WO2024165285A1 - Method for a camera-based detection and verification of traffic signs - Google Patents

Method for a camera-based detection and verification of traffic signs Download PDF

Info

Publication number
WO2024165285A1
WO2024165285A1 PCT/EP2024/051054 EP2024051054W WO2024165285A1 WO 2024165285 A1 WO2024165285 A1 WO 2024165285A1 EP 2024051054 W EP2024051054 W EP 2024051054W WO 2024165285 A1 WO2024165285 A1 WO 2024165285A1
Authority
WO
WIPO (PCT)
Prior art keywords
camera
vehicles
traffic
road
speed limits
Prior art date
Application number
PCT/EP2024/051054
Other languages
German (de)
French (fr)
Inventor
Mario Aleksic
Noah Engmann
Alexander Bracht
Michael Henzler
Anja Severin
Roland Ortloff
Philip Kneißle
Andreas Silvius WEBER
Tobias Mahler
Michael Mink
Original Assignee
Mercedes-Benz Group 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 Mercedes-Benz Group AG filed Critical Mercedes-Benz Group AG
Publication of WO2024165285A1 publication Critical patent/WO2024165285A1/en

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/09623—Systems involving the acquisition of information from passive traffic signs by means mounted on the vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR 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
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/582—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of traffic signs
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation

Definitions

  • the invention relates to a method for camera-based recognition and verification of traffic signs according to the preamble of claim 1.
  • DE 102021 005438 A1 discloses a method for determining route attributes in a road map of a vehicle system from sign observations, in which a traffic sign detected at a specific point is transmitted to a navigation device and assigned to a specified section of the road map as a route attribute.
  • the road sign is detected by a camera positioned in a vehicle moving on the section of the route, whereby all traffic signs detected by the cameras of the vehicles in a specific area in a specified period of time are collected and the points determined by the traffic signs, including a direction of travel of the vehicles, are assigned to a route network of the existing road map. From the totality of the point information, the route sections influenced by the respective traffic signs are selected and assigned the route attributes resulting from the sign observation, whereby the route attributes obtained are made available to the vehicle systems of the vehicles for use.
  • the invention is based on the object of specifying a novel method for camera-based recognition and verification of traffic signs.
  • the object is achieved according to the invention by a method which has the features specified in claim 1.
  • images of a respective vehicle environment are captured using cameras arranged on a large number of vehicles, traffic signs in the respective vehicle environment are recognized in an image analysis, and recognized traffic signs are statistically evaluated in order to determine a speed limit for vehicles valid on a section of road.
  • the speed limit of a respective section of road determined by means of camera-based traffic sign recognition is compared with the speeds actually driven by vehicles on this section of road. Based on the comparison, plausible and implausible specific speed limits are identified, whereby implausible speed limits are not made available to other vehicle systems and/or remain unused when digital road maps are updated and/or are suppressed during camera-based traffic sign recognition.
  • image recognition algorithms can be improved by analyzing a large amount of sensor data from implausible traffic signs. For example, a measurement campaign can be started in the vehicles, which then transmits additional data that would otherwise not be transmitted, such as high-resolution video data.
  • Fig. 1 shows a schematic flow of a method for camera-based recognition and verification of traffic signs.
  • the sole Figure 1 shows a sequence of a possible embodiment of a method for camera-based recognition and verification of traffic signs.
  • a method step S1 images of a respective vehicle environment are captured using cameras arranged on a large number of vehicles, and traffic signs in the respective vehicle environment are recognized in an image analysis. Recognized traffic signs are then statistically evaluated in order to determine a speed limit for vehicles that applies on a section of road.
  • method step S1 is carried out according to the method described in DE 102021 005438 A1, in which a traffic sign recognized at a specific point is transmitted to a navigation device and assigned to a predetermined route section of a digital road map as a route attribute.
  • the traffic sign is detected by a camera positioned in a vehicle moving along the section of road, whereby all the traffic signs detected by the cameras of the vehicles in a certain area within a given period of time are recorded. Traffic signs are collected and the points determined by the traffic signs, including the direction of travel of the vehicles, are assigned to a route network of the existing road map. From the totality of the point-based information, the route sections influenced by the respective traffic signs are selected and assigned the route attributes resulting from the traffic sign observation, with the route attributes obtained being made available to the vehicle systems of the vehicles for use.
  • step S2 the speed limit of a respective route section determined by means of camera-based traffic sign recognition is compared with the speeds actually driven by vehicles on this route section. Based on the comparison, plausible and implausible speed limits are identified and marked on the route sections influenced by the individual traffic signs. This can be done, for example, using the method described in DE 102022 002 337. Speed limits determined using camera-based traffic sign recognition are implausible, for example, if the speeds actually driven by vehicles on route sections are significantly higher than the speed limits determined in these route sections using camera-based traffic sign recognition.
  • step S3 for example, the following measures are carried out if implausible specific speed limits are identified.
  • information from implausible speed limits is not transmitted to vehicle systems. Instead, information from an underlying digital map can be used to operate the vehicle systems. This means that when digital road maps are updated, implausible speed limits remain unused.
  • the camera-based detected traffic signs with the speed limits are completely ignored.
  • information is provided of a last traffic sign located opposite to the direction of travel of the vehicle, the vehicle is rolled out onto a subsequent section of road.
  • Another possible measure involves transmitting information to the vehicle systems that the cameras often incorrectly recognize a certain traffic sign at a certain position. Such camera-based traffic sign recognition can then be suppressed in the vehicle.
  • Another possible measure is to improve image recognition algorithms by analyzing a large amount of sensor data from implausible traffic signs. For example, a measurement campaign can be started in the vehicles, which then transmits additional data that would otherwise not be transmitted, such as high-resolution video data.
  • the comparison of the determined speed limits with the actual speeds driven in process step S2 is carried out as follows, for example: vehicles record their current speed at fixed location and time intervals and transmit these to a central processing unit external to the vehicle. If necessary, the speed values are also stored in the vehicles.
  • the processing unit is used to assign trajectories driven by the vehicles to traffic routes, with the speeds driven being recorded for predetermined measuring points on the traffic routes separately according to the direction of travel.
  • the measuring points are, for example, points with fixed distances from one road junction to another road junction or, for example, intermediate points on the traffic routes contained in a digital map in the form of geocoordinates.
  • the vehicles will not have measured their speed precisely at these measuring points. In this case, a nearest point measured by the vehicle can be used or the speed driven can be interpolated between the two points measured by the vehicle closest to a map point.
  • a validation of the speed limits can be carried out from the values at the measuring points using one of the methods described below.
  • One possible method uses artificial intelligence. This involves using models with artificial intelligence to predict the speed limit valid at a measuring point from various types of input data as output. The models are trained for this purpose, for which the valid speed limits are specified in at least part of the route network. This can be done through measurement campaigns in which the valid speed limits are determined manually. Alternatively, speed limits rolled out from traffic sign observations can be compared with another data source, for example a digital map manufacturer. Where both sources have the same speed value, this value is highly likely to be correct and can therefore be used by the artificial intelligence in a training and a test data set.
  • Another possible method involves an independent prediction of a valid speed limit at each measuring point.
  • the speeds measured by the individual vehicles at one point are used as input data for the model with the artificial intelligence and a valid speed limit is predicted at this point.
  • the measured values can be fed in raw or as a frequency distribution, for example as the number of measured speeds in blocks of 5 (for example 0 km/h to 5 km/h, 5 km/h to 10 km/h, etc.). This corresponds in particular to the
  • a traffic sign can be considered valid if, for a certain proportion of, for example, 50% of these measuring points, the same speed limit was predicted that was also recognized with the traffic sign. Otherwise, the traffic sign is not valid. In addition to the number of correct predictions, depending on the model with artificial Intelligence and the confidence of the respective prediction must also be taken into account in the decision.
  • Another possible method involves validating a change in a speed limit using measuring points in the vicinity of a traffic sign.
  • a characteristic braking behavior of the vehicles occurs. Therefore, some measuring points in front of and behind the recognized traffic sign can be used as input data for the artificial intelligence. The value of the traffic sign is then predicted as the output. The measured speeds can again be used raw or as frequency distributions.
  • conditional speed limits can be displayed with additional traffic signs, also known as additional signs, on which certain conditions are shown, for example "when it rains" or "at certain times". If this condition is not met, a different speed limit applies, which can be displayed with another sign, can be indicated by a road type (for example 100 km/h on country roads in Germany) or can be determined from a previous traffic sign. If additional data is collected with the speed measurements of the vehicles, for example a time of day or a windshield wiper status, the speed measurements can be classified at the measuring points and, for example, if a rain limit is displayed, separate predictions can be made from the data with active and inactive windshield wipers.
  • time ranges can be classified accordingly from the measuring points. If the additional signs in the vehicles cannot be fully evaluated from image recognition and, for example, only the information that a time restriction applies is derived, but not a specific time, artificial intelligence methods can be used to search the data from the measuring points for several distributions that are characteristic of a speed limit and thus determine the time that is valid for the restriction.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

