DE102016122193A1 - Function monitoring of a sensor device of a motor vehicle - Google Patents
Function monitoring of a sensor device of a motor vehicle Download PDFInfo
- Publication number
- DE102016122193A1 DE102016122193A1 DE102016122193.7A DE102016122193A DE102016122193A1 DE 102016122193 A1 DE102016122193 A1 DE 102016122193A1 DE 102016122193 A DE102016122193 A DE 102016122193A DE 102016122193 A1 DE102016122193 A1 DE 102016122193A1
- Authority
- DE
- Germany
- Prior art keywords
- object information
- time
- measure
- vehicle
- sensor device
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 48
- 230000001133 acceleration Effects 0.000 claims description 2
- 238000000151 deposition Methods 0.000 abstract 1
- 230000004927 fusion Effects 0.000 description 9
- 239000013598 vector Substances 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000007257 malfunction Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- BUHVIAUBTBOHAG-FOYDDCNASA-N (2r,3r,4s,5r)-2-[6-[[2-(3,5-dimethoxyphenyl)-2-(2-methylphenyl)ethyl]amino]purin-9-yl]-5-(hydroxymethyl)oxolane-3,4-diol Chemical compound COC1=CC(OC)=CC(C(CNC=2C=3N=CN(C=3N=CN=2)[C@H]2[C@@H]([C@H](O)[C@@H](CO)O2)O)C=2C(=CC=CC=2)C)=C1 BUHVIAUBTBOHAG-FOYDDCNASA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/52004—Means for monitoring or calibrating
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/66—Sonar tracking systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/86—Combinations of sonar systems with lidar systems; Combinations of sonar systems with systems not using wave reflection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/87—Combinations of sonar systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
- G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Traffic Control Systems (AREA)
Abstract
Die Erfindung betrifft ein Verfahren zum Überwachen einer Funktion einer Sensoreinrichtung (2) eines Kraftfahrzeugs (2), mit einem (a) Erfassen (10a-10g) einer Objektinformation (o(t;t)) über zumindest ein fahrzeugexternes Objekt (k) zu einem ersten Zeitpunkt (t) und zu einem auf den ersten Zeitpunkt (t) folgenden zweiten Zeitpunkt (t) durch zumindest eine Sensoreinheit (3, 4) der Sensoreinrichtung (2), einem (b) Hinterlegen (11) einer internen Objektinformation (O(t)), welche der zu dem ersten Zeitpunkt (t) erfassten Objektinformation (o(t)) entspricht, in einer Recheneinheit (5) der Sensoreinrichtung (2), einem (c) Prognostizieren (12) einer Objektinformation (O'(t)) für den zweiten Zeitpunkt (t) anhand der internen Objektinformation (O(t)) durch die Recheneinheit (5), einem (d) Aktualisieren (13) der prognostizierten Objektinformation ((O'(t)) zur neuen internen Objektinformation (O(t)) in Abhängigkeit der zu dem zweiten Zeitpunkt (t) erfassten Objektinformation (o(t)) durch die Recheneinheit (5), einem (e) Vergleichen (17) der für den zweiten Zeitpunkt (t) prognostizierten Objektinformation (O'(t)) mit der aktualisierten Objektinformation (O(t)) und Berechnen eines Innovationsmaßes (I[O'(t); O(t)]) für das zumindest eine Objekt (k) in Abhängigkeit eines Ergebnisses des Vergleichens (17) durch die Recheneinheit (5), sowie mit einem (f) Überprüfen (18) einer Plausibilität des Innovationsmaßes (I[O'(t); O(t)]) durch die Recheneinrichtung (5) und einem (g) Ausgeben (19) einer Fehlermeldung durch die Recheneinrichtung (5), falls das Überprüfen (18) ein negatives Ergebnis liefert, um eine möglichst einfache, ressourcenschonende Überwachung einer Funktion der Sensoreinrichtung (2), insbesondere einer Sensoreinrichtung mit mehreren Sensoreinheiten (3, 4), deren Daten fusioniert werden, bereitzustellen, und so den Ansprüchen an eine funktionelle Sicherheit der Sensoreinrichtung (2) gerecht zu werden.The invention relates to a method for monitoring a function of a sensor device (2) of a motor vehicle (2) with (a) detecting (10a-10g) object information (o (t; t)) via at least one vehicle-external object (k) a first time (t) and a second time (t) following the first time (t) by at least one sensor unit (3, 4) of the sensor device (2), (b) depositing (11) an internal object information (O (t)), which corresponds to the object information (o (t)) acquired at the first time (t), in a computing unit (5) of the sensor device (2), (c) prognosticating (12) object information (O '( t)) for the second time (t) on the basis of the internal object information (O (t)) by the arithmetic unit (5), (d) updating (13) the predicted object information ((O '(t)) to the new internal object information (O (t)) depending on the object information (o (t)) detected at the second time point (t) by the Arithmetic unit (5), a (e) comparing (17) the object information (O '(t)) predicted for the second time (t) with the updated object information (O (t)) and calculating an innovation measure (I [O' ( t); O (t)]) for the at least one object (k) as a function of a result of the comparison (17) by the arithmetic unit (5), as well as (f) checking (18) a plausibility of the measure of innovation (I [O '( t), O (t)]) by the computing device (5) and (g) outputting (19) an error message by the computing device (5), if the check (18) provides a negative result to the simplest, resource-saving Monitoring a function of the sensor device (2), in particular a sensor device with a plurality of sensor units (3, 4), whose data are fused to provide, and thus meet the demands on a functional safety of the sensor device (2).
Description
Die Erfindung betrifft ein Verfahren zum Überwachen einer Funktion einer Sensoreinrichtung eines Kraftfahrzeugs, mit einem (a) Erfassen einer Objektinformation über zumindest ein fahrzeugexternes Objekt zu einem ersten Zeitpunkt und zu einem auf den ersten Zeitpunkt folgenden zweiten Zeitpunkt durch zumindest eine Sensoreinheit der Sensoreinrichtung, mit einem (b) Hinterlegen einer internen Objektinformation, welche der zu dem ersten Zeitpunkt erfassten Objektinformation entspricht, in einer Recheneinheit der Sensoreinrichtung, mit einem (c) Prognostizieren einer Objektinformation für den zweiten Zeitpunkt anhand der internen Objektinformation durch die Recheneinheit, mit einem (d) Aktualisieren der prognostizierten Objektinformation zur neuen internen Objektinformation in Abhängigkeit der zu dem zweiten Zeitpunkt erfassten Objektinformation durch die Recheneinheit, und mit einem (e) Vergleichen der für den zweiten Zeitpunkt prognostizierten Objektinformation mit der aktualisierten Objektinformation und Berechnen eines Innovationsmaßes für das zumindest eine Objekt in Abhängigkeit eines Ergebnisses des Vergleichens durch die Recheneinheit. Die Erfindung betrifft auch eine entsprechende Überwachungseinrichtung zum Überwachen einer Funktion einer Sensoreinrichtung eines Kraftfahrzeugs.The invention relates to a method for monitoring a function of a sensor device of a motor vehicle, comprising (a) detecting object information about at least one vehicle-external object at a first time and at a second time following the first time by at least one sensor unit of the sensor device (b) storing an internal object information corresponding to the object information acquired at the first time in a computing unit of the sensor device, with (c) predicting object information for the second time based on the internal object information by the computing unit, with a (d) updating the predicted object information about the new internal object information as a function of the object information acquired at the second time by the arithmetic unit, and with a (e) comparing the object information predicted for the second time with the updated one n object information and calculating an innovation measure for the at least one object as a function of a result of the comparison by the arithmetic unit. The invention also relates to a corresponding monitoring device for monitoring a function of a sensor device of a motor vehicle.
