweiten Objekt zugeordnet werden kann so angepasst, dass der zweite Objektvertrauenswert abhängig von dem Vertrauenswert des erkannten Objekts und der Beobachtungsdauer des erkannten Objekts ermittelt wird. Beispielsweise wird der zweite
Objektvertrauenswert falls das erkannte Objekt dem zweiten Objekt nicht zugeordnet werden kann so angepasst, dass der zweite Objektvertrauenswert beispielsweise wertmäßig
verringert wird. Beispielsweise wird der zweite
Objektdatensatz falls das erkannte Objekt dem zweiten Objekt nicht zugeordnet werden kann gelöscht. Beispielsweise wird der zweite Objektdatensatz gelöscht, abhängig von einem Vergleich des zweiten Objektvertrauenswertes mit einem
Schwellenwert .
Beispielsweise kann der zweite Objektdatensatz auch mehrere zweite Objektdatensätze umfassen, welche für unterschiedliche zweite Objekte repräsentativ sind.
Beispielsweise wird die Objektliste zusätzlich abhängig von dem zweiten Objektdatensatz ermittelt und die Objektliste wird der Fahrzeugfunktion des Fahrzeuges zur Verfügung gestellt .
Gemäß einem zweiten Aspekt zeichnet sich die Erfindung aus durch eine Vorrichtung zum Betreiben eines Fahrzeuges. Die Vorrichtung ist dazu ausgebildet, das Verfahren zum Betreiben des Fahrzeuges gemäß dem ersten Aspekt durchzuführen.
Gemäß einem weiteren Aspekt zeichnet sich die Erfindung aus durch ein Computerprogramm, wobei das Computerprogramm
Anweisungen umfasst, die, wenn das Programm von einem
Computer ausgeführt wird, den Computer veranlassen das
Verfahren zum Betreiben eines Fahrzeuges bei seiner
Ausführung auf einer Datenverarbeitungsvorrichtung
durchzuführen. Gemäß einem weiteren Aspekt zeichnet sich die Erfindung aus durch ein Computerprogrammprodukt umfassend ausführbaren Programmcode, wobei der Programmcode bei
Ausführung durch eine Datenverarbeitungsvorrichtung das Verfahren zum Betreiben eines Fahrzeuges ausführt.
Das Computerprogrammprodukt umfasst insbesondere ein von der Datenverarbeitungsvorrichtung lesbares Medium, auf dem der Programmcode gespeichert ist. Ausführungsbeispiele der Erfindung sind im Folgenden anhand der schematischen Zeichnungen näher erläutert. Es zeigt:
Figur 1 ein Ablaufdiagramm zum Betreiben eines Fahrzeuges.
Die Figur 1 zeigt ein Ablaufdiagramm des Programms zum
Betreiben eines Fahrzeuges.
Das Programm wird in einem Schritt S1 gestartet, in dem gegebenenfalls Variablen initialisiert werden.
Das Programm wird in einem Schritt S3 fortgesetzt. In dem Schritt S3 wird eine Objektdetektion eines Sensors eines Fahrzeuges ermittelt, wobei die Objektdetektion repräsentativ für ein erkanntes Objekt ist.
Das Programm wird in einem Schritt S5 fortgesetzt. In dem Schritt S5 werden Sensordaten bereitgestellt, die die
Objektdetektion des Sensors des Fahrzeuges umfassen.
Das Programm wird in einem Schritt S7 fortgesetzt. In dem Schritt S7 wird ein Vertrauensmodell bereitgestellt, wobei das Vertrauensmodell dazu ausgebildet ist, ein Vertrauen in die Objektdetektion zu modellieren.
Optional wird in dem Schritt S7 eine Information zu der Art des Sensors bereitgestellt. Des Weiteren umfasst das
Vertrauensmodell ein Sensorvertrauensmodell, wobei das
Sensorvertrauensmodell dazu ausgebildet ist, das Vertrauen in die Objektdetektion abhängig von einer Art eines jeweiligen Sensors zu modellieren. Optional wird in dem Schritt S7 eine
Objektzustandsinformation bereitgestellt, die eine
Information über einen Zustand des erkannten Objekts während der Objektdetektion umfasst. Des Weiteren umfasst das
Vertrauensmodell ein Zustandsvertrauensmodell, wobei das Zustandsvertrauensmodell dazu ausgebildet ist, das Vertrauen in die Objektdetektion abhängig von einem jeweiligen Zustand des erkannten Objekts während der Objektdetektion zu