The invention relates to a method for a camera-based detection and verification of traffic signs, according to which cameras arranged on a plurality of vehicles are used to capture images of an area surrounding a respective vehicle, traffic signs in the area surrounding the vehicle are identified in an image analysis process, and identified traffic signs are statistically analyzed in order to determine a vehicle speed limit applying to a section of road. According to the invention, the speed limit applying to a section of road and determined using the camera-based traffic sign detection is compared with speeds actually traveled by vehicles along said section of road. The comparison is used to identify plausible and implausible determined speed limits, and implausible speed limits are not supplied to other vehicle systems and/or remain unused when a digital road map is updated and/or are suppressed during the camera-based traffic sign detection process.

Description

Verfahren zur kamerabasierten Erkennung und Verifikation von Verkehrszeichen Method for camera-based recognition and verification of traffic signs
Die Erfindung betrifft ein Verfahren zur kamerabasierten Erkennung und Verifikation von Verkehrszeichen gemäß dem Oberbegriff des Anspruchs 1. The invention relates to a method for camera-based recognition and verification of traffic signs according to the preamble of claim 1.
Aus dem Stand der Technik sind kamerabasierte Systeme zur Verkehrszeichenerkennung bekannt. Dabei ist bekannt, dass mit einer statistischen Auswertung von an einem Ort von vielen Fahrzeugen erkannten Verkehrsschildern Geschwindigkeitsbegrenzungen abgeleitet werden. Camera-based systems for traffic sign recognition are known from the state of the art. It is known that speed limits can be derived using a statistical evaluation of traffic signs recognized by many vehicles at one location.
Aus der DE 102021 005438 A1 ist ein Verfahren zur Bestimmung von Streckenattributen in einer Straßenkarte eines Fahrzeugsystems aus Schilderbeobachtungen bekannt, bei welchem ein punktuell erkanntes Verkehrsschild einem Navigationsgerät übermittelt und in diesem einem vorgegebenen Streckenabschnitt der Straßenkarte als Streckenattribut zugewiesen wird. Das Straßenschild wird von einer in einem sich auf dem Streckenabschnitt bewegenden Fahrzeug positionierten Kamera detektiert, wobei alle von den Kameras der Fahrzeuge in einem bestimmten Gebiet in einem vorgegebenen Zeitraum erkannten Verkehrsschilder gesammelt werden und die durch die Verkehrsschilder ermittelten Punkte einschließlich einer Fahrtrichtung der Fahrzeuge einem Streckennetz der bestehenden Straßenkarte zugewiesen werden. Aus der Gesamtheit der punktuellen Informationen werden die von den jeweiligen Verkehrsschildern beeinflussten Streckenabschnitte ausgewählt und mit den aus der Schilderbeobachtung resultierenden Streckenattributen belegt, wobei die gewonnenen Streckenattribute den Fahrzeugsystemen der Fahrzeuge zur Nutzung bereitgestellt werden. DE 102021 005438 A1 discloses a method for determining route attributes in a road map of a vehicle system from sign observations, in which a traffic sign detected at a specific point is transmitted to a navigation device and assigned to a specified section of the road map as a route attribute. The road sign is detected by a camera positioned in a vehicle moving on the section of the route, whereby all traffic signs detected by the cameras of the vehicles in a specific area in a specified period of time are collected and the points determined by the traffic signs, including a direction of travel of the vehicles, are assigned to a route network of the existing road map. From the totality of the point information, the route sections influenced by the respective traffic signs are selected and assigned the route attributes resulting from the sign observation, whereby the route attributes obtained are made available to the vehicle systems of the vehicles for use.
Der Erfindung liegt die Aufgabe zu Grunde, ein neuartiges Verfahren zur kamerabasierten Erkennung und Verifikation von Verkehrszeichen anzugeben. Die Aufgabe wird erfindungsgemäß gelöst durch ein Verfahren, welches die im Anspruch 1 angegebenen Merkmale aufweist. The invention is based on the object of specifying a novel method for camera-based recognition and verification of traffic signs. The object is achieved according to the invention by a method which has the features specified in claim 1.
Vorteilhafte Ausgestaltungen der Erfindung sind Gegenstand der Unteransprüche. Advantageous embodiments of the invention are the subject of the subclaims.
In einem Verfahren zur kamerabasierten Erkennung und Verifikation von Verkehrszeichen werden mittels an einer Vielzahl von Fahrzeugen angeordneten Kameras Bilder einer jeweiligen Fahrzeugumgebung erfasst, in einer Bildauswertung Verkehrszeichen in der jeweiligen Fahrzeugumgebung erkannt und erkannte Verkehrszeichen statistisch ausgewertet, um eine auf einem Streckenabschnitt gültige Geschwindigkeitsbegrenzung für Fahrzeuge zu bestimmen. In a method for camera-based recognition and verification of traffic signs, images of a respective vehicle environment are captured using cameras arranged on a large number of vehicles, traffic signs in the respective vehicle environment are recognized in an image analysis, and recognized traffic signs are statistically evaluated in order to determine a speed limit for vehicles valid on a section of road.
Erfindungsgemäß wird die mittels der kamerabasierten Verkehrszeichenerkennung bestimmte Geschwindigkeitsbegrenzung eines jeweiligen Streckenabschnitts mit in diesem Streckenabschnitt tatsächlich von Fahrzeugen gefahrenen Geschwindigkeiten abgeglichen. Anhand des Abgleichs werden plausible und unplausible bestimmte Geschwindigkeitsbegrenzungen identifiziert, wobei unplausible Geschwindigkeitsbegrenzungen an andere Fahrzeugsysteme nicht bereitgestellt werden und/oder bei einer Aktualisierung digitaler Straßenkarten ungenutzt bleiben und/oder bei der kamerabasierten Verkehrszeichenerkennung unterdrückt werden. According to the invention, the speed limit of a respective section of road determined by means of camera-based traffic sign recognition is compared with the speeds actually driven by vehicles on this section of road. Based on the comparison, plausible and implausible specific speed limits are identified, whereby implausible speed limits are not made available to other vehicle systems and/or remain unused when digital road maps are updated and/or are suppressed during camera-based traffic sign recognition.