In Kraftfahrzeugen ist es wichtig, die funktionelle Sicherheit von verschiedenen Bauteilen zu gewährleisten. Davon sind auch Sensoreinrichtungen mit einem oder mehreren Sensoren betroffen. Um die Funktionalität von einem oder mehreren Sensoren beziehungsweise einer Sensoreinrichtung zu überwachen werden üblicherweise spezielle Überwachungsalgorithmen auf von den Sensoren erfasste Sensordaten angewandt oder spezielle Fehler- oder Überwachungssignale verarbeitet, welche von der jeweiligen Sensoreinrichtung beziehungsweise den jeweiligen Sensoren erzeugt beziehungsweise empfangen werden. Diese Vorgehensweisen erfordern spezielle Algorithmen und damit zusätzliche Rechen-und Speicherkapazitäten seitens einer entsprechenden Recheneinheit, beispielsweise einer elektronischen Kontrolleinheit (ECU) der Sensoreinrichtung oder einer entsprechenden Überwachungseinrichtung. Gerade im Bereich multisensorischer Datenfusion, bei welchen Daten einer Vielzahl von Sensoren zusammengeführt und überprüft werden müssen, stößt dieses Konzept an seine Grenzen.In motor vehicles, it is important to ensure the functional safety of various components. This also affects sensor devices with one or more sensors. In order to monitor the functionality of one or more sensors or a sensor device, special monitoring algorithms are usually applied to sensor data detected by the sensors or special error or monitoring signals are processed, which are generated or received by the respective sensor device or the respective sensors. These procedures require special algorithms and thus additional computing and storage capacities on the part of a corresponding computing unit, for example an electronic control unit (ECU) of the sensor device or a corresponding monitoring device. Particularly in the area of multisensory data fusion, in which data from a large number of sensors must be combined and checked, this concept reaches its limits.
In der
Es ist Aufgabe der vorliegenden Erfindung, eine möglichst einfache, ressourcenschonende Überwachung einer Funktion einer Sensoreinrichtung, insbesondere einer Sensoreinrichtung mit mehreren Sensoreinheiten, deren Daten fusioniert werden, bereitzustellen, und so den Ansprüchen an eine funktionelle Sicherheit der Sensoreinrichtung gerecht zu werden.It is an object of the present invention to provide as simple as possible, resource-saving monitoring of a function of a sensor device, in particular a sensor device with a plurality of sensor units whose data are fused, and thus meet the demands on a functional safety of the sensor device.
Diese Aufgabe wird durch die Gegenstände der unabhängigen Patentansprüche gelöst. Vorteilhafte Ausführungsformen ergeben sich aus den abhängigen Patentansprüchen, der Beschreibung und den Figuren.This object is solved by the subject matters of the independent claims. Advantageous embodiments will become apparent from the dependent claims, the description and the figures.
Die Erfindung betrifft ein Verfahren zum Überwachen einer Funktion einer Sensoreinrichtung eines Kraftfahrzeugs mit einer Reihe von Schritten. Zu diesen Schritten gehört ein Erfassen einer Objektinformation über zumindest ein fahrzeugexternes Objekt zu einem ersten Zeitpunkt und zu einem auf den ersten Zeitpunkt folgenden zweiten Zeitpunkt durch zumindest eine Sensoreinheit der Sensoreinrichtung. Beispielsweise kann als die Objektinformation über ein fahrzeugexternes Objekt einen Abstand d(tn) eines vorausfahrenden Fahrzeugs (mit dem vorausfahrenden Fahrzeug als fahrzeugexternes Objekt) zu einem ersten Zeitpunkt tn und zu einem zweiten Zeitpunkt tn+i erfasst werden, beispielsweise als Abstand d(tn)=5m und d(tn+1)=3m.The invention relates to a method for monitoring a function of a sensor device of a motor vehicle with a series of steps. These steps include detecting object information about at least one vehicle-external object at a first time and at a second time following the first time by at least one sensor unit of the sensor device. For example, as the object information about an off-vehicle object, a distance d (t n ) of a preceding vehicle (with the vehicle in front as an off-vehicle object) may be detected at a first time t n and at a second time t n + i , for example as a distance d (t n ) = 5m and d (t n + 1 ) = 3m.
Ein weiterer Teil des Verfahrens ist ein Hinterlegen einer internen Objektinformation, welche der zu dem ersten Zeitpunkt erfassten Objektinformation entspricht, in der Recheneinheit der Sensoreinrichtung. Die interne Objektinformation kann die erfasste Objektinformation umfassen oder diese sein und/oder eine von der erfassten Objektinformation abgeleitete Objektinformation umfassen oder sein. Die interne Objektinformation kann beispielsweise in Form einer Tabelle oder einer Datenbank hinterlegt sein, in welcher für jeweilige fahrzeugexterne Objekte eine oder mehrere zugeordnete Informationen, beispielsweise über eine Position und/oder einen Abstand und/oder eine Geschwindigkeit, hinterlegt sind. Das Hinterlegen kann insbesondere vor dem zweiten Zeitpunkt erfolgen. Zum Beispiel kann der oben genannte Abstand d(tn) als interne Objektinformation vor dem zweiten Zeitpunkt in der Recheneinheit beispielsweise in Form einer Liste, in welcher ein oder mehrere fahrzeugexterne Objekte geführt werden, hinterlegt werden.Another part of the method is a storage of internal object information, which corresponds to the object information acquired at the first time, in the arithmetic unit of the sensor device. The internal object information may include or be the acquired object information and / or include or be object information derived from the acquired object information. The internal object information can be stored, for example, in the form of a table or a database in which one or more associated information, for example about a position and / or a distance and / or a speed, is stored for respective vehicle-external objects. The deposit can take place in particular before the second time. For example, the above-mentioned distance d (t n ) may be stored as internal object information before the second time in the arithmetic unit, for example in the form of a list in which one or more off-vehicle objects are kept.
Ein weiterer Teil des Verfahrens ist ein Prognostizieren einer Objektinformation für den zweiten Zeitpunkt anhand der internen Objektinformation für den ersten Zeitpunkt, welche also dem ersten Zeitpunkt zugeordnet ist, durch die Recheneinheit. Dies kann beispielsweise mittels eines Kalman-Filters erfolgen. Das Prognostizieren kann insbesondere vor dem zweiten Zeitpunkt erfolgen. So kann mittels beispielsweise des Kalman-Filters ausgehend von dem Abstand d(tn)=5m ein prognostizierter Abstand d'(tn+1) für den zweiten Zeitpunkt tn+i prognostiziert und abgeschätzt werden, beispielsweise zu d'(tn+1)=3,5m. Bei dem Prognostizieren können zusätzliche Parameter wie beispielsweise eine Geschwindigkeit, eine Geschwindigkeitsveränderung und weitere Aspekte der hinterlegten Objektinformation oder Objektinformationen berücksichtigt werden.Another part of the method is a prediction of object information for the second time point on the basis of the internal object information for the first time, which is therefore assigned to the first time, by the arithmetic unit. This can be done for example by means of a Kalman filter. The forecasting can take place in particular before the second time. Thus, by means of, for example, the Kalman filter starting from the distance d (t n ) = 5m a predicted Distance d '(t n + 1) for the second time t n + i are predicted and estimated, for example, d' (t n + 1) = 3.5 m. In forecasting, additional parameters such as a speed, a speed change and other aspects of the stored object information or object information can be taken into account.
Ein weiterer Schritt des Verfahrens ist ein Aktualisieren der prognostizierten Objektinformation zur (dann neuen) internen Objektinformation in Abhängigkeit der zu dem zweiten Zeitpunkt erfassten Objektinformation und insbesondere auch in Abhängigkeit der prognostizierten Objektinformation durch die Recheneinheit. Die nichtaktualisierte prognostizierte Objektinformation kann dabei weiterhin in der Recheneinheit hinterlegt sein. In dem obigen Beispiel kann so die als oder mit einem Abstand d(tn) hinterlegte interne Objektinformation in Abhängigkeit der zu dem zweiten Zeitpunkt erfassten Objektinformation, hier dem Abstand d(tn+1), aktualisiert werden. Beispielsweise kann so ein Abstand d(tn+1) für den Zeitpunkt tn+i mit 3,0m festgelegt werden. In Abhängigkeit der prognostizierten Objektinformation und insbesondere einer weiteren Information, beispielsweise einer Zuverlässigkeit der entsprechenden Sensorinformation, könnte aber auch eine von der erfassten Objektinformation abweichende Objektinformation, beispielsweise ein Abstand d(tn+1)=3,1 m hinterlegt werden.A further step of the method is an updating of the predicted object information on the (then new) internal object information as a function of the object information acquired at the second time and in particular also as a function of the predicted object information by the arithmetic unit. The non-updated predicted object information can continue to be stored in the arithmetic unit. In the above example, the internal object information deposited as or with a distance d (t n ) can thus be updated as a function of the object information acquired at the second time, in this case the distance d (t n + 1 ). For example, such a distance d (t n + 1 ) for the time t n + i can be set to 3.0 m. Depending on the predicted object information and in particular further information, for example a reliability of the corresponding sensor information, however, object information deviating from the detected object information, for example a distance d (t n + 1 ) = 3.1 m, could also be stored.
