-
Die vorliegende Erfindung betrifft ein computerimplementiertes Verfahren zum Erzeugen nicht-semantischer Referenzdaten zur Positionsbestimmung eines Kraftfahrzeugs, wobei ein Satz von Rohdatenpunkten bereitgestellt wird, der einen vorgegebenen Umgebungsbereich abbildet. Die Erfindung betrifft außerdem ein Verfahren zur Positionsbestimmung eines Kraftfahrzeugs, ein Kartensystem zur Positionsbestimmung eines Kraftfahrzeugs, ein Kraftfahrzeug mit einem Kartensystem, ein Computersystem zum Erzeugen nicht-semantischer Referenzdaten zur Positionsbestimmung eines Kraftfahrzeugs, ein Computerprogramm sowie ein computerlesbares Speichermedium.
-
Beispielsweise zur Navigation oder Trajektorienplanung benötigen hochautomatisierte oder autonome Kraftfahrzeuge präzise Kenntnis ihrer eigenen Position. Bei bekannten Verfahren zur Bestimmung der Position werden beispielsweise semantische Strukturen und Muster, sogenannte Landmarken, in der Kraftfahrzeugumgebung von den Fahrzeugsensoren erkannt und mit entsprechenden Eintragungen in einer digitalen Karte des Kraftfahrzeugs verglichen. Solche semantischen Strukturen sind dabei stets einer vordefinierten Klasse zugeordnet, beispielsweise also mit der Information versehen, um welche Art von Objekt es sich handelt, etwa ein Verkehrsschild oder eine Häuserkante.
-
Die landmarkenbasierte Lokalisierung hat jedoch den Nachteil, dass nur solche Umgebungsmerkmale zur Lokalisierung verwendet werden, die einer mehr oder weniger generischen Klasse zugeordnet werden können. Dies schränkt die Anzahl die zur Lokalisierung verfügbaren Umgebungsmerkmale ein, sodass in Bereichen, in denen keine derartigen Landmarken zur Verfügung stehen, die Lokalisierung nicht oder nur mit geringer Genauigkeit durchgeführt werden kann.
-
Die Position eines Kraftfahrzeugs kann auch anhand von Satellitensignalen eines globalen Navigationssatellitensystems bestimmt werden. Die Genauigkeit bei üblicherweise in Kraftfahrzeugen eingesetzten Satellitenempfängern ist jedoch zu gering, um hochautomatisiertes oder autonomes Fahren zu ermöglichen. Hochpräzise Satellitenempfänger dagegen bringen einen erheblichen Kostenaufwand mit sich.
-
Im Dokument
EP 3 290 864 A1 wird ein Fahrerassistenzsystem zum Bestimmen einer Fahrzeugposition beschrieben. Dabei werden ungefähre Positionsdaten des Kraftfahrzeugs anhand von GPS-Signalen erfasst. Zudem wird ein Umgebungsbild des Kraftfahrzeugs aufgenommen und mit gespeicherten Bilddaten verglichen. Durch Kombination der dadurch erhaltenen Informationen kann die Position des Kraftfahrzeugs auch bei schlechtem Satellitenempfang ermittelt werden.
-
Vor diesem Hintergrund ist es eine Aufgabe der vorliegenden Erfindung, ein verbessertes Konzept zur Positionsbestimmung eines Kraftfahrzeugs, insbesondere zur kartenbasierten Positionsbestimmung eines Kraftfahrzeugs, bereitzustellen, das von der Verfügbarkeit semantischer Umgebungsstrukturen unabhängig ist.
-
Erfindungsgemäß wird diese Aufgabe durch den jeweiligen Gegenstand der unabhängigen Ansprüche gelöst. Vorteilhafte Weiterbildungen und Ausgestaltungsformen sind Gegenstand der abhängigen Ansprüche.
-
Das verbesserte Konzept beruht auf der Idee, nicht-semantische Referenzdaten zu erzeugen, indem die Umgebung abbildende Rohdatenpunkte anhand vorgegebener Deskriptoren zur Beschreibung von Umgebungseigenschaften geclustert werden und abhängig von einem Informationsgewinn, den die jeweiligen Punktcluster zur Positionsbestimmung beitragen können, entsprechende Merkmalsinformationen gespeichert werden.
-
Gemäß einem unabhängigen Aspekt des verbesserten Konzepts wird ein computerimplementiertes Verfahren zum Erzeugen nicht-semantischer Referenzdaten zur Positionsbestimmung eines Kraftfahrzeugs angegeben. Dabei wird ein Satz von, insbesondere mittels eines Umfeldsensors erzeugten, Rohdatenpunkten bereitgestellt, der einen vorgegebenen Umgebungsbereich abbildet. Für jeden der Rohdatenpunkte wird mittels einer Recheneinheit ein vorgegebener Deskriptor bestimmt, der eine Eigenschaft des Umgebungsbereichs an einer Position des jeweiligen Rohdatenpunkts beziehungsweise an einer Position, die dem jeweiligen Rohdatenpunkt in der Umgebung entspricht, charakterisiert. Mittels der Recheneinheit wird wenigstens ein Punktcluster erzeugt, indem, insbesondere mittels der Recheneinheit, die Rohdatenpunkte abhängig von ihren jeweiligen Deskriptoren zu dem Punktcluster gruppiert werden. Mittels der Recheneinheit wird einem ersten Punktcluster des wenigstens einen Punktclusters abhängig von den Deskriptoren der Rohdatenpunkte des ersten Punktclusters eine Kennzahl zugeordnet, die einen Informationsgewinn zur Positionsbestimmung des Kraftfahrzeugs betrifft. Abhängig von der Kennzahl werden mittels der Recheneinheit Merkmalsinformationen des ersten Punktclusters als nicht-semantische Referenzdaten zur Positionsbestimmung auf einer Speichereinheit gespeichert.
-
Bei dem Umgebungsbereich handelt es sich insbesondere um einen Umgebungsbereich des Umfeldsensors beziehungsweise eines Datenerfassungssystems oder eines Datenerfassungsfahrzeugs, an welchem der Umfeldsensor montiert ist. Insbesondere werden die Rohdatenpunkte erzeugt, bevor das Kraftfahrzeug die Referenzdaten zur Positionsbestimmung nutzt. Bei dem Umgebungsbereich handelt es sich also um einen Umgebungsbereich einer potentiellen Position des Kraftfahrzeugs.
