WO2021175517A1 - Verfahren und vorrichtung zur optischen sitzgurterkennung - Google Patents

Verfahren und vorrichtung zur optischen sitzgurterkennung Download PDF

Info

Publication number
WO2021175517A1
WO2021175517A1 PCT/EP2021/051826 EP2021051826W WO2021175517A1 WO 2021175517 A1 WO2021175517 A1 WO 2021175517A1 EP 2021051826 W EP2021051826 W EP 2021051826W WO 2021175517 A1 WO2021175517 A1 WO 2021175517A1
Authority
WO
WIPO (PCT)
Prior art keywords
seat belt
data
seat
person
processing unit
Prior art date
Application number
PCT/EP2021/051826
Other languages
English (en)
French (fr)
Inventor
Michael Hödlmoser
Florian SEITNER
Original Assignee
Emotion3D 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 Emotion3D Gmbh filed Critical Emotion3D Gmbh
Publication of WO2021175517A1 publication Critical patent/WO2021175517A1/de

Links

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60RVEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R22/00Safety belts or body harnesses in vehicles
    • B60R22/48Control systems, alarms, or interlock systems, for the correct application of the belt or harness
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60RVEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/01Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
    • B60R21/015Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting the presence or position of passengers, passenger seats or child seats, and the related safety parameters therefor, e.g. speed or timing of airbag inflation in relation to occupant position or seat belt use
    • B60R21/01512Passenger detection systems
    • B60R21/0153Passenger detection systems using field detection presence sensors
    • B60R21/01538Passenger detection systems using field detection presence sensors for image processing, e.g. cameras or sensor arrays
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/59Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60RVEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R22/00Safety belts or body harnesses in vehicles
    • B60R22/48Control systems, alarms, or interlock systems, for the correct application of the belt or harness
    • B60R2022/4808Sensing means arrangements therefor
    • B60R2022/485Sensing means arrangements therefor for sensing belt anchor position, belt orientation, or the like
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/64Three-dimensional objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)

Abstract

Die Erfindung betrifft ein Verfahren und eine Vorrichtung zur Detektion der korrekten Positionierung eines Sitzgurtes (1) bei einer in einem Sitz (2) eines Fahrzeugs (3) sitzenden Person (4), umfassend die folgenden Schritte: Aufnahme, durch eine im Fahrzeug (3) angeordnete Bildaufnahmeeinheit (5) in 2-D oder 3-D, des Sitzes (2) mit der Person (4) und dem Sitzgurt (1), Extraktion, durch eine Datenverarbeitungseinheit (6), eines räumlichen Verlaufs des Sitzgurtes (1) und von Körperdaten der Person (4), Berechnung, durch die Datenverarbeitungseinheit (6), eines räumlichen Sitzgurtdatenmodells (7) aus dem räumlichen Verlauf des Sitzgurtes (1) und eines Körperdatenmodells (8) aus den Körperdaten, Vergleich, durch eine Komparatoreinheit (12), des Sitzgurtdatenmodells (7) und des Körperdatenmodells (8) und Bestimmung der Korrektheit oder Fehlerhaftigkeit der Positionierung des Sitzgurtes (1), Anzeige, durch eine Anzeigeeinheit (13), der Korrektheit oder Fehlerhaftigkeit der Positionierung des Sitzgurtes (1).

