CN114954504A - 用于确定传感器探测条件的方法、融合数据的方法、提供信号的方法以及评估设备 - Google Patents
用于确定传感器探测条件的方法、融合数据的方法、提供信号的方法以及评估设备 Download PDFInfo
- Publication number
- CN114954504A CN114954504A CN202210188718.2A CN202210188718A CN114954504A CN 114954504 A CN114954504 A CN 114954504A CN 202210188718 A CN202210188718 A CN 202210188718A CN 114954504 A CN114954504 A CN 114954504A
- Authority
- CN
- China
- Prior art keywords
- condition
- data
- determining
- sensor system
- probing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 114
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000011156 evaluation Methods 0.000 title claims description 22
- 238000004590 computer program Methods 0.000 claims description 8
- 230000008447 perception Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000003909 pattern recognition Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 238000012876 topography Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 description 12
- 230000004927 fusion Effects 0.000 description 9
- 230000000875 corresponding effect Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 1
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004313 glare Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/04—Monitoring the functioning of the control system
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/803—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of input or preprocessed data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/408—Radar; Laser, e.g. lidar
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/20—Road profile, i.e. the change in elevation or curvature of a plurality of continuous road segments
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
提出一种用于确定用于评估传感器数据的经评估的探测条件的方法,所述方法具有下述步骤:基于用于确定所述探测条件的第一基础来提供所述探测条件的第一完整性值;基于用于确定所述探测条件的第二基础来提供所述探测条件的第二完整性值;基于所述第一完整性值和所述第二完整性值来确定用于所述探测条件的总完整性值;将所述总完整性值分配给所述探测条件,用于确定所述经评估的探测条件。
Description
技术领域
本发明涉及一种用于确定经融合的传感器探测条件的方法。本发明还涉及一种用于融合传感器***数据的方法、一种用于提供控制信号和警告信号的方法、一种评估设备、一种评估设备应用以及一种存储介质。
背景技术
驾驶的自动化伴随着为车辆配备以越来越广泛的且性能越来越卓越的用于环境检测的传感器***而出现。部分地,车辆传感器冗余地通过多个传感器和传感器模态来覆盖360°环境和不同的作用范围。作为传感器模态例如使用视频传感器、雷达传感器、激光雷达传感器、超声波传感器和麦克风传感器。
