DE102020205831A1

DE102020205831A1 - System for deception detection, prevention and protection of ADAS functions

Info

Publication number: DE102020205831A1
Application number: DE102020205831.8A
Authority: DE
Inventors: Boris Pradarutti; Georg Schneider
Original assignee: ZF Friedrichshafen AG
Current assignee: ZF Friedrichshafen AG
Priority date: 2020-05-08
Filing date: 2020-05-08
Publication date: 2021-11-11

Abstract

Ein Steuerungssystem (10) ist zum Einsatz in einem Kraftfahrzeug (12) eingerichtet und bestimmt, zumindest eine erste Information bezüglich einer aktuellen Fahrsituation des Kraftfahrzeugs (12) basierend auf einem ersten Teil von bereitgestellten Umfelddaten zu ermitteln. Das Steuerungssystem ist dazu eingerichtet und bestimmt, zumindest eine zweite Information bezüglich der aktuellen Fahrsituation des Kraftfahrzeugs (12) und/oder der zumindest einen ersten Information basierend auf einem zweiten Teil der bereitgestellten Umfelddaten zu ermitteln. Das Steuerungssystem ist dazu eingerichtet und bestimmt, durch die zumindest eine zweite Information zu erkennen, ob es plausibel ist, dass die zumindest eine erste Information der tatsächlichen aktuellen Fahrsituation entspricht. Das Steuerungssystem ist dazu eingerichtet und bestimmt, wenn erkannt wurde, dass es nicht plausibel ist, dass die zumindest eine erste Information der tatsächlichen Fahrsituation entspricht, das Kraftfahrzeug (12) nicht entsprechend zu der zumindest einen ersten Information zu steuern.A control system (10) is set up for use in a motor vehicle (12) and is designed to determine at least first information relating to a current driving situation of the motor vehicle (12) based on a first part of provided environment data. The control system is set up and intended to determine at least one second item of information relating to the current driving situation of the motor vehicle (12) and / or the at least one first item of information based on a second part of the provided environment data. The control system is set up and intended to use the at least one second item of information to recognize whether it is plausible that the at least one first item of information corresponds to the actual current driving situation. The control system is set up and determined to not control the motor vehicle (12) in accordance with the at least one first item of information if it has been recognized that it is not plausible that the at least one first piece of information corresponds to the actual driving situation.

Description

Hintergrund der ErfindungBackground of the invention

Hier werden ein Steuerungssystem und ein Steuerungsverfahren beschrieben, welche Daten einer Umfeldsensorik, auf deren Grundlage ein Kraftfahrzeug gesteuert werden soll, kritisch hinterfragt und so eine falsche Erkennung der Objekte und/oder Situationen im Umfeld des Kraftfahrzeugs verhindern.A control system and a control method are described here which critically question data from an environment sensor system on the basis of which a motor vehicle is to be controlled and thus prevent incorrect detection of the objects and / or situations in the environment of the motor vehicle.

Stand der TechnikState of the art

In heutigen Kraftfahrzeugen bieten Fahrerassistenzsysteme (ADAS - advanced driver assistance systems) eine Vielzahl von Überwachungs- und Hinweisfunktionen, um das Führen der Kraftfahrzeuge sicherer zu machen. Hierbei wird das Umfeld des Kraftfahrzeugs basierend auf aus einem oder aus mehreren an dem Kraftfahrzeug befindlichen Umfeldsensor/en gewonnenen Umfelddaten im Hinblick auf den Fahrtverlauf des Kraftfahrzeugs überwacht.In today's motor vehicles, advanced driver assistance systems (ADAS) offer a large number of monitoring and information functions in order to make driving motor vehicles safer. Here, the environment of the motor vehicle is monitored based on environment data obtained from one or more environment sensor (s) located on the motor vehicle with regard to the course of the journey of the motor vehicle.

Bekannte Fahrerassistenzsysteme ermitteln beispielsweise, ob sich das Kraftfahrzeug innerhalb einer Fahrspur befindet und ob der Fahrer ungewollt zu einer Seite der Fahrspur abdriftet oder im Begriff ist, diese zu verlassen. Diese Fahrerassistenzsysteme generieren aus den gewonnenen Umfelddaten ein „Abbild“ der Straße und insbesondere der Fahrspur. Dabei werden Objekte erkannt und während des Fahrens verfolgt, wie zum Beispiel eine Bordsteinkante, Fahrspurbegrenzungslinien, Fahrspurmarkierungen, Richtungspfeile, etc. Auch bewegliche Objekte wie andere Kraftfahrzeuge werden erkannt und während des Fahrens verfolgt (Tracking).Known driver assistance systems determine, for example, whether the motor vehicle is within a lane and whether the driver is drifting unintentionally to one side of the lane or is about to leave it. These driver assistance systems generate an “image” of the road and, in particular, the lane from the surrounding data obtained. Objects are recognized and tracked while driving, such as curbs, lane delimitation lines, lane markings, direction arrows, etc. Movable objects such as other motor vehicles are also recognized and tracked while driving (tracking).