Description

VERFAHREN UND VORRICHTUNG ZUR OPTISCHEN SITZGURTERKENNUNG
Die Erfindung betrifft ein Verfahren und eine Vorrichtung zur Erkennung der Positionierung des Sitzgurtes in einem Fahrzeug.
Sitzgurte werden in Fahrzeugen standardmäßig verbaut und in der Regel ist es gesetzlich vorgeschrieben, dass die Sitzgurte von den Insassen verwendet werden. Um dies zu detektieren, sind in den Schließmechanismen der Sitzgurte verbaute Sensoren bekannt, die detektieren ob der Sitzgurt geschlossen ist oder nicht.
Derartige Sensoren haben aber keine Zusatzinformation darüber, ob sich auch wirklich eine Person auf dem Sitz befindet, oder ob der Gurt auch korrekt angelegt wurde. Somit liegt die Verantwortung über die richtige Anbringung des Sitzgurtes bei der Person selbst bzw. bei dem Lenker des Fahrzeuges.
Die Aufgabe der Erfindung besteht darin, dieses Problem zu lösen und ein Verfahren sowie eine Vorrichtung bereitzustellen, wodurch eine automatische Detektion der korrekten Positionierung eines Sitzgurtes erreicht werden kann. Diese und andere Aufgaben der Erfindung werden erfindungsgemäß durch ein Verfahren und eine Vorrichtung gemäß den unabhängigen Patentansprüchen gelöst.
Das erfindungsgemäße Verfahren zur Detektion der korrekten Positionierung eines Sitzgurtes bei einer in einem Sitz eines Fahrzeugs sitzenden Person umfasst mehrere Schritte.
In einem ersten Schritt nimmt eine im Fahrzeug angeordnete Bildaufnahmeeinheit den Sitz mit der Person und dem Sitzgurt in 2-D oder 3-D auf. Bei diesem Schritt kann es sich insbesondere um Aufnahme eines Fotos oder Videos durch eine Kamera oder eine andere Bildaufnahmeeinheit handeln. Das aufgenommene Bild oder Video wird zur Bearbeitung an eine Datenverarbeitungseinheit übermittelt. Die Datenverarbeitungseinheit extrahiert einen räumlichen Verlauf des Sitzgurtes sowie wesentliche Körperdaten der Person. Diese Extraktion erfolgt beispielsweise durch herkömmliche Bildverarbeitungsroutinen, durch einen Vergleich mit vorab in einer Datenbank hinterlegten Referenzdaten, oder durch Verwendung eines vorab mit Trainingsdaten trainierten neuronalen Netzes, das Teil der Datenverarbeitungseinheit sein kann. Statt eines neuronalen Netzes können auch andere Klassifikationsverfahren aus dem Bereich des maschinellen Lernens erfindungsgemäß vorgesehen sein, wie zum Beispiel Entscheidungsbäume bzw. Random Forests, die als Teil der Datenverarbeitungseinheit implementiert sein können. Eine spezielle Ausgestaltung des Sitzgurtes ist erfindungsgemäß für die Extraktion des Sitzgurtes und der Körperdaten nicht erforderlich.
Aus dem räumlichen Verlauf des Sitzgurtes generiert die Datenverarbeitungseinheit in Folge ein räumliches Sitzgurtdatenmodell, beispielsweise in Form einer Tabelle mit 2- dimensionalen Koordinaten von Schlüsselpunkten des Sitzgurtes, eines Graphen mit Verbindungslinien oder einer anderen geeigneten Datenstruktur. In analoger Weise generiert die Datenverarbeitungseinheit ein räumliches Körperdatenmodell aus den Körperdaten, wiederum in Form einer 2D-Tabelle mit Koordinaten von Schlüsselpunkten des Körpers, eines Graphen oder einer anderen geeigneten Datenstruktur. Eine Komparatoreinheit beurteilt nun, an Hand des Sitzgurtdatenmodells und des Körperdatenmodells, die Positionierung des Sitzgurtes und stellt fest, ob die Positionierung korrekt oder fehlerhaft ist.
Diese Beurteilung kann in der Komparatoreinheit erfindungsgemäß durch unterschiedliche Verfahren erfolgen. Beispielsweise kann ein vorab mit Referenzdatenmustern trainiertes neuronales Netz, ein Entscheidungsbaum oder ein anderes Klassifikationsverfahren aus dem Bereich des maschinellen Lernens herangezogen werden. Die Komparatoreinheit kann insbesondere das Sitzgurtdatenmodell und das Körperdatenmodell miteinander vergleichen bzw. überlagern, um die Korrektheit oder Fehlerhaftigkeit der Positionierung des Sitzgurtes zu beurteilen. Der Vergleich kann erfolgen, indem die Komparatoreinheit vordefinierte heuristische geometrische Zusammenhänge anwendet. Die Komparatoreinheit kann vorzugsweise ein Teil der Datenverarbeitungseinheit sein.
Danach zeigt eine Anzeigeeinheit die Korrektheit oder Fehlerhaftigkeit der Positionierung des Sitzgurtes im Fahrzeug an, beispielsweise durch ein Lichtsignal oder ein Symbol an einer geeigneten Stelle im Armaturenbrett des Fahrers.
Erfindungsgemäß kann vorgesehen sein, dass die Bildaufnahmeeinheit ein Video aufnimmt, das von der Datenverarbeitungseinheit herangezogen wird, um eine robustere Extraktion des räumlichen Verlaufs des Sitzgurtes und der Körperdaten der Person zu ermöglichen. Insbesondere kann vorgesehen sein, dass die Bildaufnahmeeinheit eine Vielzahl von Bildern oder Videos aufnimmt, die von der Datenverarbeitungseinheit überlagert werden, um eine robustere Extraktion des räumlichen Verlaufs des Sitzgurtes und der Körperdaten der Person zu ermöglichen.