Schließlich erfolgt ein Vergleichen der für den zweiten Zeitpunkt prognostizierten Objektinformation mit der aktualisierten, neuen (internen) Objektinformation und ein Berechnen eines jeweiligen Innovationsmaßes für das zumindest eine Objekt in Abhängigkeit eines Ergebnisses des Vergleichens durch die Recheneinheit. Bei dem Vergleichen kann so beispielsweise die prognostizierte Objektinformation d'(tn+1)=3,5m mit der anhand der zum zweiten Zeitpunkt erfassten Objektinformation d(tn+1)=3m aktualisierten Objektinformation d"(tn+1)=3,1 m verglichen werden, und das Innovationsmaß I(t), beispielsweise in Form einer Differenz, vorliegend zum Beispiel von I(tn+1)=d'(tn+1)-d"(tn+1), berechnet werden, das sich hierzu I(tn+1)=0,4m ergibt. Das Innovationsmaß bezieht sich hier auf die Innovation oder Veränderung von prognostizierter zu aktualisierter Objektinformation und somit auf den Schritt des Aktualisierens. Sie dient somit dem Überprüfen des Aktualisierungsvorgangs, wie im Folgenden deutlich wird. Bei dem Innovationsmaß kann es sich um die im Kontext der Prädiktion mittels eines Kalman-Filters geläufige sogenannte Innovation handeln oder diese umfassen oder auch allgemein ein Maß für einen Unterschied beispielsweise auch in einer euklidischen Differenz einer beispielsweise als Wert oder Vektor vorliegenden Objektinformation für ein spezifisches fahrzeugexternes Objekt genutzt werden. Nachdem sich das Vergleichen auf jeweilige Objektinformationen, nämlich die prognostizierte und die erfasste Objektinformation zu einem gleichen Zeitpunkt, nämlich dem zweiten Zeitpunkt bezieht, kann das beschriebene Verfahren auch als „in-sequence“ Überwachung oder „in-sequence-monitoring“ bezeichnet werden.Finally, the object information predicted for the second time is compared with the updated, new (internal) object information and a respective innovation measure for the at least one object is calculated as a function of a result of the comparison by the arithmetic unit. In the comparing may thus, for example, the predicted object information d '(t n + 1) = 3.5 m with d based on the detected at the second time object information (t n + 1) = 3m updated object information d' (t n + 1) = 3.1 m, and the innovation measure I (t), for example in the form of a difference, in this case for example of I (t n + 1 ) = d '(t n + 1 ) -d "(t n + 1 ) , which results in I (t n + 1 ) = 0.4m. The innovation measure here refers to the innovation or change from predicted to updated object information and thus to the step of updating. It is thus used to check the update process, as will become apparent below. The innovation measure can be the so-called innovation familiar in the context of prediction using a Kalman filter, or it can also be a measure of a difference, for example also in a Euclidean difference of object information, for example as a value or vector, for a specific vehicle external Object to be used. Since the comparison relates to respective object information, namely the predicted and the acquired object information at the same time, namely the second time, the method described can also be referred to as "in-sequence" monitoring or "in-sequence-monitoring".
Wichtig ist hier, dass das Innovationsmaß durch die Recheneinrichtung auf eine Plausibilität überprüft wird. Dies kann beispielsweise mittels einer in der Recheneinheit hinterlegten Information wie einer Liste von plausiblen Werten für das Innovationsmaß oder Rechenvorschrift wie einem Vergleich mit einem abgespeicherten Vergleichswert erfolgen. In der Liste kann jedem fahrzeugexternen Objekt beispielsweise eine eineindeutige Identifikationsnummer zugeordnet werden, sodass die zu unterschiedlichen Zeitpunkten und/oder von unterschiedlichen Sensoreinheiten erfassten Komponenten der Objektinformation den jeweiligen fahrzeugexternen Objekten fehlerfrei zugeordnet werden können. So kann beispielsweise in dem beschrieben Beispiel ein Innovationsmaß I für den Zeitpunkt tn+1, welches hier einer zeitlichen Veränderung eines Abstands des Objektes entspricht, welches beispielsweise I(tn+1)=30m beträgt, als unplausibel erkannt werden, da, in einer realen Anwendung (selbstverständlich in Abhängigkeit der beiden Zeitpunkte tn, tn+1, beziehungsweise einer Differenz der beiden Zeitpunkte) eine derartig große Abstandsänderung in einem kurzen Zeitintervall beispielsweise für ein als kraftfahrzeugexternes Objekt aller Erfahrung nach unmöglich ist. In diesem Fall würde das Überprüfen der Plausibilität des Innovationsmaßes durch die Recheneinrichtung somit ein negatives Ergebnis liefern. Das Innovationsmaß von I(tn+1)=0,4m hingegen könnte zu einem positiven Ergebnis für den Zeitpunkt tn+i führen. Falls das Überprüfen ein negatives Ergebnis liefert, wird hier eine Fehlermeldung durch die Recheneinrichtung ausgegeben. So deutet beispielsweise eins plötzliche Veränderung des Abstands um 30m daraufhin, dass eine Funktion der Sensoreinrichtung des Kraftfahrzeugs gestört ist. Somit kann anhand der Fehlermeldung die Funktion der Sensoreinrichtung überwacht werden.It is important here that the innovation measure is checked for plausibility by the computing device. This can be done, for example, by means of a stored in the arithmetic unit information such as a list of plausible values for the innovation measure or calculation rule as a comparison with a stored comparison value. In the list, for example, a unique identification number can be assigned to each vehicle-external object, so that the components of the object information acquired at different times and / or by different sensor units can be assigned to the respective objects external to the vehicle without errors. Thus, for example, in the described example, an innovation measure I for the time t n + 1 , which here corresponds to a time variation of a distance of the object, which is, for example, I (t n + 1 ) = 30 m, can be recognized as implausible, since, in a real application (of course, depending on the two times t n , t n + 1 , or a difference between the two times) such a large change in distance in a short time interval, for example, as a motor vehicle external object of all experience is impossible. In this case, checking the plausibility of the innovation measure by the computing device would thus yield a negative result. The innovation measure of I (t n + 1 ) = 0.4m, on the other hand, could lead to a positive result for the time t n + i . If the check yields a negative result, an error message is output by the computing device here. Thus, for example, a sudden change of the distance by 30m indicates that a function of the sensor device of the motor vehicle is disturbed. Thus, based on the error message, the function of the sensor device can be monitored.