Es existieren Fälle, bei denen von kamerabasierten Systemen zur Verkehrszeichenerkennung Verkehrszeichen falsch erkannt werden. Beispielsweise können zur Seite gedrehte Verkehrszeichen als gültig erkannt werden. Werden daraus abgeleitete Geschwindigkeitsbegrenzungen in eine digitale Karte eingetragen und in Fahrzeugen eingesetzt, kann das bei Fahrerassistenzsystemen zu unerwünschtem Fahrverhalten führen, beispielsweise zu einem Abbremsen auf eine nicht gültige Geschwindigkeitsbegrenzung. In Fahrzeugen werden digitale Karten verwendet, welche aktuelle Geschwindigkeitsbegrenzungen enthalten, die von Messfahrzeugen zwar genau vermessen wurden, aber verhältnismäßig selten aktualisiert werden. Diese Karten können durch aktuellere Informationen zu Geschwindigkeitsbegrenzungen aus der Verkehrszeichenerkennung verbessert werden. Dabei soll jedoch vermieden werden, dass Kartenanteile durch möglicherweise falsch erkannte Verkehrszeichen verschlechtert werden. Außerdem sollen durch die gesammelte Verkehrszeichenerkennung Fahrzeugsysteme optimiert werden. Dies ist mittels des vorliegenden Verfahrens möglich. Durch die Erkennung von unplausiblen Geschwindigkeitsbegrenzungen aus der Verkehrszeichenerkennung können Fahrzeug-Funktionen und die Verkehrszeichenerkennung weiter verbessert werden und Fehlfunktionen können zuverlässig vermieden werden. Außerdem wird vermieden, eine zugrundeliegende digitale Karte zumindest in Teilen zu verschlechtern. There are cases where camera-based traffic sign recognition systems incorrectly recognize traffic signs. For example, traffic signs turned to the side can be recognized as valid. If speed limits derived from this are entered into a digital map and used in vehicles, this can lead to undesirable driving behavior in driver assistance systems, for example braking to an invalid speed limit. Digital maps are used in vehicles which contain current speed limits that have been precisely measured by measuring vehicles but are updated relatively rarely. These maps can be improved with more current information on speed limits from traffic sign recognition. However, the aim is to avoid map sections being deteriorated by possibly incorrectly recognized traffic signs. In addition, the collected traffic sign recognition should be used to optimize vehicle systems. This is possible using the present method. By recognizing implausible speed limits from traffic sign recognition, vehicle functions and traffic sign recognition can be further improved and malfunctions can be reliably avoided. It also avoids at least partially deteriorating an underlying digital map.
Weiterhin ist es möglich, dass durch eine Analyse einer Vielzahl von Sensordaten an unplausiblen Verkehrszeichen Bilderkennungsalgorithmen verbessert werden können. Dazu kann beispielsweise auch eine Messkampagne in den Fahrzeugen gestartet werden, die dann weitere, sonst nicht zu übertragende Daten, wie beispielsweise hochaufgelöste Videodaten, überträgt. It is also possible that image recognition algorithms can be improved by analyzing a large amount of sensor data from implausible traffic signs. For example, a measurement campaign can be started in the vehicles, which then transmits additional data that would otherwise not be transmitted, such as high-resolution video data.
Ausführungsbeispiele der Erfindung werden im Folgenden anhand einer Zeichnung näher erläutert. Embodiments of the invention are explained in more detail below with reference to a drawing.
Dabei zeigt: It shows:
Fig. 1 schematisch einen Ablauf eines Verfahrens zur kamerabasierten Erkennung und Verifikation von Verkehrszeichen. Fig. 1 shows a schematic flow of a method for camera-based recognition and verification of traffic signs.
In der einzigen Figur 1 ist ein Ablauf eines möglichen Ausführungsbeispiels eines Verfahrens zur kamerabasierten Erkennung und Verifikation von Verkehrszeichen dargestellt. The sole Figure 1 shows a sequence of a possible embodiment of a method for camera-based recognition and verification of traffic signs.
In einem Verfahrensschritt S1 werden mittels an einer Vielzahl von Fahrzeugen angeordneten Kameras Bilder einer jeweiligen Fahrzeugumgebung erfasst und in einer Bildauswertung werden Verkehrszeichen in der jeweiligen Fahrzeugumgebung erkannt. Dann werden erkannte Verkehrszeichen statistisch ausgewertet, um eine auf einem Streckenabschnitt gültige Geschwindigkeitsbegrenzung für Fahrzeuge zu bestimmen. In a method step S1, images of a respective vehicle environment are captured using cameras arranged on a large number of vehicles, and traffic signs in the respective vehicle environment are recognized in an image analysis. Recognized traffic signs are then statistically evaluated in order to determine a speed limit for vehicles that applies on a section of road.
Beispielsweise wird der Verfahrensschritt S1 gemäß dem in DE 102021 005438 A1 beschriebenen Verfahren durchgeführt, bei welchem ein punktuell erkanntes Verkehrszeichen einem Navigationsgerät übermittelt und in diesem einem vorgegebenen Streckenabschnitt einer digitalen Straßenkarte als Streckenattribut zugewiesen wird.For example, method step S1 is carried out according to the method described in DE 102021 005438 A1, in which a traffic sign recognized at a specific point is transmitted to a navigation device and assigned to a predetermined route section of a digital road map as a route attribute.