Eine Beschränkung auf eine bestimmte Form oder grafische Ausgestaltung des Sitzgurtes soll dabei nicht erforderlich sein. Es können speziell zu diesem Zweck adaptierte Bilderkennungsalgorithmen herangezogen werden. Erfindungsgemäß kann vorgesehen sein, dass die Korrektheit oder Fehlerhaftigkeit der Positionierung des Sitzgurtes beurteilt wird, indem die Datenverarbeitungseinheit das Sitzgurtdatenmodell und das Körperdatenmodell in ein Sitzdatenmuster kombiniert, die Komparatoreinheit das Sitzdatenmuster mit einer Vielzahl an in einer Datenbank vorab gespeicherten korrekten Referenzdatenmustern vergleicht, und bei hinreichender Übereinstimmung mit den korrekten Referenzdatenmustern die Korrektheit feststellt und andernfalls die Fehlerhaftigkeit feststellt.
Zu diesem Zweck kann insbesondere vorgesehen sein, dass die Datenverarbeitungseinheit mit einer Datenbank über eine Schnittstelle verbunden ist. Dabei kann es sich um eine externe Datenbank auf einem Server im Internet handeln, oder eine interne Datenbank im Fahrzeug.
Die Datenbank kann vor Ausführung des erfindungsgemäßen Verfahrens mit Referenzdatenmustern gefüllt werden, welche Sitzdatenmuster mit korrekter und fehlerhafter Positionierung des Sitzgurtes bei einer Vielzahl unterschiedlicher Personen umfassen. Die Komparatoreinheit kann das Sitzdatenmuster direkt mit den Referenzdatenmustern vergleichen und beispielsweise einen Matching-Algorithmus anwenden. Alternativ können die in der Datenbank gespeicherten Referenzdatenmuster auch genutzt werden, um vorab ein Klassifikationsverfahren aus dem Bereich des maschinellen Lernens, zum Beispiel ein neuronales Netz, oder Entscheidungsbäume zu trainieren. Derartige Klassifikationsverfahren können als Teil der Datenverarbeitungseinheit implementiert sein.
In anderen erfindungsgemäßen Ausführungsformen kann die Korrektheit oder Fehlerhaftigkeit der Positionierung des Sitzgurtes auch beurteilt werden, indem die Datenverarbeitungseinheit räumliche Sitzgurtkenngrößen des Sitzgurtdatenmodells bestimmt, beispielsweise die Länge und den Winkel zwischen zumindest einem ersten Sitzgurtabschnitt und zumindest einem zweiten Sitzgurtabschnitt, und räumliche Körperkenngrößen des Körperdatenmodells bestimmt, beispielsweise die Schulterbreite, die Rumpflänge und die Anordnung der Schultergelenke und des Beckens der Person, und die Sitzgurtkenngrößen den Körperkenngrößen räumlich überlagert. Aus der räumlichen Überlagerung der Sitzgurtkenngrößen und Körperkenngrößen kann die Korrektheit oder Fehlerhaftigkeit der Positionierung des Sitzgurtes unmittelbar und ohne die Verwendung von Matching-Algorithmen oder Klassifikationsverfahren festgestellt werden, beispielsweise durch Verwendung von heuristischen und vorab bestimmten Zusammenhängen.
Beispielsweise kann in der Datenverarbeitungseinheit hinterlegt sein, dass ein Sitzgurt korrekt positioniert ist, wenn ein erster Sitzgurtabschnittes über der detektierten Schulter des Körpers verläuft, und ein zweiter Sitzgurtabschnitt über das detektierte Becken des Körpers verläuft, und ein Winkel zwischen den beiden Sitzgurtabschnitten innerhalb eines vorbestimmten Bereichs, beispielsweise innerhalb von 30° bis 60° liegt. Selbstverständlich sind auch andere Heuristiken erfindungsgemäß vorgesehen. Die Kommunikation mit einer Datenbank ist in diesem Ausführungsbeispiel nicht zwingend erforderlich.
Erfindungsgemäß kann vorgesehen sein, dass es sich bei den Körperdaten zumindest um Positionen von definierten Schlüsselpunkten, wie zum Beispiel Handgelenken, Armgelenken, Brustbein, Schultergelenken, Kniegelenken, Ellbogengelenken, Hüftgelenken, Augen, Ohren, Nase oder Kopfmittelpunkte, sowie um Abmessungen zwischen diesen Positionen, wie zum Beispiel Schulterbreite, Beckenbreite, Halslänge, Oberschenkellänge, und dergleichen handelt.
Die Erfindung umfasst ferner ein computerlesbares Speichermedium, umfassend Anweisungen, die eine Datenverarbeitungseinheit zur Ausführung eines erfindungsgemäßen Verfahrens veranlassen, beispielsweise eine CD-ROM, eine Festplatte, oder einen USB-Stick.
Die Erfindung umfasst ebenso eine Vorrichtung zur Detektion der korrekten Positionierung eines Sitzgurtes bei einer in einem Sitz eines Fahrzeugs sitzenden Person, umfassend eine im Fahrzeug angeordnete Bildaufnahmeeinheit in 2-D oder 3- D, die zur Aufnahme des Sitzes mit der Person und dem Sitzgurt ausgebildet ist. Die erfindungsgemäße Vorrichtung umfasst ferner eine Datenverarbeitungseinheit, die zur Extraktion eines räumlichen Verlaufs des Sitzgurtes und von Körperdaten der Person und zur Generierung eines räumlichen Sitzgurtdatenmodells aus dem räumlichen Verlauf des Sitzgurtes und eines Körperdatenmodells aus den Körperdaten ausgebildet ist.