In durch Personen geführten Kraftfahrzeugen bieten die Fahrerassistenzsysteme meist eine Hinweisfunktion, um den Fahrer vor einer kritischen Situation oder einem entsprechenden Manöver zu warnen oder um den Fahrer ein geeignetes Manöver für das Kraftfahrzeug vorzuschlagen. Gleichermaßen können die Fahrerassistenzsysteme auch in autonom gesteuerten Kraftfahrzeugen eingesetzt werden, um der autonomen Steuerung die entsprechenden Umfelddaten bereitzustellen.In motor vehicles driven by people, the driver assistance systems usually offer an advisory function in order to warn the driver of a critical situation or a corresponding maneuver or to suggest a suitable maneuver for the motor vehicle to the driver. Equally, the driver assistance systems can also be used in autonomously controlled motor vehicles in order to provide the autonomous controller with the corresponding environment data.

Zugrundeliegendes ProblemUnderlying problem

Die Daten der Umfeldsensoren können in vielerlei Hinsicht täuschen. So kann beispielsweise ein Straßenschild von einem Baum verdeckt sein oder mutwillig entfernt oder unkenntlich gemacht worden sein. Eine Straße kann ungewollte Fahrbahnmarkierungen (oder Malereien, die als offizielle Fahrbahnmarkierungen erkannt werden können) aufweisen, wie z.B. Kreidemalereien. Auch kann eine Kamera von IR/UV Licht geblendet werden oder einen anderen Defekt zeigen. Solche Täuschungen sind besonders schwerwiegend, wenn sie von einem Menschen nicht erkannt werden.The data from the environmental sensors can be deceptive in many ways. For example, a street sign can be covered by a tree or deliberately removed or made unrecognizable. A road may have unwanted lane markings (or paintings that can be recognized as official lane markings), such as chalk paintings. A camera can also be blinded by IR / UV light or show another defect. Such delusions are particularly serious when they are not recognized by a person.

Beispielhaft zeigt 2a ein Stopp-Schild (28) ohne Täuschung. Die graue Tönung des Schildes soll die rote Farbe des Stopp-Schildes repräsentieren. Das Stopp-Schild aus 2a wird von Menschen und ADAS als Stopp-Schild erkannt. Anders ist dies bei dem beispielhaften Stopp-Schild, das in 2b gezeigt ist. Dieses Stopp-Schild (28) ist mit ein paar Aufklebern (30) beklebt. Ein Mensch erkennt dieses beklebte Schild ohne Probleme als Stopp-Schild. Währenddessen wird ein ADAS getäuscht und erkennt eine Geschwindigkeitsbegrenzung. Ähnlich verhält es sich in der Situation der 2c und 2d. Während 2c Fahrbahnbegrenzungen ohne Täuschung zeigen, ist in 2d eine täuschende Markierung (36) erkennbar. Dies kann beispielsweise ausgelaufene Farbe, Kreidemarkierungen oder Ähnliches sein. Während ein Mensch die täuschende Markierung (36) als Täuschung erkennt und sein Fahrverhalten nicht danach richtet, ist es möglich, dass das ADAS-System auf die Täuschung hereinfällt und nach links lenkt, wie in 2d gezeigt.Exemplarily shows 2a a stop sign (28) with no deception. The gray tint of the sign should represent the red color of the stop sign. The stop sign off 2a is recognized by humans and ADAS as a stop sign. This is different with the exemplary stop sign shown in 2 B is shown. A couple of stickers (30) have been stuck to this stop sign (28). A person recognizes this sticky sign as a stop sign without any problems. Meanwhile, an ADAS is deceived and detects a speed limit. The situation is similar in the 2c and 2d . While 2c Showing lane boundaries without deception is in 2d a deceptive marking (36) can be seen. This can be, for example, leaked paint, chalk marks or the like. While a person recognizes the deceptive marking (36) as a deception and does not adjust his driving behavior accordingly, it is possible that the ADAS system falls for the deception and steers to the left, as in 2d shown.

Ein herkömmliches ADAS-System, welches auf eine solche Täuschung hereinfällt, zeigt dem Fahrer falsche Daten an und/oder steuert das Kraftfahrzeug entsprechend der Täuschung. Dies kann schnell zu einem Unfall führen.A conventional ADAS system, which falls for such a deception, displays incorrect data to the driver and / or controls the motor vehicle in accordance with the deception. This can quickly lead to an accident.

Daher besteht die Aufgabe, ein sichereres Steuerungssystem und ein sichereres Steuerungsverfahren für ein Kraftfahrzeug bereitzustellen, welches nicht von Täuschungen in den Daten fehlgeleitet wird.The object is therefore to provide a safer control system and a safer control method for a motor vehicle which is not misdirected by deceptions in the data.