为表示车辆的环境,将传感器数据融合成经保存的环境模型。对该环境模型的范围和质量的要求又与在该环境模型上所实现的驾驶功能相关。在无驾驶员的车辆中,例如基于环境模型来作出全面的驾驶决策并相应地操控促动器。
标准草案ISO/PAS 21448(Road vehicles-Safety of the IntendedFunctionality(SOTIF),道路车辆——预期功能性的安全性)讨论如下问题:在针对自主***(ADAS,AD)中的环境感知的安全性方案中必须考虑所使用的外部感知(exterozeptiven)传感器的性能或者说能力和缺陷。必须避免的这种传感器缺陷对安全性重要的影响例如是错误测量、虚警(False Positives,FP)或者漏警(False Negatives,FN),所述影响又可能导致“触发条件(Triggering Conditions)”。在此,ISO/PAS 21448讨论如下过程:使用所述过程能够在开发期间对触发物进行辨识并随后向产品中进行缓和(mitigiert)。
发明内容
相反地,如下方法将是有利的:使用该方法能够将来自缺陷的触发物在至少部分自动化的车辆的运行期间可靠地发现出,并尤其能够跨传感器地在安全性方案中进行考虑。
本发明基于对关于传感器***的和/或至少部分自动化的车辆的环境中当前存在的对传感器***有损害的多个探测条件的明确认知,在运行期间以经结构化的且能够简单利用的格式进行确定并提供用于传感器数据的融合。
随后可以将如此所提供的关于探测条件的认知针对所有外部感知传感器跨***地用于在当前状况下评估特定的传感器信息的置信度,基于此又能够调整该信息在融合中的加权。因此能够提高融合结果的安全完整性(可靠性,SOTIF)并能够避免各个缺陷的负面影响,由此能够导致将环境检测的稳健性提高并更快地产生关于环境的假设。
根据本发明的各个方面,提出一种用于确定经评估的探测条件来融合传感器数据的方法、一种用于融合第一传感器***的和第二传感器***的数据方法、一种用于提供控制信号的方法、一种评估设备、一种对评估设备的应用、一种计算机程序和一种机器可读的存储介质。有利构型能够通过在优选实施方式中所列举的措施以及从以下描述中得出。
在本发明的整个说明书中,以使该方法易于理解的方式示出方法步骤的顺序。然而,本领域技术人员将认识到,这些方法步骤中的许多方法步骤也可以以其他顺序执行并得到相同或相应的结果。在这个意义上,方法步骤的顺序可以被相应地改变。一些特征设置有数词,以便改善可读性或使得对应关系更加明确,但是这不意味着特定特征的存在。
根据本发明的一个方面,提出一种用于确定用于评估传感器数据的经评估的探测条件的方法,该方法具有下述步骤:
在一个步骤中,基于用于确定该探测条件的第一基础来提供该探测条件的第一完整性值。在另一步骤中,基于用于确定该探测条件的第二基础来提供该探测条件的第二完整性值。在另一步骤中,基于所述第一完整性值和第二完整性值来确定用于该探测条件的总完整性值。在另一步骤中,将该总完整性值分配给探测条件,用于确定经评估的探测条件。
在此,完整性值能够说明如下值:该值在归因于硬件和/或软件的电学上的和/或技术上的误差方面,确定传感器***的和/或其他数据源的数据的可靠性确定,作为用于探测条件的相应基础。相应的完整性值或者说总完整性值能够被用于将不同的传感器***的数据用于为确定相应传感器***的环境而进行融合,其方式是,相应地评估这些传感器***的数据。换言之,总完整性值能够被视为用于所确定的探测条件的可靠性的尺度。
相应的完整性值可以借助ASIL值(automotiv savety integrity level,汽车安全完整性等级)来确定,所述ASIL值可以作为元数据与传感器数据一起由传感器***来提供,以便在所接收到的模块中相应于安全性方案来考虑这些元数据。
总完整性值能够表征保障的程度、探测功能的可靠性或者说结果的品质,该总完整性值例如由对应的传感器***的信息的冗余和各个ASIL值来得出。
探测条件可以是涉及移动平台的环境的并能够在对环境的表示方面影响用于表示该移动平台的环境的传感器***的条件。举例如天气条件、光线条件、温度、经发射的信号的反射、光入射、环境特性、干扰图像、干扰表面、其他交通参与者、动态遮挡、来自静态源的或者来自动态源——如交通参与者——的干扰辐射、环境的复杂性,其中,探测条件可以由内部的或者外部的传感器数据、地理数据例如地图数据或者基础设施数据、其他交通参与者所提供的数据即V2V数据作为基础被推导出。
多个探测条件可能损害由传感器***所提供的数据:
全局探测条件可能损害由传感器***所提供的数据,例如:
-天气条件,例如雨或者说雨密度和/或雪或者说雪密度和/或雾或者说雾密度等等;
-光线条件,所述光线条件可能与白天时间和/或与天空的云量等等相关;
-靠近进行干扰的雷达辐射源(例如机场、军事场地);和
-室外温度。
与区域相关的探测条件可能损害由传感器***所提供的数据,例如:
-具有反射倾向的区域,例如隧道壁和/或桥梁和/或护栏和/或金属栅栏和/或窗户立面等等。