Dabei wird das Verkehrszeichen von einer in einem sich auf dem Streckenabschnitt bewegenden Fahrzeug positionierten Kamera detektiert, wobei alle von den Kameras der Fahrzeuge in einem bestimmten Gebiet in einem vorgegebenen Zeitraum erkannten Verkehrszeichen gesammelt werden und die durch die Verkehrszeichen ermittelten Punkte einschließlich einer Fahrtrichtung der Fahrzeuge einem Streckennetz der bestehenden Straßenkarte zugewiesen werden. Aus der Gesamtheit der punktuellen Informationen werden die von den jeweiligen Verkehrszeichen beeinflussten Streckenabschnitte ausgewählt und mit den aus der Verkehrszeichenbeobachtung resultierenden Streckenattributen belegt, wobei die gewonnenen Streckenattribute Fahrzeugsystemen der Fahrzeuge zur Nutzung bereitgestellt werden. The traffic sign is detected by a camera positioned in a vehicle moving along the section of road, whereby all the traffic signs detected by the cameras of the vehicles in a certain area within a given period of time are recorded. Traffic signs are collected and the points determined by the traffic signs, including the direction of travel of the vehicles, are assigned to a route network of the existing road map. From the totality of the point-based information, the route sections influenced by the respective traffic signs are selected and assigned the route attributes resulting from the traffic sign observation, with the route attributes obtained being made available to the vehicle systems of the vehicles for use.
Anschließend erfolgt in einem weiteren Verfahrensschritt S2 ein Abgleich der mittels der kamerabasierten Verkehrszeichenerkennung bestimmten Geschwindigkeitsbegrenzung eines jeweiligen Streckenabschnitts mit in diesem Streckenabschnitt tatsächlich von Fahrzeugen gefahrenen Geschwindigkeiten. Anhand des Abgleichs werden an den von den einzelnen Verkehrszeichen beeinflussten Streckenabschnitten plausible und unplausible bestimmte Geschwindigkeitsbegrenzungen identifiziert und markiert. Dies kann beispielsweise mittels des in der DE 102022 002 337 beschriebenen Verfahrens erfolgen. Anhand der kamerabasierten Verkehrszeichenerkennung bestimmte Geschwindigkeitsbegrenzungen sind beispielsweise dann unplausibel, wenn tatsächlich von Fahrzeugen in Streckenabschnitten gefahrene Geschwindigkeiten signifikant höher sind als in diesen Streckenabschnitten anhand der kamerabasierten Verkehrszeichenerkennung bestimmte Geschwindigkeitsbegrenzungen. Subsequently, in a further method step S2, the speed limit of a respective route section determined by means of camera-based traffic sign recognition is compared with the speeds actually driven by vehicles on this route section. Based on the comparison, plausible and implausible speed limits are identified and marked on the route sections influenced by the individual traffic signs. This can be done, for example, using the method described in DE 102022 002 337. Speed limits determined using camera-based traffic sign recognition are implausible, for example, if the speeds actually driven by vehicles on route sections are significantly higher than the speed limits determined in these route sections using camera-based traffic sign recognition.
In einem weiteren Verfahrensschritt S3 werden beispielsweise folgende Maßnahmen durchgeführt, wenn unplausible bestimmte Geschwindigkeitsbegrenzungen identifiziert werden. In a further process step S3, for example, the following measures are carried out if implausible specific speed limits are identified.
Beispielsweise werden in einer möglichen Maßnahme Informationen aus unplausiblen Geschwindigkeitsbegrenzungen nicht an Fahrzeugsysteme übertragen. Stattdessen können beispielsweise Informationen aus einer zugrundeliegenden digitalen Karte zum Betrieb der Fahrzeugsysteme verwendet werden. Das heißt, bei einer Aktualisierung digitaler Straßenkarten bleiben unplausible Geschwindigkeitsbegrenzungen ungenutzt. For example, in one possible measure, information from implausible speed limits is not transmitted to vehicle systems. Instead, information from an underlying digital map can be used to operate the vehicle systems. This means that when digital road maps are updated, implausible speed limits remain unused.
In einer weiteren möglichen Maßnahme werden insbesondere bei sehr unplausiblen Geschwindigkeitsbegrenzungen, bei welchen beispielsweise an einer Position eine Geschwindigkeitsbegrenzung auf 40 km/h anstatt einer realen Höhenbeschränkung auf 4 m Höhe erkannt wird und an der Position regelmäßig Geschwindigkeiten von 120 km/h gefahren werden, die kamerabasiert erkannten Verkehrszeichen mit den Geschwindigkeitsbegrenzungen vollständig ignoriert. Insbesondere wird eine Information eines letzten entgegen einer Fahrtrichtung des Fahrzeugs gelegenen Verkehrszeichens weiter auf einen folgenden Streckenabschnitt ausgerollt. In another possible measure, especially in the case of very implausible speed limits, where, for example, a speed limit of 40 km/h is detected at a position instead of a real height limit of 4 m and speeds of 120 km/h are regularly driven at the position, the camera-based detected traffic signs with the speed limits are completely ignored. In particular, information is provided of a last traffic sign located opposite to the direction of travel of the vehicle, the vehicle is rolled out onto a subsequent section of road.
In einer weiteren möglichen Maßnahme wird insbesondere bei sehr unplausiblen Geschwindigkeitsbegrenzungen zu den Fahrzeugsystemen eine Information übertragen, dass an einer Position durch die Kameras häufig ein bestimmtes Verkehrszeichen falsch erkannt wird. Im Fahrzeug können dann solche kamerabasierten Verkehrszeichenerkennungen unterdrückt werden. Another possible measure, particularly in the case of very implausible speed limits, involves transmitting information to the vehicle systems that the cameras often incorrectly recognize a certain traffic sign at a certain position. Such camera-based traffic sign recognition can then be suppressed in the vehicle.
In einerweiteren möglichen Maßnahme können durch eine Analyse einer Vielzahl von Sensordaten an unplausiblen Verkehrszeichen Bilderkennungsalgorithmen verbessert werden. Dazu kann beispielsweise auch eine Messkampagne in den Fahrzeugen gestartet werden, die dann weitere, sonst nicht zu übertragende Daten, wie beispielsweise hochaufgelöste Videodaten, überträgt. Another possible measure is to improve image recognition algorithms by analyzing a large amount of sensor data from implausible traffic signs. For example, a measurement campaign can be started in the vehicles, which then transmits additional data that would otherwise not be transmitted, such as high-resolution video data.