-
Der Umfeldsensor kann beispielsweise als Radarsensor oder Lidarsensor, auch bezeichnet als Laserscanner, ausgestaltet sein. Zum Abbilden des Umgebungsbereichs erzeugt das Umfeldsensorsystem eine Punktwolke aus Abtastpunkten, die insbesondere als dreidimensionale Koordinatentupel vorliegen. Bei den Rohdatenpunkten, die den Umgebungsbereich abbilden, handelt es sich insbesondere um eine solche Punktwolke oder einen Teil davon.
-
Das Bereitstellen des Satzes von Rohdatenpunkten erfolgt insbesondere in computerlesbarer Form, sodass die Rohdatenpunkte mittels der Recheneinheit gelesen werden können. Insbesondere ist das Erzeugen der Rohdatenpunkte nicht notwendigerweise ein Teil des Verfahrens zum Erzeugen nicht-semantischer Referenzdaten nach dem verbesserten Konzept.
-
Dass die Rohdatenpunkte vorab erzeugt und dann bereitgestellt werden, hat insbesondere den Vorteil, dass bei der Erzeugung der Rohdatenpunkte hochpräzise Messgeräte eingesetzt werden können.
-
Die Rohdatenpunkte des Satzes von Rohdatenpunkten können beispielsweise als entsprechende Koordinatentupel in einem vorgegebenen Referenzkoordinatensystem, beispielsweise einem globalen Koordinatensystem oder Weltkoordinatensystem, beispielsweise einem geodätischen Koordinatensystem, wie beispielsweise WGS84, vorliegen.
-
Bei dem Deskriptor handelt es sich insbesondere um eine anhand der Rohdatenpunkte messbare Eigenschaft des Umgebungsbereichs, beispielsweise eine geometrische Eigenschaft. Geometrische Eigenschaften, die als Deskriptoren dienen können, beinhalten insbesondere die Krümmung oder mittlere Krümmung der abgetasteten Oberflächen oder Bereiche in dem Umgebungsbereich. Auch statistische Eigenschaften der Rohdatenpunkte beziehungsweise deren Verteilung oder Eigenschaften der Verteilung der Rohdatenpunkte können als Deskriptoren dienen. Auch optische Eigenschaften der Umgebung können durch die Rohdatenpunkte widergespiegelt sein. Insbesondere können die Rohdatenpunkte neben den räumlichen Koordinaten auch Intensitätsinformationen beinhalten oder die Intensitätsinformationen können den Rohdatenpunkten zugeordnet sein und bereitgestellt werden. Dabei handelt es sich im Falle eines Lidarsensors beispielsweise um die Intensität des reflektierten Laserstrahls. Da die Aussendecharakteristik, insbesondere die Wellenlängenverteilung des ausgesendeten Laserstrahls, bekannt ist, kann anhand der Intensität auf die spektrale Reflektivität oder Farbe des entsprechenden Punkts in der Umgebung, der dem Rohdatenpunkt entspricht, ermittelt werden. Auch diese Eigenschaften können als Deskriptoren dienen.
-
Der vorgegebene Deskriptor kann auch mehrere als Deskriptoren geeignete Werte beinhalten oder eine oder mehrere von diesen abgeleitete Größen.
-
Durch die Verwendung der Deskriptoren, die nicht an eine Bedeutungsebene von Objekten in der Umgebung anknüpfen, wird eine nicht-semantische Beschreibung der Umgebung ermöglicht.
-
Um die Rohdatenpunkte des Satzes von Rohdatenpunkten zu dem wenigstens einen Punktcluster zu gruppieren, wird insbesondere jeder Rohdatenpunkt des Satzes von Rohdatenpunkten entweder genau einem Punktcluster des wenigstens einen Punktclusters zugeordnet oder der jeweilige Rohdatenpunkt wird aussortiert beziehungsweise verworfen, also für die Erzeugung der Referenzdaten nicht weiter berücksichtigt.
-
Bei den Rohdatenpunkten des ersten Punktclusters handelt es sich insbesondere um diejenigen Rohdatenpunkte des Satzes von Rohdatenpunkten, die durch das Gruppieren den ersten Punktcluster bilden.
-
Dass die Rohdatenpunkte abhängig von den Deskriptoren gruppiert werden, kann insbesondere derart verstanden werden, dass die individuellen Deskriptoren der einzelnen Rohdatenpunkte zur Gruppierung herangezogen werden oder, dass die Deskriptoren der Rohdatenpunkte statistisch ausgewertet werden, beispielsweise durch Mittelwertbildung oder lokale Mittelwertbildung oder sonstige Analyse der Verteilung der Deskriptoren und die Gruppierung anhand des Resultats der statistischen Auswertung durchgeführt wird. Beide Aspekte können auch kombiniert werden beziehungsweise nacheinander durchgeführt werden, um den wenigstens einen Punktcluster zu erzeugen.
-
Insbesondere können die Rohdatenpunkte zunächst anhand ihrer individuellen Deskriptoren gruppiert werden, beispielsweise zu Deskriptorclustern, und den Deskriptorclustern können dann beispielsweise basierend auf den Deskriptoren ihrer jeweiligen Rohdatenpunkte Clusterdeskriptoren zugeordnet werden, die beispielsweise statistischen Kennwerten der Deskriptoren der Rohdatenpunkte des jeweiligen Deskriptorclusters entsprechen, beispielsweise einem Mittelwert, einem Medianwert und so weiter. In einem zweiten Schritt können die Deskriptorcluster dann anhand weiterer Kriterien, insbesondere anhand ihrer Clusterdeskriptoren, zu den Punktclustern gruppiert werden.
-
Dass die Kennzahl des ersten Punktclusters einen Informationsgewinn zur Positionsbestimmung des Kraftfahrzeugs betrifft, kann beispielsweise derart verstanden werden, dass die Kennzahl angibt, welchen Einfluss die Verwendung des ersten Punktclusters zur Positionsbestimmung des Kraftfahrzeugs auf eine Genauigkeit der Positionsbestimmung hat. Dabei kann der Kennwert beispielsweise angeben, wie eindeutig sich der erste Punktcluster wiedererkennen lässt, wie viele weitere Cluster sich in unmittelbarer Umgebung des ersten Punktclusters befinden, wie unterschiedlich der Clusterdeskriptor oder die Deskriptoren der Rohdatenpunkte des ersten Punktclusters im Vergleich zu anderen Punktclustern des wenigstens einen Punktclusters sind und derg leichen.
-
Mit anderen Worten kann die Kennzahl ausdrücken, wie markant ein Merkmal des Umgebungsbereichs ist, das durch den ersten Punktcluster dargestellt wird. Dabei kann das Merkmal beispielsweise als umso markanter angesehen werden, je höher eine Distinktivität des Merkmals ist, je höher die Einzigartigkeit oder Singularität des Merkmals ist und je niedriger die Dichte von weiteren Merkmalen in der Umgebung des jeweiligen Merkmals ist. Diese Eigenschaften lassen sich durch vorgegebene Regeln oder Vorschriften quantifizieren, sodass sich auch die Angabe, wie markant das Merkmal ist, nach vorgegebenen Regeln quantifizieren und daher messen lässt.
-
Jeder der Punktcluster kann insbesondere einem entsprechenden Merkmal in dem Umgebungsbereich zugeordnet werden oder als entsprechendes Merkmal verstanden werden.
-
Die Merkmale, die durch die Punktcluster dargestellt werden, sind nicht-semantischer Natur, ihnen ist also nicht notwendigerweise eine Bedeutung zugeordnet.
-
Die Merkmalsinformationen beinhalten beispielsweise eine Position des ersten Punktclusters, beispielsweise eine mittlere oder charakteristische Position der Rohdatenpunkte des ersten Punktclusters, eine räumliche Ausdehnung der Rohdatenpunkte des ersten Punktclusters oder sonstige geometrische Eigenschaften des ersten Punktclusters oder der Rohdaten des ersten Punktclusters. Die Merkmalsinformationen können auch die Deskriptoren der Rohdatenpunkte beinhalten und/oder den Clusterdeskriptor des ersten Punktclusters.
-
Das Speichern der Merkmalsinformationen abhängig von der Kennzahl kann beispielsweise derart erfolgen, dass die Merkmalsinformationen und die zugehörige Kennzahl gemeinsam gespeichert werden beziehungsweise die Merkmalsinformationen die Kennzahl selbst beinhalten. Alternativ oder zusätzlich können die Merkmalsinformationen des ersten Punktclusters beispielsweise nur dann gespeichert werden, wenn die Kennzahl oberhalb eines vorgegebenen Grenzwerts liegt. Alternativ oder zusätzlich können die Merkmalsinformationen in einer markierten Form gespeichert werden, wenn die Kennzahl kleiner ist als der vorgegebene Grenzwert, um zu kennzeichnen, dass der jeweilige Punktcluster nur eingeschränkt zur Positionsbestimmung tauglich ist.
-
Durch das Speichern der Merkmalsinformationen abhängig von der Kennzahl wird eine hohe Qualität der Referenzdaten gewährleistet und insbesondere eine hohe Genauigkeit der Positionsbestimmung anhand der Referenzdaten ermöglicht.
-
Indem der Umgebungsbereich anhand nicht-semantischer Merkmale beschrieben werden kann, ermöglicht es das Verfahren nach dem verbesserten Konzept weitgehend unabhängig von dem Inhalt des Umgebungsbereichs, also unabhängig davon, welche Objekte oder Strukturen sich innerhalb des Umgebungsbereichs befinden, Referenzdaten zur Positionsbestimmung zu erzeugen. Das verbesserte Konzept ist daher universell und flexibel anwendbar und insbesondere unabhängig vom Vorhandensein semantischer Landmarken.
-
Insbesondere können die durch die Punktcluster dargestellten Merkmale auch für Menschen nicht intuitiv erkennbare Merkmale in der Umgebung betreffen.
-
Nach dem verbesserten Konzept werden die Deskriptoren der Rohdatenpunkte als Mittel verwendet, Merkmale in der Umgebung als solche zu identifizieren und besonders markante Merkmale zur Positionsbestimmung heranzuziehen beziehungsweise als Referenzdaten zu speichern. Dabei wird beispielsweise ausgenutzt, dass sich die Verteilung, insbesondere räumliche Verteilung, der Deskriptoren der Rohdatenpunkte für distinktive Merkmale, also insbesondere eindeutig wiedererkennbare Merkmale, unterscheidet von nicht-distinktiven Merkmalen, beispielsweise Objekten mit sehr komplexen Oberflächen. Die Merkmale werden in Form der Merkmalsinformationen ohne inhaltliche Bedeutung dargestellt und weiterverwendet.
-
Gemäß zumindest einer Ausführungsform des Verfahrens zum Bereitstellen der Referenzdaten zur Positionsbestimmung beinhaltet das Verfahren das Erfassen von Sensormessdaten anhand des Umfeldsensorsystems und das Erzeugen der Rohdatenpunkte basierend auf den Sensormessdaten.
-
Gemäß zumindest einer Ausführungsform wird mittels der Recheneinheit jedem Punktcluster des wenigstens einen Punktclusters abhängig von den jeweiligen Deskriptoren der Rohdatenpunkte des jeweiligen Punktclusters eine jeweilige Kennzahl zugeordnet, die den jeweiligen Informationsgewinn zur Positionsbestimmung des Kraftfahrzeugs durch den jeweiligen Punktcluster betrifft. Jeweilige Merkmalsinformationen der Punktcluster des wenigstens einen Punktclusters werden abhängig von den jeweiligen Kennzahlen der Punktcluster auf der Speichereinheit gespeichert.
-
Dadurch wird eine Vielzahl von Merkmalen in dem Umgebungsbereich in nicht-semantischer Weise identifiziert und zur Positionsbestimmung als Referenzdaten bereitgestellt.
-
Gemäß zumindest einer Ausführungsform wird mittels der Recheneinheit eine räumliche Verteilung aller Punktcluster des wenigstens einen Punktclusters analysiert. Abhängig von einem Ergebnis der Analyse der räumlichen Verteilung wird ein Lokalisierungskennwert für den ersten Punktcluster und gegebenenfalls für alle weiteren Punktcluster des wenigstens einen Punktclusters, bestimmt. Die Kennzahl des ersten Punktclusters wird abhängig von dem Lokalisierungskennwert des ersten Punktclusters mittels der Recheneinheit bestimmt. Analoges gilt gegebenenfalls für die Kennzahlen der weiteren Punktcluster.
-
Der Lokalisierungskennwert quantifiziert insbesondere, wie hoch die Dichte von Punktclustern des wenigstens einen Punktclusters an der Position des ersten Punktclusters ist, also insbesondere in einer unmittelbaren Umgebung des ersten Punktclusters.
-
Je mehr Punktcluster sich in der unmittelbaren Umgebung des ersten Punktclusters befinden, desto weniger gut eignet sich der erste Punktcluster zur Positionsbestimmung, beziehungsweise desto geringer ist der Informationsgewinn, den der erste Punktcluster zur Positionsbestimmung beitragen kann.
-
Dementsprechend ist der Lokalisierungskennwert beispielsweise umso größer, je kleiner die Dichte von Punktclustern an der Position des ersten Punktclusters ist.
-
Insbesondere ist die Kennzahl des ersten Punktclusters umso größer, je größer der Lokalisierungskennwert für den ersten Punktcluster ist.
-
Durch die Bevorzugung stärker lokalisierter Merkmale in dem Umgebungsbereich wird eine Zuverlässigkeit beziehungsweise Genauigkeit der möglichen Positionsbestimmung anhand der Referenzdaten erhöht.
-
Gemäß zumindest einer Ausführungsform wird mittels der Recheneinheit eine Anzahl von Punktclustern des wenigstens einen Punktclusters bestimmt, die sich in einem vorgegebenen Teilbereich des Umgebungsbereichs befinden, in dem sich der erste Punktcluster befindet. Der Lokalisierungskennwert wird abhängig von der Anzahl der Punktcluster in dem vorgegebenen Teilbereich bestimmt.
-
Beispielsweise kann der Lokalisierungskennwert zusätzlich abhängig von der Gesamtanzahl der Punktcluster des wenigstens einen Punktclusters bestimmt werden, beispielsweise als Verhältnis der Anzahl von Punktclustern in dem vorgegebenen Teilbereich zu der Gesamtanzah l.
-
Beispielsweise kann der Umgebungsbereich vollständig in mehrere vorgegebene Teilbereiche, inklusive dem Teilbereich, in dem sich der erste Punktcluster befindet, aufgeteilt sein.
-
Der Lokalisierungskennwert kann dann beispielsweise abhängig von einer durchschnittlichen Anzahl von Punktclustern in den verschiedenen Teilbereichen bestimmt werden. Beispielsweise kann der Lokalisierungskennwert als Verhältnis der Anzahl der Punktcluster in dem Teilbereich, in dem sich der erste Punktcluster befindet zu der mittleren Anzahl von Punktclustern in allen Teilbereichen bestimmt werden.
-
In diesen Ausführungsformen wird insbesondere eine mittlere Dichte von Punktclustern herangezogen, um den Lokalisierungskennwert zu bestimmen.
-
Gemäß zumindest einer Ausführungsform ist der Lokalisierungskennwert umso kleiner, je größer die Anzahl von Punktclustern ist, die sich in dem vorgegebenen Teilbereich des ersten Punktclusters befinden.
-
Gemäß zumindest einer Ausführungsform wird mittels der Recheneinheit abhängig von den Deskriptoren der Rohdatenpunkte des ersten Punktclusters und abhängig von den Deskriptoren der Rohdatenpunkte eines zweiten Punktclusters des wenigstens einen Punktclusters ein Singularitätskennwert für den ersten Punktcluster bestimmt. Die Kennzahl wird abhängig von dem Singularitätskennwert, und insbesondere abhängig von dem Lokalisierungskennwert, des ersten Punktclusters bestimmt.
-
Die Singularität oder Einzigartigkeit eines Punktclusters beziehungsweise eines Merkmals, dem der Punktcluster entspricht, kann verstanden werden als Kennwert für eine Abweichung der Deskriptoren der Rohdatenpunkte des jeweiligen Punktclusters beziehungsweise des Clusterdeskriptors des jeweiligen Punktclusters im Vergleich zu anderen Punktclustern des wenigstens einen Punktclusters. Insbesondere können die Deskriptoren oder Clusterdeskriptoren aller Punktcluster des wenigstens einen Punktclusters verwendet werden, um die Singularitätskennzahl des ersten Punktclusters zu bestimmen.
-
Durch die Bevorzugung einzigartiger oder singulärer Merkmale beziehungsweise Punktcluster werden insbesondere solche Merkmale zur Positionsbestimmung bevorzugt, die anderen Merkmalen in dem Umgebungsbereich möglichst wenig gleichen. Dementsprechend kann die Qualität der Referenzdaten, also insbesondere die mittels den Referenzdaten erreichbare Genauigkeit der Positionsbestimmung, weiter erhöht werden.
-
Gemäß zumindest einer Ausführungsform ist der Singularitätskennwert des ersten Punktclusters umso größer, je stärker sich die Deskriptoren der Rohdatenpunkte des ersten Punktclusters von den Deskriptoren des zweiten Punktclusters unterscheiden oder je stärker sich der Clusterdeskriptor des ersten Punktclusters von dem Clusterdeskriptor des zweiten Punktclusters unterscheidet.
-
Gemäß zumindest einer Ausführungsform werden der Singularitätskennwert und der Lokalisierungskennwert mittels der Recheneinheit gewichtet und die Kennzahl wird abhängig von dem gewichteten Singularitätskennwert und dem gewichteten Lokalisierungskennwert bestimmt.
-
Dadurch wird es ermöglicht, je nach Anwendungsfall beziehungsweise je nach Art der verwendeten Deskriptoren dem Singularitätskennwert oder dem Lokalisierungskennwert eine höhere Bedeutung zugemessen werden.
-
Gemäß zumindest einer Ausführungsform wird mittels der Recheneinheit wenigstens ein Deskriptorcluster erzeugt, indem die Rohdatenpunkte abhängig von ihren jeweiligen Deskriptoren und unabhängig von ihren jeweiligen räumlichen Positionen gruppiert werden. Der wenigstens eine Punktcluster wird durch räumliches Gruppieren der Rohdatenpunkte erzeugt wird, wobei jeder Deskriptorcluster des wenigstens einen Deskriptorclusters identisch zu einem der Punktcluster des wenigstens einen Punktclusters ist oder aufgetrennt wird, um wenigstens zwei der Punktcluster des wenigstens einen Punktclusters zu bilden.
-
Um den wenigstens einen Deskriptorcluster zu erzeugen, werden diejenigen Rohdatenpunkte gruppiert, deren Deskriptoren ähnliche Werte aufweisen. Indem die räumliche Positionen der Rohdatenpunkte hierfür nicht berücksichtigt werden, kann ein Deskriptorcluster nach einem vorgegebenen Kriterium auch räumlich unzusammenhängend sein.
-
Unter einem Deskriptorcluster kann also insbesondere eine Untermenge von Rohdatenpunkten des Satzes von Rohdatenpunkten verstanden werden, die nach einer vorgegebenen Definition ähnliche Deskriptoren aufweisen, und insbesondere anhand eines bekannten Verfahrens zur Clusteranalyse gebildet werden.
-
Ein Deskriptorcluster kann dementsprechend eines oder mehrere Merkmale in dem Umgebungsbereich darstellen. Durch die Verwendung der Deskriptoren und Vernachlässigung der räumlichen Position können beispielsweise zwei räumlich voneinander getrennte, ansonsten aber identische oder ähnliche Objekte zu Rohdatenpunkten desselben Deskriptorclusters führen. Beispielsweise können zwei räumlich voneinander getrennt angeordnete Wände in dem Umgebungsbereich demselben Deskriptorcluster zugeordnet werden.
-
Gemäß zumindest einer Ausführungsform wird mittels der Recheneinheit für jeden Deskriptorcluster abhängig von den Deskriptoren der Rohdatenpunkte des Deskriptorclusters ein Clusterdeskriptor bestimmt, beispielsweise durch statistische Auswertung der Deskriptoren der Rohdatenpunkte. Der Clusterdeskriptor kann beispielsweise einem Mittelwert der Deskriptoren der Rohdatenpunkte des Deskriptorclusters entsprechen oder einer anderen statistischen Kenngröße.
-
Dadurch kann eine gemeinsame Weiterverarbeitung der Rohdatenpunkte eines Deskriptorclusters erfolgen, woraus ein geringerer Speicher- und/oder Rechenbedarf folgt.
-
Gemäß zumindest einer Ausführungsform werden alle Rohdatenpunkte des Satzes von Rohdatenpunkte, die gemäß einer vorgegebenen Vorschrift keinem der Deskriptorcluster zugeordnet werden können, verworfen und nicht weiter zur Erzeugung der Referenzdaten herangezogen.
-
Gemäß zumindest einer Ausführungsform wird mittels der Recheneinheit abhängig von den Deskriptoren der Rohdatenpunkte des ersten Punktclusters ein Distinktivitätskennwert für den ersten Punktcluster bestimmt. Die Kennzahl wird abhängig von dem Distinktivitätskennwert und insbesondere abhängig von dem Lokalisierungskennwert und beispielsweise abhängig von dem Singularitätskennwert des ersten Punktclusters bestimmt.
-
Der Distinktivitätskennwert kann abhängig von der Art der verwendeten Deskriptoren oder Rohdatenpunkte jeweils unterschiedlich ermittelt werden.
-
Insbesondere kann zum Ermitteln des Distinktivitätskennwerts eine Verteilung der Werte der Deskriptoren der Rohdatenpunkte des ersten Punktclusters bestimmt werden und mit vorgegebenen Kriterien verglichen werden.
-
Beispielsweise kann anhand der Verteilung bestimmt werden, ob die Deskriptoren des ersten Punktclusters unimodal oder multimodal verteilt sind, wie viele lokale Maxima die Verteilung aufweist, wie groß die Maximalwerte der lokalen Maxima sind, wie breit die Verteilung beziehungsweise einzelne Unterverteilungen der Verteilung sind und so weiter. Beispielsweise können auch Sprünge in der Verteilung herangezogen werden, um den Distinktivitätskennwert zu bestimmen.
-
Gemäß zumindest einer Ausführungsform wird mittels der Recheneinheit ein Histogramm der Deskriptoren der Rohdatenpunkte des ersten Punktclusters erzeugt und das Histogramm wird analysiert, um den Distinktivitätskennwert zu bestimmen.
-
Der Distinktivitätskennwert beschreibt insbesondere, wie gut sich der erste Punktcluster beschreiben lässt, beispielsweise wie eindeutig sich das Merkmal, das der erste Punktcluster beschreibt, als solches in der Umgebung erkennen lässt.
-
Indem Merkmale mit höherem Distinktivitätskennwert bevorzugt werden, kann eine höhere Zuverlässigkeit für die Positionsbestimmung erzielt werden.
-
Gemäß zumindest einer Ausführungsform wird für jeden Deskriptorcluster des wenigstens einen Deskriptorclusters ein entsprechender Distinktivitätskennwert bestimmt. Der Distinktivitätskennwert des ersten Punktclusters entspricht dann dem Distinktivitätskennwert desjenigen Deskriptorclusters, aus dem der erste Punktcluster hervorgeht.
-
Der erste Punktcluster erbt also gewissermaßen den Distinktivitätskennwert von dem zugehörigen Deskriptorcluster.
-
Gemäß zumindest einer Ausführungsform wird mittels der Recheneinheit die Verteilung der Deskriptoren der Rohdatenpunkte des ersten Punktclusters bestimmt und der Distinktivitätskennwert wird abhängig von der Verteilung bestimmt.
-
Gemäß zumindest einer Ausführungsform werden die Merkmalsinformationen des ersten Punktclusters mittels der Recheneinheit abhängig von dem Distinktivitätskennwert auf der Speichereinheit gespeichert.
-
Insbesondere können die Merkmalsinformationen beispielsweise nur dann auf der Speichereinheit gespeichert werden, wenn der Distinktivitätskennwert größer ist als ein vorgegebener weiterer Grenzwert.
-
Gemäß zumindest einer Ausführungsform werden der Distinktivitätskennwert, der Singularitätskennwert und der Lokalisierungskennwert mittels der Recheneinheit gewichtet und die Kennzahl wird abhängig von dem gewichteten Singularitätskennwert, dem gewichteten Singularitätskennwert und dem gewichteten Lokalisierungskennwert bestimmt.
-
Gemäß einem weiteren unabhängigen Aspekt des verbesserten Konzepts wird ein Verfahren zur Positionsbestimmung eines Kraftfahrzeugs angegeben. Dabei werden mittels eines Umfeldsensors des Kraftfahrzeugs Bilddaten einer Umgebung des Kraftfahrzeugs erzeugt. Mittels einer weiteren Recheneinheit des Kraftfahrzeugs werden die Bilddaten mit vorgegebenen Referenzdaten zur Positionsbestimmung, die insbesondere auf einer digitalen Karte oder einem Kartensystem des Kraftfahrzeugs gespeichert sind, abgeglichen. Mittels der weiteren Recheneinheit wird eine Position des Kraftfahrzeugs abhängig von einem Ergebnis des Abgleichs bestimmt. Die Referenzdaten zur Positionsbestimmung wurden dabei anhand eines Verfahrens zum Bestimmen von Referenzdaten zur Positionsbestimmung nach einem verbesserten Konzept erzeugt.
-
Gemäß einem weiteren unabhängigen Aspekt des verbesserten Konzepts wird ein Kartensystem, insbesondere ein digitales Kartensystem, insbesondere eine digitale Karte oder HD-Karte, zur Positionsbestimmung eines Kraftfahrzeugs angegeben. Das Kartensystem weist eine weitere Speichereinheit auf, wobei auf der weiteren Speichereinheit Referenzdaten zur Positionsbestimmung gespeichert sind, die mittels eines Verfahrens zum Bestimmen von Referenzdaten zur Positionsbestimmung eines Kraftfahrzeugs nach dem verbesserten Konzept erzeugt wurden.
-
Bei der Speichereinheit, auf der die Merkmalsinformationen nach dem Verfahren nach dem verbesserten Konzept gespeichert werden, handelt es sich insbesondere um die weitere Speichereinheit des Kartensystems.
-
Gemäß einem weiteren unabhängigen Aspekt des verbesserten Konzepts wird ein Kraftfahrzeug angegeben, das ein Kartensystem zur Positionsbestimmung nach dem verbesserten Konzept aufweist.
-
Gemäß einem weiteren unabhängigen Aspekt des verbesserten Konzepts wird ein Computersystem zum Erzeugen von Referenzdaten zur Positionsbestimmung eines Kraftfahrzeugs angegeben. Das Computersystem weist eine Recheneinheit und eine Speichereinheit auf. Die Recheneinheit ist dazu eingerichtet, einen Satz von Rohdatenpunkten zu erhalten, der einen vorgegebenen Umgebungsbereich abbildet. Die Recheneinheit ist dazu eingerichtet, für jeden der Rohdatenpunkte einen Deskriptor zu bestimmen, der eine Eigenschaft des Umgebungsbereichs an einer Position des jeweiligen Rohdatenpunkts charakterisiert. Die Recheneinheit ist dazu eingerichtet, wenigstens einen Punktcluster zu erzeugen, indem die Rohdatenpunkte abhängig von ihren Deskriptoren gruppiert werden. Die Recheneinheit ist dazu eingerichtet, einem ersten Punktcluster des wenigstens einen Punktclusters abhängig von den Deskriptoren der Rohdatenpunkte des ersten Punktclusters eine Kennzahl zuzuordnen, die einen Informationsgewinn zur Positionsbestimmung des Kraftfahrzeugs betrifft. Die Recheneinheit ist dazu eingerichtet, abhängig von der Kennzahl Merkmalsinformationen des ersten Punktclusters als Referenzdaten zur Positionsbestimmung auf der Speichereinheit zu speichern.
-
Dass die Recheneinheit dazu eingerichtet ist, den Satz von Rohdatenpunkten zu erhalten, kann insbesondere derart verstanden werden, dass die Rohdatenpunkte durch die Recheneinheit gelesen werden können.
-
Weitere Ausführungsformen des Computersystems nach dem verbesserten Konzept ergeben sich unmittelbar aus den verschiedenen Ausführungsformen des Verfahrens zum Erzeugen nicht-semantischer Referenzdaten zur Positionsbestimmung nach dem verbesserten Konzept und umgekehrt. Insbesondere ist ein Computersystem nach dem verbesserten Konzept dazu eingerichtet oder programmiert, ein Verfahren zum Erzeugen nicht-semantischer Referenzdaten nach dem verbesserten Konzept durchzuführen oder das Computersystem führt ein solches Verfahren durch.
-
Gemäß einem weiteren unabhängigen Aspekt des verbesserten Konzepts wird ein Computerprogramm mit Befehlen angegeben. Bei Ausführung des Computerprogramms durch ein Computersystem, insbesondere ein Computersystem nach dem verbesserten Konzept, insbesondere durch die Recheneinheit des Computersystems, veranlassen die Befehle das Computersystem dazu, ein Verfahren zum Bestimmen nicht-semantischer Referenzdaten nach dem verbesserten Konzept durchzuführen.
-
Gemäß einem weiteren unabhängigen Aspekt des verbesserten Konzepts wird ein computerlesbares Speichermedium angegeben, auf dem ein Computerprogramm nach dem verbesserten Konzept gespeichert ist.
-
Die Erfindung umfasst auch die Kombinationen der Merkmale der beschriebenen Ausführungsformen.
-
Im Folgenden sind Ausführungsbeispiele der Erfindung beschrieben.
-
In den Figuren zeigen:
- 1 eine beispielhafte Ausführungsform eines Computersystems nach dem verbesserten Konzept;
- 2 ein Ablaufdiagramm einer beispielhaften Ausführungsform eines Verfahrens zum Bestimmen nicht-semantischer Referenzdaten nach dem verbesserten Konzept; und 3 ein Kraftfahrzeug mit einer beispielhaften Ausführungsform eines Kartensystems nach dem verbesserten Konzept.
-
Bei den im Folgenden erläuterten Ausführungsbeispielen handelt es sich um bevorzugte Ausführungsformen der Erfindung. Bei den Ausführungsbeispielen stellen die beschriebenen Komponenten der Ausführungsformen jeweils einzelne, unabhängig voneinander zu betrachtende Merkmale der Erfindung dar, welche die Erfindung jeweils auch unabhängig voneinander weiterbilden und damit auch einzeln oder in einer anderen als der gezeigten Kombination als Bestandteil der Erfindung anzusehen sind. Des Weiteren sind die beschriebenen Ausführungsformen auch durch weitere der bereits beschriebenen Merkmale der Erfindung ergänzbar.
-
In den Figuren sind funktionsgleiche Elemente jeweils mit denselben Bezugszeichen versehen.
-
In 1 ist ein Computersystem 16 nach dem verbesserten Konzept schematisch dargestellt. Das Computersystem 16 weist eine Recheneinheit 8 sowie eine Speichereinheit 10 auf. Auf der Speichereinheit 10 ist beispielsweise ein Satz von Rohdatenpunkten gespeichert, der einen vorgegebenen Umgebungsbereich abbildet, also einen potentiellen Umgebungsbereich eines Kraftfahrzeugs 6.
-
Die Funktion des Computersystems 16 wird im Folgenden im Detail anhand beispielhafter Ausführungsformen eines Verfahrens zum Erzeugen von Referenzdaten nach dem verbesserten Konzept erläutert, wie es beispielsweise in 2 dargestellt ist.
-
2 zeigt ein Ablaufdiagramm einer beispielhaften Ausführungsform eines Verfahrens zum Erzeugen nicht-semantischer Referenzdaten zur Positionsbestimmung eines Kraftfahrzeugs 6.
-
In Schritt 1 des Verfahrens wird der Satz von Rohdatenpunkten 7 bereitgestellt, indem er auf der Speichereinheit 10 in computerlesbarer Form, also insbesondere durch die Recheneinheit 8 lesbar, gespeichert ist. Der Satz von Rohdatenpunkten 7 entspricht beispielsweise einer Punktwolke, die mittels eines Lidarsystems vorab erzeugt wurde.
-
Jedem der Rohdatenpunkte 7 wird mittels der Recheneinheit 8 ein vorgegebener Deskriptor zugeordnet beziehungsweise für jeden Rohdatenpunkt 7 wird der entsprechende Deskriptor mittels der Recheneinheit 8 errechnet, wobei der Deskriptor insbesondere eine geometrische Eigenschaft des Umgebungsbereichs an der Position, die durch den jeweiligen Rohdatenpunkt dargestellt wird, charakterisiert, beispielsweise eine Krümmung oder mittlere Krümmung der Umgebung oder eines Objekts in der Umgebung an der Position des jeweiligen Rohdatenpunkts. Auch Tiefeninformationen können zusätzlich oder alternativ als Deskriptor verwendet werden.
-
In Schritt 2 des Verfahrens werden die Rohdatenpunkte zu Deskriptorclustern 12a, 12b, 12c gruppiert, indem Rohdatenpunkte 7 mit ähnlichen Deskriptoren zusammengefasst werden. Das heißt, durch ein Clusterverfahren werden gleichartige Deskriptoren zu Deskriptorclustern 12a, 12b, 12c gruppiert.
-
In diesem Schritt können beispielsweise solche Merkmale in dem Umgebungsbereich 11, welche ähnliche Objekte betreffen, in einem gemeinsamen Deskriptorcluster 12a, 12b, 12c zusammengefasst werden, beispielsweise können alle wandähnlichen Beschreibungen in einem Deskriptorcluster 12a, 12b, 12c zusammengefasst sein.
-
In Schritt 2 können auch diejenigen der Rohdaten 7, die nach vorgegebenen Kriterien keinem der Deskriptorcluster 12a, 12b, 12d zugeordnet werden können, aussortiert werden und werden dann nicht weiter genutzt.
-
In Schritt 2 kann insbesondere für jeden der Deskriptorcluster 12a, 12b, 12c ein Distinktivitätskennwert bestimmt werden, insbesondere basierend auf den Deskriptoren der entsprechenden Rohdatenpunkte 7 des jeweiligen Deskriptorclusters 12a, 12b, 12c. Der Distinktivitätskennwert quantifiziert dabei, wie beschreibbar und wiedererkennbar die Deskriptoren des jeweiligen Deskriptorclusters 12a, 12b, 12c sind.
-
In Schritt 2 können zudem beispielsweise alle Deskriptorcluster 12a, 12b, 12c, deren Distinktivitätskennwert unterhalb eines vorgegebenen Grenzwerts liegen, aussortiert werden und werden nicht weiter betrachtet.
-
Zur beispielhaften Erläuterung sind in 2 Verteilungen 17a, 17b zweier Deskriptorcluster 12a, 12b, 12c schematisch dargestellt. Beispielsweise kann die Verteilung 17a die Verteilung von Krümmungswerten als Deskriptoren für eine Litfaßsäule darstellen und die Verteilung 17b eine entsprechende Verteilung für einen Baum. Während die Verteilung 17a auf eine hohe Distinktivität hinweist, da sie drei ausgeprägte Maxima aufweist, ist die Verteilung 17b gegebenenfalls nicht geeignet, um zur Positionsbestimmung verwendet zu werden, da sie auf eine relativ homogene Verteilung der Deskriptoren hinweist und damit auf einen niedrigen Distinktivitätskennwert.
-
In Schritt 3 des Verfahrens werden die Deskriptorcluster 12a, 12b, 12c räumlich voneinander getrennt, sodass entsprechende Punktcluster 9a, 9b, 9c, 9d, 9e, 9f mittels der Recheneinheit 8 erzeugt werden. Beispielsweise können zwei an unterschiedlichen Stellen der Umgebung positionierte Häuserwände in denselben Deskriptorcluster 12a, 12b, 12c fallen, jedoch in unterschiedliche Punktcluster 9a, 9b, 9c, 9d, 9e, 9f.
-
Die Punktcluster 9a, 9b, 9c, 9d, 9e, 9f übernehmen insbesondere die Distinktivitätskennwerte der jeweiligen Deskriptorcluster 12a, 12b, 12c aus denen sie jeweils hervorgehen.
-
In Schritt 3 kann auch ein Einzigartigkeitskennwert oder Singularitätskennwert für jeden der Punktcluster 9a, 9b, 9c, 9d, 9e, 9f mittels der Recheneinheit 8 bestimmt werden. Die Einzigartigkeit beziehungsweise Singularität eines Punktclusters 9a, 9b, 9c, 9d, 9e, 9f quantifiziert insbesondere die Unterschiedlichkeit des jeweiligen Punktclusters 9a, 9b, 9c, 9d, 9e, 9f von anderen Punktclustern 9a, 9b, 9c, 9d, 9e, 9f.
-
Der Singularitätskennwert kann insbesondere bestimmt werden, indem mittels der Recheneinheit 8 gemäß einer vorgegebenen mathematischen Vorschrift die Unterschiedlichkeit zwischen Deskriptoren der einzelnen Punktcluster 9a, 9b, 9c, 9d, 9e, 9f beschrieben wird.
-
Befinden sich beispielsweise viele Häuserwände in dem Umgebungsbereich 11, so ist der Singularitätskennwert der einzelnen zugehörigen Punktcluster 9a, 9b, 9c, 9d, 9e, 9f geringer, als wenn sich dort nur eine Häuserwand befindet.
-
In Schritt 3 kann neben der Punktcluster 9a, 9b, 9c, 9d, 9e, 9f zudem ein Lokalisierungskennwert zugeordnet werden. Dazu kann insbesondere eine räumliche Verteilung 18 der Punktcluster 9a, 9b analysiert werden. Insbesondere kann der Umgebungsbereich 11 mittels der Recheneinheit 8 in eine vorgegebene Anzahl von Unterbereichen aufgeteilt werden und die Anzahl von Punktclustern, die innerhalb der Unterbereiche liegen, kann bestimmt werden. Je mehr Punktcluster in einem Unterbereich liegen, desto geringer ist der Lokalisierungskennwert für die Punktcluster 9a, 9b, 9c, 9d, 9e, 9f in diesem Unterbereich.
-
In Schritt 4 des Verfahrens wird mittels der Recheneinheit 8 abhängig von dem Lokalisierungskennwert, dem Singularitätskennwert und dem Distinktivitätskennwert für jeden der Punktcluster 9a, 9b, 9c, 9d, 9e, 9f eine zugehörige Kennzahl ermittelt, die einen Informationsgewinn zur Positionsbestimmung des Kraftfahrzeugs betrifft. Insbesondere ist die Kennzahl umso höher, je höher der Lokalisierungskennwert des jeweiligen Punktclusters, der Singularitätskennwert und/oder der Distinktivitätskennwert des jeweiligen Punktclusters 9a, 9b, 9c, 9d, 9e, 9f ist.
-
Lokalisierungskennwert, Singularitätskennwert und Distinktivitätskennwert zusammen beschreiben, wie markant ein Merkmal in dem Umgebungsbereich 11 ist, das durch den jeweiligen Punktcluster 9a, 9b, 9c, 9d, 9e, 9f beschrieben wird. Je markanter das Merkmal, desto höher ist der Informationsgewinn, desto wertvoller ist gewissermaßen also der entsprechende Punktcluster 9a, 9b, 9c, 9d, 9e, 9f zur Positionsbestimmung des Kraftfahrzeugs.
-
In Schritt 5 des Verfahrens werden Merkmalsinformationen für jeden der Punktcluster 9a, 9b, 9c, 9d, 9e, 9f, insbesondere entsprechende räumliche Positionen, Ausdehnungen oder sonstige geometrische Informationen der Punktcluster 9a, 9b, 9c, 9d, 9e, 9f sowie beispielsweise die jeweilige Kennzahl beziehungsweise die jeweiligen Kennwerte der Punktcluster 9a, 9b, 9c, 9d, 9e, 9f auf der Speichereinheit 10 gespeichert, wenn die Kennzahl betreffend den Informationsgewinn des jeweiligen Punktclusters 9a, 9b, 9c, 9d, 9e, 9f größer ist als ein zugehöriger vorgegebener Grenzwert.
-
Dadurch werden insbesondere nur diejenigen Merkmale beziehungsweise Punktcluster 9a, 9b, 9c, 9d, 9e, 9f als nicht-semantische Referenzdaten zur Positionsbestimmung auf der Speichereinheit gespeichert, die ausreichend markant sind, was durch den Grenzwert definierte ist.
-
In 3 ist ein Kraftfahrzeug 6 gezeigt, das eine weitere Recheneinheit 14 aufweist sowie ein Umfeldsensorsystem 13, beispielsweise eine Kamera, ein Lidarsystem oder ein Radarsystem.
-
Das Kraftfahrzeug 6 weist außerdem eine digitale Karte 15 auf, insbesondere eine weitere Speichereinheit, auf der eine digitale Karte 15 gespeichert ist. Die digitale Karte 15 beinhaltet Referenzdaten zur Positionsbestimmung, die gemäß einem Verfahren nach dem verbesserten Konzept erzeugt wurden.
-
Mittels des Umfeldsensors 13 des Kraftfahrzeugs 6 können Bilddaten einer Umgebung des Kraftfahrzeugs 6 erzeugt werden. Die Bilddaten können durch die Recheneinheit 14 mit den Referenzdaten auf der digitalen Karte 15 verglichen werden.
-
Merkmale, die von den Referenzdaten dargestellt werden, können anhand des Vergleichs in den Bilddaten identifiziert werden, sodass die Position des Kraftfahrzeugs 6 bestimmt werden kann.
-
Wie beschrieben wird durch das verbesserte Konzept also eine Möglichkeit angegeben, nicht-semantische Referenzdaten zur Positionsbestimmung eines Kraftfahrzeugs zur Verfügung zu stellen und zu verwenden.
-
Durch das verbesserte Konzept können hochpräzise Rohdatenpunkte verwendet werden, um nicht-semantische, markante Referenzdaten für digitale Karten zu erzeugen, um die genaue Lokalisierung eines Kraftfahrzeugs zu ermöglichen.
-
In verschiedenen Ausführungsformen wird durch die Zusammenfassung ähnlicher Deskriptoren der Rohdatenpunkte der Speicherplatz der digitalen Karte deutlich reduziert, im Vergleich zum direkten Abspeichern der Rohdatenpunkte.
-
Das verbesserte Konzept erlaubt es daher, hochgenaue, global referenzierte Karten zu erstellen, in denen nicht-semantische Merkmale zusammen mit deren Beschreibung gespeichert sind.
-
Bezugszeichenliste
-
- 1
- Verfahrensschritt
- 2
- Verfahrensschritt
- 3
- Verfahrensschritt
- 4
- Verfahrensschritt
- 5
- Verfahrensschritt
- 6
- Kraftfahrzeug
- 7
- Rohdatenpunkte
- 8
- Recheneinheit
- 9a, 9b, 9c, 9d, 9e, 9f
- Punktcluster
- 10
- Speichereinheit
- 11
- Umgebungsbereich
- 12a, 12b, 12c
- Deskriptorcluster
- 13
- Umfeldsensor
- 14
- Recheneinheit
- 15
- digitale Karte
- 16
- Computersystem
- 17a
- Verteilung
- 17b
- Verteilung
- 18
- räumliche Verteilung
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
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.
-
Zitierte Patentliteratur
-