modellieren .
Optional wird in dem Schritt S7 eine
Fahrzeugzustandsinformation bereitgestellt, die eine
Information über einen Zustand des Fahrzeuges während der Objektdetektion umfasst. Des Weiteren umfasst das
Vertrauensmodell ein Umgebungsvertrauensmodell, wobei das Umgebungsvertrauensmodell dazu ausgebildet ist, das Vertrauen in die Objektdetektion abhängig von einem jeweiligen Zustand des Fahrzeuges während der Objektdetektion zu modellieren.
Optional wird in dem Schritt S7 eine
Sensorbereichsinformation bereitgestellt, die eine
bereichsabhängige Information des Sensors umfasst. Des
Weiteren wird eine Initialposition des erkannten Objekts bereitgestellt, wobei die Initialposition des erkannten
Objekts repräsentativ ist für eine Position bei einer erstmaligen Erkennung des erkannten Objekts. Des Weiteren umfasst das Vertrauensmodell ein Initialvertrauensmodell, wobei das Initialvertrauensmodell dazu ausgebildet ist, das Vertrauen in die Objektdetektion abhängig von einer
jeweiligen Initialposition des erkannten Objekts und einer jeweiligen bereichsabhängigen Information des Sensors zu modellieren . Das Programm wird in einem Schritt S9 fortgesetzt. In dem Schritt S9 wird abhängig von den Sensordaten und dem
Vertrauensmodell ein Vertrauenswert des erkannten Objekts ermittelt, wobei der Vertrauenswert des erkannten Objekts repräsentativ ist dafür, wie hoch ein Vertrauen in das erkannte Objekt ist.
Optional wird in dem Schritt S9 der Vertrauenswert des erkannten Objekts zusätzlich abhängig von der Information zu der Art des Sensors ermittelt.
Beispielsweise wird mittels des Sensorvertrauensmodells eine Falschdetektionsrate des Sensors ermittelt. Beispielsweise existiert ein erster Sensor einer ersten Art, für den eine sehr hohe erste Falschdetektionsrate ermittelt wird. Für eine Objektdetektion des erkannten Objekts des ersten Sensors wird ein erster Vertrauenswert des erkannten Objekts ermittelt. Beispielsweise existiert ein zweiter Sensor einer zweiten Art, für den eine geringe zweite Falschdetektionsrate ermittelt wird. Für eine Objektdetektion des erkannten
Objekts des zweiten Sensors wird ein zweiter Vertrauenswert des erkannten Objekts ermittelt. In diesem Fall ist der erste Vertrauenswert des erkannten Objekts wertmäßig geringer als der zweite Vertrauenswert des erkannten Objekts.
Optional wird in dem Schritt S9 der Vertrauenswert des erkannten Objekts zusätzlich abhängig von der
Objektzustandsinformation ermittelt .
Beispielsweise wird der Vertrauenswert des erkannten Objekts mittels des Zustandsvertrauensmodells abhängig davon
ermittelt, ob eine Position des erkannten Objekts innerhalb eines vorgegebenen Bereichs in der Umgebung des Fahrzeuges liegt oder nicht. Falls die Position des erkannten Objekts innerhalb des vorgegebenen Bereichs in der Umgebung des
Fahrzeuges liegt, ist der Vertrauenswert des erkannten
Objekts beispielsweise wertmäßig größer als wenn dies nicht der Fall ist. Der vorgegebene Bereich ist beispielsweise sensorspezifisch für eine jeweilige Art des Sensors
vorgegeben. Beispielsweise wird ein Nahfeldsensor bei einer Objektdetektion in einem nahen Bereich entsprechend besser gewichtet als bei einer Objektdetektion in einem weit
entfernten Bereich, bei der Ermittlung des Vertrauenswerts des erkannten Objekts.
Optional wird in dem Schritt S9 der Vertrauenswert des erkannten Objekts zusätzlich abhängig von der
Fahrzeugzustandsinformation ermittelt .
Beispielsweise umfasst die Fahrzeugzustandsinformation zusätzlich eine Information über aktuelle Wetterverhältnisse, wobei die Information über aktuelle Wetterverhältnisse beispielsweise repräsentativ ist für Starkregen.