Der in dem im Verfahrensschritt S2 durchgeführte Abgleich der bestimmten Geschwindigkeitsbegrenzungen mit den tatsächlich gefahrenen Geschwindigkeiten erfolgt beispielsweise folgendermaßen: Fahrzeuge erfassen ihre aktuell gefahrene Geschwindigkeit in fest vorgegebenen Orts- und Zeitabständen und übermitteln diese an eine fahrzeugexterne zentrale Recheneinheit. Gegebenenfalls erfolgt auch eine Speicherung der Geschwindigkeitswerte in den Fahrzeugen. Mittels der Recheneinheit werden von den Fahrzeugen gefahrene Trajektorien Verkehrswegen zugeordnet, wobei für vorgegebene Messpunkte auf den Verkehrswegen getrennt nach Fahrtrichtung die gefahrenen Geschwindigkeiten erfasst werden. Die Messpunkte sind beispielsweise Punkte mit festen Abständen von einer Straßenkreuzung zu einer anderen Straßenkreuzung oder beispielsweise in einer digitalen Karte in Form von Geokoordinaten enthaltene Zwischenpunkte auf den Verkehrswegen. In der Regel werden die Fahrzeuge nicht genau an diesen Messpunkten die Geschwindigkeit gemessen haben. Dann kann ein nächstgelegener vom Fahrzeug gemessener Punkt verwendet werden oder die gefahrene Geschwindigkeit zwischen den zwei am nächsten zu einem Kartenpunkt vom Fahrzeug gemessenen Punkten interpoliert werden. The comparison of the determined speed limits with the actual speeds driven in process step S2 is carried out as follows, for example: vehicles record their current speed at fixed location and time intervals and transmit these to a central processing unit external to the vehicle. If necessary, the speed values are also stored in the vehicles. The processing unit is used to assign trajectories driven by the vehicles to traffic routes, with the speeds driven being recorded for predetermined measuring points on the traffic routes separately according to the direction of travel. The measuring points are, for example, points with fixed distances from one road junction to another road junction or, for example, intermediate points on the traffic routes contained in a digital map in the form of geocoordinates. As a rule, the vehicles will not have measured their speed precisely at these measuring points. In this case, a nearest point measured by the vehicle can be used or the speed driven can be interpolated between the two points measured by the vehicle closest to a map point.
Weiterhin kann eine Validierung der Geschwindigkeitsbegrenzungen aus den Werten an den Messpunkten nach einem der im Folgenden beschriebenen Methoden durchgeführt werden. In einer möglichen Methode wird eine künstlichen Intelligenz verwendet. Hierbei werden mittels Modellen mit künstlicher Intelligenz aus verschiedenartigen Eingangsdaten als Ausgabe die an einem Messpunkt gültige Geschwindigkeitsbegrenzung vorhergesagt. Hierzu sind die Modelle trainiert, wozu zumindest in einem Teil des Streckennetzes die gültigen Geschwindigkeitsbegrenzungen vorgegeben werden. Das kann zum einen durch Messkampagnen erfolgen, in denen die gültigen Geschwindigkeitsbegrenzungen manuell bestimmt werden. Alternativ können aus Verkehrszeichenbeobachtungen ausgerollte Geschwindigkeitsbegrenzungen mit einer anderen Datenquelle, beispielsweise einem Hersteller einer digitalen Karte, verglichen werden. Dort, wo beide Quellen denselben Geschwindigkeitswert aufweisen, ist dieser Wert mit hoher Wahrscheinlichkeit richtig und kann somit bei der künstlichen Intelligenz in einem Trainings- und einem Testdatensatz verwendet werden. Furthermore, a validation of the speed limits can be carried out from the values at the measuring points using one of the methods described below. One possible method uses artificial intelligence. This involves using models with artificial intelligence to predict the speed limit valid at a measuring point from various types of input data as output. The models are trained for this purpose, for which the valid speed limits are specified in at least part of the route network. This can be done through measurement campaigns in which the valid speed limits are determined manually. Alternatively, speed limits rolled out from traffic sign observations can be compared with another data source, for example a digital map manufacturer. Where both sources have the same speed value, this value is highly likely to be correct and can therefore be used by the artificial intelligence in a training and a test data set.
In einer weiteren möglichen Methode erfolgt eine unabhängige Prognose einer gültigen Geschwindigkeitsbegrenzung an jedem Messpunkt. Dabei werden die von den einzelnen Fahrzeugen gemessenen Geschwindigkeiten jeweils an einem Punkt als Eingangsdaten für das Modell mit der künstlichen Intelligenz verwendet und eine gültige Geschwindigkeitsbegrenzung an diesem Punkt vorhergesagt. Je nach Modell können die Messwerte roh eingespeist werden oder als Häufigkeitsverteilung, beispielsweise als Anzahl der gemessenen Geschwindigkeiten in 5er-Blöcken (zum Beispiel 0 km/h bis 5 km/h, 5 km/h bis 10 km/h usw.). Dies entspricht insbesondere der in Another possible method involves an independent prediction of a valid speed limit at each measuring point. The speeds measured by the individual vehicles at one point are used as input data for the model with the artificial intelligence and a valid speed limit is predicted at this point. Depending on the model, the measured values can be fed in raw or as a frequency distribution, for example as the number of measured speeds in blocks of 5 (for example 0 km/h to 5 km/h, 5 km/h to 10 km/h, etc.). This corresponds in particular to the