Vorgeschlagene LösungSuggested solution

Diese Aufgabe wird gelöst durch ein Steuerungssystem mit den Merkmalen des Anspruchs 1 sowie ein Steuerungsverfahren mit den Merkmalen des Anspruchs 11.This object is achieved by a control system with the features of claim 1 and a control method with the features of claim 11.

Bevorzugte Ausführungsformen werden aus den Unteransprüchen 2 bis 10 sowie der nachstehenden Beschreibung ersichtlich.Preferred embodiments are evident from the subclaims 2 to 10 and the description below.

Ein Aspekt betrifft ein Steuerungssystem, das zum Einsatz in einem Kraftfahrzeug eingerichtet und bestimmt ist, basierend auf aus mindestens einem, dem Kraftfahrzeug zugeordneten Umfeldsensor/en und/oder Signalempfänger/n gewonnenen Umfelddaten Fahrspuren, Fahrbahnbegrenzungen, Fahrbahnmarkierungen, weitere Kraftfahrzeuge, Verkehrsschilder, Lichtzeichen(anlagen) und/oder andere Objekte in einem Bereich vor, seitlich neben und/oder hinter dem Kraftfahrzeug zu erkennen, wobei der mindestens eine Umfeldsensor und/oder Signalempfänger/n dazu eingerichtet ist, dem Steuerungssystem die den Bereich vor, seitlich neben und/oder hinter dem Kraftfahrzeug wiedergebenden Umfelddaten bereitzustellen. Das Steuerungssystem ist wenigstens dazu eingerichtet und bestimmt, zumindest eine erste Information bezüglich einer aktuellen Fahrsituation des Kraftfahrzeugs basierend auf einem ersten Teil der bereitgestellten Umfelddaten (auch verkürzt: Umfelddaten) zu ermitteln. Das Steuerungssystem ist weiterhin wenigstens dazu eingerichtet und bestimmt, zumindest eine zweite Information bezüglich der aktuellen Fahrsituation des Kraftfahrzeugs und/oder der zumindest einen ersten Information basierend auf einem zweiten Teil der bereitgestellten Umfelddaten zu ermitteln. Das Steuerungssystem ist weiterhin wenigstens dazu eingerichtet und bestimmt, durch die zumindest eine zweite Information zu erkennen, ob es plausibel ist, dass die zumindest eine erste Information der tatsächlichen aktuellen Fahrsituation entspricht. Das Steuerungssystem ist weiterhin wenigstens dazu eingerichtet und bestimmt, wenn erkannt wurde, dass es nicht plausibel ist, dass die zumindest eine erste Information der tatsächlichen Fahrsituation entspricht, das Kraftfahrzeug nicht entsprechend zu der zumindest einen ersten Information zu steuern.One aspect relates to a control system that is set up and intended for use in a motor vehicle, based on environment data obtained from at least one environment sensor (s) and / or signal receiver assigned to the motor vehicle. systems) and / or other objects in an area in front of, to the side, next to and / or behind the motor vehicle recognize, wherein the at least one environment sensor and / or signal receiver is set up to provide the control system with the environment data reproducing the area in front of, to the side, next to and / or behind the motor vehicle. The control system is at least set up and intended to determine at least one piece of information relating to a current driving situation of the motor vehicle based on a first part of the provided environment data (also abbreviated: environment data). The control system is furthermore set up and intended to determine at least one second item of information relating to the current driving situation of the motor vehicle and / or the at least one first item of information based on a second part of the environment data provided. The control system is also set up and intended to use the at least one second item of information to recognize whether it is plausible that the at least one first item of information corresponds to the actual current driving situation. The control system is also at least set up and intended, if it has been recognized that it is not plausible that the at least one first piece of information corresponds to the actual driving situation, not to control the motor vehicle in accordance with the at least one first piece of information.

Ein solches Steuerungssystem weist ein geringeres Risiko auf, dass es ein Kraftfahrzeug gemäß einer Täuschung falsch steuert.Such a control system has a lower risk of incorrectly controlling a motor vehicle according to a deception.