-与水层(Wasserbelag)和/或雨量相关的道路;和
-由于动态的或者静态的对象而造成的阴影,例如建筑物,视太阳位置而定。
相关的和/或局部的探测条件可能损害由传感器***所提供的数据,例如:
-由于对象——例如由于建筑物、树、配电箱等等——而造成的遮挡;
-由于道路地形——例如弯道、山包(Hügelkuppe)——而造成的遮挡;
-进行反射的对象,例如可能影响激光雷达***的交通指示牌、可能影响雷达***的和例如放置在地表上的钢板;
-道路特性,例如坑洼、边沿等等;
-由于西下的太阳或其反射而造成的眩光;
-在广告柱、广告牌、标牌上的图像;和
-其他交通参与者的材料/纹理。
此外,动态探测条件可能损害由传感器***所提供的数据,例如:
-例如由于其他交通参与者而造成的动态遮挡;
-由于其他交通参与者的雷达和/或激光雷达而造成的干扰;和
-存在的交通密度,该交通密度可能在对象多种多样和/或“交叉”的情况下,相应于所导致的复杂性地损害传感器测量和/或对传感器测量的解读等等。
探测条件可以分别基于不同的基础并且可以涉及移动平台的环境。用于确定探测条件的基础可以要么单个地被提供,要么借助例如来自下述源的组合被求取:
传感器数据可以是用于确定探测条件的基础:
-用于确定相应的探测条件的专用传感器,例如雨水传感器或者亮度传感器;
-借助各个外部感知传感器的所明确进行的模式识别,例如能够用激光雷达***来确定的典型的雨水反射模式;
-通过例如借助人工智能或者说MLM来分析处理一个或者多个传感器的数据所进行的模式识别和模式解读;和
-从对如在预处理或者融合中求得的传感器数据处理结果的评估中隐含地求取到的证据,例如高噪声。
地图数据可以是用于确定探测条件的基础:
-静态的和/或动态的地图数据;
-对地图地形进行的数字式的和/或分析式的分析处理,例如根据太阳位置和/或在突脊(Hügelkamm)后方的视距来确定阴影面等等;
-明确标记的区域或者对象,即“兴趣点(Points-of-interest)”,例如隧道、窗户立面;其他进行反射的对象;具有图像的广告牌;具有定向角度的交通指示牌;等等;和
-众包(典型的效应、触发物)。
基础设施数据可以是用于确定探测条件的基础:
基础设施数据,例如引导***;路边单元(Road Side Units);V2I;
-如上文中解释的那样由基础设施传感器***所提供的传感器数据;
-局部信息,例如在潮湿情况下局部道路区段的反射率;进行反射的对象的位置;等等。
-关于交通密度的信息;关于环境中的车辆装备有激光雷达***和/或雷达***及其具体定向;
-其他交通参与者的信息(V2V);
-关于车辆的信息:装备有激光雷达***和/或雷达***及其具体定向;和
-其他交通参与者,尤其不具有AD功能性的其他交通参与者:能够由AV读取的“标记(Marker)”,例如具有信息的象形图、QRC码、对雷达进行反射的衣物等等。
由于在该方法中对探测条件使用不同的基础进行确定并使用总完整性值进行评估,所以能够将经保障的相应探测条件提供用于其他用于确定移动平台的和/或传感器***的环境的方法,以便能够在相应的对安全性重要的功能中进行利用。
借助经评估的探测条件,能够将来自不同传感器***的被提供给至少部分自动化的移动平台的数据的缺陷的触发物可靠地发现出并尤其能够跨传感器地针对安全性方案进行考虑。
根据一个方面提出,用于确定经评估的探测条件的方法具有下述步骤:
在一个步骤中提供探测条件的第一置信值,其中,该探测条件基于用于确定探测条件的第一基础。在另一步骤中提供探测条件的第二置信值,其中,该探测条件基于用于确定探测条件的第二基础。
在另一步骤中确定探测条件的总置信值,该总置信值基于所述第一置信值和第二置信值。在另一步骤中将总完整性值和总置信值分配给该探测条件,用于确定经评估的探测条件。
在此,置信值能够说明:以怎样的可能性正确地确定出了探测条件。
由于在该方法中对探测条件使用不同的基础进行确定并使用总完整性值和总置信值进行评估,所以能够将经保障且经评估的相应探测条件提供用于其他用于确定移动平台的和/或传感器***的环境的方法。
根据一个方面提出,对总置信值所进行的确定基于第一置信值的和第二置信值的与概率有关的组合。
使用置信值的与概率有关的组合能够确定总置信值,该总置信值能够说明已基于不同的基础来正确地确定出探测条件的概率。因此,使用总置信值能够例如为融合传感器***数据而对确定的探测条件进行评估和/或加权。
根据一个方面提出,对总置信值所进行的确定基于第一完整性值的和第二完整性值的算数函数。
例如可以将第一完整性值的和第二完整性值的对应的ASIL值(automotiv savetyintegrity level,汽车安全完整性等级)相加,以便简单地确定总完整性值。
根据一个方面提出,探测条件包括至少一个全局探测条件,和/或包括至少一个与区域相关的探测条件,和/或包括至少一个局部探测条件,和/或包括至少一个动态探测条件。
通过考虑多个探测条件,能够在传感器***的和/或移动平台的由此所推导出的环境参量的正确性方面对传感器***的信号进行评估。