DE 10 2022 002 337 für jeden Messpunkt beschriebenen Vorgehensweise. Die Blöcke werden je nach Anwendungsfall logisch entsprechend bis zu einer Grenze von 130 km/h aufgeführt. Ab der Grenze werden alle darauffolgende Werte beispielsweise in einen Block, zum Beispiel > 130 km/h, eingeordnet. Hierbei ergibt sich aufgrund der entsprechenden Datengrundlage meist ein unausgewogener Trainingsdatensatz. Um dies zu umgehen, wird eine am häufigsten vorkommende Geschwindigkeitsbegrenzung mit einem so genannten (Random-)Undersampling-Verfahren reduziert. Die Häufigkeitsverteilung kann auch mit klassischen heuristischen Methoden zur Vorhersage der Geschwindigkeitsbegrenzung eingesetzt werden. Anschließend werden die Vorhersagen aller Messpunkte betrachtet, die in dem Bereich des Streckennetzes liegen, auf das ein erkanntes Verkehrszeichen ausgerollt wurde. Ein Verkehrszeichen kann dann als valide betrachtet werden, wenn bei einem gewissen Anteil von beispielsweise 50 % dieser Messpunkte dieselbe Geschwindigkeitsbegrenzung vorhergesagt wurde, die auch mit dem Verkehrszeichen erkannt wurde. Andernfalls ist das Verkehrszeichen nicht valide. Zusätzlich zur Anzahl der richtigen Vorhersagen kann je nach Modell mit künstlicher Intelligenz auch die Konfidenz der jeweiligen Vorhersage in die Entscheidung mit einbezogen werden. DE 10 2022 002 337 for each measuring point. Depending on the application, the blocks are listed logically accordingly up to a limit of 130 km/h. From the limit, all subsequent values are classified into a block, for example > 130 km/h. This usually results in an unbalanced training data set due to the corresponding data basis. To avoid this, a most frequently occurring speed limit is reduced using a so-called (random) undersampling procedure. The frequency distribution can also be used with classic heuristic methods to predict the speed limit. The predictions of all measuring points that lie in the area of the route network to which a recognized traffic sign was rolled out are then considered. A traffic sign can be considered valid if, for a certain proportion of, for example, 50% of these measuring points, the same speed limit was predicted that was also recognized with the traffic sign. Otherwise, the traffic sign is not valid. In addition to the number of correct predictions, depending on the model with artificial Intelligence and the confidence of the respective prediction must also be taken into account in the decision.
In einer weiteren möglichen Methode erfolgt die Validierung einer Änderung einer Geschwindigkeitsbegrenzung durch Messpunkte in einer Umgebung eines Verkehrszeichens. Insbesondere bei einem Übergang von einer höheren zu einer geringeren Geschwindigkeitsbegrenzung kommt es zu einem charakteristischen Abbremsverhalten der Fahrzeuge. Deshalb können hier einige Messpunkte vor und hinter dem erkannten Verkehrszeichen als Eingangsdaten für die künstliche Intelligenz verwendet werden. Als Ausgabe wird dann der Wert des Verkehrszeichens vorhergesagt. Dabei können die gemessenen Geschwindigkeiten jeweils wieder roh oder als Häufigkeitsverteilungen verwendet werden. Another possible method involves validating a change in a speed limit using measuring points in the vicinity of a traffic sign. In particular, when moving from a higher to a lower speed limit, a characteristic braking behavior of the vehicles occurs. Therefore, some measuring points in front of and behind the recognized traffic sign can be used as input data for the artificial intelligence. The value of the traffic sign is then predicted as the output. The measured speeds can again be used raw or as frequency distributions.
In einer weiteren möglichen Methode erfolgt die Validierung anhand einer Verifikation bedingter Geschwindigkeitsbegrenzungen. Bedingte Geschwindigkeitsbegrenzungen können mit zusätzlichen Verkehrszeichen, auch als Zusatzschilder bezeichnet, angezeigt werden, auf welchen bestimmte Bedingungen, beispielsweise "bei Regen" oder "zu bestimmten Uhrzeiten", dargestellt sind. Wenn diese Bedingung nicht erfüllt ist, gilt jeweils eine andere Geschwindigkeitsbegrenzung, die mit einem weiteren Zeichen angezeigt werden kann, aus einem Straßentyp hervorgeht (beispielsweise 100 km/h auf Landstraßen in Deutschland) oder sich aus einem vorherigen Verkehrszeichen ergibt. Wenn mit den Geschwindigkeitsmessungen der Fahrzeuge weitere Daten erhoben werden, beispielsweise eine Uhrzeit oder ein Status eines Scheibenwischers, können an den Messpunkten die Geschwindigkeitsmessungen klassifiziert werden und beispielsweise bei einem angezeigten Regen-Limit getrennte Vorhersagen aus den Daten mit aktivem und nicht aktivem Scheibenwischer gemacht werden. Bei angezeigten Uhrzeiten für das Tempolimit können entsprechend Zeitbereiche aus den Messpunkten klassifiziert werden. Wenn in den Fahrzeugen aus der Bilderkennung die Zusatzschilder nicht vollständig ausgewertet werden können und beispielsweise nur die Information abgeleitet wird, dass eine zeitliche Einschränkung gilt, aber nicht eine konkrete Uhrzeit, kann mit Künstlichen-Intelligenz-Methoden in den Daten der Messpunkte nach mehreren für eine Geschwindigkeitsbegrenzung charakteristischen Verteilungen gesucht und damit die für die Einschränkung gültige Uhrzeit ermittelt werden. In another possible method, validation is carried out by verifying conditional speed limits. Conditional speed limits can be displayed with additional traffic signs, also known as additional signs, on which certain conditions are shown, for example "when it rains" or "at certain times". If this condition is not met, a different speed limit applies, which can be displayed with another sign, can be indicated by a road type (for example 100 km/h on country roads in Germany) or can be determined from a previous traffic sign. If additional data is collected with the speed measurements of the vehicles, for example a time of day or a windshield wiper status, the speed measurements can be classified at the measuring points and, for example, if a rain limit is displayed, separate predictions can be made from the data with active and inactive windshield wipers. If times of day are displayed for the speed limit, time ranges can be classified accordingly from the measuring points. If the additional signs in the vehicles cannot be fully evaluated from image recognition and, for example, only the information that a time restriction applies is derived, but not a specific time, artificial intelligence methods can be used to search the data from the measuring points for several distributions that are characteristic of a speed limit and thus determine the time that is valid for the restriction.