Der erste Teil der Umfelddaten und der zweite Teil der Umfelddaten können identisch, teilweise gleich oder verschieden sein. Es ist möglich, dass die verschiedenen Teile der Umfelddaten die Daten von verschiedenen (jeweils einen oder mehreren) der Umfeldsensoren und/oder Signalempfängern sind. Dies ist vorteilhaft, weil so die Plausibilität auf Grundlage verschiedener Umfeldsensoren und/oder Signalempfängern geprüft wird. Ferner ist es möglich, dass es mehrere zweite Informationen gibt. In diesem Fall kann die Plausibilität auf Grundlage der mehreren zweiten Informationen bestimmt werden. In diesem Fall ist es, beispielsweise, möglich, dass einige der mehreren zweiten Informationen für die Plausibilität sprechen und andere der mehreren zweiten Informationen gegen die Plausibilität sprechen. In einem solchen Fall kann geprüft werden, ob mehr der mehreren zweiten Informationen für oder gegen die Plausibilität sprechen, und demnach entschieden werden, dass es entsprechend plausibel ist oder nicht, dass die zumindest eine erste Information der tatsächlichen aktuellen Fahrsituation entspricht (Plausibilität vorliegt). Es kann auch ein Schwellwert vorherbestimmt sein, welcher angibt, mindestens wieviel Prozent der mehreren zweiten Informationen für die Plausibilität sprechen müssen, damit entschieden wird, dass Plausibilität vorliegt.The first part of the environment data and the second part of the environment data can be identical, partially the same or different. It is possible that the different parts of the environment data are the data from different (one or more) of the environment sensors and / or signal receivers. This is advantageous because the plausibility is checked on the basis of various environmental sensors and / or signal receivers. It is also possible that there are several second pieces of information. In this case, the plausibility can be determined on the basis of the plurality of second pieces of information. In this case it is possible, for example, that some of the multiple second items of information speak for plausibility and other of the multiple second items of information speak against plausibility. In such a case, it can be checked whether more of the multiple second pieces of information speak for or against plausibility, and a decision can accordingly be made that it is correspondingly plausible or not that the at least one first piece of information corresponds to the actual current driving situation (plausibility is present). A threshold value can also be predetermined, which indicates at least what percentage of the multiple second items of information must speak for plausibility so that it is decided that plausibility is present.

Durch eine Information, wie die zumindest eine erste und wie die zumindest eine zweite Information, kann das Steuerungssystem eine aktuelle Fahrsituation zumindest teilweise wiederspiegeln und auf Grundlage der Information (eventuell in notwendiger Kombination mit weiteren Informationen) kann das Steuerungssystem das Kraftfahrzeug steuern und/oder dem Nutzer (welcher der Fahrer sein kann) etwas anzeigen, was dem Nutzer über die Fahrsituation informiert. Die aktuelle Fahrsituation kann eine Verkehrssituation, die Situation anderer Kraftfahrzeuge und/oder die Straßenlage (inklusive Verkehrszeichen wie Schilder, Lichtzeichen(anlagen), Fahrbahnmarkierungen) umfassen. Das Steuerungssystem kann aus jedem Teil der Umfelddaten eine oder mehrere Informationen ermitteln. Eine Information kann zum Beispiel ein erkanntes Straßenschild (wie ein Stopp-Schild), der Verlauf einer Fahrbahnmarkierung, das Bestehen einer neuen Fahrbahnmarkierung oder das Bremsen eines vorrausfahrenden Kraftfahrzeugs sein.By means of information such as the at least one first and the at least one second piece of information, the control system can at least partially reflect a current driving situation and on the basis of the information (possibly in necessary combination with further information) the control system can control the motor vehicle and / or the Show user (who can be the driver) something that informs the user about the driving situation. The current driving situation can include a traffic situation, the situation of other motor vehicles and / or the road position (including traffic signs such as signs, light signals (systems), lane markings). The control system can determine one or more pieces of information from each part of the environment data. Information can be, for example, a recognized road sign (such as a stop sign), the course of a lane marking, the existence of a new lane marking or the braking of a motor vehicle driving ahead.

Bei dem Steuerungssystem kann die zumindest eine zweite Information das gleiche Objekt der Fahrspuren, Fahrbahnbegrenzungen, Fahrbahnmarkierungen, weiteren Kraftfahrzeuge, Verkehrsschilder, Lichtzeichen(anlagen) und/oder anderen Objekte in dem Bereich vor, seitlich neben und/oder hinter dem Kraftfahrzeug betreffen wie die zumindest eine erste Information.In the control system, the at least one second piece of information can relate to the same object in the lanes, lane boundaries, lane markings, other motor vehicles, traffic signs, light signals and / or other objects in the area in front of, to the side, next to and / or behind the motor vehicle as the at least a first piece of information.

Dies ist vorteilhaft, weil verschiedene Umfeldsensoren und/oder Signalempfängern das gleiche Objekt betrachten. Dies kann beispielsweise die durch ein Mikrofon aufgenommene Sirene und das durch eine Kamera aufgenommene Blaulicht eines Polizeifahrzeugs sein (dies sind zwei Datensätze von dem gleichen Objekt). Dies kann beispielsweise auch ein Stopp-Schild sein, welches von verschieden ausgerichteten und/oder verschieden funktionierenden Kameras aufgenommen wurde. Eine verschiedene Ausrichtung einer Kamera kann beispielsweise ein mit Baumblättern überwachsenes Stopp-Schild besser erkennen. Somit kann eine Betrachtung des gleichen Objekts mit verschiedenen Umfeldsensoren das Risiko auf ein Hereinfallen auf Täuschungen weiter verringern.This is advantageous because different environmental sensors and / or signal receivers are looking at the same object. This can be, for example, the siren recorded by a microphone and the blue light of a police vehicle recorded by a camera (these are two data sets from the same object). This can also be, for example, a stop sign that was recorded by cameras that are oriented in different directions and / or function differently. A different orientation of a camera can, for example, better recognize a stop sign overgrown with tree leaves. Thus, viewing the same object with different environment sensors can further reduce the risk of falling into deceptions.