Das hat den Vorteil, dass die Funktion der Sensoreinrichtung mit einer geringen Prozessorlast und auf besonders einfache, ohne zusätzlichen Implementierungsaufwand oder mit wenig zusätzlichem Implementierungsaufwand realisiert werden kann. Das beruht darauf, dass die Erfindung im Wesentlichen bereits existierende Daten, vorliegend die erfasste und abgeschätzte, prognostizierte Objektinformation oder Daten nutzt, welche von Algorithmen der Sensoreinrichtung, insbesondere Algorithmen zu Sensordatenfusion einer Sensoreinrichtung mit mehreren Sensoren, bereits unabhängig von beschriebenen Verfahren berechnet werden. Damit wird das Erzeugen einer zusätzlichen Prozessorlast in einem Steuergerät oder einer ECU beziehungsweise einer Recheneinheit der Sensoreinrichtung verhindert oder minimiert sowie ein Entwicklungsaufwand reduziert. Zugleich wird dabei die Funktionssicherheit der Sensoreinrichtung überwacht, ohne dass die Objektinformation redundant erfasst werden müsste, beziehungsweise eine Sensorfusion redundant und damit mit großem Rechenaufwand in der Recheneinheit realisiert werden müsste. Dabei ist das beschriebene Verfahren zum Überwachen der Funktionssicherheit nicht nur für multisensorische Datenfusion geeignet, sondern auch für das Überwachen der Funktionalität von einzelnen Sensorelementen oder Sensoreinrichtungen mit nur einem Sensor oder nur Sensoren einer Modalität wie beispielsweise Lidar, Radar oder optischen Systemen. Das vorgeschlagene Verfahren benutzt also Daten, welche grundsätzlich in jeder zielverfolgenden oder objektverfolgenden (object tracking) Sensoreinrichtung oder in den üblichen Sensoreinrichtungen mit einer multisensorischen Datenfusion bereits ohnehin erzeugt und verarbeitet werden müssen. Der zusätzliche Rechenaufwand erschöpft sich also darin, einen Vergleich von Datensätzen durchzuführen, welche bereits bestehen, beispielsweise in Form von Zwischenergebnissen.This has the advantage that the function of the sensor device can be realized with a low processor load and in a particularly simple way, without additional implementation effort or with little additional implementation effort. This is based on the fact that the invention essentially uses already existing data, in this case the detected and estimated, predicted object information or data, which are already calculated independently of described methods by algorithms of the sensor device, in particular algorithms for sensor data fusion of a sensor device with a plurality of sensors. Thus, the generation of an additional processor load in a control unit or an ECU or a computing unit of the sensor device is prevented or minimized, and a development effort is reduced. At the same time, the functional reliability of the sensor device is monitored without the object information having to be detected redundantly, or a sensor fusion would have to be implemented redundantly and therefore with great computational effort in the arithmetic unit. The described method for monitoring the reliability is not only suitable for multisensory data fusion, but also for monitoring the functionality of individual sensor elements or sensor devices with only one sensor or only sensors of a modality such as lidar, radar or optical systems. The proposed method therefore uses data which in principle must already be generated and processed in any target-tracking or object-tracking sensor device or in the customary sensor devices with a multisensory data fusion anyway. The additional computational effort is therefore exhausted in carrying out a comparison of data sets which already exist, for example in the form of intermediate results.
In dem Verfahren werden also drei Zwischenergebnisse, welche in einer normalen Sensorverarbeitung mit einem oder mehreren Sensoren oft bereits erstellt werden genutzt: die interne Objektinformation, die prognostizierte Objektinformation und die aktualisierte Objektinformation beziehungsweise das Innovationsmaß, welches ein Maß für den Unterschied zwischen der prognostizierten Objektinformation und der aktualisierten Objektinformation ist. Das Innovationsmaß ist inhärent bereits in vielen genutzten Aktualisierungsalgorithmen verfügbar, beispielsweise in dem Kalman-Filter oder den verschiedenen bekannten Varianten wie beispielsweise dem erweiterten (extended) und dem unzentrierten (uncentered) Kalman-Filter und weiteren Varianten. Entscheidend für die Anwendung des hier beschriebenen Verfahrens ist nur die Verwendung der internen, der prognostizierten und der aktualisierten Objektinformation und der Berechnung einer Metrik zum Vergleich von prognostizierter und aktualisierter Objektinformation. Welche Verfahren zur Prognostizierung und Aktualisierung rechentechnisch eingesetzt werden ist dabei unerheblich. Über eine einfache Logik kann entsprechend für die Unterschiede zwischen den drei genannten Größen für einen Abstand und/oder eine Position und/oder eine Geschwindigkeit und/oder jegliche weitere Eigenschaft des entsprechenden fahrzeugexternen Objekts, welches erfasst und dessen Repräsentation in der Sensoreinrichtung über die Objektinformation aktualisiert wird, einfach eine Grenze definiert werden, jenseits derer das Verhalten der Sensoreinrichtung als unplausibel klassifiziert wird und die Fehlermeldung ausgeben wird.In the method, therefore, three intermediate results, which are often already created in a normal sensor processing with one or more sensors: the internal object information, the predicted object information and the updated object information or the innovation measure, which is a measure of the difference between the predicted object information and of the updated object information. The innovation measure is inherently already available in many used update algorithms, for example in the Kalman filter or the various known variants such as the extended and the uncentered Kalman filters and other variants. Decisive for the application of the method described here is only the use of the internal, the predicted and the updated object information and the calculation of a metric for comparing predicted and updated object information. Which methods for forecasting and updating are used computationally is irrelevant. By a simple logic can accordingly for the differences between the three mentioned sizes for a distance and / or a position and / or a speed and / or any other property of the corresponding vehicle external object, which detects and updates its representation in the sensor device via the object information is simply defined a limit beyond which the behavior of the sensor device is classified as implausible and the error message is issued.
In einer vorteilhaften Ausführungsform ist vorgesehen, dass das Verfahren iterierend oder fortlaufend durchgeführt wird. Insbesondere entspricht der zweite Zeitpunkt einer Iteration oder einer Iterationsstufe des Verfahrens dabei dem ersten Zeitpunkt einer darauffolgenden weiteren Iteration oder Iterationsstufe des Verfahrens. Das hat den Vorteil, dass die funktionelle Sicherheit der Sensoreinrichtung lückenlos und somit ständig überwacht wird. Über dies erfolgt die Überwachung auf besonders effiziente Weise, da beispielsweise die aktualisierte Objektinformation als interne Objektinformation der darauffolgenden Iteration direkt weiter genutzt werden kann. Damit ist die Überwachung auch auf eine besonders ressourcenschonende Weise realisiert.In an advantageous embodiment, it is provided that the method is carried out iteratively or continuously. In particular, the second time of an iteration or an iteration stage of the method corresponds to the first time of a subsequent further iteration or iteration stage of the method. This has the advantage that the functional safety of the sensor device is continuously and thus constantly monitored. About this monitoring is done in a particularly efficient manner, since, for example, the updated object information can be used directly as internal object information of the subsequent iteration. Thus, the monitoring is realized in a particularly resource-saving manner.
In einer weiteren, besonders vorteilhaften Ausführungsform ist vorgesehen, dass die Objektinformation mehrere fahrzeugexterne Objekte betrifft, sich also auf mehrere fahrzeugexterne Objekte bezieht oder die Eigenschaften mehrerer fahrzeugexterner Objekte repräsentiert. Das hat den Vorteil, dass die Statistik des Überprüfens der Plausibilität verbessert werden kann, indem beispielsweise eine Pool von mehreren jeweiligen Innovationsmaßen auf Plausibilität überprüft werden kann, wie es weiter unten ausgeführt ist. Des Weiteren ist das auch günstig für eine Sensoreinrichtung mit mehreren unterschiedlichen Sensoreinheiten, da von diesen oft unterschiedliche oder zumindest teilweise unterschiedliche Objekte erfasst werden können. Es kann somit in einem realen Szenario, in welchem typischerweise in einer Umgebung des Kraftfahrzeugs mehrere Objekte vorhanden sind, die funktionelle Sicherheit der Sensoreinrichtung besonders einfach und ohne beispielsweise einen Auswahlprozess, welcher die Objektinformation auf ein einziges fahrzeugexternes Objekt eingeschränkt, durchgeführt werden.In a further, particularly advantageous embodiment, it is provided that the object information relates to a plurality of vehicle-external objects, that is to say refers to a plurality of vehicle-external objects or represents the properties of a plurality of vehicle-external objects. This has the advantage that the plausibility checking statistics can be improved by, for example, checking a pool of several respective innovation measures for plausibility, as explained below. Furthermore, this is also favorable for a sensor device with a plurality of different sensor units, since these can often detect different or at least partially different objects. Thus, in a real-world scenario in which a plurality of objects are typically present in an environment of the motor vehicle, the functional safety of the sensor device can be carried out in a particularly simple manner and without, for example, a selection process which restricts the object information to a single vehicle-external object.