Beispielsweise wird der Vertrauenswert des erkannten Objekts mittels des Umgebungsvertrauensmodells abhängig von den aktuellen Wetterverhältnissen für den Kamerasensor bei
Starkregen wertmäßig geringer ermittelt, als für den
Radarsensor .
Optional wird in dem Schritt S9 der Vertrauenswert des erkannten Objekts zusätzlich abhängig von der
Sensorbereichsinformation und der Initialposition des
erkannten Objekts ermittelt.
Beispielsweise können mittels des Vertrauensmodells und des Vertrauenswerts Rückschlüsse gezogen werden, ob eine Falschdetektion vorliegt. Die Falschdetektion ist beispielsweise repräsentativ dafür, dass der Sensor das
Objekt erkennt, wobei sich das erkannte Objekt real nicht in einer Umgebung des Fahrzeuges befindet. Des Weiteren können beispielsweise auch Rückschlüsse gezogen werden, ob eine Fehldetektion vorliegt. Die Fehldetektion ist beispielsweise repräsentativ dafür, dass der Sensor ein weiteres Objekt nicht erkennt, obwohl sich das weitere Objekt real in der Umgebung des Fahrzeuges befindet.
Optional wird das Programm in einem Schritt Sil fortgesetzt. In dem optionalen Schritt Sil wird abhängig von den
Sensordaten und/oder dem Vertrauenswert des erkannten Objekts ein Attribut der Objektdetektion ermittelt. Das Attribut der Objektdetektion ist repräsentativ für eine Qualität und/oder eine Konfidenz der Objektdetektion.
Das Attribut der Objektdetektion umfasst eine
Existenzwahrscheinlichkeit, die repräsentativ ist dafür, wie hoch eine statistische Wahrscheinlichkeit für eine Existenz des erkannten Objekts ist, und/oder ein Gütemaß des Sensors und/oder eine oder mehrere Standardabweichungen von einem jeweiligen Zustand des erkannten Objekts während der
Objektdetektion .
Beispielsweise entspricht das Attribut der Objektdetektion einer der standardisierten Größen, die im Zusammenhang mit Objekttracking und/oder Trackmanagementmethoden verwendet werden .
Optional wird das Programm in einem Schritt S13 fortgesetzt. In dem optionalen Schritt S13 wird ein zweiter
Objektdatensatz eines zweiten Objekts bereitgestellt. Der zweite Objektdatensatz umfasst einen zweiten
Objektvertrauenswert und eine einzigartige zweite
Objektidentifikationsnummer, welche repräsentativ ist für das zweite Objekt.
Beispielsweise ist der zweite Objektdatensatz repräsentativ für einen zweiten Track, welcher im Zusammenhang mit dem Objekttracking und/oder den Trackmanagementmethoden verwendet wird. Der zweite Track ist repräsentativ für eine Abbildung des erkannten Objekts, welches sich real in der Umgebung des Fahrzeuges befindet, und umfasst Informationen zu diesem.
Beispielsweise entspricht der zweite Objektdatensatz einem zuvor gespeicherten ersten Objektdatensatz.
Optional wird das Programm in einem Schritt S15 fortgesetzt. In dem optionalen Schritt S15 wird ermittelt, ob das erkannte Objekt dem zweiten Objekt zugeordnet werden kann. Falls dies der Fall ist, wird die Bearbeitung in einem Schritt S17 fortgesetzt, andernfalls in dem Schritt S19.
In dem Schritt S17 wird der zweite Objektvertrauenswert abhängig von dem Vertrauenswert des erkannten Objekts angepasst. Nach dem Schritt S17 wird das Programm in dem Schritt S23 fortgesetzt.
Optional wird der zweite Objektdatensatz nach der Anpassung zusätzlich gespeichert.
In dem Schritt S19 wird bei einer erstmaligen Erkennung des erkannten Objekts ein erster Objektdatensatz des erkannten Objekts erstellt. Der erste Objektdatensatz umfasst einen ersten Objektvertrauenswert und eine einzigartige erste Objektidentifikationsnummer, welche repräsentativ ist für das erkannte Objekt. Des Weiteren wird der erste
Objektvertrauenswert abhängig von dem Vertrauenswert des erkannten Objekts ermittelt.
Beispielsweise ist der erste Objektdatensatz repräsentativ für einen ersten Track, welcher im Zusammenhang mit dem