Das Steuerungssystem kann ferner durch zumindest einer der folgenden Alternativen erkennen, dass es nicht plausibel ist, dass die zumindest eine erste Information der tatsächlichen aktuellen Fahrsituation entspricht: dadurch dass (Alternative 1:) zumindest eine der zumindest einen zweiten Information angibt, dass die bereitgestellten Umfelddaten eine Täuschung umfassen; und/oder dadurch dass (Alternative 2:) zumindest eine der zumindest einen zweiten Information die tatsächliche aktuelle Fahrsituation korrigierend angibt; und/oder dadurch dass (Alternative 3:) zumindest eine der zumindest einen zweiten Information der zumindest einen ersten Information entgegensteht.The control system can also use at least one of the following alternatives to recognize that it is not plausible that the at least one first piece of information corresponds to the actual current driving situation: in that (alternative 1) at least one of the at least one second piece of information indicates that the environment data provided to include a deception; and / or in that (alternative 2 :) at least one of the at least one second information item corrects the actual current driving situation; and / or in that (alternative 3 :) at least one of the at least one second Information that opposes at least a first piece of information.

Die zumindest eine Information in Alternative 1, die angibt, dass die bereitgestellten Umfelddaten eine Täuschung umfassen, kann beispielsweise von einer Nutzereingabe stammen. Auch kann dies von einer „Misuse-Straßenkarte“ kommen. Die Misuse-Straßenkarte (auch Misuse-Karte) ist eine Straßenkarte, die für Regionen/Straßen angibt, dass eine Täuschung vorliegt und bevorzugt auch angibt, was die Täuschung ist und/oder wie die tatsächliche Fahrsituation ist. Die Misuse-Karte kann auch oder alternativ für Regionen/Straßen angeben, wie hoch eine Wahrscheinlichkeit ist, dass eine Täuschung vorliegt. Auch kann eine Historie einer jeden Täuschung in der Misuse-Karte abgespeichert sein und/oder eine empfohlene Gegenmaßnahme. Die Misuse-Karte kann von einem Kraftfahrzeug individuell verwaltet werden oder von einer Autorität (wie Polizei) zentral verwaltet werden, welche die Misuse-Karte und/oder die Informationen daraus dem Steuerungssystem bereitstellt, beispielsweise durch eine Internetverbindung. Informationen/Daten von der Misuse-Karte (wie von anderen Quellen) können auch zeitlich vor dem Bereitstellen des ersten Teils der bereitgestellten Umfelddaten empfangen werden. Das Steuerungssystem kann die Informationen/Daten der Misuse-Karte dann abspeichern bis das Kraftfahrzeug die entsprechende Region verlassen hat. Die Information, dass eine Täuschung umfasst wird und/oder dass ein bestimmtes Objekt täuscht, ist vorteilhaft, weil meist Sicherheit besteht, dass eine Täuschung vorliegt. Die Plausibilität muss also nicht abgewogen werden. Die Information, dass eine Täuschung besteht, kann auch mit weiteren (zweiten) Informationen kombiniert werden. Diese weiteren Informationen können Informationen umfassen, auf deren Grundlage das Kraftfahrzeug gesteuert wird und/oder dem Nutzer etwas angezeigt wird. Besagt eine zweite Information, dass die erste Information (wahrscheinlich) eine Täuschung ist, also nicht richtig ist, so kann das Steuerungssystem das Kraftfahrzeug explizit nicht entsprechend der ersten Information steuern und/oder dem Nutzer etwas entsprechend anzeigen.The at least one item of information in alternative 1, which indicates that the environment data provided includes a deception, can originate from a user input, for example. This can also come from a “Misuse road map”. The Misuse road map (also Misuse map) is a road map which indicates for regions / streets that a deception is present and preferably also indicates what the deception is and / or what the actual driving situation is. The misuse card can also or alternatively indicate for regions / streets how high a probability is that a deception has occurred. A history of each deception can also be stored in the misuse card and / or a recommended countermeasure. The misuse card can be managed individually by a motor vehicle or centrally managed by an authority (such as the police) which provides the misuse card and / or the information from it to the control system, for example through an Internet connection. Information / data from the misuse card (as well as from other sources) can also be received in time prior to the provision of the first part of the provided environment data. The control system can then store the information / data on the Misuse card until the motor vehicle has left the corresponding region. The information that a deception is included and / or that a specific object is deceptive is advantageous because it is usually certain that a deception has occurred. So the plausibility does not have to be weighed. The information that there is a deception can also be combined with further (second) information. This additional information can include information on the basis of which the motor vehicle is controlled and / or something is displayed to the user. If a second piece of information indicates that the first piece of information is (probably) a deception, i.e. not correct, the control system cannot explicitly control the motor vehicle in accordance with the first piece of information and / or display something to the user accordingly.