In einer weiteren vorteilhaften Ausführungsform ist vorgesehen, dass die Objektinformation über mehrere unterschiedliche Sensoreinheiten erfasst wird, welche insbesondere eine oder mehrere unterschiedliche Modalitäten aufweisen, und bevorzugt jeweils eine unterschiedliche Modalität aufweisen. Beispielsweise kann die Sensoreinrichtung so jeweils eine oder mehrere Sensoreinheiten eines Lidars, beispielsweise eine Lidars mit Laserscanner oder eines Lidars ohne Laserscanner, und/oder eines Radars und/oder eines Kamerasystems (mit einer oder mehreren Kameras als Sensoreinheiten) und/oder eines Ultraschallsystems (mit einem oder mehreren Ultraschallsensoren als Sensoreinheiten) umfassen. Damit kann durch die Sensoreinrichtung eine multisensorische Datenfusion realisiert werden oder muss für eine bestmögliche Verwertung der Objektinformation sogar erfolgen. Entsprechend ist das vorgeschlagene Verfahren hier besonders vorteilhaft, da die konventionellen bekannten Ansätze für eine Überwachung der Funktion einer Sensoreinrichtung in einem Szenario mit mehreren unterschiedlichen Sensoreinheiten besonders aufwendig sind, das heißt die eingangs erwähnten Nachteile eines hohen Implementierungsaufwandes oder zusätzlich erforderlicher Sensoren aufweisen.In a further advantageous embodiment, it is provided that the object information is detected via a plurality of different sensor units, which in particular have one or more different modalities, and preferably each have a different modality. For example, the sensor device can thus in each case one or more sensor units of a lidar, for example a lidar with laser scanner or a lidar without laser scanner, and / or a radar and / or a camera system (with one or more cameras as sensor units) and / or an ultrasound system (with one or more ultrasonic sensors as sensor units). Thus, a multisensory data fusion can be realized by the sensor device or even must be done for the best possible utilization of the object information. Accordingly, the proposed method is particularly advantageous here, since the conventional known approaches for monitoring the function of a sensor device in a scenario with several different sensor units are particularly expensive, that is the Having mentioned at the outset disadvantages of high implementation costs or additionally required sensors.
In einer anderen vorteilhaften Ausführungsform ist vorgesehen, dass die Objektinformation eine Information über eine Position und/oder über eine Geschwindigkeit und/oder über eine Beschleunigung und/oder über einen Abstand und/oder über eine Klassifizierung des (oder der) betreffenden fahrzeugexternen Objekts (oder Objekte) umfasst. Beispielsweise kann so für das eine, oder mehrere, insbesondere sämtliche fahrzeugexternen Objekte, die in der Objektinformation repräsentiert sind, in Form eines Vektors die jeweiligen Informationen hinterlegt sein. Die Wahl eines Vektors als Repräsentation ist hier besonders vorteilhaft, da eine Veränderung oder eine Differenz zwischen verschiedenen Vektoren besonders leicht mathematisch handhabbar und quantifizierbar ist. Die genannten Informationen bieten den Vorteil, dass sie die fahrzeugexternen Objekte besonders gut charakterisieren und gerade für diese wichtigen Informationen, im Rahmen der funktionellen Sicherheit jeweils sichergestellt werden sollte, dass sie korrekt sind, also zum Beispiel das Aktualisieren der Objektinformation in der vorgesehenen Weise funktioniert.In another advantageous embodiment, it is provided that the object information contains information about a position and / or about a speed and / or about an acceleration and / or about a distance and / or a classification of the (or the) respective vehicle external object (or Objects). For example, the respective information may be stored in the form of a vector for one or more, in particular all, vehicle-external objects that are represented in the object information. The choice of a vector as a representation is particularly advantageous here, since a change or a difference between different vectors is particularly easy to handle and quantify mathematically. The above information has the advantage that they characterize the vehicle-external objects particularly well and especially for this important information should be ensured in the context of functional safety in each case that they are correct, that is, for example, the updating of the object information works as intended.
In einer besonders vorteilhaften Ausführungsform ist vorgesehen, dass das Überprüfen ein Vergleichen des berechneten Innovationsmaßes mit einem Grenzwert oder einem Grenzmaß, beispielsweise auch einem Vektor oder Grenzvektor, umfasst und insbesondere ein Ergebnis des Überprüfens negativ ist, falls das berechnete Innovationsmaß größer ist als der Grenzwert, und positiv, falls das berechnete Innovationsmaß kleiner ist als der Grenzwert. Das Vergleichen kann hier beispielsweise über eine Differenzbildung wie im Kalman-Filter oder das Bilden einer euklidischen Differenz realisiert werden. Das hat den Vorteil, dass mit einem simplen, wenig rechenressourcenbindenden Vergleich die Plausibilität des Innovationsmaßes überprüft werden kann.In a particularly advantageous embodiment it is provided that the checking comprises a comparison of the calculated innovation measure with a limit value or a limit measure, for example also a vector or limit vector, and in particular a result of the checking is negative, if the calculated innovation measure is greater than the limit value, and positive if the calculated innovation measure is less than the limit. The comparison can be realized here, for example, by differentiating as in the Kalman filter or by forming a Euclidean difference. This has the advantage that the plausibility of the innovation measure can be checked with a simple, low-resource-binding comparison.
In einer anderen vorteilhaften Ausführungsform ist vorgesehen, dass das Innovationsmaß für mehrere fahrzeugexterne Objekte, welche die Objektinformation betrifft, berechnet wird, insbesondere für alle fahrzeugexternen Objekte, welche die Objektinformation betrifft, und/oder für mehrere Zeitpunkte, für welche die Objektinformation aktualisiert wird, berechnet wird, insbesondere für alle Zeitpunkte, für welche die Objektinformation aktualisiert wird. Es werden somit mehrere jeweilige Innovationsmaße Ik für mehrere jeweilige Objekte k berechnet. Das hat den Vorteil, dass eine Fehlfunktion der Sensoreinrichtung besonders zuverlässig und effizient detektiert werden kann, da aller Wahrscheinlichkeit nach eine funktionelle Fehlfunktion nicht nur einmal zu einem einzigen Zeitpunkt und/oder bei einem einzigen fahrzeugexternen Objekt auftritt, sondern sich typischerweise systematisch wiederholt und/oder für mehrere fahrzeugexterne Objekte zugleich auftritt. Über entsprechend Korrelationen in den jeweiligen Innovationsmaßen Ik(t) kann somit eine Fehlfunktion der Sensoreinrichtung besonders gut nachgewiesen werden.In another advantageous embodiment, provision is made for the innovation measure to be calculated for a plurality of vehicle-external objects which relate to the object information, in particular for all vehicle-external objects which concern the object information and / or for a plurality of points in time for which the object information is updated is, in particular for all times for which the object information is updated. There are thus calculated more respective innovation dimensions I k for a plurality of respective objects k. This has the advantage that a malfunction of the sensor device can be detected particularly reliably and efficiently, since in all probability a functional malfunction does not occur only once at a single point in time and / or in the case of a single vehicle-external object, but typically systematically repeats and / or Occurs for several vehicles external objects at the same time. By means of corresponding correlations in the respective innovation measures I k (t), a malfunction of the sensor device can thus be detected particularly well.
In einer besonders vorteilhaften Ausführungsform ist dabei vorgesehen, dass das Überprüfen ein negatives Ergebnis liefert, falls das jeweilige Innovationsmaß (insbesondere für einen oder mehrere vorgegebene Zeitpunkte) einer vorgegebenen Mindestanzahl von fahrzeugexternen Objekten und/oder eines vorgegebenen Mindestanteils der in der Objektinformation repräsentierten fahrzeugexternen Objekte größer ist, als ein vorgegebener Grenzwert oder der vorgegebene Grenzwert, und/oder falls das Innovationsmaß für ein Objekt wiederholt, beispielsweise gemäß einem erkennbaren Muster oder aber auch unregelmäßig, größer ist als der vorgegebene Grenzwert und/oder falls sich die Anzahl der fahrzeugexternen Objekte um mehr als eine vorgegebene Anzahl (die auch Null sein kann) verändert, für welche das jeweilige Innovationsmaß größer als der vorgegebene Grenzwert ist. Es hat sich herausgestellt, dass mit den genannten Bedingungen für das Innovationsmaß eine Fehlfunktion der Sensoreinrichtung besonders zuverlässig überwacht werden kann, da sich systemische Fehler in der Sensoreinrichtung sehr schnell beziehungsweise in sehr offensichtlicher Weise in einer Veränderung der genannten Kriterien niederschlagen.In a particularly advantageous embodiment, it is provided that the checking yields a negative result, if the respective innovation measure (in particular for one or more predefined times) of a predetermined minimum number of vehicle-external objects and / or a predetermined minimum proportion of the vehicle-external objects represented in the object information increases is, as a predetermined limit or the predetermined limit, and / or if the innovation measure for an object repeated, for example according to a recognizable pattern or even irregular, is greater than the predetermined limit and / or if the number of vehicle external objects by more as a predetermined number (which may also be zero) for which the respective innovation measure is greater than the predetermined limit value. It has been found that a malfunction of the sensor device can be monitored particularly reliably with the conditions mentioned for the degree of innovation, since systemic errors in the sensor device are reflected very rapidly or in a very obvious manner in a change of the named criteria.