Objekttracking und/oder den Trackmanagementmethoden verwendet wird. Der erste Track ist repräsentativ für eine Abbildung des erkannten Objekts, welches sich real in der Umgebung des Fahrzeuges befindet, und umfasst Informationen zu diesem.
Der Schritt S19 kann beispielsweise auch zeitlich nach dem Schritt S21 durchgeführt werden.
In dem Schritt S21 wird der zweite Objektvertrauenswert angepasst. Optional wird der zweite Objektdatensatz nach der Anpassung zusätzlich gespeichert. Nach dem Schritt S19 wird das Programm in dem Schritt S21 fortgesetzt. Nach dem Schritt S21 wird das Programm in dem Schritt S23 fortgesetzt.
In einem Schritt S23 wird das Fahrzeug abhängig von dem
Vertrauenswert des erkannten Objekts betrieben.
Optional wird in dem Schritt S23 das Fahrzeug zusätzlich abhängig von dem Attribut der Objektdetektion betrieben.
Optional wird in dem Schritt S23 das Fahrzeug zusätzlich abhängig von dem ersten Objektdatensatz betrieben.
Optional wird in dem Schritt S23 das Fahrzeug zusätzlich abhängig von dem zweiten Objektdatensatz betrieben. Beispielsweise umfasst das Betreiben des Fahrzeuges ein
Durchführen einer Fahrzeugfunktion des Fahrzeuges, welche die Sensordaten abhängig von dem Vertrauenswert des erkannten Objekts nutzt.
Beispielsweise ist die Fahrzeugfunktion des Fahrzeuges eine längsregelnde Fahrzeugfunktion des Fahrzeuges, wie
beispielsweise eine Adaptive Geschwindigkeitsregelung,
Kreuzungsassistent, eine Abstandshaltefunktion, oder
dergleichen. Alternativ oder zusätzlich ist die
Fahrzeugfunktion des Fahrzeuges beispielsweise eine
querregelnde Fahrzeugfunktion des Fahrzeuges, wie
beispielsweise ein Seitenaufprall-Assistent, ein
Lenkführungsassistent, ein Spurführungsassistent, oder dergleichen. Die längsregelnde Fahrzeugfunktion des
Fahrzeuges ist dazu ausgebildet, im Wesentlichen Bewegungen längs zu einer Erstreckungsebene des Fahrzeuges zu
beeinflussen. Die querregelnde Fahrzeugfunktion des
Fahrzeuges ist dazu ausgebildet, im Wesentlichen Bewegungen quer zu einer Erstreckungsebene des Fahrzeuges zu
beeinflussen. Die längsregelnde Fahrzeugfunktion des
Fahrzeuges und/oder die querregelnde Fahrzeugfunktion des Fahrzeuges umfassen beispielsweise eine Anforderung, die eine jeweilige Falschdetektionsrate und/oder eine jeweilige
Fehldetektionsrate oder dergleichen umfasst. Die Anforderung, die die jeweilige Falschdetektionsrate umfasst, ist
beispielsweise repräsentativ für eine jeweilige vorgegebene Anzahl an Falschdetektionen, die in einem jeweiligen
vorgegebenen Zeitintervall und/oder über eine jeweilige vorgegebene Strecke, nicht überschritten werden soll. Die Anforderung, die die jeweilige Fehldetektionsrate umfasst, ist beispielsweise repräsentativ für eine jeweilige
vorgegebene Anzahl an Fehldetektionen, die in einem jeweiligen vorgegebenen Zeitintervall und/oder über eine jeweilige vorgegebene Strecke, nicht überschritten werden soll. Beispielsweise kann die Anforderung, die die jeweilige Falschdetektionsrate und/oder die jeweilige
Fehldetektionsrate umfasst, abhängig von dem Vertrauenswert des erkannten Objekts und/oder den Sensordaten, überprüft werden. Beispielsweise entscheidet die Überprüfung, ob die längsregelnde Fahrzeugfunktion des Fahrzeuges und/oder die querregelnde Fahrzeugfunktion des Fahrzeuges die Sensordaten dazu verwenden können, um beispielsweise die Sicherheit des Fahrzeuges zu gewährleisten und/oder zu erhöhen.
Beispielsweise entscheidet die Überprüfung, ob ein
Serieneinsatz der längsregelnden Fahrzeugfunktion des
Fahrzeuges und/oder der querregelnden Fahrzeugfunktion des Fahrzeuges möglich ist.
Anschließend wird das Programm in dem Schritt S3 wieder gestartet .