Das Wort „korrigierend“ in der Alternative 2 besagt, dass die zumindest eine der zumindest einen zweiten Information mit sehr hoher Wahrscheinlichkeit, eher mit Sicherheit, die aktuelle Fahrsituation tatsächlich wiederspiegelt. Es ist möglich, dass bei einer korrigierenden Angabe auch explizit angegeben wird, dass die erste Information falsch ist. Die Angabe kann aber auch korrigierend sein, ohne auf die erste Information einzugehen oder zu wissen, was die erste Information angibt. Die Alternative 2 hat den Vorteil, dass das Steuerungssystem gleich weiß, was richtig ist. Es ist möglich, wenn die korrigierende Angabe nicht explizit sagt, dass die erste Information falsch ist, und wenn die korrigierende Angabe der ersten Information nicht entgegensteht, dass das Steuerungssystem das Kraftfahrzeug entsprechend zu der ersten Information steuert und/oder dem Nutzer etwas entsprechend der ersten Information anzeigt (ohne Verneinung). Eine korrigierende Angabe kann bevorzugt von einer Misuse-Karte, einer offiziellen Meldung (z.B. von der Polizei), oder einer Nutzereingabe stammen.The word “corrective” in alternative 2 means that the at least one of the at least one second information item actually reflects the current driving situation with a very high degree of probability, more with certainty. It is possible that, in the case of a corrective statement, it is also explicitly stated that the first information is incorrect. However, the information can also be corrective without going into the first information or knowing what the first information indicates. Alternative 2 has the advantage that the control system immediately knows what is correct. It is possible, if the corrective information does not explicitly say that the first information is incorrect, and if the corrective information does not preclude the first information, that the control system controls the motor vehicle according to the first information and / or the user something according to the first Displays information (without a negative). Corrective information can preferably come from a misuse card, an official report (e.g. from the police), or a user input.

Ein Entgegenstehen (bzw. Widerspruch), wie in Alternative 3 beschrieben, kann beispielsweise vorliegen, wenn eine Sirene vernommen wird, aber kein Blaulicht gesehen wird. Dies kann beispielsweise von einer falschen Sirene oder einer Sirene, die nicht in der Nähe des eigenen Kraftfahrzeugs ist, stammen. Es ist also nicht plausibel, dass das Einsatzfahrzeug in der Nähe ist und/oder tatsächlich existiert. In beiden Fällen ist es nicht wünschenswert, dass das eigene Kraftfahrzeug an den Rand fährt und/oder abbremst. Ein weiteres Beispiel von entgegenstehenden Informationen ist eine vermeintliche temporäre Fahrbahnmarkierung (in gelb oder rot) ohne weitere Anzeichen einer Baustelle. In diesem Fall könnte die vermeintliche Fahrbahnmarkierung eine Täuschung sein, z.B. durch ausgelaufene Farbe.A contradiction (or contradiction), as described in alternative 3, can exist, for example, if a siren is heard but no blue light is seen. This can originate, for example, from a wrong siren or a siren that is not in the vicinity of your own motor vehicle. So it is not plausible that the emergency vehicle is nearby and / or actually exists. In both cases it is not desirable for one's own motor vehicle to drive to the edge and / or to brake. Another example of conflicting information is a supposed temporary road marking (in yellow or red) with no further signs of a construction site. In this case, the alleged lane marking could be an illusion, e.g. through leaked paint.

Der zweiten Teil der bereitgestellten Umfelddaten kann aus einer Straßenkarte, die Fahrsituationen und/oder eine lokale Wahrscheinlichkeit für eine Täuschung angibt, einer „infrastructure to vehicle communication“, einer „vehicle to vehicle communication“, einer Eingabe eines Nutzers, dem mindestens einem zugeordneten Umfeldsensor/en, dem mindestens einen zugeordneten Signalempfänger/n und/oder einem Maschinellen-Lern-Klassifizierer stammen.The second part of the provided environment data can be from a road map that indicates driving situations and / or a local probability of deception, an “infrastructure to vehicle communication”, a “vehicle to vehicle communication”, an input of a user, the at least one assigned environment sensor / s, from which at least one assigned signal receiver / s and / or a machine learning classifier originate.