根据一个方面提出,用于各个探测条件的基础基于至少一个用于该探测条件的专用传感器的数据,和/或基于对用于至少一个外部感知传感器的数据的探测条件所进行的模式识别,和/或基于对用于至少两个外部感知传感器的数据的探测条件所进行的模式识别,和/或基于对至少一个传感器的数据处理的结果的评估,和/或基于分配给地理数据并对相应传感器的周围环境更详细地进行描述的至少一个探测条件,和/或基于对地图地形所进行的分析处理,和/或基于由相应传感器的周围环境中的交通参与者所提供的数据。
通过考虑用于各个探测条件的多个基础,能够在传感器***的和/或移动平台的由此所推导出的环境参量的正确性方面对传感器***的信号进行评估。
根据一个方面提出,对经评估的探测条件所进行的确定排除探测条件的如下置信值和/或完整性值:所述置信值的和/或完整性值的对应的基础具有与对应的探测条件的关键相关性。
因此能够将在确定探测条件时被避免的关键相关性或者说负面影响排除或者说减少,即,例如不将如下传感器***用于确定探测条件:该传感器***具有对该传感器***在确定探测条件方面的能力的负面影响。
根据一个方面提出,将经评估的探测条件在空间上分配给对传感器***的对环境的表示。
因为经评估的探测条件在传感器***的和/或移动平台的环境中的不同地点处可能是不同的,所以通过将分别存在于那里的经评估的探测条件分配给空间坐标,能够改善该方法并能够改善使用该方法所提供的信息内容,从而以空间解析的方式来评估关于传感器***的和/或移动平台的环境的由传感器***所提供的信息。
为此可以围绕传感器***和/或移动平台来限定由栅格单元所组成的***,其中,能够为各个栅格单元分配对应的经评估的探测条件,该探测条件是针对栅格单元的地点特定的。以这种方式,能够将这种经以空间解析方式所评估的探测条件以相应的三维矩阵形式来结构化并以能够简单利用的格式提供给其他应用和/或模块和/或***,例如用于生成传感器***的或者说移动平台的环境。即,通过这种具有分别经空间上分配的经评估的探测条件的经结构化的矩阵能够简单地生成用于将传感器***数据融合的权重因子。
提出一种用于融合第一传感器***的和第二传感器***的数据的方法,该方法具有下述步骤:
在一个步骤中,根据上述方法中的任一种方法为第一传感器***和/或第二传感器***确定至少一个经评估的探测条件。在另一步骤中,基于所述至少一个经评估的探测条件来评估第一传感器***的和第二传感器***的数据,用于融合第一传感器***的和第二传感器***的数据,以便确定对这两个传感器***中的至少一个传感器***的环境的表示。在此,第一传感器***可以与第二传感器***类型相同。
可以在不同的步骤中处理传感器***的数据以表示车辆的环境,其中,可以随着每个处理步骤对数据进一步进行提取并最后合并或者说融合成经保障的环境模型。在此,用于对象探测、对象分类、对象追踪、距离计算等等的不同传感器模态的常见算法对于如下输入数据易受影响:所述输入数据尤其由于探测条件而不正确,所述输入数据是在所述探测条件的情况下所确定的。
在这种情况下,典型的用于对象探测和对象分类的方法可能由于对与环境相关的确定参量进行虚警的和漏警的确定而导致错误的确定。
使用至少一个经评估的探测条件,传感器融合***能够将关于探测条件的信息用于相应于当前状况在探测条件方面对来自不同传感器***的数据进行加权。则当例如传感器***基于经评估的探测条件不能够或者仅能够较差地识别环境中的对象时,通过该传感器***“未探测到该对象”不导致通过其他传感器***所建立的在对象探测之后的对象假设的“已正确探测到该对象”的概率被降低。这能够通过下述方式来实现:相应地降低较差地进行识别的传感器***在融合中的权重。
根据一个方面提出,在用于融合数据的方法中,基于所述至少一个用于对环境的表示的、经评估的探测条件对所述第一传感器***的数据和所述第二传感器***的数据进行加权。
提出一种方法,该方法基于根据上述方法中的任一种方法所确定的经评估的探测条件来提供用于操控至少部分自动化的车辆的控制信号;和/或该方法基于该经评估的探测条件来提供用于警告车辆乘员的警告信号。
术语“基于”在如下特征方面应广义地理解:基于经评估的探测条件来提供控制信号。应如此理解该术语,即,将经评估的探测条件用于对控制信号所进行的全部确定或者计算,其中,不排除还将其他输入参量用于对控制信号的确定。这相应地适用于对警告信号的提供。
高度自动化的车辆例如能够使用这种控制信号来进行至安全状态下的过渡,其方式是,例如在至少部分自动化的车辆的情况下执行缓慢停靠在路肩上。
提出一种针对至少一个探测条件的评估设备,该评估设备基于用于确定探测条件的多个基础,其中,该评估设备设置有计算单元,用于执行上述用于确定经评估的探测条件的方法中的任一种方法。
这种评估设备能够用于安全地确定和提供关于在至少部分自动化的车辆的环境中当前所存在的可能损害传感器***的探测条件的明确认知。
提出一种对如在上文中所描述的那样的评估设备的应用,该应用用于融合第一传感器***的和第二传感器***的数据,用于确定对这两个传感器***中的至少一个传感器***的环境的表示。