Claims

Patentansprüche
1. Verfahren zum Betreiben eines Fahrzeuges, bei dem
- Sensordaten bereitgestellt werden, die eine Objektdetektion eines Sensors des Fahrzeuges umfassen, wobei die
Objektdetektion repräsentativ ist für ein erkanntes Objekt,
- ein Vertrauensmodell bereitgestellt wird, wobei das
Vertrauensmodell dazu ausgebildet ist, ein Vertrauen in die Objektdetektion zu modellieren,
- abhängig von den Sensordaten und dem Vertrauensmodell ein Vertrauenswert des erkannten Objekts ermittelt wird, wobei der Vertrauenswert des erkannten Objekts repräsentativ ist dafür, wie hoch ein Vertrauen in das erkannte Objekt ist, und
- das Fahrzeug abhängig von dem Vertrauenswert des erkannten Objekts betrieben wird.
2. Verfahren gemäß Anspruch 1, bei dem
- eine Information zu der Art des Sensors bereitgestellt wird,
- das Vertrauensmodell ein Sensorvertrauensmodell umfasst, wobei das Sensorvertrauensmodell dazu ausgebildet ist, das Vertrauen in die Objektdetektion abhängig von einer Art eines jeweiligen Sensors zu modellieren, und
- der Vertrauenswert des erkannten Objekts abhängig von den Sensordaten, der Information zu der Art des Sensors und dem Vertrauensmodell ermittelt wird.
3. Verfahren gemäß einem der vorhergehenden Ansprüche, bei dem
- eine Objektzustandsinformation bereitgestellt wird, die eine Information über einen Zustand des erkannten Objekts während der Objektdetektion umfasst, - das Vertrauensmodell ein Zustandsvertrauensmodell umfasst, wobei das Zustandsvertrauensmodell dazu ausgebildet ist, das Vertrauen in die Objektdetektion abhängig von einem
jeweiligen Zustand des erkannten Objekts während der
Objektdetektion zu modellieren, und
- der Vertrauenswert des erkannten Objekts abhängig von den Sensordaten, der Objektzustandsinformation und dem
Vertrauensmodell ermittelt wird.
4. Verfahren gemäß einem der vorhergehenden Ansprüche, bei dem
- eine Fahrzeugzustandsinformation bereitgestellt wird, die eine Information über einen Zustand des Fahrzeuges während der Objektdetektion umfasst,
- das Vertrauensmodell ein Umgebungsvertrauensmodell umfasst, wobei das Umgebungsvertrauensmodell dazu ausgebildet ist, das Vertrauen in die Objektdetektion abhängig von einem
jeweiligen Zustand des Fahrzeuges während der Objektdetektion zu modellieren, und
- der Vertrauenswert des erkannten Objekts abhängig von den Sensordaten, der Fahrzeugzustandsinformation und dem
Vertrauensmodell ermittelt wird.
5. Verfahren gemäß einem der vorhergehenden Ansprüche, bei dem
- eine Sensorbereichsinformation bereitgestellt wird, die eine bereichsabhängige Information des Sensors umfasst,
- eine Initialposition des erkannten Objekts bereitgestellt wird, wobei die Initialposition des erkannten Objekts
repräsentativ ist für eine Position bei einer erstmaligen Erkennung des erkannten Objekts,
- das Vertrauensmodell ein Initialvertrauensmodell umfasst, wobei das Initialvertrauensmodell dazu ausgebildet ist, das Vertrauen in die Objektdetektion abhängig von einer
jeweiligen Initialposition des erkannten Objekts und einer jeweiligen bereichsabhängigen Information des Sensors zu modellieren, und
- der Vertrauenswert des erkannten Objekts abhängig von den Sensordaten, der Sensorbereichsinformation, der