Die Straßenkarte, die Fahrsituationen angibt, kann beispielsweise Geschwindigkeitsbegrenzungen, Straßenführung, und/oder weitere Informationen umfassen. Dies kann auch eine hochauflösenden live-Straßenkarte sein, also eine Straßenkarte, die aktuelle Informationen zu der Fahrsituation örtlich sehr präzise angibt. Die Straßenkarte, die eine lokale Wahrscheinlichkeit für eine Täuschung angibt, kann die Misuse-Karte sein. Die infrastructure to vehicle communication (12V) kann beispielsweise durch ein Signal übermittelt werden (Mobilfunk, WLan, Bluetooth, etc.), welches von einem Straßenschild (bzw. einem daran befestigten Signalsender) ausgeht und welches die Information des Straßenschildes in digitaler Form wiederspiegelt. Die vehicle to vehicle communication (V2V) kann ein Signal von einem sich in der Nähe befindlichen weiteren Kraftfahrzeug sein, welches beispielsweise ein Warnsignal bezüglich einer Täuschung oder ein Signal mit Informationen über das eigene Fahrverhalten versendet. Die Eingabe des Nutzers kann über eine Nutzeroberfläche im Kraftfahrzeug oder ein mit dem Steuerungssystem gekoppelten App auf einem Smartphone oder Tablet sein. Der Nutzer kann korrigierende Angaben über die Fahrsituation angeben.The road map that indicates driving situations can include, for example, speed limits, road layout, and / or further information. This can also be a high-resolution live road map, that is to say a road map that gives very precise local information about the driving situation. The road map indicating a local probability of deception can be the misuse map. The infrastructure to vehicle communication (12V) can be transmitted, for example, by a signal (cellular network, WiFi, Bluetooth, etc.) which originates from a street sign (or a signal transmitter attached to it) and which reflects the information from the street sign in digital form. The vehicle to vehicle communication (V2V) can be a signal from another motor vehicle in the vicinity, which for example sends a warning signal regarding deception or a signal with information about one's own driving behavior. The input of the user can be done via a user interface in the motor vehicle or an app coupled with the control system on a Be a smartphone or tablet. The user can provide corrective information about the driving situation.

Das Steuerungssystem kann ferner eingerichtet und bestimmt sein, wenn erkannt wurde, dass es nicht plausibel ist, dass die zumindest eine erste Information der tatsächlichen aktuellen Fahrsituation entspricht, das Kraftfahrzeug entsprechend zu der zumindest einen zweiten Information zu steuern; und/oder eine Anzeige zu steuern, eine Warnung anzuzeigen; und/oder eine Täuschungsmeldung zur Polizei, Feuerwehr und/oder anderen Kraftfahrzeugen zu versenden, wobei die Täuschungsmeldung möglicherweise Ortsinformationen und/oder Bildaufnahmen umfasst; und/oder die Straßenkarte, die die lokale Wahrscheinlichkeit für eine Täuschung angibt, (Misuse-Karte) zu aktualisieren.The control system can furthermore be set up and determined, if it has been recognized that it is not plausible that the at least one first item of information corresponds to the actual current driving situation, to control the motor vehicle in accordance with the at least one second item of information; and / or control a display to display a warning; and / or to send a deception report to the police, fire brigade and / or other motor vehicles, the deception report possibly including location information and / or image recordings; and / or to update the road map indicating the local probability of deception (misuse map).