Claims

Patentansprüche Patent claims
1. Verfahren zur kamerabasierten Erkennung und Verifikation von Verkehrszeichen, wobei 1. A method for camera-based recognition and verification of traffic signs, wherein
- mittels an einer Vielzahl von Fahrzeugen angeordneten Kameras Bilder einer jeweiligen Fahrzeugumgebung erfasst werden, - images of the respective vehicle environment are captured by means of cameras arranged on a large number of vehicles,
- in einer Bildauswertung Verkehrszeichen in der jeweiligen Fahrzeugumgebung erkannt werden und - in an image analysis, traffic signs are recognized in the respective vehicle environment and
- erkannte Verkehrszeichen statistisch ausgewertet werden, um eine auf einem Streckenabschnitt gültige Geschwindigkeitsbegrenzung für Fahrzeuge zu bestimmen, dadurch gekennzeichnet, dass - recognised traffic signs are statistically evaluated in order to determine a speed limit for vehicles valid on a section of road, characterised in that
- die mittels der kamerabasierten Verkehrszeichenerkennung bestimmte Geschwindigkeitsbegrenzung eines jeweiligen Streckenabschnitts mit in diesem Streckenabschnitt tatsächlich von Fahrzeugen gefahrenen Geschwindigkeiten abgeglichen wird, - the speed limit of a particular section of road determined by means of camera-based traffic sign recognition is compared with the speeds actually driven by vehicles on that section of road,
- anhand des Abgleichs plausible und unplausible bestimmte Geschwindigkeitsbegrenzungen identifiziert werden und - the comparison is used to identify plausible and implausible specific speed limits and
- unplausible Geschwindigkeitsbegrenzungen an andere Fahrzeugsysteme nicht bereitgestellt werden und/oder bei einer Aktualisierung digitaler Straßenkarten ungenutzt bleiben und/oder bei der kamerabasierten Verkehrszeichenerkennung unterdrückt werden. - implausible speed limits are not provided to other vehicle systems and/or remain unused when digital road maps are updated and/or are suppressed during camera-based traffic sign recognition.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass bei einer Unterschreitung eines vorgegebenen Plausibilitätsgrads von an einer Position kamerabasiert erfassten2. Method according to claim 1, characterized in that if a predetermined level of plausibility of camera-based recorded data at a position is undershot,
Geschwindigkeitsbegrenzungen und bei einer Überschreitung einer Häufigkeit von an dieser Position erfassten unplausiblen Geschwindigkeitsbegrenzungen die kamerabasierte Verkehrszeichenerkennung an dieser Position unterdrückt wird. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass zum Abgleich der bestimmtenSpeed limits and if a frequency of implausible speed limits recorded at this position is exceeded, the camera-based traffic sign recognition is suppressed at this position. Method according to claim 1 or 2, characterized in that for comparing the determined
Geschwindigkeitsbegrenzungen mit den tatsächlich gefahrenen GeschwindigkeitenSpeed limits with the actual speeds driven
- Fahrzeuge ihre aktuell gefahrene Geschwindigkeit in fest vorgegebenen Ortsund Zeitabständen erfassen und an eine fahrzeugexterne zentrale Recheneinheit übermitteln, - Vehicles record their current speed at fixed location and time intervals and transmit this to a central processing unit external to the vehicle,
- mittels der Recheneinheit von den Fahrzeugen gefahrene Trajektorien Verkehrswegen zugeordnet werden, - trajectories driven by the vehicles are assigned to traffic routes by means of the computing unit,
- für vorgegebene Messpunkte auf den Verkehrswegen getrennt nach Fahrtrichtung die gefahrenen Geschwindigkeiten erfasst werden und - the speeds driven are recorded separately for each direction of travel at specified measuring points on the traffic routes and
- eine Validierung der Geschwindigkeitsbegrenzungen anhand - a validation of the speed limits based on
- einer Verwendung einer künstlichen Intelligenz und/oder - use of artificial intelligence and/or
- einer unabhängigen Prognose einer gültigen Geschwindigkeitsbegrenzung an jedem Messpunkt und/oder - an independent forecast of a valid speed limit at each measuring point and/or
- einer Verifikation einer Änderung einer Geschwindigkeitsbegrenzung durch Messpunkte in einer Umgebung eines Verkehrszeichens und/oder - a verification of a change in a speed limit by measuring points in the vicinity of a traffic sign and/or
- einer Verifikation bedingter Geschwindigkeitsbegrenzungen durchgeführt wird. - a verification of conditional speed limits is carried out.
PCT/EP2024/051054 2023-02-06 2024-01-17 Method for a camera-based detection and verification of traffic signs WO2024165285A1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102023000356.5A DE102023000356B4 (en) 2023-02-06 2023-02-06 Method for camera-based recognition and verification of traffic signs
DE102023000356.5 2023-02-06