再次如在上文中所已阐述的那样,通过这种评估设备,对传感器***数据的融合能够生成可靠的结果,以便确定对传感器***的和/或至少部分自动化的平台的对环境的表示。
根据一个方面,说明一种计算机程序,包括指令,所述指令在通过计算机执行计算机程序时促使该计算机实施上述方法中的任一种方法。这种计算机程序能够实现在不同***中使用所描述的方法。
说明一种机器可读的存储介质,在该存储介质上存储有在上文中所描述的计算机程序。借助这种机器可读的存储介质,上述计算机程序是便携式的。
附图说明
参考图1和图2将本发明的实施例示出并在下文中更详细地进行阐述。附图示出:
图1:围绕传感器布置的用于在空间上分配经评估的探测条件的三维栅格;和
图2:对用于确定经评估的探测条件的数据流的和将该数据流用于融合传感器数据的简图。
具体实施方式
图1示意性绘出用于在空间上将经评估的探测条件分配给各个栅格单元120的三维栅格110,使用所述栅格单元将传感器***100的或者移动平台的——例如车辆的——环境结构化。通过具有栅格单元120的结构能够简单地根据空间坐标来映射经评估的探测条件。
从传感器***100出发的虚线绘出传感器***100的视角。该三维栅格例如可以具有尺寸为10×10×10cm3的单元。
可以在空间上围绕配备有这种传感器***100的车辆关联关于当前存在的经评估的探测条件的信息,并可以以这种形式将所述信息提供给其他***/模块。
图2示意性绘出用于确定经评估的探测条件的数据流和将所述数据流用于融合传感器数据来确定传感器数据的和/或移动平台的环境。
用于该环境的环境条件212的传感器***的数据、关于该环境的环境条件214的数据、传感器***的用于确定环境312的数据和环境314的数据,例如地形信息和/或地图信息和/或通过其他移动平台所提供使用的信息(V2X),是用于针对探测条件210的评估设备的输入数据。
针对探测条件210的评估设备向***220提供用于评估传感器数据的经评估的探测条件,该***因此为将不同的传感器***的传感器数据融合而为传感器数据融合***310确定和提供权重因子。在此,传感器数据融合***310将用于确定环境312的传感器***的数据和用于环境314的数据融合。
即换言之,由关于环境条件和/或环境模型的不同的传感器数据和/或数据源将当前存在于传感器***的和/或移动平台的环境中的条件作为用于确定探测条件的基础合并,以便确定经评估的探测条件。使用这些经评估的探测条件能够确定加权,以便将来自不同传感器***的——例如在特定的感知表征方面的——数据和/或来自用于传感器***的和/或移动平台的环境的数据源的数据以相应地确定的权重之一融合,以便确定传感器***的和/或移动平台的环境模型。
Claims (15)
1.一种用于确定用于评估传感器数据的经评估的探测条件的方法,所述方法具有:
基于用于确定所述探测条件的第一基础来提供所述探测条件的第一完整性值;
基于用于确定所述探测条件的第二基础来提供所述探测条件的第二完整性值;
基于所述第一完整性值和所述第二完整性值来确定用于所述探测条件的总完整性值;
将所述总完整性值分配给所述探测条件,用于确定所述经评估的探测条件。
2.根据权利要求1所述的方法,所述方法具有:
提供所述探测条件的第一置信值,所述探测条件基于用于确定所述探测条件的第一基础;
提供所述探测条件的第二置信值,所述探测条件基于用于确定所述探测条件的第二基础;
基于所述第一置信值和所述第二置信值来确定所述探测条件的总置信值;
将所述总完整性值和所述总置信值分配给所述探测条件,用于确定所述经评估的探测条件。
3.根据权利要求2所述的方法,其中,对所述总置信值所进行的确定基于所述第一置信值的和所述第二置信值的与概率有关的组合。
4.根据上述权利要求中任一项所述的方法,其中,对所述总完整性值所进行的确定基于所述第一完整性值的和所述第二完整性值的算数函数。
5.根据上述权利要求中任一项所述的方法,其中,所述探测条件包括至少一个全局探测条件,和/或包括至少一个与区域相关的探测条件,和/或包括至少一个局部探测条件,和/或包括至少一个动态探测条件。
6.根据上述权利要求中任一项所述的方法,其中,各个探测条件的基础基于至少一个用于所述探测条件的专用传感器(212)的数据,和/或基于对用于至少一个外部感知传感器(312)的数据的探测条件所进行的模式识别,和/或基于对用于至少两个外部感知传感器(312)的数据的探测条件所进行的模式识别,和/或基于对至少一个传感器(312)的数据处理的结果的评估,和/或基于分配给地理数据(314)并对相应传感器的周围环境更详细地进行描述的至少一个探测条件,和/或基于对地图地形(314)所进行的分析处理,和/或基于由相应传感器的周围环境中的交通参与者(314)所提供的数据。
7.根据上述权利要求中任一项所述的方法,其中,对所述经评估的探测条件所进行的确定排除所述探测条件的如下置信值和/或完整性值:所述置信值的和/或完整性值的对应的基础具有与对应的探测条件的关键相关性。