In einer weiteren vorteilhaften Ausführungsform ist vorgesehen, dass ein zusätzliches Vergleichen der für den ersten Zeitpunkt hinterlegten Objektinformation, also der internen Objektinformation des ersten Zeitpunkts, mit der aktualisierten Objektinformation (des zweiten Zeitpunktes) erfolgt sowie ein Berechnen eines Abweichungsmaßes für das zumindest eine fahrzeugexterne Objekt in Abhängigkeit eines Ergebnisses des Vergleichens durch die Recheneinheit erfolgt. Dabei dient das Abweichungsmaß dem Überprüfen des Prognostizierens in ähnlicher Weise, wie das Innovationsmaß dem Überprüfen des Aktualisierens dient. Das Abweichungsmaß wird daher für eine gegebene aktualisierte Objektinformation im Allgemeinen größer sein als das Innovationsmaß. Entsprechend erfolgt auch ein Überprüfen einer Plausibilität des Abweichungsmaßes durch die Recheneinrichtung sowie ein Ausgeben einer Fehlermeldung durch die Recheneinrichtung, falls das Überprüfen ein negatives Ergebnis liefert, also das Abweichungsmaß nicht plausibel ist. In dem eingangs beschriebenen Beispiel würde so beispielsweise der Abstand d(tn) mit dem aktualisierten Abstand verglichen und somit beispielsweise für das Abweichungsmaß Ak(tn+1)=d(tn)-d(tn+1)=2m berechnet werden.In a further advantageous embodiment, it is provided that an additional comparison of the object information stored for the first point in time, ie the internal object information of the first time, with the updated object information (of the second time) takes place and calculating a deviation measure for the at least one vehicle external object Dependence of a result of the comparison by the arithmetic unit takes place. The measure of variance is to check the forecasting in a similar way as the innovation measure serves to verify the updating. The deviation measure will therefore generally be greater than the innovation measure for a given updated object information. Correspondingly, checking of a plausibility of the deviation measure by the computing device and outputting of an error message by the computing device also takes place if the checking provides a negative result, that is to say the deviation measure is not plausible. In the example described above, for example, the distance d (t n ) would be compared with the updated distance and thus, for example, for the deviation measure A k (t n + 1 ) = d (t n ) -d (t n + 1 ) = 2 m be calculated.
Hieran ist besonders vorteilhaft, dass wie bereits in dem eingangs beschriebenen Verfahren nur die sowieso bereits vorhandenen Objektinformationen ausgewertet werden, sodass keine zusätzlichen Daten generiert oder erfasst werden müssen. Da das Abweichungsmaß mit einem gleichen oder ähnlichen Algorithmus wie das Innovationsmaß berechnet werden kann, nur eben ausgehend von unterschiedlichen Objektinformationen, werden auch hier keine neuen aufwendigen Schritte bei der Implementierung notwendig. Beispielsweise kann so bei dem Vergleichen eine Differenz wie im Kalman-Filter für die Innovation bekannt oder eine euklidische Differenz berechnet werden. Da das Vergleichen auf Objektinformationen unterschiedlicher Zeitpunkte oder mit unterschiedlichen Zeitstempels basiert, kann dies im Gegensatz zu dem Überprüfen anhand des Innovationsmaßes als „out-of-sequence“ Überwachung oder „out-of-sequence-monitoring“ bezeichnet werden. This is particularly advantageous that, as already in the method described above, only the already existing anyway object information is evaluated, so no additional data must be generated or recorded. Since the deviation measure can be calculated with the same or similar algorithm as the innovation measure, but only on the basis of different object information, no new elaborate steps in the implementation are necessary here either. For example, in the comparison, a difference as known in the Kalman filter for the innovation or a Euclidean difference can be calculated. Since the comparison is based on object information from different points in time or with different timestamps, this can be referred to as "out-of-sequence monitoring" or "out-of-sequence monitoring" in contrast to the checking based on the innovation measure.
Auch für die out-of-sequence-Überwachung gelten jedoch die eingangs für die in-sequence- Überwachung beschriebenen Vorteile. Entsprechend lassen sich analog zu den Ausgestaltungen des Verfahrens in Bezug auf das Vergleichen, Berechnen und Überprüfens des Innovationsmaßes auch das Vergleichen und das Berechnen und das Überprüfen des Abweichungsmaßes weiter vorteilhaft ausgestalten. Dies wird im Folgenden dargelegt. Die dadurch erzielten Vorteile entsprechen mutatis mutandis den entsprechenden Vorteilen bei dem Vergleichen, Berechnen beziehungsweise Überprüfen des Innovationsmaßes. Diese können bei gleichzeitigem Vorhandensein der entsprechenden Merkmale auch synergetisch zusammenwirken. Grundsätzliche wäre das out-of-sequence-Monitoring auch unabhängig von dem in-sequence- Monitoring realisierbar, da allerdings das Abweichungsmaß für sich wie erläutert eine gröbere Überwachung liefert, macht die Implementierung zusammen mit der in-sequence-Überwachung Sinn, da so Fehler im Prognostizierungsprozess und im Aktualisierungsprozess voneinander getrennt in ihrem Einfluss beobachtet werden können.However, out-of-sequence monitoring also applies to the advantages described in the beginning for in-sequence monitoring. Accordingly, similar to the embodiments of the method with respect to the comparison, calculation and checking of the innovation measure, the comparison and the calculation and the checking of the deviation measure can also be made more advantageous. This will be explained below. The advantages achieved thereby mutatis mutandis correspond to the corresponding advantages in comparing, calculating or checking the innovation measure. These can also interact synergistically with the simultaneous presence of the corresponding features. In principle, the out-of-sequence monitoring would also be feasible independently of the in-sequence monitoring, since, however, as explained above, the deviation measure provides a coarser monitoring, the implementation together with the in-sequence monitoring makes sense, since errors can be observed separately in their influence in the forecasting process and in the updating process.
In einer vorteilhaften Ausführungsform ist dabei vorgesehen, dass das Überprüfen der Plausibilität des Abweichungsmaßes ein Vergleichen des berechneten Abweichungsmaßes mit einem weiteren Grenzwert, insbesondere einem Grenzwert der größer ist als der eine Grenzwert für das Innovationsmaß, umfasst und insbesondere eine Ergebnis des Überprüfens negativ ist, falls das berechnete Abweichungsmaß größer ist als der weitere Grenzwert, und positiv, falls das berechnete Abweichungsmaß kleiner ist als der weitere Grenzwert.In an advantageous embodiment, it is provided that checking the plausibility of the deviation measure comprises comparing the calculated deviation measure with a further limit value, in particular a limit value which is greater than the one limit value for the innovation measure, and in particular a result of the checking is negative if the calculated deviation measure is greater than the further limit value, and positive if the calculated deviation measure is smaller than the further limit value.
In einer weiteren, besonders vorteilhaften Ausführungsform ist dabei vorgesehen, dass das Abweichungsmaß für mehrere, insbesondere alle, fahrzeugexterne Objekte, welche die Objektinformation betrifft, und/oder für mehrere, insbesondere alle, Zeitpunkte, für welche die Objektinformation aktualisiert wird, berechnet wird. Es werden somit mehrere jeweilige Abweichungsmaße Ak für die jeweiligen Objekte k berechnet.In a further, particularly advantageous embodiment, it is provided that the deviation measure is calculated for a plurality of, in particular all, vehicle-external objects which relate to the object information, and / or for a plurality, in particular all, times for which the object information is updated. Thus, a plurality of respective deviation measures A k for the respective objects k are calculated.