Initialposition des erkannten Objekts und dem
Vertrauensmodell ermittelt wird.
6. Verfahren gemäß einem der vorhergehenden Ansprüche, bei dem
- abhängig von den Sensordaten und/oder dem Vertrauenswert des erkannten Objekts ein Attribut der Objektdetektion ermittelt wird, wobei das Attribut der Objektdetektion repräsentativ ist für eine Qualität und/oder eine Konfidenz der Objektdetektion, und
- das Fahrzeug abhängig von dem Attribut der Objektdetektion betrieben wird.
7. Verfahren gemäß Anspruch 6, wobei das Attribut der
Objektdetektion
- eine Existenzwahrscheinlichkeit, die repräsentativ ist dafür, wie hoch eine statistische Wahrscheinlichkeit für eine Existenz des erkannten Objekts ist, und/oder
- ein Gütemaß des Sensors und/oder
- eine oder mehrere Standardabweichungen von einem jeweiligen Zustand des erkannten Objekts während der Objektdetektion umfasst .
8. Verfahren gemäß einem der vorhergehenden Ansprüche, bei dem bei einer erstmaligen Erkennung des erkannten Objekts
- ein erster Objektdatensatz des erkannten Objekts erstellt wird, welcher einen ersten Objektvertrauenswert und eine einzigartige erste Objektidentifikationsnummer, welche repräsentativ ist für das erkannte Objekt, umfasst,
- der erste Objektvertrauenswert abhängig von dem
Vertrauenswert des erkannten Objekts ermittelt wird, und
- das Fahrzeug abhängig von dem ersten Objektdatensatz betrieben wird.
9. Verfahren gemäß einem der vorhergehenden Ansprüche, bei dem
- ein zweiter Objektdatensatz eines zweiten Objekts
bereitgestellt wird, welcher einen zweiten
Objektvertrauenswert und eine einzigartige zweite
Objektidentifikationsnummer, welche repräsentativ ist für das zweite Objekt, umfasst,
- ermittelt wird, ob das erkannte Objekt dem zweiten Objekt zugeordnet werden kann,
- falls das erkannte Objekt dem zweiten Objekt zugeordnet werden kann, der zweite Objektvertrauenswert abhängig von dem Vertrauenswert des erkannten Objekts angepasst wird,
- falls das erkannte Objekt dem zweiten Objekt nicht
zugeordnet werden kann, der zweite Objektvertrauenswert angepasst wird, und
- das Fahrzeug abhängig von dem zweiten Objektdatensatz betrieben wird.
10. Vorrichtung zum Betreiben eines Fahrzeuges, wobei die Vorrichtung dazu ausgebildet ist, das Verfahren nach einem der Ansprüche 1 bis 9 durchzuführen.
11. Computerprogramm, wobei das Computerprogramm Anweisungen umfasst, die, wenn das Programm von einem Computer ausgeführt wird, den Computer veranlassen das Verfahren nach einem der Ansprüche 1 bis 9 bei seiner Ausführung auf einer
Datenverarbeitungsvorrichtung durchzuführen .
12. Computerprogrammprodukt umfassend ausführbaren
Programmcode, wobei der Programmcode bei Ausführung durch eine Datenverarbeitungsvorrichtung das Verfahren nach einem der Ansprüche 1 bis 9 ausführt.
PCT/EP2019/079446 2019-02-06 2019-10-29 Verfahren, vorrichtung, computerprogramm und computerprogrammprodukt zum betreiben eines fahrzeuges Ceased WO2020160801A1 (de)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US17/421,395 US11915489B2 (en) 2019-02-06 2019-10-29 Method, device, computer program and computer program product for operating a vehicle
CN201980087893.9A CN113302108B (zh) 2019-02-06 2019-10-29 用于运行车辆的方法、装置和计算机程序产品