Die erfindungsgemäße Vorrichtung umfasst ferner eine Komparatoreinheit, die zur Beurteilung der Korrektheit oder Fehlerhaftigkeit der Positionierung des Sitzgurtes an Hand des Sitzgurtdatenmodells und des Körperdatenmodells ausgebildet ist, sowie eine Anzeigeeinheit, die zur Anzeige der Korrektheit oder Fehlerhaftigkeit der Positionierung des Sitzgurtes ausgebildet ist. Die Bildaufnahmeeinheit kann insbesondere als Kamera ausgebildet sein. Die Kamera kann beispielsweise im Armaturenbrett oder im Bereich des Rückspiegels, der Windschutzscheibe oder des Daches des Fahrzeugs angeordnet sein.
Erfindungsgemäß kann vorgesehen sein, dass die Komparatoreinheit mit einer Datenbank in Verbindung steht, in der eine Vielzahl an Referenzdatenmustern gespeichert ist. Die Datenverarbeitungseinheit ist in diesem Fall dazu ausgebildet, das Sitzgurtdatenmodell und das Körperdatenmodell in ein Sitzdatenmuster zu kombinieren. Die Komparatoreinheit ist in diesem Fall dazu ausgebildet, das Sitzdatenmuster mit den Referenzdatenmustern zu vergleichen, und dazu ausgebildet, bei hinreichender Übereinstimmung mit den Referenzdatenmustern die Korrektheit, andernfalls die Fehlerhaftigkeit der Positionierung des Sitzgurtes festzustellen.
Die Vorrichtung kann vorzugsweise zur Gänze in einem Fahrzeug angeordnet sein. Es kann jedoch auch vorgesehen sein, dass die Datenverarbeitungseinheit und die Komparatoreinheit im Fahrzeug angeordnet sind und über eine Schnittstelle, beispielsweise eine drahtlose Verbindung, mit einem externen Server, beispielsweise einem Server im Internet, kommunizieren, auf dem sich gegebenenfalls eine Datenbank mit vorab hinterlegten und/oder laufend ergänzten Referenzdatenmustern befindet. Bei der Bildaufnahmeeinheit kann es sich um eine ToF (Time-of-Flight) Kamera handeln, die dazu ausgebildet ist, ein 3D-Tiefenbild aufzunehmen. Dies erleichtert die robuste Unterscheidung des Sitzgurtes vom Körper der Person und somit die Extraktion des räumlichen Verlaufs des Sitzgurtes und der der Körperdaten. Die Bildaufnahmeeinheit wird im Fahrzeug vorzugsweise derart angeordnet, dass die zu analysierenden Objekte, also die Person und der Sitzgurt, im aufgenommenen Bild sichtbar sind. Zur Extraktion des Sitzgurtes und der Körperdaten können Bildanalysebibliotheken in einer Datenbank und/oder ein mit Trainingsbeispielen trainierter Detektor, beispielsweise ein neuronales Netz herangezogen werden.
Die Datenverarbeitungseinheit kann als Mikrocontroller oder Mikrocomputer ausgebildet sein und eine zentrale Verarbeitungseinheit (CPU), einen flüchtigen Halbleiterspeicher (RAM), einen nichtflüchtigen Halbleiterspeicher (ROM, SSD-Festplatte), einen magnetischen Speicher (Festplatte) und/oder einen optischen Speicher (CD-ROM) sowie Schnittstelleneinheiten (Ethernet, USB) und dergleichen umfassen.
Die Bestandteile derartiger Datenverarbeitungseinheiten sind dem Fachmann grundsätzlich bekannt. Die Komparatoreinheit kann als separate Flardwareeinheit, oder vorzugsweise als Softwaremodul im RAM oder ROM der Datenverarbeitungseinheit vorgesehen sein.
Die Datenbank kann als Softwaremodul in der Datenverarbeitungseinheit oder in einem externen Server vorgesehen sein. Die Datenbank kann Trainingsdaten beinhalten, beispielsweise Informationen über den Körperbau typischer Personen (Gelenkspositionen, Größe, Umfänge, etc.) und die Position der zu Sitzgurten gehörenden Pixel in einem Trainingsbild. Die Pixel werden danach zu zusammengehörenden Sitzgurtbändern gruppiert.
Erfindungsgemäß kann vorgesehen sein, dass die Detektion der korrekten Positionierung eines Sitzgurtes für mehrere Personen erfolgt. Bei der Detektion von mehreren Personen und mehreren Sitzgurten kann in einem weiteren Schritt jeder erkannten Person jeweils genau ein erkannter Sitzgurt zugeordnet werden. Die Komparatoreinheit trifft dann für jede erkannte Kombination aus Körperdatenmodell und Sitzgurtdatenmodell eine Aussage darüber, ob die detektierten Sitzgurte richtig angelegt sind oder nicht.
Weitere erfindungsgemäße Merkmale ergeben sich aus den Ansprüchen, den Ausführungsbeispielen und den Figuren.
Die Erfindung wird im Folgenden an Fland eines exemplarischen, nicht ausschließlichen Ausführungsbeispiels erläutert.
Fig. 1 zeigt eine schematische Darstellung einer Ausführungsform einer erfindungsgemäßen Vorrichtung in einem Fahrzeug;