8.根据上述权利要求中任一项所述的方法,其中,将所述经评估的探测条件在空间上分配给对传感器***(100)的环境(100)的表示。
9.一种用于融合第一传感器***的和第二传感器***的数据的方法,所述方法具有:
根据权利要求1至8中任一项所述为所述第一传感器***和/或所述第二传感器***确定至少一个经评估的探测条件;
基于所述至少一个经评估的探测条件来评估所述第一传感器***的和所述第二传感器***的数据,用于融合所述第一传感器***的和所述第二传感器***的数据,以便确定对这两个传感器***中的至少一个传感器***的环境的表示。
10.根据权利要求9所述的方法,其中,基于至少一个用于对所述环境的所述表示的、经评估的探测条件,对所述第一传感器***的数据和所述第二传感器***的数据进行加权。
11.一种方法,所述方法基于根据权利要求1至8中任一项所确定的经评估的探测条件来提供用于操控至少部分自动化的车辆的控制信号;和/或所述方法基于所述经评估的探测条件来提供用于警告车辆乘员的警告信号。
12.一种针对至少一个探测条件的评估设备(210),所述评估设备基于用于确定所述探测条件的多个基础,其中,所述评估设备(210)设置有计算单元,用于执行根据权利要求1至8中任一项所述的方法。
13.一种对根据权利要求12所述的评估设备(210)的应用,所述应用用于融合第一传感器***的和第二传感器***的数据,用于确定对这两个传感器***中的至少一个传感器***的对环境的表示。
14.一种计算机程序,包括指令,所述指令在通过计算机执行所述计算机程序时促使所述计算机实施根据权利要求1至11中任一项所述的方法。
15.一种机器可读的存储介质,在所述存储介质上存储有根据权利要求14所述的计算机程序。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102021104662.9 | 2021-02-26 | ||
DE102021104662.9A DE102021104662A1 (de) | 2021-02-26 | 2021-02-26 | Verfahren zur Bestimmung einer fusionierten Sensor-Detektionsbedingung |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114954504A true CN114954504A (zh) | 2022-08-30 |
Family
ID=82799444
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210188718.2A Pending CN114954504A (zh) | 2021-02-26 | 2022-02-28 | 用于确定传感器探测条件的方法、融合数据的方法、提供信号的方法以及评估设备 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220277569A1 (zh) |
CN (1) | CN114954504A (zh) |
DE (1) | DE102021104662A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102022122833A1 (de) | 2022-09-08 | 2024-03-14 | ASFINAG Maut Service GmbH | Verfahren zum Betreiben eines Systems zum infrastrukturgestützten Assistieren eines Kraftfahrzeugs |
DE102022211631A1 (de) | 2022-11-04 | 2024-05-08 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zum Bestimmen einer räumlich aufgelösten Bewertung einer Detektionsbedingung |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7266477B2 (en) * | 2005-06-22 | 2007-09-04 | Deere & Company | Method and system for sensor signal fusion |
US10831190B2 (en) * | 2017-08-22 | 2020-11-10 | Huawei Technologies Co., Ltd. | System, method, and processor-readable medium for autonomous vehicle reliability assessment |