Dabei kann hier in einer weiteren vorteilhaften Ausführungsform vorgesehen sein, dass das Überprüfen ein negatives Ergebnis liefert, falls das jeweilige Abweichungsmaß (insbesondere für einen oder mehrere Zeitpunkte) für eine vorgegebene Mindestanzahl von fahrzeugexternen Objekten und/oder einen vorgegebenen Mindestanteil der fahrzeugexternen Objekte größer ist als ein anderer vorgegebener weiterer Grenzwert oder der vorgegebene weitere Grenzwert und/oder falls das Abweichungsmaß für ein Objekt wiederholt, beispielsweise gemäß einem vorgegebenem Muster oder auch unregelmäßig, größer ist als der vorgegebene weitere Grenzwert und/oder falls sich die Anzahl der Objekte um mehr als eine vorgegebene Anzahl verändert, für welche das jeweilige Abweichungsmaß größer als der vorgegebene weitere Grenzwert ist.In this case, it can be provided in a further advantageous embodiment that the check provides a negative result if the respective deviation measure (in particular for one or more times) for a predetermined minimum number of vehicle-external objects and / or a predetermined minimum proportion of the vehicle-external objects is greater than another predetermined further limit value or the predetermined further limit value and / or if the deviation measure for an object is repeated, for example according to a predetermined pattern or also irregularly, is greater than the predetermined further limit value and / or if the number of objects by more than one changed predetermined number for which the respective deviation measure is greater than the predetermined further limit.
In einer weiteren vorteilhaften Ausführungsform ist vorgesehen, dass beide Zeitpunkte, der erste und der zweite Zeitpunkt, direkt aufeinander folgende Zeitpunkte sind. Das hat nicht nur den Vorteil einer engmaschigen Überwachung der Funktion der Sensoreinrichtung, sondern auch den Vorteil, dass die zu erwartenden Veränderungen und somit das Innovationsmaß und auch das Abweichungsmaß betragsmäßig kleiner sind als bei Zeitpunkten mit einer großen zeitlichen Differenz, und eventuelle Mess- oder Prädiktionsfehler einer geringeren Einfluss haben, sodass die Funktion der Sensoreinrichtung besonders genau und präzise überwacht werden kann.In a further advantageous embodiment, it is provided that both times, the first and the second time, are directly successive points in time. This not only has the advantage of a close monitoring of the function of the sensor device, but also the advantage that the expected changes and thus the innovation measure and also the deviation measure are smaller in magnitude than at times with a large time difference, and any measurement or prediction errors have a smaller influence, so that the function of the sensor device can be monitored very accurately and precisely.
Die Erfindung betrifft auch eine Sensoreinrichtung eines Kraftfahrzeugs. Die Sensoreinrichtung weist dabei eine Sensoreinheit zum Erfassen einer Objektinformation über zumindest ein fahrzeugexternes Objekt zu einem ersten Zeitpunkt und zu einem auf den ersten Zeitpunkt folgenden weiteren zweiten Zeitpunkt auf. Dabei ist die Sensoreinrichtung ausgelegt zum Hinterlegen der zu dem ersten Zeitpunkt erfassten Objektinformation als eine interne Objektinformation in einer Recheneinheit der Sensoreinrichtung. Die Recheneinheit ist dabei ausgelegt zum Prognostizieren einer Objektinformation für den zweiten Zeitpunkt anhand der internen Objektinformation, sowie zum Aktualisieren der prognostizierten Objektinformation zur neuen internen Objektinformation in Abhängigkeit der zu dem zweiten Zeitpunkt erfassten Objektinformation und zum Vergleichen der für den zweiten Zeitpunkt prognostizierten Objektinformation mit der aktualisierten Objektinformation und schließlich zum Berechnen eines Innovationsmaßes für das zumindest eine Objekt in Abhängigkeit eines Ergebnisses des Vergleichens. Wichtig ist hier, dass die Recheneinrichtung ausgelegt ist, eine Plausibilität des Innovationsmaßes zu überprüfen und eine Fehlermeldung auszugeben, falls das Überprüfen ein negatives Ergebnis liefert.The invention also relates to a sensor device of a motor vehicle. In this case, the sensor device has a sensor unit for detecting object information about at least one vehicle-external object at a first time and at a further second time following the first time. In this case, the sensor device is designed to store the object information acquired at the first time as internal object information in a computing unit of the sensor device. The arithmetic unit is designed to predict object information for the second time based on the internal object information, as well as to update the predicted object information to the new internal object information as a function of the detected at the second time object information and comparing the predicted for the second time object information with the updated Object information and finally for calculating an innovation measure for the at least one object as a function of a result of the comparison. Important here is that the computing device is designed to check a plausibility of the innovation measure and to issue an error message if the checking yields a negative result.
Die Erfindung betrifft auch eine Sensoreinrichtung, die zum Durchführen eines erfindungsgemäßen Verfahrens oder einer vorteilhaften Ausführungsform des erfindungsgemäßen Verfahrens ausgebildet ist.The invention also relates to a sensor device which is designed to carry out a method according to the invention or an advantageous embodiment of the method according to the invention.
Vorteile und vorteilhafte Ausführungsformen der Sensoreinrichtung entsprechend hier Vorteilen und vorteilhaften Ausführungsformen des Verfahrens zum Überwachen einer Funktion einer Sensoreinrichtung eines Kraftfahrzeugs.Advantages and advantageous embodiments of the sensor device according to advantages and advantageous embodiments of the method for monitoring a function of a sensor device of a motor vehicle.
Die Erfindung betrifft auch ein Kraftfahrzeug mit einer solchen Sensoreinrichtung.The invention also relates to a motor vehicle with such a sensor device.
Die vorstehend in der Beschreibung genannten Merkmale und Merkmalskombinationen sowie die nachfolgend in der Figurenbeschreibung genannten und/oder in den Figuren alleine gezeigten Merkmale und Merkmalskombinationen sind nicht nur in der jeweils angegebenen Kombination, sondern auch in anderen Kombinationen verwendbar, ohne den Rahmen der Erfindung zu verlassen. Es sind somit auch Ausführungen von der Erfindung als umfasst und offenbart anzusehen, die in den Figuren nicht explizit gezeigt und erläutert sind, jedoch durch separierte Merkmalskombinationen aus den erläuterten Ausführungen hervorgehen und erzeugbar sind. Es sind auch Ausführungen und Merkmalskombinationen als offenbart anzusehen, die somit nicht alle Merkmale eines ursprünglich formulierten unabhängigen Anspruchs aufweisen. Es sind darüber hinaus auch Ausführungen und Merkmalskombinationen, insbesondere durch die oben dargelegten Ausführungen, als offenbart anzusehen, die über die in den Rückbezügen der Ansprüche dargelegten Merkmalskombinationen hinausgehen oder von diesen abweichen.The features and combinations of features mentioned above in the description as well as the features and feature combinations mentioned below in the description of the figures and / or shown alone in the figures can be used not only in the respectively specified combination but also in other combinations, without departing from the scope of the invention , Thus, embodiments of the invention are to be regarded as encompassed and disclosed, which are not explicitly shown and explained in the figures, but which emerge and can be produced by separated combinations of features from the embodiments explained. Embodiments and combinations of features are also to be regarded as disclosed, which thus do not have all the features of an originally formulated independent claim. Moreover, embodiments and combinations of features, in particular by the statements set out above, are also to be regarded as disclosed, which go beyond the feature combinations set out in the back references of the claims or deviate therefrom.
Ausführungsbeispiele der Erfindung werden nachfolgend anhand schematischer Zeichnungen näher erläutert.Embodiments of the invention are explained in more detail below with reference to schematic drawings.
Dabei zeigen:
-
1 eine schematische Darstellung eines Kraftfahrzeugs mit einer beispielhaften Ausführungsform einer Sensoreinrichtung; und -
2 eine schematische Darstellung eines Flussdiagramms einer beispielhaften Ausführungsform eines Verfahrens zum Überwachen einer Funktion einer Sensoreinrichtung eines Kraftfahrzeugs.
-
1 a schematic representation of a motor vehicle with an exemplary embodiment of a sensor device; and -
2 a schematic representation of a flowchart of an exemplary embodiment of a method for monitoring a function of a sensor device of a motor vehicle.
Gleiche oder funktionsgleiche Merkmale werden dabei in den Figuren mit den gleichen Bezugszeichen versehen.Identical or functionally identical features are provided in the figures with the same reference numerals.
Die Sensoreinrichtung kann damit für eines der Verfahren, wie sie anhand von
Ein nächster Schritt ist dabei ein Hinterlegen
Beispielsweise kann bei dem Überprüfen
Bei der in-sequence-Überwachung wird das Innovationsmaß Ik[O'k(tn+1);Ok(tn+1)] vorliegend für alle Objekte k, die von dem Aktualisieren
Beispielsweise kann das Überprüfen
Ganz ähnlich kann zusätzlich zu der in-sequence-Überwachung eine sogenannte out-of-sequence-Überwachung realisiert werden. Hierfür erfolgt ein zusätzliches Vergleichen
Dabei kann bei dem Berechnen des Abweichungsmaßes Ak[Ok(tn); Ok(tn+1)] eine zusätzliche Konsistenzprüfung zwischen den jeweiligen internen Objektinformationen Ok zum Zeitpunkt tn und den internen Objektinformationen Ok zum Zeitpunkt tn+i vorgesehen sein. Dies kann entsprechend einem vorgegebenen Akzeptanzkriterium erfolgen. Beispielsweise kann diese Überprüfung einfach durch ein Nutzen einer Assoziationsinformation des Aktualisierens
ZITATE ENTHALTEN IN DER BESCHREIBUNG QUOTES INCLUDE IN THE DESCRIPTION
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of the documents listed by the applicant has been generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.
Zitierte PatentliteraturCited patent literature
- US 7460951 B2 [0003]US 7460951 B2 [0003]
Claims (15)
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE102016122193.7A DE102016122193A1 (en) | 2016-11-18 | 2016-11-18 | Function monitoring of a sensor device of a motor vehicle |
| PCT/EP2017/072846 WO2018091160A1 (en) | 2016-11-18 | 2017-09-12 | Functional monitoring of a sensor device of a motor vehicle |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE102016122193.7A DE102016122193A1 (en) | 2016-11-18 | 2016-11-18 | Function monitoring of a sensor device of a motor vehicle |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| DE102016122193A1 true DE102016122193A1 (en) | 2018-05-24 |
Family
ID=59955537
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| DE102016122193.7A Pending DE102016122193A1 (en) | 2016-11-18 | 2016-11-18 | Function monitoring of a sensor device of a motor vehicle |
Country Status (2)
| Country | Link |
|---|---|
| DE (1) | DE102016122193A1 (en) |
| WO (1) | WO2018091160A1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102022212107A1 (en) | 2022-11-15 | 2024-05-16 | Robert Bosch Gesellschaft mit beschränkter Haftung | Sensor system and driver assistance system |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102004003868A1 (en) * | 2004-01-26 | 2005-08-11 | Ibeo Automobile Sensor Gmbh | Method for tracking objects |
| DE102006051091A1 (en) * | 2006-06-26 | 2007-12-27 | Volkswagen Ag | Object e.g. vehicle, detection method for use in motor vehicle, involves performing proximity detection via sent electromagnetic signals and analysis of signals back scattered at objects at visual field of motor vehicle via radar system |
| US7460951B2 (en) | 2005-09-26 | 2008-12-02 | Gm Global Technology Operations, Inc. | System and method of target tracking using sensor fusion |
| DE102009006113A1 (en) * | 2008-03-03 | 2009-09-10 | Volkswagen Ag | Vehicle's surrounding representation providing method, involves subjecting sensor objects to fusion to generate fusion objects, and fusing existence possibilities of fusion objects based on existence possibilities of sensor objects |
| DE102010005293A1 (en) * | 2009-01-26 | 2010-09-02 | GM Global Technology Operations, Inc., Detroit | System and method for tracking path estimation using a sensor combination |
| DE102010063984A1 (en) * | 2010-02-11 | 2011-08-11 | Continental Teves AG & Co. OHG, 60488 | Vehicle sensor node |
| DE102014218703A1 (en) * | 2014-09-17 | 2016-03-17 | Continental Teves Ag & Co. Ohg | Redundant localization using GNSS signal |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110025548A1 (en) * | 2009-07-31 | 2011-02-03 | Gm Global Technology Operations, Inc. | System and method for vehicle sensor fusion |
| DE102013021844A1 (en) * | 2013-12-21 | 2015-06-25 | Valeo Schalter Und Sensoren Gmbh | Method for operating a plurality of ultrasonic sensors of a motor vehicle, ultrasonic sensor device and motor vehicle |
-
2016
- 2016-11-18 DE DE102016122193.7A patent/DE102016122193A1/en active Pending
-
2017
- 2017-09-12 WO PCT/EP2017/072846 patent/WO2018091160A1/en active Application Filing
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102004003868A1 (en) * | 2004-01-26 | 2005-08-11 | Ibeo Automobile Sensor Gmbh | Method for tracking objects |
| US7460951B2 (en) | 2005-09-26 | 2008-12-02 | Gm Global Technology Operations, Inc. | System and method of target tracking using sensor fusion |
| DE102006051091A1 (en) * | 2006-06-26 | 2007-12-27 | Volkswagen Ag | Object e.g. vehicle, detection method for use in motor vehicle, involves performing proximity detection via sent electromagnetic signals and analysis of signals back scattered at objects at visual field of motor vehicle via radar system |
| DE102009006113A1 (en) * | 2008-03-03 | 2009-09-10 | Volkswagen Ag | Vehicle's surrounding representation providing method, involves subjecting sensor objects to fusion to generate fusion objects, and fusing existence possibilities of fusion objects based on existence possibilities of sensor objects |
| DE102010005293A1 (en) * | 2009-01-26 | 2010-09-02 | GM Global Technology Operations, Inc., Detroit | System and method for tracking path estimation using a sensor combination |
| DE102010063984A1 (en) * | 2010-02-11 | 2011-08-11 | Continental Teves AG & Co. OHG, 60488 | Vehicle sensor node |
| DE102014218703A1 (en) * | 2014-09-17 | 2016-03-17 | Continental Teves Ag & Co. Ohg | Redundant localization using GNSS signal |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102022212107A1 (en) | 2022-11-15 | 2024-05-16 | Robert Bosch Gesellschaft mit beschränkter Haftung | Sensor system and driver assistance system |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2018091160A1 (en) | 2018-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2604478B2 (en) | Method for recognising function errors of a multi-sensor assembly | |
| DE102017116017A1 (en) | An automotive sensor device having a plurality of sensor units and a plurality of neural networks for generating a combined representation of an environment | |
| WO2019068291A1 (en) | Testing a neural network | |
| EP3282399B1 (en) | Method for the improved detection of process anomalies of a technical installation and corresponding diagnostic system | |
| DE102009054835A1 (en) | object sensor | |
| EP3701433B1 (en) | Method, device and computer program for developing a deep neural network | |
| DE102017209262A1 (en) | Method and device for automatic gesture recognition | |
| EP3857437A1 (en) | Method and device for analyzing a sensor data stream and method for guiding a vehicle | |
| DE102017204745A1 (en) | Architecture and apparatus for advanced arbitration in integrated controllers | |
| WO2019149664A1 (en) | Method for ascertaining a time characteristic of a measured variable, prediction system, actuator control system, method for training the actuator control system, training system, computer program and machine-readable storage medium | |
| DE112019003929T5 (en) | ELECTRONIC CONTROL DEVICE AND UPDATING SYSTEM OF A NEURAL NETWORK | |
| DE102016122193A1 (en) | Function monitoring of a sensor device of a motor vehicle | |
| DE102017116016A1 (en) | A motor vehicle sensor device having a plurality of sensor units and a neural network for generating an integrated representation of an environment | |
| DE102018122115A1 (en) | Method for detecting the surroundings of a vehicle | |
| DE102020207449A1 (en) | Method, computer program and device for processing signals | |
| EP3467722B1 (en) | Configuration of a motor vehicle driver assisting device using a neural network in ongoing operation | |
| EP3921658A1 (en) | Method and testing device | |
| DE102017113478A1 (en) | Method for operating a control device for operation with a redundant sensor device in a motor vehicle | |
| EP1717651B1 (en) | Method and system for analysing events related to operating a vehicle | |
| DE102013206274A1 (en) | Method and apparatus for adapting a non-parametric function model | |
| DE202017105656U1 (en) | Predictive measuring system, actuator control system and apparatus for operating the predictive measuring system and / or the actuator control system | |
| WO2021078512A1 (en) | Method for making a neural network more robust against adversarial disruptions | |
| DE102017218922A1 (en) | Method and device for data collection | |
| WO2018234130A1 (en) | Classification and localization of an object by a lidar sensor apparatus of a motor vehicle | |
| DE102022105249A1 (en) | PROCEDURE FOR CHECKING OBD RELEVANCE OF AN INPUT SIGNAL |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| R163 | Identified publications notified | ||
| R012 | Request for examination validly filed |