Figs. 2a - 2b zeigen schematische Darstellungen der von einer Ausführungsform der erfindungsgemäßen Vorrichtung erstellten Datenmodelle;
Fig. 3 zeigt eine schematische Darstellung des Datenflusses in einer Ausführungsform eines erfindungsgemäßen Verfahrens;
Fig. 4 zeigt eine schematische Darstellung eines Sitzdatenmusters und den Vergleich mit Referenzdatenmustern.
Fig. 1 zeigt eine schematische Darstellung einer Ausführungsform einer erfindungsgemäßen Vorrichtung in einem Fahrzeug 3. Im Innenraum des Fahrzeugs 3 befindet sich ein Sitz 2 mit einem Sitzgurt 1 für eine (nicht dargestellte) Person 4. Es ist eine zentral über dem Lenker am Dach des Fahrzeuginnenraums angeordnete Bildaufnahmeeinheit 5 in Form einer Kamera vorgesehen, die derart ausgerichtet ist, dass sie den Sitz 2 zum Großteil erfasst. Ferner befinden sich im Fahrzeug 3 eine Datenverarbeitungseinheit 6, eine damit verbundene Komparatoreinheit 12 in Form eines Softwaremoduls und eine Anzeigeeinheit 13 in Form einer Lampe oder einer elektronischen Anzeige auf einem Display im Armaturenbrett. Die Datenverarbeitungseinheit 6 und die Komparatoreinheit 12 sind in diesem Ausführungsbeispiel mit einer internen Datenbank 9 verbunden. Figs. 2a - 2b zeigen schematische Darstellungen der von einer Ausführungsform der erfindungsgemäßen Vorrichtung erstellten Datenmodelle, nämlich des Sitzgurtdatenmodells 7 und des Körperdatenmodells 8. Die Person 4 ist schematisch angedeutet, ebenfalls dargestellt ist der Sitz 2 und der Sitzgurt 1. In diesem Ausführungsbeispiel ist der Sitzgurt korrekt positioniert.
Die Komparatoreinheit 12 erkennt die korrekte Positionierung des Sitzgurtes 1 in diesem Ausführungsbeispiel durch Anwenden der Heuristik, dass ein erster Sitzgurtabschnitt 14 die Schulter der Person 4 kreuzt, und ein zweiter Sitzgurtabschnitt 15 das Becken der Person 4 kreuzt bzw. in geringem Abstand im Wesentlichen parallel über dem Becken der Person 4 verläuft. Ferner beträgt der Winkel a zwischen dem detektierten ersten Sitzgurtabschnitt 14 und zweiten Sitzgurtabschnitt 15 etwa 45°. Darüber hinaus kann die Komparatoreinheit 12 oder die Datenverarbeitungseinheit 6 auch die Länge der beiden Sitzgurtabschnitte 14, 15 feststellen und diese zur Beurteilung der Korrektheit heranziehen; in der Regel ist der erste Sitzgurtabschnitt 14 bei korrekter Positionierung länger als der zweite Sitzgurtabschnitt 15.
In weiteren, nicht dargestellten Ausführungsformen kann die Komparatoreinheit 12 schon aufgrund der detektierten Länge des ersten Sitzgurtabschnitts 14 und des Winkels ß zwischen dem ersten Sitzgurtabschnitt 14 und dem im Körperdatenmodell 8 detektierten Rückgrat feststellen, ob eine korrekte Positionierung gegeben ist.
Mit anderen Worten, es ist nicht zwingend erforderlich, beide Sitzgurtabschnitte 14, 15 zu detektieren, um eine korrekte Positionierung des Sitzgurtes feststellen zu können.
Fig. 3 zeigt eine schematische Darstellung des Datenflusses in einer Ausführungsform eines erfindungsgemäßen Verfahrens. Die Bildaufnahmeeinheit 5 liefert Fotos und/oder Videos des Sitzes 2 mit der Person 4 und dem Sitzgurt 1 an die Datenverarbeitungseinheit 6. Diese extrahiert aus den Fotos zunächst den räumlichen Verlauf des Sitzgurtes 1 und Körperdaten der Person 4. Dabei kann die Datenverarbeitungseinheit auf Bilderkennungsalgorithmen zurückgreifen oder einen internen oder externen, vorab mit Trainingsbeispielen trainierten Detektor, beispielsweise ein neuronales Netz, heranziehen. Dieser Detektor ist Teil der Datenverarbeitungseinheit 6. Im vorliegenden Ausführungsbeispiel vergleicht die Datenverarbeitungseinheit 6 die aufgenommenen Fotos und/oder Videos mit auf einer Datenbank 9 hinterlegten Fotos und/oder Videos von vorab aufgenommenen Personen mit angelegtem Sitzgurt, um den räumlichen Verlauf des Sitzgurtes 1 und die Körperdaten der Person zu extrahieren.
Eine spezielle Markierung oder Färbung des Sitzgurtes 1 kann bei der Extraktion vorteilhaft sein, ist jedoch in keinem der Ausführungsbeispiele der Erfindung zwingend erforderlich.
Aus dem räumlichen Verlauf des Sitzgurtes 1 und den Körperdaten der Person 4 generiert die Datenverarbeitungseinheit 6 ein räumliches Sitzgurtdatenmodell 7 und ein Körperdatenmodell 8 in Form einer Tabelle von Punkten in einem Koordinatensystem oder in Form von Graphen, also durch Linien (Kanten) verbundenen Punktwolken. Dies hat den Vorteil, dass für die nachfolgenden Operationen weniger Rechenaufwand benötigt wird, als wenn die Fotos in Folge direkt verwendet werden würden.
Zur Generierung des Sitzgurtdatenmodells 7 und des Körperdatenmodells 8 ist die Datenverarbeitungseinheit in Ausführungsformen der Erfindung dazu ausgebildet, in den von der Bildaufnahmeeinheit 5 übermittelten Fotos oder Videos vorbestimmte Schlüsselpunkte zu erkennen.
Für das Körperdatenmodell 8 handelt es sich bei den Schlüsselpunkten insbesondere um die Positionen der Augen, der Nase, der Schultern, der Ellenbogen, der Flandgelenke, der Hüften, und/oder der Knie der Person im Sitz. Für das Sitzgurtdatenmodell 7 handelt es sich bei den Schlüsselpunkten insbesondere um den Anfangspunkt und den Endpunkt sowie Knickpunkte, Umlenkpunkte oder linear dazwischen detektierte oder interpolierte Punkte oder Abschnitte des Sitzgurtes.
Die Positionen dieser Schlüsselpunkte werden vorzugsweise in einem 2-dimensionalen Koordinatensystem gespeichert, um das Körperdatenmodell 8 und das Sitzgurtdatenmodell 7 zu bilden. Das Körperdatenmodell 8 kann beispielsweise bei einer Auflösung des Eingabebildes von 766 x 612 Pixeln folgenden Aufbau haben, wobei nicht zwingend für alle Schlüsselpunkte Koordinaten existieren müssen:
Figure imgf000013_0001
Zusätzlich zu den Koordinatenwerten der Punkte können auch Verbindungen der Punkte zur Bildung eines Graphen gespeichert werden.
Analog dazu kann das Sitzgurtdatenmodell 7 beispielsweise bei einer Auflösung des Eingabebildes von 766 x 612 Pixeln folgenden Aufbau haben:
Figure imgf000013_0002
Zusätzlich zu den Koordinatenwerten der Punkte können auch Verbindungen der Punkte zur Bildung eines Graphen gespeichert werden. In weiteren Ausführungsformen der Erfindung können die Schlüsselpunkte des Sitzgurtdatenmodells 7 und des Körperdatenmodells 8 auch in einem 3-dimensionalen Koordinatensystem gespeichert sein. Dies erlaubt insbesondere eine verbesserte Verarbeitung der Datenmodelle in der nachfolgenden Komparatoreinheit 12.
Zur Generierung des Sitzgurtdatenmodells 7 und des Körperdatenmodells 8 bzw. zur Erkennung der Schlüsselpunkte können verschiedene Verfahren angewandt werden. Im vorliegenden Ausführungsbeispiel erfolgt die Schätzung von 2D Koordinaten der Schlüsselpunkte durch ein neuronales Netzwerk, welches einen direkten Vergleich der aufgenommenen Kamerabilder mit vorab gespeicherten Referenzbildern im zweidimensionalen Raum durchführt. Zusätzlich können Tiefendaten, welche von einer Tiefenkamera (TOF-Kamer) parallel zur regulären 2D-Kamera aufgenommen werden, zur Schätzung von dreidimensionalen Koordinaten der Schlüsselpunkte herangezogen werden. Es können aber auch direkt 3D-Koordinaten durch ein 3D-Kamerasystem aufgenommen werden, wobei dann die Schätzung der 3D-Schlüsselpunkte durch ein neuronales Netzwerk erfolgt, welches einen direkten Vergleich der aufgenommenen Kamerabilder mit gespeicherten Referenzbildern im 3D-Raum durchführt.
Die Datenmodelle werden in ein gemeinsames, zwei- oder dreidimensionales Sitzdatenmuster 10 kombiniert und an eine Komparatoreinheit 12 übermittelt. Dieses Sitzdatenmuster 10 kann beispielsweise als einfache Kombination (Aneinanderreihung) der oben dargestellten Tabellen (ohne Verbindungskanten) bzw. Graphen (mit Verbindungskanten) implementiert sein. Auch bei einer Speicherung als Graph müssen aber nicht alle Schlüsselpunkte miteinander verbunden sein.
Die Komparatoreinheit 12 vergleicht das Sitzdatenmuster 10 mit einer Vielzahl an vorab in einer Datenbank 9 gespeicherten 2D- oder 3D-Referenzdatenmustern 11.
Fig. 4 zeigt beispielhaft eine grafische Darstellung eines Sitzdatenmusters 10 in einem 2-dimensionalen Koordinatensystem und den Vergleich mit einer Vielzahl von vorab in der Datenbank 9 hinterlegten Referenzdatenmustern 11 , 1 T, 11“. Die Referenzdatenmuster können dabei jeweils danach klassifiziert sein, ob sie korrekt oder fehlerhaft positionierte Sitzgurte zeigen. Bei hinreichender Übereinstimmung mit einem der hinterlegten Referenzdatenmustern 11 stellt die Komparatoreinheit 12 oder die Datenverarbeitungseinheit 6 die Korrektheit der Positionierung des Sitzgurtes fest, andernfalls die Fehlerhaftigkeit. Zur Beurteilung der Übereinstimmung kann insbesondere ein vorab mit einer Vielzahl von Referenzdatenmustern 11 trainiertes neuronales Netz eingesetzt werden. Dieses neuronale Netz kann vorab beispielsweise mit Datenmustern von korrekt bzw. fehlerhaft angeschnallten Personen trainiert worden sein.
Die Erfindung beschränkt sich nicht auf die beschriebenen Ausführungsbeispiele sondern umfasst auch weitere Ausführungen der vorliegenden Erfindung im Rahmen der nachfolgenden Patentansprüche.
Bezugszeichenliste
1 Sitzgurt
2 Sitz
3 Fahrzeug
4 Person
5 Bildaufnahmeeinheit
6 Datenverarbeitungseinheit
7 Sitzgurtdatenmodell
8 Körperdatenmodell
9 Datenbank
10 Sitzdatenmuster
11 Referenzdatenmuster
12 Komparatoreinheit
13 Anzeigeeinheit
14 Erster Sitzgurtabschnitt
15 Zweiter Sitzgurtabschnitt

Claims

Patentansprüche
1. Verfahren zur Detektion der korrekten Positionierung eines Sitzgurtes (1) bei einer in einem Sitz (2) eines Fahrzeugs (3) sitzenden Person (4), umfassend die folgenden Schritte:
- Aufnahme, durch eine im Fahrzeug (3) angeordnete Bildaufnahmeeinheit (5) in 2-D oder 3-D, des Sitzes (2) mit der Person (4) und dem Sitzgurt (1),
- Extraktion, durch eine Datenverarbeitungseinheit (6), eines räumlichen Verlaufs des Sitzgurtes (1) und von Körperdaten der Person (4),
- Generierung, durch die Datenverarbeitungseinheit (6), eines räumlichen Sitzgurtdatenmodells (7) aus dem räumlichen Verlauf des Sitzgurtes (1) und eines Körperdatenmodells (8) aus den Körperdaten,
- Bestimmung, durch eine Komparatoreinheit (12), der Korrektheit oder Fehlerhaftigkeit der Positionierung des Sitzgurtes (1), insbesondere durch Vergleich von Sitzgurtdatenmodell (7) und Körperdatenmodell (8),
- Anzeige, durch eine Anzeigeeinheit (13), der Korrektheit oder Fehlerhaftigkeit der Positionierung des Sitzgurtes (1).
2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass die Bildaufnahmeeinheit (5) eine Vielzahl von Bildern aufnimmt, die von der Datenverarbeitungseinheit (6) überlagert werden, um eine robustere Extraktion des räumlichen Verlaufs des Sitzgurtes (1) und der Körperdaten der Person (4) zu ermöglichen.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass die Bildaufnahmeeinheit (5) ein Video aufnimmt, das von der Datenverarbeitungseinheit (6) herangezogen wird, um eine robustere Extraktion des räumlichen Verlaufs des Sitzgurtes (1) und der Körperdaten der Person (4) zu ermöglichen.
4. Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass die Korrektheit oder Fehlerhaftigkeit der Positionierung des Sitzgurtes (1) beurteilt wird, indem
- die Datenverarbeitungseinheit (6) das Sitzgurtdatenmodell (7) und das Körperdatenmodell (8) in ein Sitzdatenmuster (10) kombiniert,
- die Komparatoreinheit (12) das Sitzdatenmuster (10) mit einer Vielzahl an in einer Datenbank (9) vorab gespeicherten korrekten Referenzdatenmustern (11) vergleicht, beispielsweise durch Anwendung eines Matching-Algorithmus oder eines Klassifikationsverfahrens aus dem Bereich des maschinellen Lernens, insbesondere eines vorab mit den Referenzdatenmustern (11) trainierten neuronalen Netzes,
- bei hinreichender Übereinstimmung mit den korrekten Referenzdatenmustern (11) die Korrektheit feststellt und andernfalls die Fehlerhaftigkeit feststellt.
5. Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass die Korrektheit oder Fehlerhaftigkeit der Positionierung des Sitzgurtes (1) beurteilt wird, indem die Datenverarbeitungseinheit (6)
- räumliche Sitzgurtkenngrößen des Sitzgurtdatenmodells (7) bestimmt, beispielsweise die Länge und den Winkel zwischen zumindest einem ersten Sitzgurtabschnitt und zumindest einem zweiten Sitzgurtabschnitt,
- räumliche Körperkenngrößen des Körperdatenmodells (8) bestimmt, beispielsweise die Schulterbreite, die Rumpflänge und die Anordnung der Schultergelenke und des Beckens der Person (4),
- die Sitzgurtkenngrößen den Körperkenngrößen räumlich überlagert und vorbestimmte Heuristiken anwendet, um die Korrektheit oder Fehlerhaftigkeit der Positionierung des Sitzgurtes festzustellen, beispielsweise den Verlauf des ersten Sitzgurtabschnittes über der Schulter und des zweiten Sitzgurtabschnittes über das Becken der Person (4) sowie einen Winkel zwischen den beiden Sitzgurtabschnitten innerhalb eines vorbestimmten Bereichs, beispielsweise 30° bis 60°.
6. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass es sich bei den Körperdaten zumindest um Positionen von definierten Schlüsselpunkten, wie zum Beispiel Handgelenken, Armgelenken, Brustbein, Schultergelenken, Kniegelenken, Ellbogengelenken, Hüftgelenken, oder Kopfmittelpunkte, sowie um Abmessungen zwischen diesen Positionen, wie zum Beispiel Schulterbreite, Beckenbreite, Halslänge, Oberschenkellänge, und dergleichen handelt.
7. Computerlesbares Speichermedium, umfassend Anweisungen, die eine Datenverarbeitungseinheit (6) zur Ausführung eines Verfahrens nach einem der Ansprüche 1 bis 6 veranlassen.
8. Vorrichtung zur Detektion der korrekten Positionierung eines Sitzgurtes (1) bei einer in einem Sitz (2) eines Fahrzeugs (3) sitzenden Person (4), umfassend:
- eine im Fahrzeug (3) angeordnete Bildaufnahmeeinheit (5) in 2-D oder 3- D, die zur Aufnahme des Sitzes (2) mit der Person (4) und dem Sitzgurt (1) ausgebildet ist,
- eine Datenverarbeitungseinheit (6), die i. zur Extraktion eines räumlichen Verlaufs des Sitzgurtes (1) und von Körperdaten der Person (4) und zur ii. Generierung eines räumlichen Sitzgurtdatenmodells (7) aus dem räumlichen Verlauf des Sitzgurtes (1) und eines Körperdatenmodells (8) aus den Körperdaten ausgebildet ist,
- eine Komparatoreinheit (12), die zur Beurteilung der Korrektheit oder Fehlerhaftigkeit der Positionierung des Sitzgurtes (1) ausgebildet ist,
- eine Anzeigeeinheit (13), die zur Anzeige der Korrektheit oder Fehlerhaftigkeit der Positionierung des Sitzgurtes (1) ausgebildet ist.
9. Vorrichtung nach Anspruch 8, dadurch gekennzeichnet, dass die Komparatoreinheit (12) mit einer Datenbank (9) in Verbindung steht, in der eine Vielzahl an Referenzdatenmustern (11) gespeichert sind, und wobei
- die Datenverarbeitungseinheit (6) dazu ausgebildet ist, das Sitzgurtdatenmodell (7) und das Körperdatenmodell (8) in ein Sitzdatenmuster (10) zu kombinieren,
- die Komparatoreinheit (12) dazu ausgebildet ist, das Sitzdatenmuster (10) mit den Referenzdatenmustern (11) zu vergleichen, und dazu ausgebildet ist, bei hinreichender Übereinstimmung mit den Referenzdatenmustern (11) die Korrektheit, andernfalls die Fehlerhaftigkeit der Positionierung des Sitzgurtes festzustellen.
10. Vorrichtung nach Anspruch 8 oder 9, dadurch gekennzeichnet, dass die Vorrichtung zur Gänze in einem Fahrzeug angeordnet ist.
PCT/EP2021/051826 2020-03-02 2021-01-27 Verfahren und vorrichtung zur optischen sitzgurterkennung WO2021175517A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
ATA50152/2020 2020-03-02
ATA50152/2020A AT523045B1 (de) 2020-03-02 2020-03-02 Verfahren und Vorrichtung zur Sitzgurterkennung

Publications (1)

Publication Number Publication Date
WO2021175517A1 true WO2021175517A1 (de) 2021-09-10

Family

ID=74347095

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2021/051826 WO2021175517A1 (de) 2020-03-02 2021-01-27 Verfahren und vorrichtung zur optischen sitzgurterkennung

Country Status (2)

Country Link
AT (1) AT523045B1 (de)
WO (1) WO2021175517A1 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11938878B1 (en) * 2021-06-25 2024-03-26 Zoox, Inc. Occupant restraint system and method

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2610169A (en) * 2021-08-20 2023-03-01 Aptiv Tech Ltd Method and system for creating training data
DE102021211739B4 (de) 2021-10-18 2023-07-06 Volkswagen Aktiengesellschaft Bestimmung der Sternumsposition
KR102616328B1 (ko) 2021-12-27 2023-12-21 현대모비스 주식회사 안전벨트 착용 판단 장치 및 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050263992A1 (en) * 2004-05-26 2005-12-01 Mieko Matsuda Airbag device and occupant classification device
EP2987688A1 (de) * 2014-08-17 2016-02-24 Toyota Motor Engineering & Manufacturing North America, Inc. Sicherheitsgurtsystem mit videoerkennunggesteuertem interlock
WO2018106890A1 (en) * 2016-12-07 2018-06-14 Tk Holdings Inc. 3d time of flight active reflecting sensing systems and methods
US20180326944A1 (en) * 2017-05-15 2018-11-15 Joyson Safety Systems Acquisition Llc Detection and Monitoring of Occupant Seat Belt
US20190225186A1 (en) * 2018-01-19 2019-07-25 Ford Global Technologies, Llc Seatbelt buckling detection