JP6981224B2 (ja) * | 2017-12-18 | 2021-12-15 | トヨタ自動車株式会社 | 車両制御装置、方法およびプログラム |
US11640172B2 (en) * | 2020-12-03 | 2023-05-02 | Mitsubishi Electric Cornoration | Vehicle controls based on reliability values calculated from infrastructure information |
-
2021
- 2021-02-26 DE DE102021104662.9A patent/DE102021104662A1/de active Pending
-
2022
- 2022-02-22 US US17/651,978 patent/US20220277569A1/en active Pending
- 2022-02-28 CN CN202210188718.2A patent/CN114954504A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
DE102021104662A1 (de) | 2022-09-01 |
US20220277569A1 (en) | 2022-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109284348B (zh) | 一种电子地图的更新方法、装置、设备和存储介质 | |
CN111192295B (zh) | 目标检测与跟踪方法、设备和计算机可读存储介质 | |
CN114954504A (zh) | 用于确定传感器探测条件的方法、融合数据的方法、提供信号的方法以及评估设备 | |
CN113379805A (zh) | 一种交通节点的多信息资源融合处理方法 | |
JP2019185347A (ja) | 物体認識装置、及び、物体認識方法 | |
CN111222568A (zh) | 一种车辆网联数据融合方法及装置 | |
EP3809399B1 (en) | Map generation device and map generation system | |
CN109444904B (zh) | 定位测试数据的生成方法、装置、设备及存储介质 | |
CN112462368B (zh) | 一种障碍物检测方法、装置、车辆及存储介质 | |
CN108960083B (zh) | 基于多传感器信息融合的自动驾驶目标分类方法及*** | |
CN117269940B (zh) | 点云数据生成方法、激光雷达的感知能力验证方法 | |
CN114332802A (zh) | 基于双目相机的路面平坦度语义分割方法和*** | |
CN113962301B (zh) | 一种多源输入信号融合的路面质量检测方法及*** | |
JP2021018465A (ja) | 物体認識装置 | |
CN117130010A (zh) | 用于无人驾驶的障碍物感知方法、***及无人驾驶汽车 | |
KR102616571B1 (ko) | 인공지능을 이용한 영상 분석 기반의 도로 교통정보 제공 방법 및 그를 위한 시스템 | |
US20230342434A1 (en) | Method for Fusing Environment-Related Parameters | |
CN113255820B (zh) | 落石检测模型训练方法、落石检测方法及相关装置 | |
CN114895274A (zh) | 一种护栏识别方法 | |
Wang et al. | A system of automated training sample generation for visual-based car detection | |
Ravishankaran | Impact on how AI in automobile industry has affected the type approval process at RDW | |
US20230079545A1 (en) | Method and control unit for monitoring a sensor system | |
WO2023205931A1 (en) | Sensor data processing apparatus and method | |
US20240059318A1 (en) | Using Connected Vehicles as Secondary Data Sources to Confirm Weather Data and Triggering Events | |
CN117022264B (zh) | 基于雷视融合的障碍物检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |