DE102019214345B4 - Method for detecting misalignment of at least one sensor of a motor vehicle - Google Patents
Method for detecting misalignment of at least one sensor of a motor vehicle Download PDFInfo
- Publication number
- DE102019214345B4 DE102019214345B4 DE102019214345.8A DE102019214345A DE102019214345B4 DE 102019214345 B4 DE102019214345 B4 DE 102019214345B4 DE 102019214345 A DE102019214345 A DE 102019214345A DE 102019214345 B4 DE102019214345 B4 DE 102019214345B4
- Authority
- DE
- Germany
- Prior art keywords
- sensor
- motor vehicle
- measured values
- time
- measurement
- 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.)
- Active
Links
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
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
- G01S7/4004—Means for monitoring or calibrating of parts of a radar system
- G01S7/4026—Antenna boresight
-
- 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
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/497—Means for monitoring or calibrating
- G01S7/4972—Alignment of sensor
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
Verfahren zur Dejustageerkennung wenigstens eines Sensors (2) eines Kraftfahrzeugs (K1), welcher zur Erfassung von Objekten im Umfeld des Kraftfahrzeugs (K1) dient, mit wenigstens folgenden Verfahrensschritten:• Es wird überprüft, in welcher aktuellen Ausgangssituation sich das Kraftfahrzeug (K1) befindet.• Bei Vorliegen einer Ausgangssituation (S2, S3, Sx), welche mit einer abgespeicherten, als geeignet festgelegten Ausgangssituation übereinstimmt, erfolgt eine Auswertung der durch den Sensor (2) während der Fahrt in einem bestimmten Zeitintervall (ZI) durch Erfassung von Objekten generierten und abgespeicherten Messwerte (M(t1)-M(tn)).• Jeder der erfassten Messwerte (M(t1)-M(tn)) wird in eine Beziehung zum Zeitpunkt (t1-tn) seiner Erfassung und zu einer Relativposition des Kraftfahrzeugs (K1) relativ zu einem den Messwert (M(t1)-M(tn)) verursachenden Messort (MO) zu diesem Zeitpunkt (t1-tn) gesetzt.• Es werden wenigstens Messwerte (M(t1)) eines ersten Zeitpunktes (t1) mit den Messwerten (M(t2)...M(tn)) eines zweiten, späteren Zeitpunktes (t2...tn) verglichen.• Aus dem Vergleich der Messwerte (M(t1), M(t2), M(tn)) wird entschieden, ob eine Dejustage (α) des Sensors (2) vorliegt oder nicht, dadurch gekennzeichnet, dass• durch die abgespeicherten Messwerte (M(t1)...M(tn)) Messbilder (MB1, MB2) erzeugt werden, welche für jedes erfasste Objekt zumindest Teile seiner Kontur (K) und/oder beliebige Muster zu unterschiedlichen Zeitpunkten (t1...tn) darstellen, wobei Messbilder (MB2) mit örtlich auseinanderliegenden Konturen (K(t1), K(t2), K(tn)) wenigstens eines Objektes und/oder mit auseinanderliegenden Mustern als Schlechtmessung und somit als Dejustage eingestuft werden und Messbilder (MB1) mit örtlich übereinanderliegenden Konturen (K(t1), K(t2), K(tn)) und/oder mit übereinanderliegenden Mustern als Gutmessung, wobei ein Schwellenwert oder Toleranzbereich definiert ist und Konturen (K(t1), K(t2), K(tn)) und/oder Muster als auseinanderliegend bestimmt werden, wenn sie weiter als der Schwellenwert voneinander entfernt sind.Method for misalignment detection of at least one sensor (2) of a motor vehicle (K1), which is used to detect objects in the area surrounding the motor vehicle (K1), with at least the following method steps: It is checked in which current initial situation the motor vehicle (K1) is located .• If there is an initial situation (S2, S3, Sx) which corresponds to a stored initial situation defined as suitable, the sensor (2) generates an evaluation of the objects detected during the journey at a specific time interval (ZI). and stored measured values (M(t1)-M(tn)).• Each of the detected measured values (M(t1)-M(tn)) is related to the time (t1-tn) of its detection and to a relative position of the motor vehicle (K1) relative to a measuring location (MO) causing the measured value (M(t1)-M(tn)) at this point in time (t1-tn).• At least measured values (M(t1)) of a first point in time (t1 ) with the meter th (M(t2)...M(tn)) of a second, later point in time (t2...tn).• From the comparison of the measured values (M(t1), M(t2), M(tn)) it is decided whether or not there is a misalignment (α) of the sensor (2), characterized in that• the stored measured values (M(t1)...M(tn)) are used to generate measurement images (MB1, MB2) which represent at least parts of its contour (K) and/or any pattern at different points in time (t1...tn) for each detected object, measurement images (MB2) with contours (K(t1), K(t2), K( tn)) of at least one object and/or with patterns that are apart are classified as a bad measurement and thus as maladjustment and measurement images (MB1) with contours (K(t1), K(t2), K(tn)) that are locally superimposed and/or with superimposed ones Patterns as a good measurement, where a threshold value or tolerance range is defined and contours (K(t1), K(t2), K(tn)) and/or patterns are determined to be apart if they w are further apart than the threshold.
Description
Die Erfindung betrifft ein Verfahren zur Dejustageerkennung wenigstens eines Sensors eines Kraftfahrzeugs.The invention relates to a method for detecting misalignment of at least one sensor of a motor vehicle.
Aus der
In der
Aus der
Der
Der
Die die Merkmale vom Oberbegriff des geltenden Anspruchs 1 aufweisende
Aus der
Schließlich ist aus der
Ausgehend vom genannten Stand der Technik, ist es Aufgabe der vorliegenden Erfindung, ein Verfahren zur Dejustageerkennung wenigstens eines Sensors eines Kraftfahrzeugs bereitzustellen, welches bereits mit einem einzigen Sensor möglich ist und bei dem auf Referenzdaten für ein zu erfassendes Objekt verzichtet werden kann. Ferner ist es eine Aufgabe der Erfindung, ein Verfahren zur Dejustageerkennung bereitzustellen, welches unabhängig von der Art der erfassten Objekte sehr flexibel ist und eine allgemeine Vorgehensweise erlaubt.Based on the prior art mentioned, it is the object of the present invention to provide a method for detecting misalignment of at least one sensor of a motor vehicle, which is already possible with a single sensor and in which reference data for an object to be detected can be dispensed with. Furthermore, it is an object of the invention to provide a method for misalignment detection, which is very flexible regardless of the type of objects detected and allows a general procedure.
Die vorliegende Aufgabe wird durch ein Verfahren mit den Merkmalen des Patentanspruchs 1 gelöst. Vorteilhafte Ausführungen beziehungsweise Ausbildungen des Verfahrens sind den abhängigen Ansprüchen zu entnehmen.The present object is achieved by a method having the features of
Gemäß einem Aspekt der Erfindung wird ein Verfahren zur Dejustageerkennung wenigstens eines Sensors eines Kraftfahrzeugs vorgeschlagen, wobei der Sensor zur Erfassung von Objekten im Umfeld des Kraftfahrzeugs dient. Das erfindungsgemäße Verfahren weist wenigstens folgende Verfahrensschritte auf:
- • Es wird zunächst überprüft, in welcher aktuellen Ausgangs- beziehungsweise Fahrsituation sich das Kraftfahrzeug befindet. Insbesondere wird geprüft, ob sich das Kraftfahrzeug bewegt oder nicht. Es hat sich nämlich gezeigt, dass lediglich bestimmte Fahrsituationen besonders geeignet sind, um eine Dejustage beziehungsweise fehlerhafte Messwerte ermitteln zu können. Hierauf wird später noch eingegangen.
- • Bei Vorliegen einer Ausgangssituation, welche mit einer abgespeicherten, als geeignet festgelegten Ausgangssituation übereinstimmt, erfolgt eine Auswertung der durch den Sensor während der Fahrt in einem bestimmten Zeitintervall durch Erfassung von Objekten generierten und abgespeicherten Messwerte. Eine Auswertung der ständig erzeugten Messwerte zwecks einer Dejustageerkennung erfolgt also lediglich bei Vorliegen einer geeigneten Ausgangssituation, insbesondere wenn sich das Kraftfahrzeug bewegt und somit Messwerte zu verschiedenen Zeitpunkten erfasst werden, an welchen sich das Kraftfahrzeug an verschiedenen Positionen befindet. Beispielsweise kann eine Geradeausfahrt oder eine Kurvenfahrt als geeignet bestimmt werden, wobei diese insbesondere Fahrsituationen insbesondere als geeignet bewertet werden, während eine statische Fahrsituation, insbesondere bei einem stehenden Fahrzeug, als nicht geeignet bewertet werden kann. Insbesondere sind solche Fahrsituationen geeignet, bei denen sich das Kraftfahrzeug bewegt; in diesem Fall verändert sich die Position des Kraftfahrzeugs an aufeinanderfolgenden Zeitpunkten. Bei den Objekten handelt es sich vorzugsweise um stationäre Objekte im Umfeld des Kraftfahrzeugs, also beispielsweise parkende Kraftfahrzeuge, feststehende Hindernisse und dergleichen. Das heißt, wenn sich das Kraftfahrzeug bewegt, verändert sich seine Position relativ zu den Objekten.
- • Jeder der erfassten Messwerte wird in eine Beziehung zum Zeitpunkt seiner Erfassung gesetzt. Des Weiteren wird jeder der erfassten Messwerte in eine Beziehung zu einer Relativposition des Kraftfahrzeugs (Abstand, Ausrichtung) relativ zu einem den Messwert verursachenden Messort zu diesem Zeitpunkt gesetzt.
- • It is first checked in which current initial or driving situation the motor vehicle is located. In particular, it is checked whether the motor vehicle is moving or not. This is because it has been shown that only certain driving situations are particularly suitable for being able to determine misalignment or erroneous measured values. This will be discussed later.
- • If there is an initial situation that matches a stored initial situation defined as suitable, the measured values generated and stored by the sensor during the journey at a specific time interval by detecting objects are evaluated. The constantly generated measured values are evaluated for misalignment detection only if there is a suitable initial situation, in particular if the motor vehicle is moving and measured values are therefore recorded at different points in time at which the motor vehicle is in different positions. For example, driving straight ahead or cornering can be determined as suitable, with these particular driving situations being evaluated as particularly suitable, while a static driving situation, particularly when the vehicle is stationary, can be evaluated as not suitable. Driving situations in which the motor vehicle is moving are particularly suitable; in this case the position of the motor vehicle changes at successive points in time. The objects are preferably stationary objects in the vicinity of the motor vehicle, for example parked motor vehicles, stationary obstacles and the like. That is, when the motor vehicle moves, its position changes relative to the objects.
- • Each of the measured values recorded is related to the time it was recorded. Furthermore, each of the measured values recorded is related to a relative position of the motor vehicle (distance, alignment) relative to a measurement location causing the measured value at this point in time.
Mit anderen Worten wird festgestellt, in welcher Relativposition sich das Kraftfahrzeug zu einem erfassten Objekt beziehungsweise einem Messort zu einem bestimmten Messzeitpunkt befindet. Insbesondere wird dabei zudem berücksichtigt, wie sich die absolute Position des Kraftfahrzeugs bei seiner Bewegung verändert. Hierzu kann beispielsweise mit Hilfe der Fahrzeugodometrie bestimmt werden, wie sich die Position und Orientierung des Kraftfahrzeugs während der Fahrt verändert. Die Fahrzeugodometrie bezeichnet eine Methode der Schätzung der Lage, das heißt der Position und Orientierung, eines mobilen Systems. Dabei werden etwa die Richtung und der Betrag einer Geschwindigkeit des Systems sowie gegebenenfalls Beschleunigungen berücksichtigt, um eine Änderung der Lage zu bestimmen. Insbesondere ermöglicht die Fahrzeugodometrie, zu bestimmten Zeitpunkten die Position, Ausrichtung und den Fahrzustand eines Kraftfahrzeugs zu bestimmen. Als Eingangsgrößen können beispielsweise Messgrößen der Radsensoren, der Gierratensensoren und auch der Lenksensoren (Lenkwinkel) verwendet werden. Ergänzend sind auch Daten einer Fahrzeugnavigation (GPS-Daten) verwendbar. In other words, it is determined in which position the motor vehicle is located relative to a detected object or a measurement location at a specific measurement time. In particular, it is also taken into account how the absolute position of the motor vehicle changes during its movement. For this purpose, vehicle odometry can be used, for example, to determine how the position and orientation of the motor vehicle changes while driving. Vehicle odometry describes a method of estimating the situation, i.e. the position and orientation, of a mobile system. For example, the direction and the amount of a speed of the system as well as any accelerations are taken into account in order to determine a change in the position. In particular, vehicle odometry enables the position, orientation and driving condition of a motor vehicle to be determined at specific points in time. Measured variables from the wheel sensors, the yaw rate sensors and also the steering sensors (steering angle), for example, can be used as input variables. In addition, vehicle navigation data (GPS data) can also be used.
Hierdurch kann bestimmt werden, in welchem räumlichen Verhältnis Messwerte zueinander stehen, die zu verschiedenen Zeitpunkten und an verschiedenen Positionen des Fahrzeugs erfasst werden. Es kann also beispielsweise bestimmt werden, welche Verschiebung oder Rotation der Lage eines Objekts relativ zum Fahrzeug auf die Eigenbewegung des Kraftfahrzeugs zurückgeht. Durch geeignete Kompensation können somit die zu verschiedenen Zeitpunkten erfassten Messwerte miteinander verglichen, in ein gemeinsames Koordinatensystem transformiert oder in eine Karte eingetragen werden.
- • Es werden wenigstens Messwerte eines ersten Zeitpunktes mit den Messwerten eines zweiten, späteren Zeitpunktes verglichen.
- • Aus dem Vergleich der Messwerte wird entschieden, ob eine Dejustage des Sensors vorliegt oder nicht. Unter Dejustage wird insbesondere ein Winkelversatz des Sensors von seiner korrekten Position verstanden.
- • At least measured values from a first point in time are compared with measured values from a second, later point in time.
- • By comparing the measured values, a decision is made as to whether the sensor is misadjusted or not. Misalignment is understood to mean, in particular, an angular displacement of the sensor from its correct position.
Durch die oben genannten Verfahrensschritte wird somit ein Verfahren bereitgestellt, durch das auch ohne die Verwendung mehrerer Sensoren beziehungsweise eines Sensorclusters und ohne das Hinzuziehen von Referenzdaten eine Dejustage eines Sensors festgestellt werden kann.The above-mentioned method steps thus provide a method by which misalignment of a sensor can be determined even without using a plurality of sensors or a sensor cluster and without using reference data.
Es ist ein Verfahren denkbar, bei dem während einer Fahrt des Kraftfahrzeugs in einem Zeitintervall Messwerte erfasst und abgespeichert werden, die Objekte in einem Umfeld des Kraftfahrzeugs betreffen. Dabei ist den erfassten Messwerten jeweils ein Zeitpunkt ihrer Erfassung zugeordnet und für die erfassten Messwerte wird jeweils eine Relativposition des Fahrzeugs relativ zu einem den Messwert verursachenden Messort bestimmt. Insbesondere ist der den Messwert verursachende Messort auf einer Oberfläche eines Objekts angeordnet. Es wird geprüft, ob sich das Kraftfahrzeug in Bewegung befindet, und in diesem Fall wird anhand von Messwerten eines ersten Zeitpunkts und Messwerten eines zweiten, späteren Zeitpunkts bestimmt, ob eine Dejustage des Sensors vorliegt oder nicht. Insbesondere wird ein Typ der Dejustage bestimmt, etwa eine gegenüber einer kalibrierten Lage verschobene und/oder rotierte Position oder eine andere Veränderung des Sensors gegenüber einem vorgesehenen oder kalibrierten Zustand.A method is conceivable in which measured values relating to objects in the area surrounding the motor vehicle are recorded and stored at a time interval while the motor vehicle is being driven. The recorded measured values are each assigned a point in time when they were recorded, and a relative position of the vehicle relative to a measurement location causing the measured value is determined for the recorded measured values. In particular, the measurement location causing the measured value is arranged on a surface of an object. It is checked whether the motor vehicle is in motion, and in this case it is determined on the basis of measured values from a first point in time and measured values from a second, later point in time whether the sensor is misaligned or not. In particular, a type of misalignment is determined, for example a position that is shifted and/or rotated in relation to a calibrated position or another change in the sensor in relation to an intended or calibrated state.
Die nachfolgenden Merkmale können mit den verschiedenen Aspekten der Erfindung frei kombiniert werden.The following features can be freely combined with the various aspects of the invention.
Eine Dejustage des Sensors kann auf unterschiedliche Weisen ausgeprägt sein. Zum Beispiel erfasst der Sensor Messwerte, denen jeweils ein Messort zugeordnet ist, und die Messwerte werden mit einer Information verknüpft, die eine Position des Messortes betrifft, insbesondere relativ zur Position und Ausrichtung des Sensors. Beispielsweise misst ein Sensor die Intensität des aus einer bestimmten Richtung auftreffenden Lichts, wobei eine Information über die Richtung des Lichteinfalls erfasst wird; auf diese Weise detektieren etwa verschiedene Pixel eines Kamerasensors aus verschiedenen Richtungen einfallendes Licht. Auf ähnliche Weise kann ein Laserscanner Reflexionseigenschaften von Oberflächen in der Umgebung in Abhängigkeit von einem Winkel relativ zu dem Laserscanner erfassen. Zur Auswertung der erfassten Messwerte durch das Kraftfahrzeug werden die vom Sensor bereitgestellten Informationen, insbesondere über die relative Position des Messortes, ausgewertet und in Beziehung zum Kraftfahrzeug gesetzt. Dies erfolgt insbesondere mittels einer Kalibrierung, bei der beispielsweise bestimmt wird, wie die vom Sensor erfassten Informationen über Positionen eine Messortes in ein Fahrzeug-Koordinatensystem transformiert werden können. Es wird beispielsweise eine Lage und/oder Ausrichtung eines Sensors relativ zum Kraftfahrzeug bestimmt.A misalignment of the sensor can be pronounced in different ways. For example, the sensor acquires measurement values, each of which is assigned a measurement location, and the measurement values are linked to information relating to a position of the measurement location, in particular relative to the position and orientation of the sensor. For example, a sensor measures the intensity of the light impinging from a specific direction, with information about the direction of the incident light being recorded; in this way, for example, different pixels of a camera sensor detect light coming from different directions. Similarly, a laser scanner can detect reflective properties of surfaces in the environment as a function of an angle relative to the laser scanner. To evaluate the recorded measured values by the motor vehicle, the information provided by the sensor, in particular about the relative position of the measurement location, is evaluated and related to the motor vehicle. This is done in particular by means of a calibration, in which it is determined, for example, how the information about positions of a measurement location detected by the sensor can be transformed into a vehicle coordinate system. For example, a position and/or alignment of a sensor relative to the motor vehicle is determined.
Eine Dejustage kann nun eine Abweichung der Lage und/oder Ausrichtung des Sensors gegenüber der Kalibration betreffen, etwa wenn ein Sensor gegenüber einer Ausgangslage verschoben und/oder verdreht wird. Die Dejustage kann ferner eine Änderung der Abbildungseigenschaften des Sensors betreffen, etwa wenn eine Optik einer Kamera gegenüber einem kalibrierten Zustand verändert wird oder die Funktionsweise eines Lidar- oder Radarscanners so verändert wird, dass sich auch die Erfassung der Informationen über die Position der Messorte verändert, etwa bei einer verzerrten Abbildung der erfassten Messwerte.A misalignment can now relate to a deviation in the position and/or orientation of the sensor in relation to the calibration, for example if a sensor is displaced and/or rotated in relation to an initial position. The misalignment can also affect a change in the imaging properties of the sensor, for example if the optics of a camera are changed compared to a calibrated state or the functionality of a lidar or radar scanner is changed in such a way that the acquisition of information about the position of the measurement locations changes, for example in the case of a distorted image of the measured values recorded.
Gemäß einer ersten Ausbildung des Verfahrens wird vorgeschlagen, dass die Entscheidung, ob eine Dejustage vorliegt oder nicht, aufgrund einer zuvor erlernten und abgespeicherten Entscheidungslogik erfolgt. Dies trägt zum einen dazu bei, dass vorgefertigte Referenzdaten von bestimmten Objekten nicht mehr notwendig sind und andererseits eine „Intelligenz“ zur Verfügung gestellt wird, die eine Anpassung auf unterschiedlichste Messsituationen sehr flexibel ermöglicht. Insbesondere wird dabei ein Maschinenlernverfahren angewandt. Die Entscheidungslogik kann dabei beispielsweise Anweisungen für eine Klassifikation der erfassten Messwerte anhand eines trainierten Klassifikators umfassen. Es ist in einer weiteren Ausbildung des Erfindungsgedankens denkbar, dass die abgespeicherte Entscheidungslogik zuvor durch Messbilder erlernt wird, welche einerseits durch Messfahrten eines Kraftfahrzeugs mit einem bewusst dejustierten Sensor und andererseits durch Messfahrten eines Kraftfahrzeugs mit einem ordnungsgemäßen justierten Sensor erzeugt werden. Die Messfahrten zum Erlernen der Entscheidungslogik können vorzugsweise mit ein und demselben Kraftfahrzeug durchgeführt werden. Als „Messbild“ wird insbesondere eine Gesamtheit von zu einem Zeitpunkt oder an einer Position erfasste Messwerte eines Sensors bezeichnet. Bei der Ausbildung werden also während der Messfahrten mit dejustiertem Sensor Messbilder erzeugt, welche als Schlechtmessung festgelegt beziehungsweise eingestuft werden, das heißt, ihre Klassifizierung als Schlechtmessung ist bereits während der Erfassung bekannt. Bei den Messfahrten mit ordnungsgemäß justiertem Sensor werden Messbilder erzeugt, welche als Gutmessung festgelegt beziehungsweise eingestuft und entsprechend klassifiziert werden. Hierdurch kann auf einfache Weise die das Verfahren unterstützende Entscheidungslogik eingelernt beziehungsweise durch ein Maschinenlernverfahren trainiert werden.According to a first embodiment of the method, it is proposed that the decision as to whether or not misalignment is present is based on a previously learned and stored decision logic. On the one hand, this contributes to the fact that ready-made reference data from certain objects are no longer necessary and, on the other hand, an "intelligence" is made available that allows a very flexible adaptation to the most diverse measurement situations. In particular, a machine learning method is used. The decision logic can include, for example, instructions for classifying the measured values using a trained classifier. In a further development of the inventive idea, it is conceivable that the stored decision logic is learned beforehand from measurement images, which are generated on the one hand by measurement runs of a motor vehicle with a deliberately misaligned sensor and on the other hand by measurement runs of a motor vehicle with a properly adjusted sensor. The measurement drives for learning the decision logic can preferably be carried out with one and the same motor vehicle. A “measurement image” refers in particular to a total of measured values of a sensor recorded at a point in time or at a position. During the training, measurement images are generated during the measurement runs with a misaligned sensor, which are defined or classified as bad measurements, ie their classification as bad measurements is already known during the acquisition. During the measurement runs with a properly adjusted sensor, measurement images are generated, which are defined as good measurements are defined or classified and classified accordingly. As a result, the decision logic that supports the method can be learned in a simple manner or trained using a machine learning method.
Bei einer weiteren Ausbildung des Verfahrens können alternativ oder zusätzlich Messbilder zum Erlernen der Entscheidungslogik verwendet werden, die mittels einer Simulation erzeugt wurden. Hierzu werden insbesondere an sich bekannte Verfahren verwendet, etwa statistische Verfahren oder physikalische Modelle des Sensors, mit dem das Verfahren ausgeführt werden soll. Insbesondere werden so gezielt als Gut- oder Schlechtmessungen klassifizierte Messbilder erzeugt, indem Messwerte für einen korrekt beziehungsweise nicht korrekt justierten Sensor simuliert werden.In a further development of the method, measurement images that were generated by means of a simulation can be used as an alternative or in addition to learning the decision logic. Methods known per se are used for this purpose, such as statistical methods or physical models of the sensor with which the method is to be carried out. In particular, measurement images classified as good or bad measurements are generated in this way, by simulating measurement values for a correctly or incorrectly adjusted sensor.
Insbesondere kommt die einmal erlernte Entscheidungslogik ohne Referenzdaten aus. Das Abspeichern und Vorhalten von Referenzdaten, beispielsweise Daten bestimmter Objekte, ist nicht mehr notwendig.In particular, once the decision logic has been learned, it can do without reference data. It is no longer necessary to store and store reference data, for example data from specific objects.
Nach einer erfindungsgemäßen Verwirklichung des Verfahrens werden durch die während der Fahrt abgespeicherten Messwerte Messbilder erzeugt, welche für jedes erfasste Objekt zumindest Teile seiner Kontur zu unterschiedlichen Zeitpunkten darstellen. Messbilder mit örtlich auseinander liegenden Konturen wenigstens eines Objektes, bei dem also bei zumindest einem Objekt nicht nur im Wesentlichen eine Kontur zuordenbar ist, werden als Schlechtmessung und somit als Dejustage eingestuft. Messbilder mit örtlich übereinander liegenden Konturen, bei denen sich aus dem Messbild für jedes Objekt also nur eine deutlich sichtbare Kontur ergibt, werden als Gutmessung beurteilt. Das heißt, es werden Messbilder verglichen, bei denen ein Objekt zu unterschiedlichen Zeitpunkten erfasst wurde. Insbesondere ist ein Schwellenwert oder Toleranzbereich definiert und die erfassten Konturen des Objekts werden als auseinander liegend bestimmt, wenn sie weiter als der Schwellenwert voneinander entfernt sind.According to an implementation of the method according to the invention, measurement images are generated from the measured values stored during the journey, which images represent at least parts of the contour of each detected object at different points in time. Measurement images with locally spaced contours of at least one object, in which at least one object is not only essentially assignable to a contour, are classified as bad measurements and thus as maladjustment. Measurement images with locally superimposed contours, in which only one clearly visible contour results from the measurement image for each object, are assessed as a good measurement. This means that measured images are compared in which an object was recorded at different points in time. In particular, a threshold or tolerance range is defined and the detected contours of the object are determined to be spaced apart if they are further apart than the threshold.
Dabei wird insbesondere eine Eigenbewegung des Kraftfahrzeugs mit dem Sensor berücksichtigt, da sich das Fahrzeug zu den unterschiedlichen Zeitpunkten an verschiedenen Positionen befindet. Beim Bestimmen, ob ein erfasstes Objekt zu unterschiedlichen Zeitpunkten mit örtlich übereinander oder auseinander Konturen erfasst wurde, wird die Eigenbewegung des Kraftfahrzeugs kompensiert, die beispielweise mittels Odometrie bestimmt wird.In particular, a movement of the motor vehicle with the sensor is taken into account, since the vehicle is in different positions at the different points in time. When determining whether a detected object was detected at different points in time with contours that are locally one above the other or apart, the motor vehicle's own movement is compensated for, which is determined, for example, by means of odometry.
Alternativ oder zusätzlich zu Konturen erfasster Objekte kann das Verfahren auf beliebige Muster angewandt werden, die anhand der erfassten Messwerte bestimmbar sind und die beispielsweise durch Training eines Maschinenlernsystems erlernt werden können. Dabei wird insbesondere bestimmt, ob die Muster zu unterschiedlichen Zeitpunkten an verschiedenen Positionen erfasst wurden, und es wird demnach analog zur obigen Beschreibung entschieden, ob eine Dejustage oder eine Gutmessung vorliegt. Es kommt dabei nicht darauf an, um welche Art eines Objektes es sich handelt und ob beispielsweise Konturen oder andere Merkmale des Objekts erfassbar sind. Auf diese Weise wird eine sehr flexible und allgemeine Art der Vorgehensweise bereitgestellt.As an alternative or in addition to contours of detected objects, the method can be applied to any pattern that can be determined using the detected measured values and that can be learned, for example, by training a machine learning system. In this case, it is determined in particular whether the patterns were recorded at different points in time at different positions, and it is accordingly decided, analogously to the above description, whether there is a misalignment or a good measurement. It does not matter what type of object it is and whether, for example, contours or other features of the object can be detected. This provides a very flexible and general way of doing it.
Wie anfangs erwähnt, wird bei dem Verfahren zunächst überprüft, ob für die Auswertung überhaupt eine geeignete Ausgangssituation vorliegt. Es hat sich gezeigt, dass es sehr vorteilhaft ist und mit Hilfe der Odometrie besonders zuverlässig die relative Position des Kraftfahrzeugs zu Messobjekten während eines Messintervalls ermittelbar ist, wenn als geeignete Ausgangssituation die Durchfahrt durch eine gerade Straße und/oder eine Kurvenfahrt betrachtet werden.As mentioned at the beginning, the procedure first checks whether there is a suitable initial situation for the evaluation. It has been shown that it is very advantageous and with the help of odometry that the relative position of the motor vehicle to measurement objects can be determined particularly reliably during a measurement interval if driving through a straight road and/or cornering is considered a suitable starting situation.
Das Verfahren kann derart ausgestaltet sein, dass ein konkreter Dejustagewert ermittelt und bei Überschreiten eines Schwellwertes des ermittelten Dejustagewertes eine Autokalibrierung beziehungsweise eine Autokorrektur des Sensors durchgeführt wird. Ein Dejustagewert wird insbesondere durch einen Winkelfehler beziehungsweise Winkelversatz eines Sensors zu seiner korrekten Einbauposition gegeben. Hierdurch wird es ermöglicht, dass in gewissen Grenzen eine Dejustage des Sensors behoben werden kann, etwa im Sinne einer „Selbstheilung“ des Sensors, ohne dass Funktionseinschränkungen oder ein Werkstattaufenthalt des Kraftfahrzeugs notwendig werden.The method can be designed in such a way that a specific misalignment value is determined and, if a threshold value of the determined misalignment value is exceeded, an autocalibration or an autocorrection of the sensor is carried out. A misalignment value is given in particular by an angular error or angular offset of a sensor from its correct installation position. This makes it possible for a misalignment of the sensor to be corrected within certain limits, for example in the sense of a “self-healing” of the sensor, without functional restrictions or a visit to the workshop being necessary for the motor vehicle.
Die Ermittlung des Dejustagewertes kann vorzugsweise dadurch erfolgen, dass Messwerte eines ersten Messzeitpunktes auf Messwerte eines zweiten Messzeitpunktes zurücktransformiert werden, etwa Messwerte eines späteren Messzeitpunktes auf Messwerte eines früheren Messzeitpunktes. Auch hierbei wird insbesondere die Eigenbewegung des Kraftfahrzeugs zwischen den betrachteten Zeitunkten der Erfassung der Messwerte berücksichtigt und kompensiert. Beispielsweise wird ein späteres Messbild (eine spätere Kontur eines erfassten Objektes) auf ein früheres Messbild (eine frühere Kontur des erfassten Objektes) zurückbewegt/abgebildet. Dabei kann insbesondere bestimmt werden, welche translatorischen und/oder rotatorischen Transformationsschritte notwendig sind, um die späteren auf die früheren Messpunkten abzubilden.The misalignment value can preferably be determined by transforming measured values from a first measurement point in time back to measured values from a second measurement point in time, for example measured values from a later measurement point in time to measured values from an earlier measurement point in time. In this case, too, the movement of the motor vehicle between the considered points in time of the acquisition of the measured values is taken into account and compensated for. For example, a later measurement image (a later contour of a detected object) is moved back/imaged onto an earlier measurement image (an earlier contour of the detected object). In particular, it can be determined which translational and/or rotational transformation steps are necessary in order to map the later measurement points to the earlier measurement points.
In weiteren Ausbildungen können alternativ oder zusätzlich andere Transformationen verwendet werden, beispielsweise eine nichtlineare Transformation oder eine Verzerrung, um den Einfluss einer bestimmten Dejustage auf die Messbilder kompensieren und zu verschiedenen Zeitpunkten erfasste Messbilder aufeinander abbilden zu können.In further developments, other transformations can be used as an alternative or in addition, for example a non-linear transformation or a distortion, in order to compensate for the influence of a specific maladjustment on the measurement images and to be able to map measurement images recorded at different points in time to one another.
Allgemein gesprochen können bei dem Verfahren Parameter einer Abbildungsvorschrift bestimmt werden, mittels derer zu verschiedenen Zeitpunkten erfasste Messbilder aufeinander abgebildet werden können. Anhand der Abbildungsvorschrift und/oder ihrer Parameter kann dann der Dejustagewert bestimmt werden, etwa um eine verbesserte Kalibrierung des Sensors vorzunehmen.Generally speaking, parameters of a mapping rule can be determined in the method, by means of which measurement images recorded at different points in time can be mapped onto one another. The misalignment value can then be determined on the basis of the mapping rule and/or its parameters, for example in order to carry out an improved calibration of the sensor.
Wird bei der Ermittlung des Dejustagewertes allerdings festgestellt, dass ein oberer Grenzwert überschritten wird, so wird eine Fehlermeldung ausgegeben. Eine auf dem dejustierten Sensor beruhende Funktion wird deaktiviert oder zumindest in ihrem Umfang vermindert. Auf diese Weise kann sichergestellt werden, dass der Fahrer nur wenn unbedingt nötig benachrichtigt und eine auf Daten des Sensors basierende Funktion des Kraftfahrzeugs eingeschränkt wird.However, if it is determined when determining the misalignment value that an upper limit value is being exceeded, an error message is output. A function based on the misaligned sensor is deactivated or at least reduced in scope. In this way it can be ensured that the driver is notified only when absolutely necessary and that a function of the motor vehicle based on data from the sensor is restricted.
Um beim Kraftfahrzeug Rechnerkapazität einsparen zu können, wird optional vorgeschlagen, dass die während des Zeitintervalls erzeugten Messwerte an einen externen Rechner übermittelt werden und der Rechner mit Hilfe der Entscheidungslogik aus diesen Messwerten den Dejustagewert ermittelt und an das Kraftfahrzeug zurückübermittelt. Ferner können einzelne Schritte des Verfahrens der Erfindung durch den externen Rechner ausgeführt werden. Insbesondere kann ein maschinelles Lernen, etwa zum Trainieren einer Entscheidungslogik, durch den externen Rechner ausgeführt werden, während die eigentliche Auswertung der Messdaten im Kraftfahrzeug erfolgt. Schließlich wird, etwa zur Erkennung schwieriger Umfeldsituationen, in denen die korrekte Erfassung von Messdaten, beispielsweise aufgrund externer Störfelder nicht möglich ist, vorgeschlagen, Messwerte von mehreren Kraftfahrzeugen zu vergleichen, die in demselben Gebiet erfasst wurden. Bei einer Feststellung einer Dejustage der überprüften Sensoren aller dieser Kraftfahrzeuge sollte dann eine Dejustagefeststellung in diesem Gebiet durch andere Kraftfahrzeuge zumindest übergangsweise ignoriert werden. Hierzu sind die Kraftfahrzeuge insbesondere vernetzt, etwa mittels Car2Car- oder Car2Infrastructure-Verbindung oder mittels eines übergeordneten Rechners.In order to be able to save computer capacity in the motor vehicle, it is optionally proposed that the measured values generated during the time interval be transmitted to an external computer and the computer uses the decision logic to determine the misalignment value from these measured values and transmit it back to the motor vehicle. Furthermore, individual steps of the method of the invention can be carried out by the external computer. In particular, machine learning, for example for training a decision logic, can be carried out by the external computer while the actual evaluation of the measurement data is taking place in the motor vehicle. Finally, it is proposed, for example to identify difficult environmental situations in which the correct acquisition of measurement data is not possible, for example due to external interference fields, to compare measurement values from a number of motor vehicles that were acquired in the same area. If a misalignment of the checked sensors of all these motor vehicles is found, a misalignment finding in this area by other motor vehicles should be ignored, at least temporarily. For this purpose, the motor vehicles are networked in particular, for example by means of a car2car or car2infrastructure connection or by means of a higher-level computer.
Ein bevorzugtes Ausführungsbeispiel der Erfindung ist in den Figuren dargestellt und wird anhand der Figuren in der nachfolgenden Beschreibung näher erläutert. Dadurch werden auch noch weitere Vorteile der Erfindung deutlich. Gleiche Bezugszeichen, auch in unterschiedlichen Figuren, beziehen sich auf gleiche, vergleichbare oder funktional gleiche Bauteile. Dabei werden entsprechende oder vergleichbare Eigenschaften und Vorteile erreicht, auch wenn eine wiederholte Beschreibung oder Bezugnahme darauf nicht erfolgt. Die Figuren sind nicht oder zumindest nicht immer maßstabsgetreu. In manchen Figuren können Proportionen oder Abstände übertrieben dargestellt sein, um Merkmale eines Ausführungsbeispiels deutlicher hervorheben zu können.A preferred exemplary embodiment of the invention is shown in the figures and is explained in more detail in the following description with reference to the figures. As a result, further advantages of the invention also become clear. Identical reference symbols, even in different figures, refer to identical, comparable or functionally identical components. Corresponding or comparable properties and advantages are thereby achieved, even if a repeated description or reference thereto does not occur. The figures are not, or at least not always, drawn to scale. In some figures, proportions or distances can be exaggerated in order to be able to emphasize features of an exemplary embodiment more clearly.
Es zeigen, jeweils schematisch,
-
1 ein Ablaufdiagramm für eine bevorzugte Ausbildung des Verfahrens, -
2 die Darstellung einer Messsituation eines fahrenden Kraftfahrzeugs durch eine gerade Straße, -
3 ein erzeugtes Messbild bei einem ordnungsgemäß justierten Sensor, -
4 ein erzeugtes Messbild bei einem dejustierten Sensor, -
5 ein zur Durchführung des Verfahrens geeignetes Kraftfahrzeug, -
6 ein Verfahrensschritt zum Einlernen einer Entscheidungslogik in ein speziell dafür ausgebildetes Kraftfahrzeug, -
7 eine Übertragung der zuvor erlernten Entscheidungslogik in eine Auswerte- und Steuereinrichtung eines Kraftfahrzeugs, -
8 die Nutzung eines externen Rechners zur Entlastung des Kraftfahrzeugs, -
9 die Rücktransformation von Messwerten eines Objektes, die zu einem späteren Zeitpunkt erfasst wurden, auf Messwerte des Objektes, die zu einem früheren Zeitpunkt erfasst wurden, zur Ermittlung eines konkreten Dejustagewertes und -
10 die Darstellung der Nutzung von sogenannten Schwarmdaten zur Erkennung schwieriger Umfeldsituationen.
-
1 a flowchart for a preferred embodiment of the method, -
2 the representation of a measurement situation of a moving motor vehicle through a straight road, -
3 a measurement image generated with a properly adjusted sensor, -
4 a measurement image generated with a misaligned sensor, -
5 a motor vehicle suitable for carrying out the procedure, -
6 a method step for teaching a decision logic in a motor vehicle specially designed for this purpose, -
7 a transfer of the previously learned decision logic to an evaluation and control device of a motor vehicle, -
8th the use of an external computer to relieve the motor vehicle, -
9 the inverse transformation of measured values of an object, which were recorded at a later point in time, to measured values of the object, which were recorded at an earlier point in time, to determine a specific misalignment value and -
10 the presentation of the use of so-called swarm data to identify difficult environmental situations.
Zunächst wird auf die
Die Ausgangssituationen S2 und S3 stellen Ausgangssituationen dar, die sich als geeignet zur weiteren Durchführung des Verfahrens erwiesen haben. Mit Sx sollen weitere, geeignete Fahrsituationen angedeutet werden, die beispielsweise für die Dejustageerkennung bei anderen Sensoren oder Typen von Sensoren geeignet sind, die etwa verschiedene physikalische Detektionsprinzipien zur Erfassung der Messwerte nutzen und für die sich eine Dejustage gegebenenfalls auf andere Weise auf die Messwerte auswirkt.The initial situations S2 and S3 represent initial situations that have proven to be suitable for further implementation of the method. Sx is intended to indicate further, suitable driving situations that are suitable, for example, for misalignment detection with other sensors or types of sensors that use different physical detection principles to record the measured values and for which misalignment may affect the measured values in a different way.
Wird eine Ausgangssituation als geeignet eingestuft, so wird in einem Verfahrensschritt V2 für ein bestimmtes Zeitintervall eine Auswertung der durch die Objekterfassung erlangten Messwerte hinsichtlich einer Dejustageerkennung durchgeführt.If an initial situation is classified as suitable, then in a method step V2 an evaluation of the measured values obtained through the object detection is carried out for a specific time interval with regard to misalignment detection.
Die Auswertung kann neben der schlichten Bejahung oder Verneinung, dass eine Dejustage vorliegt in einem Verfahrensschritt V3 auch die Bestimmung eines konkreten Dejustagewertes beinhalten.In addition to the simple affirmation or denial that there is misalignment, the evaluation can also include the determination of a specific misalignment value in a method step V3.
Wie die Auswertung der Messwerte und die Bestimmung des Dejustagewertes in den Verfahrensschritten V2 und V3 erfolgen kann, wird später noch näher erläutert.How the evaluation of the measured values and the determination of the misalignment value can take place in method steps V2 and V3 will be explained in more detail later.
Bei Bestimmung eines konkreten Dejustagewertes wird in einer Abfrage A1 abgefragt, ob der Dejustagewert, welcher vorzugsweise einem konkreten Winkelfehler α zur Normalposition des zu überprüfenden Sensors entsprechen kann, größer ist als ein Schwellwert S. Das Ausführungsbeispiel geht hier davon aus, dass eine Dejustage in Form einer Verdrehung eines Sensors 2 gegenüber einer kalibrierten Lage vorliegen kann, etwa den Wert einer Verdrehung um einen Winkelfehler α. Bei weiteren Ausführungsbeispielen können alternativ oder zusätzlich andere Arten der Dejustage geprüft werden, zum Beispiel eine Verschiebung, eine Lageänderung oder eine andere Abweichung von einem Ausgangszustand.When determining a specific misalignment value, a query A1 asks whether the misalignment value, which can preferably correspond to a specific angle error α to the normal position of the sensor to be checked, is greater than a threshold value S. The exemplary embodiment assumes here that a misalignment in the form a rotation of a
Ist dies nicht der Fall, so gelangt das Verfahren wieder zurück zum Verfahrensschritt V1, in dem gegebenenfalls mit einem bestimmten oder bestimmbaren Zeitverzug die Ausgangssituation für das Kraftfahrzeug erneut geprüft wird.If this is not the case, then the method returns to method step V1, in which the initial situation for the motor vehicle is checked again, if necessary with a specific or determinable time delay.
Ergibt die Abfrage A1 jedoch, dass der Winkelfehler α, das heißt der Dejustagewert, größer als der Schwellwert S ist, so gelangt das Verfahren zu einer Abfrage A2, in der gefragt wird, ob der Winkelfehler α größer als ein bestimmter Grenzwert G ist.However, if query A1 reveals that the angle error α, i.e. the misalignment value, is greater than the threshold value S, the method arrives at a query A2, which asks whether the angle error α is greater than a specific limit value G.
Ist dies nicht der Fall, so erfolgt in einem Verfahrensschritt V4 eine Autokalibrierung beziehungsweise Autokorrektur des dejustierten Sensors beziehungsweise eine Anpassung der durch den Sensor generierten Daten.If this is not the case, then in a method step V4 there is an autocalibration or autocorrection of the misaligned sensor or an adaptation of the data generated by the sensor.
Ist der Winkelfehler α jedoch so groß, dass er den Grenzwert G übertrifft, so kann eine Autokalibrierung nicht mehr durchgeführt werden und es muss in einem Verfahrensschritt V5 steuerungstechnisch ein Fehler gesetzt werden, welches dazu führt, dass eine Warnmeldung an den Fahrer ausgegeben wird und eine Funktion, welche auf den Daten des dejustierten Sensors beruht, deaktiviert oder zumindest eingeschränkt wird.However, if the angle error α is so large that it exceeds the limit value G, an autocalibration can no longer be carried out and an error must be set in a method step V5 in the control system, which leads to a warning being issued to the driver and a Function, which is based on the data from the misaligned sensor, is deactivated or at least restricted.
Bei weiteren Ausführungsbeispielen wird mittels einer Entscheidungslogik EL, insbesondere mittels eines Maschinenlernverfahrens, bestimmt, ob ein Dejustage vorliegt oder nicht. Das entsprechende Verfahren wird unten näher erläutert.In further exemplary embodiments, it is determined by means of a decision logic EL, in particular by means of a machine learning method, whether misalignment is present or not. The corresponding procedure is explained in more detail below.
Anhand der
Am Rand der Fahrbahn F ist lediglich beispielhaft ein zu erfassendes Objekt in Form eines parkenden Kraftfahrzeugs K2 dargestellt.At the edge of the roadway F, an object to be detected in the form of a parked motor vehicle K2 is shown merely as an example.
Das Feststellen des Vorliegens einer geeigneten Situation wird auch durch das Registrieren der Geschwindigkeit v mit beeinflusst. Diese ist im Ausführungsbeispiel derart gewählt, dass im dargestellten Zeitintervall ZI das Kraftfahrzeug K1 derart viele Mess-Zeitpunkte t1 bis tn durchläuft, das aussagekräftige Messwerte durch einen Sensor 2 generiert werden können. Bei dem Sensor 2 zur Objekterfassung handelt es sich vorzugsweise um eine Kamera, einen Radar-, Lidar- oder Ultraschallsensor. Bei dem Ausführungsbeispiel ist nur ein Sensor 2 beispielhaft dargestellt, es können jedoch mehrere Sensoren 2 vorgesehen sein, gegebenenfalls verschiedene Typen von Sensoren.The determination of the existence of a suitable situation is also influenced by registering the speed v. In the exemplary embodiment, this is selected such that in the illustrated time interval ZI the motor vehicle K1 runs through so many measurement times t1 to tn that meaningful measurement values can be generated by a
Im Übrigen erfolgt die Bewertung, ob sich das Kraftfahrzeug K1 in einer geeigneten Ausgangssituation befindet oder nicht, mit Hilfe einer fahrzeugeigenen Sensorik, welche beispielsweise Raddrehzahlsensoren, Gierratensensor und Lenkwinkelsensoren umfasst (nicht näher dargestellt).Furthermore, the assessment of whether or not the motor vehicle K1 is in a suitable initial situation is carried out with the aid of an on-board sensor system which, for example, has wheel speed sensors, a yaw rate sensor and Includes steering angle sensors (not shown).
Während des Zeitintervalls ZI wird vom Sensor 2 eine Messung M(t1) zum Zeitpunkt t1 durchgeführt. Zum Zeitpunkt tn, also gegen Ende des Zeitintervalls ZI wird vom gleichen Sensor 2 eine Messung M(tn) durchgeführt. Zwischen diesen Messungen liegt eine bestimmte Anzahl weiterer Messungen, von denen lediglich beispielhaft eine Messung M(t2) zum Zeitpunkt t2 explizit hervorgehoben ist. Das Kraftfahrzeug K1 bewegt sich dabei kontinuierlich, das heißt, es befindet sich bei jeder der Messungen M(t1), M(t2), M(tn) an einer anderen Position relativ zu dem parkenden Kraftfahrzeug K2.During the time interval ZI, the
Durch jede der Messungen wird ein bestimmter Messwert generiert. Lediglich beispielhaft ist ein Messpunkt beziehungsweise Messort MO der Fahrzeugkontur vom Kraftfahrzeug K2 dargestellt, welcher neben vielen anderen Messorten der Fahrzeugkontur zur Erzeugung von Messwerten beiträgt.A specific measured value is generated by each of the measurements. A measuring point or measuring location MO of the vehicle contour of the motor vehicle K2 is shown purely as an example, which, in addition to many other measuring locations of the vehicle contour, contributes to the generation of measured values.
So erfolgt zu einem Zeitpunkt t1, in der sich das Kraftfahrzeug K1 in einer ersten Relativposition zum Kraftfahrzeug K2 beziehungsweise zum Messort MO befindet, eine erste Messung M(t1) der Position des Messorts MO relativ zum Kraftfahrzeug K1, wobei insbesondere der Abstand des Kraftfahrzeugs K1 zu dem Kraftfahrzeug K2 beziehungsweise zum Messort MO gemessen wird. Zum Zeitpunkt t2, zu dem sich das Kraftfahrzeug K1 in einer anderen Relativposition zum Messort MO befindet, erfolgt eine zweite Messung M(t2). Schließlich erfolgt gegen Ende des Zeitintervalls ZI eine letzte Messung M(tn) zum Zeitpunkt tn, wobei sich das Kraftfahrzeug K1 wiederum in einer bereits deutlich entfernten Relativposition vom Messort MO befindet.At a point in time t1, in which the motor vehicle K1 is in a first position relative to the motor vehicle K2 or to the measuring location MO, a first measurement M(t1) of the position of the measuring location MO relative to the motor vehicle K1 is carried out, with the distance of the motor vehicle K1 in particular being is measured to the motor vehicle K2 or to the measurement location MO. At time t2, at which motor vehicle K1 is in a different position relative to measurement location MO, a second measurement M(t2) takes place. Finally, towards the end of the time interval ZI, a last measurement M(tn) takes place at the time tn, with the motor vehicle K1 again being in a relative position that is already significantly removed from the measurement location MO.
Dabei wird jeder erfasste Messwert in eine Beziehung zum Zeitpunkt seiner Erfassung und zu einer zu diesem Zeitpunkt befindlichen Relativposition des Kraftfahrzeugs K1 zu dem den Messwert verursachenden Messort MO gesetzt. Die Bestimmung der genauen Relativposition des Kraftfahrzeugs relativ zu dem parkenden Kraftfahrzeug K2 zu einem der Zeitpunkte t1 bis tn kann bevorzugt mit Hilfe der bereits erwähnten Fahrzeugodometrie erfolgen. Insbesondere werden dabei anhand der Messungen M(t1), M(t2), M(tn) auf an sich bekannte Weise gemessene Positionen in eine Karte eingetragen, etwa eine anhand der Messungen M(t1), M(tn) generierte Umfeldkarte des Kraftfahrzeugs K1.Each recorded measured value is related to the time of its recording and to a relative position of the motor vehicle K1 at this point in time to the measurement location MO causing the measured value. The exact relative position of the motor vehicle relative to the parked motor vehicle K2 at one of the times t1 to tn can preferably be determined with the aid of the already mentioned vehicle odometry. In particular, positions measured using measurements M(t1), M(t2), M(tn) are entered on a map in a manner known per se, for example an environment map of the motor vehicle generated using measurements M(t1), M(tn). K1
Auf Grund der Vielzahl von durch das Kraftfahrzeug K2 gebildeten Messorten beziehungsweise Messpunkten erfolgt zu jedem Zeitpunkt t1 bis tn die Generierung einer Vielzahl von Messwerten MW(t1), MW(t2), MW(tn), welche schließlich für einen Zeitpunkt zu einem Messbild führen, anhand dessen beispielsweise eine Kontur oder zumindest ein Teil einer Kontur des Kraftfahrzeugs K2 beziehungsweise eines erfassten Objektes bestimmt werden kann. Ein Messbild umfasst insbesondere eine sogenannte „Punktwolke“, das heißt eine Vielzahl von für einen Zeitschritt t1, t2, tn erfassten Messwerten MW(t1), MW(t2), MW(tn).Due to the large number of measuring locations or measuring points formed by the motor vehicle K2, a large number of measured values MW(t1), MW(t2), MW(tn) are generated at each point in time t1 to tn, which ultimately lead to a measurement image for a point in time , based on which, for example, a contour or at least part of a contour of the motor vehicle K2 or a detected object can be determined. A measurement image comprises, in particular, what is known as a “point cloud”, ie a large number of measured values MW(t1), MW(t2), MW(tn) recorded for a time step t1, t2, tn.
Es kommt dabei insbesondere nicht darauf an, dass beispielsweise durch eine vollständige Vorbeifahrt an dem Kraftfahrzeug K2 oder einem anderen Objekt eine vollständige Kontur erfasst wird. Vielmehr erfolgen die Messungen M(t1), M(tn) so, dass Messbilder mit Messwerten MW(t1), MW(t2) und MW(tn) in hinreichend großem räumlichem Abstand zueinander erfasst werden; wie groß der Abstand sein muss, kann dabei von verschiedenen Parametern abhängen, etwa von den verwendeten Messverfahren, Sensortypen, detektierten Umgebungsmerkmalen und Objekten, einer Fahrsituation und/oder der konkreten Art der vorliegenden Dejustage.In particular, it is not important that a complete contour is detected, for example, by driving completely past the motor vehicle K2 or another object. Rather, the measurements M(t1), M(tn) are carried out in such a way that measurement images with measured values MW(t1), MW(t2) and MW(tn) are recorded at a sufficiently large spatial distance from one another; How large the distance must be can depend on various parameters, such as the measurement methods used, sensor types, detected environmental features and objects, a driving situation and/or the specific type of maladjustment present.
In
Das in der
Anders liegt der Fall, wenn der Sensor 2 des Kraftfahrzeugs K1 dejustiert ist, etwa durch eine gegenüber der vorgesehenen Einbauposition versetzte Anordnung des Sensors 2, wie anhand von
Die
Das Kraftfahrzeug K1 ist mit einer Auswerte- und Steuereinrichtung 1 ausgestattet, welche eine Speichereinheit 10, einen Zeitgeber 11 und eine Logikeinheit 12 aufweist.The motor vehicle K1 is equipped with an evaluation and
Über einen Datenbus 6, welcher beispielsweise als CAN-Bus ausgebildet sein kann, ist die Auswerte- und Steuereinrichtung 1 mit den Sensoren 2, mit einer Vielzahl von Fahrerassistenzsystemen 3 (beispielsweise Notbremsassistenz, Einparkhilfe, Navigationssystem mit GPS-Einrichtung, etc.), mit einer Anzeige- und Bedieneinrichtung 5 sowie mit einer akustischen Signaleinrichtung 4 verbunden.The evaluation and
Wird durch die Sensorik des Kraftfahrzeugs K1, welche neben den dargestellten Sensoren 2 auch andere geeignete Sensoren, wie Radsensoren, Gierratensensoren und Lenkwinkelsensoren enthält (nicht dargestellt), eine geeignete Ausgangssituation wie beschrieben erfasst, so werden die durch die Sensoren 2 erfassten Objektdaten in beschriebener Weise durch die Logikeinheit 12 der Auswerte- und Steuereinrichtung 1 ausgewertet. Über den erwähnten Zeitgeber 11 kann der Bezug eines jeden generierten Messwertes zum Zeitpunkt seiner Erfassung gesetzt werden.If a suitable initial situation is detected as described by the sensor system of the motor vehicle K1, which in addition to the
Es sei an dieser Stelle erwähnt, dass in der Logikeinheit 12 eine Entscheidungslogik EL hinterlegt ist, welche entscheidet, ob eine Dejustage vorliegt oder nicht. Die vorzugsweise in einem Programmspeicher der Speichereinheit 10 abgespeicherte Entscheidungslogik EL wurde allerdings zuvor erlernt beziehungsweise trainiert. Bei dem Ausführungsbeispiel werden Verfahren des maschinellen Lernens verwendet, wobei zunächst auf die unten erläuterte Weise ein Training eines Klassifikators zur Erkennung von Dejustage anhand erfasster Messbilder M durchgeführt wird, wobei bekannt ist, ob diese mit korrekt justiertem oder dejustiertem Sensor 2 erfasst wurden. Die Logikeinheit 12 verwendet dann insbesondere einen so trainierten Klassifikator, um Messbilder, die mit einem Sensor 2 erfasst wurden, dessen Justagezustand unbekannt ist, danach zu klassifizieren, ob eine Dejustage vorliegt oder nicht. Die Entscheidungslogik EL umfasst insbesondere Anweisungen zum Durchführen der Klassifikation.It should be mentioned at this point that a decision logic EL is stored in the
Ein Ausführungsbeispiel des Trainings wird anhand der
In einer bestimmten Anzahl von Messfahrten des Kraftfahrzeugs K3 werden nun Messungen der Fahrzeugumgebung mit dem korrekt verbauten Sensor 2 durchgeführt. Hierdurch entstehen Messbilder M+, die von vornherein als Gutmessung bewertet werden.In a specific number of measurement runs of the motor vehicle K3, measurements of the vehicle environment are now carried out with the correctly installed
Anschließend erfolgt eine bestimmte Anzahl von Messfahrten, bei der die Fahrzeugumgebung des Kraftfahrzeugs K3 mit dem gewollt dejustierten Sensor 2' erfasst wird. Hierbei entstehen Messbilder M-, welche von vornherein einer Schlechtmessung zugeordnet werden. Insbesondere kann den Messbildern M- auch der für den Sensor 2' bekannte Winkelfehler α zugeordnet werden.A certain number of measurement runs then take place, during which the vehicle surroundings of the motor vehicle K3 are recorded with the deliberately misaligned sensor 2'. This results in measurement images M- which are assigned to a bad measurement from the outset. In particular, the angular error α known for the
Sowohl die Messbilder M+ als auch die Messbilder M- werden derart zusammengeführt, dass in der Auswerte- und Steuereinrichtung 100 eine Entscheidungslogik EL entsteht und abgespeichert wird.Both the measurement images M+ and the measurement images M− are combined in such a way that a decision logic EL is created and stored in the evaluation and
Zum Trainieren der Entscheidungslogik EL können Messbilder M+ und M- verwendet werden, die mittels eines oder mehrerer Kraftfahrzeuge K3 sowie verschiedener Sensoren S2, S2' erfasst werden. Insbesondere können hierzu Sensoren S2, S2' des gleichen oder verschiedener Sensortypen verwendet werden, die beispielsweise gleiche oder verschiedene physikalische Messprinzipien nutzen. Alternativ oder zusätzlich können die verwendeten Messbilder M+ und M- mittels Simulationen künstlich erzeugt werden.Measurement images M+ and M− can be used to train the decision logic EL, which are recorded by means of one or more motor vehicles K3 and various sensors S2, S2′. In particular, sensors S2, S2' of the same or different sensor types can be used for this purpose, which use the same or different physical measurement principles, for example. Alternatively or additionally, the measurement images M+ and M- used can be generated artificially by means of simulations.
Die so erlernte Entscheidungslogik EL wird aus der Auswerte- und Steuereinrichtung 100 des Kraftfahrzeugs K3 ausgelesen, gegebenenfalls zwischengespeichert und in die Auswerte- und Steuereinrichtung 1 des Kraftfahrzeugs K1 beziehungsweise in deren Speichereinheit 10 eingelesen (siehe
Bei dem Ausführungsbeispiel erfolgt das typischerweise rechenintensive Training des Maschinenlernverfahrens beziehungsweise das Erzeugen der Entscheidungslogik EL außerhalb des Kraftfahrzeugs 1, etwa bei einem externen Server, sodass dieses lediglich die typischerweise weniger rechenintensive Klassifikation anhand der Entscheidungslogik EL durchführen muss. Bei einem weiteren Ausführungsbeispiel kann, um zusätzlich Rechenkapazität im Kraftfahrzeug K1 einsparen zu können, die Entscheidungslogik EL optional auch in einen externen Rechner 7 verlagert werden, wie in
Hierbei werden die im Zeitintervall ZI durchgeführten Messungen zu den Zeitpunkten t1 bis tn, welche beispielsweise das Erfassen von Objekten in Form von neben der Fahrbahn F geparkten Kraftfahrzeugen Kx betreffen, an den externen Rechner 7 übermittelt. Der externe Rechner 7 entscheidet auf Grund der nunmehr in ihm abgespeicherten Entscheidungslogik EL über das Vorliegen und die Größe einer Dejustage.The measurements carried out in the time interval ZI at the times t1 to tn, which relate, for example, to the detection of objects in the form of motor vehicles Kx parked next to the lane F, are transmitted to the
Die Berechnung eines konkreten Dejustagewertes beziehungsweise eines Winkelfehlers α kann bei dem Ausführungsbeispiel in der Auswerte- und Steuereinrichtung 1 des Kraftfahrzeugs K1 beziehungsweise im externen Rechner 7 derart bewerkstelligt werden, dass Messwerte eines ersten Messzeitpunktes auf Messwerte eines zweiten Messzeitpunktes mittels einer Transformation abgebildet werden. Beispielsweise können dabei Messwerte eines späteren Messzeitpunktes auf Messwerte eines früheren Messzeitpunktes zurücktransformiert werden. Beispielhaft ist in
Bei weiteren Ausführungsbeispielen erfolgen alternativ oder zusätzlich andere Abbildungsbeziehungsweise Transformationsschritte, etwa um durch eine Dejustage verursachte weitere lineare oder nichtlineare Auswirkungen auf die erfassten Messwerte MW(t1), MW(t2), MW (tn) auszugleichen. Beispielsweise kann eine Dejustage einer Erfassungsoptik zu einer Verzerrung führen und es kann eine entsprechende Transformation bestimmt werden. Zum Bestimmen der Transformation können beispielsweise Registrierverfahren verwendet werden, etwa iterative Näherungsverfahren, insbesondere statistische Verfahren. Derartige Verfahren werden insbesondere dazu verwendet, zu verschiedenen Zeitpunkten erfasste Punktwolken aufeinander abzubilden, wobei nicht notwendigerweise alle einzelnen, in mehreren Zeitschritten erfassten Punkte einander entsprechen. Beispielsweise wird eine optimale Transformation so bestimmt, dass die Punktwolken in einer resultierenden Anordnung optimal überlagert werden.In further exemplary embodiments, other mapping or transformation steps take place as an alternative or in addition, for example in order to compensate for further linear or non-linear effects on the recorded measured values MW(t1), MW(t2), MW(tn) caused by misalignment. For example, a misalignment of a detection optics can lead to a distortion and a corresponding transformation can be determined. For example, registration methods, such as iterative approximation methods, in particular statistical methods, can be used to determine the transformation. Methods of this type are used in particular to map point clouds recorded at different points in time onto one another, in which case it is not necessary for all the individual points recorded in a plurality of time steps to correspond to one another. For example, an optimal transformation is determined such that the point clouds are optimally superimposed in a resulting array.
Bei einem weiteren Ausführungsbeispiel kann ein analytisches Verfahren verwendet werden, um Parameter einer Abbildungsvorschrift zu bestimmen, mit der Messwerte eines ersten Messzeitpunktes auf Messwerte eines zweiten Messzeitpunktes abgebildet oder zurücktransformiert werden können. Insbesondere wird ein solches analytisches Verfahren dann angewandt, wenn Messwerte zu mehreren Zeitpunkten einander genau entsprechen. Dies ist beispielsweise der Fall, wenn das gleiche Objekt zu mehreren Zeitpunkten erfasst wird und die zu verschiedenen Zeitpunkten erfassten Messwerte aufeinander abgebildet werden können.In a further exemplary embodiment, an analytical method can be used in order to determine parameters of a mapping rule with which measured values from a first measurement time can be mapped or back-transformed to measured values from a second measurement time. In particular, such an analytical method is used when measured values at several points in time correspond exactly to one another. This is the case, for example, when the same object is detected at several points in time and the measured values recorded at different points in time can be mapped onto one another.
Bei einem weiteren Ausführungsbeispiel werden zum Trainieren der Entscheidungslogik EL Messbilder M- für zu trainierende Schlechtmessungen mit einer bestimmten Dejustage erfasst, beispielsweise mit einem bekannten Winkelfehler α. Die Entscheidungslogik EL wird in diesem Fall dazu trainiert, eine Dejustage mit diesem Winkelfehler α zu erkennen. Ferner können verschiedene Winkelfehler α oder andere bestimmte Weisen der Dejustage zum Training genutzt werden, etwa um die Entscheidungslogik EL so zu trainieren, um verschiedene Weisen der Dejustage zu erkennen und/oder zu unterscheiden.In a further exemplary embodiment, for training the decision logic EL, measurement images M − are recorded for bad measurements to be trained with a specific misalignment, for example with a known angle error α. In this case, the decision logic EL is trained to recognize a misalignment with this angular error α. Furthermore, different angular errors α or other specific types of misalignment can be used for training, for example to train the decision logic EL to recognize and/or differentiate between different types of misalignment.
Bei diesem Ausführungsbeispiel kann das Maschinenlernverfahren mittels der Entscheidungslogik EL genutzt werden, um den konkreten Dejustagewert zu erkennen. Insbesondere werden dabei die erfassten Messbilder M(t1), M(tn) klassifiziert und einem bestimmten Winkelfehler α zugeordnet. Insbesondere handelt es sich dabei um einen solchen Winkelfehler α, für den zuvor Messbilder M- für Schlechtmessungen erfasst und zum Training verwendet wurden.In this exemplary embodiment, the machine learning method can be used by means of the decision logic EL in order to identify the specific misalignment value. In particular, the recorded measurement images M(t1), M(tn) are classified and assigned to a specific angular error α. In particular, this is such an angle error α for which measurement images M- for bad measurements were previously recorded and used for training.
Schließlich ist in
Das Gebiet 15 ist insofern als kritisch zu beurteilen, als dass alle Kraftfahrzeuge K4, K5 und K6 zu bestimmten Zeitintervallen ZI4, ZI5 und ZI6, in denen Auswertungen nach dem erfindungsgemäßen Verfahren durchgeführt wurden, an einen externen Rechner 8 melden, dass ihre Sensoren 2 dejustiert sind. Die Kraftfahrzeuge K4 bis K6 verfügen jeweils über eine GPS-Einrichtung und eine Kommunikationseinrichtung 14. Die GPS-Einrichtung 13 arbeitet in Verbindung mit einem GPS-Satelliten 9. Über die Kommunikationseinrichtung 14 ist ein kabelloser Datenaustausch mit dem externen Rechner 8 möglich.
Durch die dargestellte Struktur ist es möglich, dass der Rechner 8 nicht nur die Sensordaten der Kraftfahrzeuge K4 bis K6 empfängt, sondern auch deren Position.The structure shown makes it possible for the
Da nun alle Kraftfahrzeuge K4 bis K6 im besagten Gebiet 15 melden, dass ihre Sensoren 2 dejustiert sind, was als höchst unwahrscheinlich zu bewerten ist, folgert eine Logik des Rechners 8, dass das Gebiet 15 als kritisch zu beurteilen ist. Bei einem weiteren Ausführungsbeispiel wird bestimmt, wie viel Kraftfahrzeuge K4 bis K6 oder welcher Anteil der Kraftfahrzeuge K4 bis K6 in dem Gebiet 15 übereinstimmend eine Dejustage melden, und es wird von einer Störquelle ausgegangen, wenn die absolute oder relative Anzahl der Störungen einen Schwellenwert übersteigt.Since all motor vehicles K4 to K6 in said
Es wird also davon ausgegangen, dass im Gebiet 15 eine nicht näher dargestellte Störquelle vorliegt, die zumindest vorübergehend zu einer nicht ordnungsgemäßen Erfassung von Daten durch die Sensoren 2 führt. Daher übermittelt der Rechner 8 an andere Kraftfahrzeuge, welche ebenfalls mit dem Rechner 8 kommunizieren können und sich (noch) nicht im Gebiet 15 befinden, ein entsprechendes Signal, so dass bei Messungen im kritischen Gebiet 15 als dejustiert erkannte Sensoren auf Grund dieser Messungen nicht als dejustiert bewertet werden.It is therefore assumed that a source of interference (not shown in detail) is present in
Alternativ oder zusätzlich zu einem bestimmten Gebiet 15 kann eine Fahrsituation erfasst und eine Störquelle erkannt werden. Beispielsweise kann analog zu dem Ausführungsbeispiel erkannt werden, dass für einen bestimmten Fahrbahnverlauf, zu einer bestimmten Zeit oder in der Nähe einer bestimmten Vorrichtung von einer Störquelle auszugehen ist. Hierdurch kann beispielsweise vermieden werden, dass systematische Fehlfunktionen von Sensoren 2 in bestimmten Fahrsituationen zum fälschlichen Erkennen einer Dejustage führen.Alternatively or in addition to a
BezugszeichenlisteReference List
- 11
- Auswerte- und SteuereinrichtungEvaluation and control device
- 22
- Sensoren, Ultraschallsensorensensors, ultrasonic sensors
- 2'2'
- dejustierter Sensormisaligned sensor
- 33
- Fahrerassistenzsystemedriver assistance systems
- 44
- akustische Signaleinrichtungacoustic signaling device
- 55
- Anzeige- und BedieneirichtungDisplay and operating device
- 66
- Datenbusdata bus
- 77
- externer Rechnerexternal computer
- 88th
- externer Rechnerexternal computer
- 99
- GPS-SatellitGPS satellite
- 1010
- Speichereinheitstorage unit
- 1111
- Zeitgebertimer
- 1212
- Logikeinheit (enthält Entscheidungslogik)Logic unit (contains decision logic)
- 1313
- GPS-EinrichtungGPS setup
- 1414
- Kommunikationseinrichtungcommunication facility
- 1515
- kritisches Gebietcritical area
- 100100
- Auswerte- und Steuereinrichtung Evaluation and control device
- A1-A3A1-A3
- AbfragenInterrogate
- ELel
- Entscheidungslogikdecision logic
- Ff
- Fahrbahnroadway
- GG
- Grenzwertlimit
- K(t1)K(t1)
- Kontur eines erfassten Objektes zum Zeitpunkt t1Contour of a detected object at time t1
- K(t2)K(t2)
- Kontur eines erfassten Objektes zum Zeitpunkt t2Contour of a detected object at time t2
- K(tn)K(tn)
- Kontur eines erfassten Objektes zum Zeitpunkt tnContour of a detected object at time tn
- K1K1
- fahrendes Kraftfahrzeugmoving motor vehicle
- K1(t1)K1(t1)
- fahrendes Kraftfahrzeug zum Zeitpunkt t1moving motor vehicle at time t1
- K1(t2)K1(t2)
- fahrendes Kraftfahrzeug zum Zeitpunkt t2moving motor vehicle at time t2
- K1(tn)K1(tn)
- fahrendes Kraftfahrzeug zum Zeitpunkt tnmoving motor vehicle at time tn
- K2K2
- parkendes Kraftfahrzeugparked motor vehicle
- K3K3
- Kraftfahrzeug zu EntwicklungszweckenMotor vehicle for development purposes
- MB1,MB1,
- MB2 MessbilderMB2 measurement images
- MOMON
- Messwert erzeugender MessortMeasuring point generating measured value
- MW(t1)MW(t1)
- Messwerte des Messzeitpunktes t1Measured values of the measurement time t1
- MW(t2)MW(t2)
- Messwerte des Messzeitpunktes t2Measured values of the measurement time t2
- MW(tn)MW(tn)
- Messwerte des Messzeitpunktes tnMeasured values of the measurement time tn
- M(t1)M(t1)
- Messung zum Zeitpunkt t1Measurement at time t1
- M(tn)M(tn)
- Messung zum Zeitpunkt tnMeasurement at time tn
- M+M+
- Messbild einer GutmessungMeasurement image of a good measurement
- M-M-
- Messbild einer SchlechtmessungMeasurement image of a bad measurement
- SS
- Schwellwertthreshold
- S1S1
- Ausgangssituation ungeeignetInitial situation unsuitable
- S2S2
- Ausgangssituation „Durchfahrt durch gerade Straße“Initial situation "passing through a straight road"
- S3S3
- Ausgangssituation „Kurvenfahrt“Initial situation "cornering"
- Sxsx
- weitere geeignete Ausgangssituationenother suitable starting points
- TT
- Transformationtransformation
- t1-tnt1-tn
- Zeitpunktetimes
- V0-V5V0-V5
- Verfahrensschritteprocess steps
- vv
- Geschwindigkeitspeed
- ZIZI
- Zeitintervalltime interval
- ZI4-ZI6ZI4-ZI6
- Zeitintervalle von Messungen unterschiedlicher FahrzeugeTime intervals of measurements of different vehicles
- αa
- Dejustagewert, Winkelfehlermisalignment value, angle error
Claims (9)
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019214345.8A DE102019214345B4 (en) | 2018-12-20 | 2019-09-20 | Method for detecting misalignment of at least one sensor of a motor vehicle |
PCT/EP2019/084768 WO2020126772A2 (en) | 2018-12-20 | 2019-12-11 | Method for detecting misalignment of at least one sensor of a motor vehicle |
CN201980084600.1A CN113196085A (en) | 2018-12-20 | 2019-12-11 | Method for detecting an error in at least one sensor of a motor vehicle |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102018222600.8 | 2018-12-20 | ||
DE102018222600 | 2018-12-20 | ||
DE102019214345.8A DE102019214345B4 (en) | 2018-12-20 | 2019-09-20 | Method for detecting misalignment of at least one sensor of a motor vehicle |
Publications (2)
Publication Number | Publication Date |
---|---|
DE102019214345A1 DE102019214345A1 (en) | 2020-06-25 |
DE102019214345B4 true DE102019214345B4 (en) | 2022-08-25 |
Family
ID=69055979
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102019214345.8A Active DE102019214345B4 (en) | 2018-12-20 | 2019-09-20 | Method for detecting misalignment of at least one sensor of a motor vehicle |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN113196085A (en) |
DE (1) | DE102019214345B4 (en) |
WO (1) | WO2020126772A2 (en) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102005059902A1 (en) | 2005-12-15 | 2007-06-28 | Robert Bosch Gmbh | Distance sensor condition detecting method for measuring motor vehicle distance, involves determining distance values from sensor signals and producing sensor condition signals that correlates with result of statistical evaluation of values |
DE102009031561A1 (en) | 2009-07-02 | 2011-01-05 | Valeo Schalter Und Sensoren Gmbh | Method for detecting and correcting a malposition of a distance sensor and a driving assistance system for vehicles |
DE102011084264A1 (en) | 2011-10-11 | 2013-04-11 | Robert Bosch Gmbh | Method and device for calibrating an environmental sensor |
EP2604478A1 (en) | 2011-12-13 | 2013-06-19 | Delphi Technologies, Inc. | Method for recognising function errors of a multi-sensor assembly |
DE102016219455A1 (en) | 2016-10-07 | 2018-04-12 | Audi Ag | Motor vehicle, method and active infrastructure for checking an environment detection of a motor vehicle |
DE102016221440A1 (en) | 2016-11-02 | 2018-05-03 | Robert Bosch Gmbh | Method for diagnosing environmental sensor systems in vehicles |
DE102016223290A1 (en) | 2016-11-24 | 2018-05-24 | Robert Bosch Gmbh | Method and device for calibrating a sensor for a vehicle |
DE102016223581A1 (en) | 2016-11-28 | 2018-05-30 | Continental Teves Ag & Co. Ohg | Device and method for checking a functionality of a sensor |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102016106978A1 (en) * | 2016-04-15 | 2017-10-19 | Valeo Schalter Und Sensoren Gmbh | Method for operating a driver assistance system of a motor vehicle, computing device, driver assistance system and motor vehicle |
DE102016210088B3 (en) * | 2016-06-08 | 2017-07-06 | Volkswagen Aktiengesellschaft | Method and device for representing an environment of a motor vehicle |
-
2019
- 2019-09-20 DE DE102019214345.8A patent/DE102019214345B4/en active Active
- 2019-12-11 CN CN201980084600.1A patent/CN113196085A/en active Pending
- 2019-12-11 WO PCT/EP2019/084768 patent/WO2020126772A2/en active Application Filing
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102005059902A1 (en) | 2005-12-15 | 2007-06-28 | Robert Bosch Gmbh | Distance sensor condition detecting method for measuring motor vehicle distance, involves determining distance values from sensor signals and producing sensor condition signals that correlates with result of statistical evaluation of values |
DE102009031561A1 (en) | 2009-07-02 | 2011-01-05 | Valeo Schalter Und Sensoren Gmbh | Method for detecting and correcting a malposition of a distance sensor and a driving assistance system for vehicles |
DE102011084264A1 (en) | 2011-10-11 | 2013-04-11 | Robert Bosch Gmbh | Method and device for calibrating an environmental sensor |
EP2604478A1 (en) | 2011-12-13 | 2013-06-19 | Delphi Technologies, Inc. | Method for recognising function errors of a multi-sensor assembly |
DE102016219455A1 (en) | 2016-10-07 | 2018-04-12 | Audi Ag | Motor vehicle, method and active infrastructure for checking an environment detection of a motor vehicle |
DE102016221440A1 (en) | 2016-11-02 | 2018-05-03 | Robert Bosch Gmbh | Method for diagnosing environmental sensor systems in vehicles |
DE102016223290A1 (en) | 2016-11-24 | 2018-05-24 | Robert Bosch Gmbh | Method and device for calibrating a sensor for a vehicle |
DE102016223581A1 (en) | 2016-11-28 | 2018-05-30 | Continental Teves Ag & Co. Ohg | Device and method for checking a functionality of a sensor |
Also Published As
Publication number | Publication date |
---|---|
WO2020126772A2 (en) | 2020-06-25 |
WO2020126772A3 (en) | 2020-08-13 |
CN113196085A (en) | 2021-07-30 |
DE102019214345A1 (en) | 2020-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102016223422B4 (en) | Method for automatically determining extrinsic parameters of a vehicle camera | |
DE102016219455B4 (en) | Method and active infrastructure for checking a detection of the surroundings of a motor vehicle | |
DE102017105305A1 (en) | METHOD FOR AUTOMATIC DETERMINATION OF A SENSOR POSITION | |
DE102017117327B4 (en) | Procedures and systems for checking the integrity of steering systems | |
DE102013206707A1 (en) | Method for checking an environment detection system of a vehicle | |
DE19964020A1 (en) | Method and device for misalignment detection in a motor vehicle radar system | |
DE10229336A1 (en) | Method and device for calibrating image sensor systems | |
DE102016212326A1 (en) | Method for processing sensor data for a position and / or orientation of a vehicle | |
DE102010049093A1 (en) | Method for operating at least one sensor of a vehicle and vehicle with at least one sensor | |
DE102020118629B4 (en) | Computer-implemented method for determining the validity of an estimated position of a vehicle | |
DE102018103803A1 (en) | A SYSTEM AND METHOD FOR DETECTING DEFECTIVE SENSOR INSTALLATION WITHIN A VEHICLE IN ORDER TO REDUCE THE RISKS ASSOCIATED WITH OBJECT DETECTION | |
DE102018201154A1 (en) | Method for calibrating sensors and / or sensor arrangements | |
EP3827277B1 (en) | Method, system and electronic computing device for checking sensor devices of vehicles, in particular of motor vehicles | |
EP2131598A2 (en) | Stereo camera system and method of determining at least one calibration error in a stereo camera system | |
DE102018007960A1 (en) | Method for matching map material with a detected environment of a vehicle, control device configured to carry out such a method, and vehicle having such a control device | |
DE102015006571A1 (en) | Device and method for determining a torsion of a body and / or a chassis | |
DE102017201796A1 (en) | Control device for determining a self-motion of a motor vehicle and motor vehicle and method for providing the control device | |
DE102019214345B4 (en) | Method for detecting misalignment of at least one sensor of a motor vehicle | |
DE102016009756A1 (en) | Method for calibrating a sensor system of a motor vehicle and sensor system | |
DE102022117277A1 (en) | METHOD FOR TRAINING A NEURONAL NETWORK | |
DE102018130867A1 (en) | Method and device for calibrating an environmental sensor of a vehicle | |
DE102021205804A1 (en) | Method for monitoring at least one sensor | |
DE102021110287A1 (en) | Method and system for the automated calibration of sensors | |
DE102016223290A1 (en) | Method and device for calibrating a sensor for a vehicle | |
DE102019213776A1 (en) | Method for calibrating sensors and detecting decalibration |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed | ||
R079 | Amendment of ipc main class |
Free format text: PREVIOUS MAIN CLASS: B60R0016020000 Ipc: G01M0017000000 |
|
R016 | Response to examination communication | ||
R016 | Response to examination communication | ||
R018 | Grant decision by examination section/examining division | ||
R020 | Patent grant now final |