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102004001480A1 (de) * 2004-01-09 2005-08-04 Conti Temic Microelectronic Gmbh Vorrichtung und Verfahren zur Einstellung eines Auslöseschwellwertes einer Insassenschutzeinrichtung in einem Fahrzeug
US20100182425A1 (en) * 2009-01-21 2010-07-22 Mazda Motor Corporation Vehicle interior state recognition device
CN202518219U (zh) * 2012-01-20 2012-11-07 江苏大学 基于机器视觉的安全带佩带识别装置
DE102013018742A1 (de) * 2013-11-07 2015-05-07 Daimler Ag Verfahren zur Ermittlung eines Anlegestatus eines Sicherheitsgurtes
EP2937251B1 (de) * 2014-04-24 2017-07-12 Volvo Car Corporation System und Verfahren zur Detektion der Position des Sicherheitsgurts
US9650016B2 (en) * 2014-12-04 2017-05-16 GM Global Technology Operations LLC Detection of seatbelt position in a vehicle
US9878689B1 (en) * 2017-06-30 2018-01-30 Zoox, Inc. Seatbelt system including occupant detector

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050263992A1 (en) * 2004-05-26 2005-12-01 Mieko Matsuda Airbag device and occupant classification device
EP2987688A1 (de) * 2014-08-17 2016-02-24 Toyota Motor Engineering & Manufacturing North America, Inc. Sicherheitsgurtsystem mit videoerkennunggesteuertem interlock
WO2018106890A1 (en) * 2016-12-07 2018-06-14 Tk Holdings Inc. 3d time of flight active reflecting sensing systems and methods
US20180326944A1 (en) * 2017-05-15 2018-11-15 Joyson Safety Systems Acquisition Llc Detection and Monitoring of Occupant Seat Belt
US20190225186A1 (en) * 2018-01-19 2019-07-25 Ford Global Technologies, Llc Seatbelt buckling detection

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
CHUN SEHYUN ET AL: "NADS-Net: A Nimble Architecture for Driver and Seat Belt Detection via Convolutional Neural Networks", 2019 IEEE/CVF INTERNATIONAL CONFERENCE ON COMPUTER VISION WORKSHOP (ICCVW), 8 October 2019 (2019-10-08), pages 1 - 9, XP055791599, ISBN: 978-1-7281-5023-9, Retrieved from the Internet <URL:https://arxiv.org/pdf/1910.03695.pdf> [retrieved on 20210330], DOI: 10.1109/ICCVW.2019.00295 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11938878B1 (en) * 2021-06-25 2024-03-26 Zoox, Inc. Occupant restraint system and method

Also Published As

Publication number Publication date
AT523045B1 (de) 2021-05-15
AT523045A4 (de) 2021-05-15

Similar Documents

Publication Publication Date Title
WO2021175517A1 (de) Verfahren und vorrichtung zur optischen sitzgurterkennung
DE69833999T2 (de) Verfahren zur automatischen erkennung menschlicher augen in digitalbildern
DE102017220307B4 (de) Vorrichtung und Verfahren zum Erkennen von Verkehrszeichen
DE102018208920A1 (de) Informationsverarbeitungsvorrichtung und Abschätzungsverfahren für ein Abschätzen einer Blickrichtung einer Person und eine Lernvorrichtung und ein Lernverfahren
DE19614975A1 (de) Gesichtsbildverarbeitungssystem
DE102017214353A1 (de) Fahrerzustands-erfassungssystem, fahrerzustands-erfassungsverfahren und diese enthaltendes fahrzeug
DE112013002740T5 (de) Menscherfassungsvorrichtung
DE102011054658A1 (de) Verfahren zur Unterscheidung zwischen einem realen Gesicht und einer zweidimensionalen Abbildung des Gesichts in einem biometrischen Erfassungsprozess
DE112017007303B4 (de) Gesichtserkennungsvorrichtung
DE102019106398A1 (de) Bildanalysevorrichtung, verfahren und programm
AT523727B1 (de) Computerimplementiertes Verfahren zur Analyse des Innenraums eines Fahrzeugs
DE102014226076A1 (de) Verfahren und Vorrichtung für die Erkennung von Passanten
DE112016006921T5 (de) Schätzung der menschlichen Ausrichtung in Bildern unter Verwendung von Tiefeninformationen
DE102020126953B3 (de) System und Verfahren zum Erfassen einer räumlichen Orientierung einer tragbaren Vorrichtung
DE102019106386A1 (de) Bildanalysevorrichtung, verfahren und programm
WO2008034646A1 (de) Verfahren und vorrichtung zum erkennen eines gesichts sowie ein gesichtserkennungsmodul
EP3944136A1 (de) Verfahren zum personalisieren eines id-dokuments und id-dokument
DE10260642B4 (de) Verfahren zur Erstellung einer Referenz für Fingerprints und zum Vergleich von Fingerprints
WO2003025843A2 (de) Modellbasierte objektklassifikation und zielerkennung
DE102018208837A1 (de) Computerprogrammprodukt zum elektrischen Einstellen eines Fahrzeugsitzes, Einstellsystem und Fahrzeug
EP1756748B1 (de) Verfahren zur klassifizierung eines objekts mit einer stereokamera
EP1402460B1 (de) Automatische identifikation und/oder verifikation linienhafter texturen wie fingerabdrücke
DE102021206625A1 (de) Computerimplementiertes Verfahren und System zur Unterstützung einer Installation eines bildgebenden Sensors und Trainingsverfahren
DE102020126954A1 (de) System und Verfahren zum Erfassen einer räumlichen Orientierung einer tragbaren Vorrichtung
DE102019201583A1 (de) Benutzererkennungsvorrichtung zum Ermitteln einer Identität eines Benutzers

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: 21702250

Country of ref document: EP

Kind code of ref document: A1

DPE1 Request for preliminary examination filed after expiration of 19th month from priority date (pct application filed from 20040101)
NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21702250

Country of ref document: EP

Kind code of ref document: A1