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102019102919.8A DE102019102919B4 (de) 2019-02-06 2019-02-06 Verfahren, Vorrichtung, Computerprogramm und Computerprogrammprodukt zum Betreiben eines Fahrzeuges
DE102019102919.8 2019-02-06

Publications (1)

Publication Number Publication Date
WO2020160801A1 true WO2020160801A1 (de) 2020-08-13

Family

ID=68503077

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2019/079446 Ceased WO2020160801A1 (de) 2019-02-06 2019-10-29 Verfahren, vorrichtung, computerprogramm und computerprogrammprodukt zum betreiben eines fahrzeuges

Country Status (4)

Country Link
US (1) US11915489B2 (de)
CN (1) CN113302108B (de)
DE (1) DE102019102919B4 (de)
WO (1) WO2020160801A1 (de)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102020125448A1 (de) 2020-09-29 2022-03-31 Daimler Ag Kartenplausibilitätsprüfungsverfahren
US12451013B2 (en) * 2022-04-08 2025-10-21 Aptiv Technologies AG Track associations at least partially based on low confidence detections

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010132056A (ja) * 2008-12-03 2010-06-17 Fujitsu Ten Ltd 検知装置、検知方法および車両制御装置
EP2803546A1 (de) * 2013-05-14 2014-11-19 Denso Corporation Kollisionsabschwächungsvorrichtung
DE102014217848A1 (de) * 2014-09-08 2016-03-10 Continental Automotive Gmbh Fahrerassistenzsystem
US20160121889A1 (en) * 2014-10-29 2016-05-05 Denso Corporation Travel lane marking recognition system
US20170248951A1 (en) * 2016-02-25 2017-08-31 Ford Global Technologies, Llc Autonomous confidence control

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130197736A1 (en) * 2012-01-30 2013-08-01 Google Inc. Vehicle control based on perception uncertainty
DE102015008539A1 (de) * 2015-07-02 2017-01-05 Daimler Ag Verfahren zur Fusion mehrerer Informationsquellen zur Objektdetektion und Verfahren zum Betrieb einer Fahrerassistenzvorrichtung
EP3130945B1 (de) * 2015-08-11 2018-05-02 Continental Automotive GmbH System und verfahren zur genauen positionierung eines fahrzeugs
US9707961B1 (en) * 2016-01-29 2017-07-18 Ford Global Technologies, Llc Tracking objects within a dynamic environment for improved localization
JP6690450B2 (ja) * 2016-07-19 2020-04-28 株式会社デンソー 運転支援装置
US10571908B2 (en) * 2016-08-15 2020-02-25 Ford Global Technologies, Llc Autonomous vehicle failure mode management
US10528850B2 (en) * 2016-11-02 2020-01-07 Ford Global Technologies, Llc Object classification adjustment based on vehicle communication
US10657820B2 (en) * 2018-12-27 2020-05-19 Intel Corporation Sensor data sharing management

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010132056A (ja) * 2008-12-03 2010-06-17 Fujitsu Ten Ltd 検知装置、検知方法および車両制御装置
EP2803546A1 (de) * 2013-05-14 2014-11-19 Denso Corporation Kollisionsabschwächungsvorrichtung
DE102014217848A1 (de) * 2014-09-08 2016-03-10 Continental Automotive Gmbh Fahrerassistenzsystem
US20160121889A1 (en) * 2014-10-29 2016-05-05 Denso Corporation Travel lane marking recognition system
US20170248951A1 (en) * 2016-02-25 2017-08-31 Ford Global Technologies, Llc Autonomous confidence control

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Y. BAR-SHALOMX. R. LI, MULTITARGET-MULTISENSOR TRACKING: PRINCIPLES AND TECHNIQUES, 1995

Also Published As

Publication number Publication date
CN113302108B (zh) 2024-11-19
DE102019102919A1 (de) 2020-08-06
US20220092875A1 (en) 2022-03-24
CN113302108A (zh) 2021-08-24
US11915489B2 (en) 2024-02-27
DE102019102919B4 (de) 2025-02-27

Similar Documents

Publication Publication Date Title
DE102019213185B4 (de) Querführung eines Fahrzeugs mittels von anderen Fahrzeugen erfassten Umgebungsdaten
EP3695244B1 (de) Verfahren und vorrichtung zum erzeugen eines inversen sensormodells und verfahren zum erkennen von hindernissen
DE102017009435B4 (de) Evaluation von Komponenten automatischer Fahrfunktionen und Fahrbahnerkennung auf unterschiedlichen Verarbeitungsstufen
EP3871134A1 (de) Verfahren und vorrichtung zum testen eines fahrerassistenzsystems
EP3156820B1 (de) Verfahren zum erfassen eines dynamischen objekts in einem umgebungsbereich eines kraftfahrzeugs auf basis von informationen einer kraftfahrzeugseitigen ultraschall-detektionseinrichtung, fahrerassistenzsystem und kraftfahrzeug
WO2018019454A1 (de) Verfahren und vorrichtung zum ermitteln eines fahrbahnmodells für ein fahrzeugumfeld
DE102022100549A1 (de) Mit einem rang versehene fehlerzustände
DE102020118629B4 (de) Computerimplementiertes Verfahren zum Bestimmen der Validität einer geschätzten Position eines Fahrzeugs
DE102009046913A1 (de) Verfahren und Steuergerät zur Müdigkeitserkennung
DE102020122086A1 (de) Messen von vertrauen in tiefen neuronalen netzwerken
EP4214607A1 (de) Verfahren und system zum testen eines fahrerassistenzsystems
DE102008063033B4 (de) Vorrichtung und Verfahren zur Erkennung von Kollisionen mit erhöhter funktionaler Sicherheit
DE102019115330A1 (de) Echtzeit-Sicherheitspfaderzeugung für hochautomatisiertes Fahrzeugrückfallmanöver
DE102020213294A1 (de) Verfahren zur Überwachung eines Baustellenbereichs, Überwachungssystem, Computerprogramm und Speichermedium
DE102020213496A1 (de) Validierung von Modellen für Fahrbahn-Spuren basierend auf Schwarmdaten
DE102019211006B4 (de) Auswerten von Sensordaten eines Fahrzeugs
DE102018007960A1 (de) Verfahren zum Abgleich von Kartenmaterial mit einer erfassten Umgebung eines Fahrzeugs, Steuergerät, eingerichtet zum Ausführen eines solchen Verfahrens, sowie Fahrzeug mit einem solchen Steuergerät
DE102020203829A1 (de) Verfahren zum Überwachen eines Fahrzeugsystems zum Erkennen einer Umgebung eines Fahrzeugs
DE102023123012B3 (de) Verfahren und Vorrichtung zur schnellen Kollisionserkennung bei hochautomatisiertem Testen von Fahrvorgängen
DE102019132967A1 (de) Verfahren und Vorrichtung zur Ermittlung einer Fahrspur-Hypothese
DE102016220581A1 (de) Verfahren und vorrichtung zur bestimmung eines umfeldmodells
DE102008021380B4 (de) Verfahren und Vorrichtung zum Vorhersagen eines Verlaufs einer Fahrbahn und Fahrerassistenzsystem
WO2020160801A1 (de) Verfahren, vorrichtung, computerprogramm und computerprogrammprodukt zum betreiben eines fahrzeuges
DE102021202903A1 (de) Verfahren zum Bewerten einer Software für ein Steuergerät eines Fahrzeugs
DE102020206356A1 (de) Verfahren zum Ermitteln einer Ausgangspose eines Fahrzeugs

Legal Events

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

Ref document number: 19801234

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: 19801234

Country of ref document: EP

Kind code of ref document: A1