Publications (1)

Publication Number Publication Date
WO2024165285A1 true WO2024165285A1 (en) 2024-08-15

Family

ID=85570893

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2024/051054 WO2024165285A1 (en) 2023-02-06 2024-01-17 Method for a camera-based detection and verification of traffic signs

Country Status (2)

Country Link
DE (1) DE102023000356B4 (en)
WO (1) WO2024165285A1 (en)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160104376A1 (en) * 2014-10-08 2016-04-14 Here Global B.V. Probe Based Variable Speed Sign Value
US20200143671A1 (en) * 2017-06-23 2020-05-07 Here Global B.V. Detection and estimation of variable speed signs
CN111243316A (en) * 2020-02-28 2020-06-05 长安大学 Method for judging whether road speed limit value of navigation system needs to be updated in real time
US20200302195A1 (en) * 2019-03-21 2020-09-24 Zenuity Ab Method and arrangement for validating speed limit information for a road vehicle
DE102021005438A1 (en) 2021-11-03 2022-02-10 Daimler Ag Method for determining route attributes in a road map of a vehicle system from sign observations
DE102022002337B3 (en) 2022-06-28 2023-11-02 Mercedes-Benz Group AG Method for determining and providing a maximum permissible speed for vehicles and use of the method

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102018200134B3 (en) 2018-01-08 2019-03-21 Audi Ag Method for acquiring training data for a driver assistance system, motor vehicle and server device

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160104376A1 (en) * 2014-10-08 2016-04-14 Here Global B.V. Probe Based Variable Speed Sign Value
US20200143671A1 (en) * 2017-06-23 2020-05-07 Here Global B.V. Detection and estimation of variable speed signs
US20200302195A1 (en) * 2019-03-21 2020-09-24 Zenuity Ab Method and arrangement for validating speed limit information for a road vehicle
CN111243316A (en) * 2020-02-28 2020-06-05 长安大学 Method for judging whether road speed limit value of navigation system needs to be updated in real time
DE102021005438A1 (en) 2021-11-03 2022-02-10 Daimler Ag Method for determining route attributes in a road map of a vehicle system from sign observations
DE102022002337B3 (en) 2022-06-28 2023-11-02 Mercedes-Benz Group AG Method for determining and providing a maximum permissible speed for vehicles and use of the method

Also Published As

Publication number Publication date
DE102023000356A1 (en) 2023-04-06
DE102023000356B4 (en) 2024-07-11

Similar Documents

Publication Publication Date Title
DE102010039634B4 (en) Arrangement and method for traffic sign recognition
DE102008023970A1 (en) Method and device for identifying traffic-related information
DE102010030985A1 (en) A link driving time calculating device and method of calculating a link driving time interval
WO2012004411A1 (en) Device and method for measuring tire parameters of a vehicle
DE102012004625A1 (en) Method for creating and updating map information for use in driver assistance system in motor vehicle, involves determining attribute from driving history data, which is assigned defined route section determined by route section information
EP3547244A1 (en) Method, device and computer readable storage medium with instructions for providing content for display for a passenger of a motor vehicle
DE102016216154A1 (en) Method and evaluation unit for determining the position of traffic signs
DE102012207864A1 (en) Method for reducing a risk of stowage
DE102020121119A1 (en) METHOD AND SYSTEM FOR DETECTING ENGINE OIL DETERMINATION
DE102019211098A1 (en) Method, device and computer program for determining a traffic light phase of a traffic light of a traffic light system
DE102013223217A1 (en) Method for operating a server
EP3774489A1 (en) Sensor analysis method, computer program product for sensor analysis, passenger counting system, and vehicle for transporting passengers, in particular in rail and road transport
DE102018214712A1 (en) Vehicle control device and method for detecting traffic signs
DE102008043756A1 (en) Traffic sign information providing method for e.g. driver assistance system in vehicle, involves storing traffic sign data, assigning stored data to actual position of vehicle, and providing traffic sign information based on assigned data
DE102020006036A1 (en) Method for generating a release for using a hard shoulder by means of a monitoring system, and monitoring system
DE102018005865A1 (en) Method for testing an assistance system for a vehicle
DE102023000356B4 (en) Method for camera-based recognition and verification of traffic signs
DE102010002300B4 (en) Method for determining driving behavior
DE102013211027A1 (en) Method and device for determining the condition of a road surface of a lane to be traveled by a vehicle
EP3996976A1 (en) Method and assistance system for using a digital map in a vehicle
DE102019211102A1 (en) Method, device and computer program for evaluating traffic light information about a traffic light system
DE102010041583A1 (en) Method for determining quality data value of vehicle traffic disruption reporting procedures, involves determining situation- and deviation-cost functions for respective situation- and message-deviation values, and determining data value
DE102018001860A1 (en) Apparatus and method for predicting a road condition
LU102919B1 (en) Methods and systems for the early detection and evaluation of structural danger spots in road traffic
DE102021002295B3 (en) Method for determining and outputting a driving speed adapted to a driving situation