Das Steuerungssystem steuert das Kraftfahrzeug bevorzugt nur dann entsprechend zu der zumindest einen zweiten Information, wenn mehrere zweite Informationen übereinstimmen und/oder wenn eine der zumindest einen zweiten Information mit sehr hoher Wahrscheinlichkeit, eher mit Sicherheit, die tatsächliche aktuelle Fahrsituation wiederspiegelt. Dabei wird die erste Information ignoriert. Die Anzeige mit der Warnung kann anzeigen, dass eine Täuschung erkannt wurde (also eine geringe bis keine Plausibilität vorliegt) und/oder dass eine andere Information (von der zumindest einen zweiten Information) bezüglich der Fahrsituation für plausibel gehalten wird. Die Anzeige, dass eine Täuschung erkannt wurde kann kombiniert werden mit der Aufforderung an den Nutzer eine korrigierende Eingabe zu machen. Auch kann die Anzeige, dass eine Täuschung erkannt wurde, mit einer Meldung kombiniert werden, dass die Anzeige momentan falsche Informationen anzeigen kann, da Täuschungen vorliegen. Die Täuschungsmeldung an die Polizei kann auch an den Streckenbetreiber versendet werden. Dies kann beispielsweise per V21 (also dem Senden der Meldung an einen Empfänger nahe der Straße von dem Kraftfahrzeug aus) passieren. Die Täuschungsmeldung kann auch direkt V2V an andere Kraftfahrzeuge in der Nähe versandt werden. Die Täuschungsmeldung kann Bild-, Video-, und/oder Tonaufnahmen der Täuschung mit Kontextinformationen, wie Orts- und Zeitdaten, dem Zustand des Autos, den Zustand der Umfeldsensoren und/oder Signalempfänger, und/oder Umweltbedingungen, umfassen. Die versendeten Täuschungsmeldungen können auch zusätzlich im Kraftfahrzeug abgespeichert werden. Die Täuschungsmeldungen können zusätzlich oder alternativ zur Aktualisierung der Misuse-Karte genutzt werden. Das Steuerungssystem kann ferner eingerichtet und bestimmt sein, wenn erkannt wurde, dass es nicht plausibel ist, dass die zumindest eine erste Information der tatsächlichen aktuellen Fahrsituation entspricht, die Bremse vorzuaktivieren bzw. die Bremsstärke anzupassen, das Kraftfahrzeug abzubremsen oder ganz zum Stehen zu bringen, oder ein Ausweichmanöver ausführen zu lassen. Es ist auch möglich, dass das Steuerungssystem, wenn erkannt wurde, dass es nicht plausibel ist, dass die zumindest eine erste Information der tatsächlichen aktuellen Fahrsituation entspricht, die bereitgestellten Umfelddaten erneut auswertet und/oder neue bereitgestellte Umfelddaten anfordert.The control system preferably only controls the motor vehicle in accordance with the at least one second item of information when several second items of information match and / or when one of the at least one second items of information reflects the actual current driving situation with a very high probability, more with certainty. The first piece of information is ignored. The display with the warning can indicate that a deception was detected (that is, there is little to no plausibility) and / or that other information (from the at least one second item of information) relating to the driving situation is considered plausible. The indication that a deception has been detected can be combined with the request to the user to make a corrective input. The display that a deception has been detected can also be combined with a message that the display can currently display incorrect information because deceptions are present. The report of deception to the police can also be sent to the route operator. This can happen, for example, via V21 (that is, by sending the message to a recipient near the road from the motor vehicle). The deception report can also be sent directly to other vehicles in the vicinity. The deception report can include image, video and / or sound recordings of the deception with context information, such as location and time data, the state of the car, the state of the surroundings sensors and / or signal receivers, and / or environmental conditions. The sent deception reports can also be stored in the motor vehicle. The deception reports can also or alternatively be used to update the misuse card. The control system can also be set up and determined when it has been recognized that it is not plausible that the at least one first piece of information corresponds to the actual current driving situation, to preactivate the brake or to adjust the braking force, to brake the motor vehicle or to bring it to a complete stop, or to have an evasive maneuver carried out. It is also possible that the control system, when it has been recognized that it is not plausible that the at least one first piece of information corresponds to the actual current driving situation, reevaluates the provided environment data and / or requests new provided environment data.

Das Steuerungssystem kann ferner eingerichtet und bestimmt sein, wenn erkannt wird, ob es plausibel ist, dass die zumindest einer erste Information der tatsächlichen aktuellen Fahrsituation entspricht, die zumindest eine erste Information und die zumindest eine zweite Information gegenseitig aufzuwiegen, wobei Informationen von Teilen der Umfelddaten, die von einem vorherbestimmten Umfeldsensor und/oder Signalempfänger der bereitgestellten mindestens einen Umfeldsensor/en und/oder Signalempfänger stammen, mit einer höheren Gewichtung berücksichtigt werden als Informationen von Teilen der Umfelddaten, die von anderen Umfeldsensor/en und/oder Signalempfänger/n stammen; und/oder wobei Informationen von Teilen der Umfelddaten, die von einer vorherbestimmten Quelle stammen mit einer höheren Gewichtung berücksichtigt werden als Informationen von Teilen der Umfelddaten, die von anderen Quellen stammen.The control system can also be set up and determined when it is recognized whether it is plausible that the at least one first piece of information corresponds to the actual current driving situation, the at least one first piece of information and the at least one second piece of information outweigh each other, information from parts of the surroundings data that originate from a predetermined environment sensor and / or signal receiver of the provided at least one environment sensor / s and / or signal receiver are taken into account with a higher weighting than information from parts of the environment data that originate from other environment sensor / s and / or signal receiver / s; and / or wherein information from parts of the environment data that originate from a predetermined source is taken into account with a higher weighting than information from parts of the environment data that originate from other sources.

In dieser Weise kann ein fehlerhafter oder defekter Umfeldsensor und/oder Signalempfänger als Täuschungsquelle als fehlerhaft bzw. defekt berücksichtigt werden. Ist, beispielsweise, eine Kamera sehr anfällig, geblendet zu werden, und deshalb anfällig, fehlerhafte Daten auszugeben, so werden Umfelddaten von dieser Kamera bei der Bewertung der Plausibilität weniger stark berücksichtigt. Diese Fehleranfälligkeit kann sowohl generell bekannt sein, wie auch für die eine spezielle Kamera bekannt sein. Ferner beispielsweise können Umfelddaten von vertrauenswürdigen Quellen, wie der Polizei, mit einer hohen Gewichtung berücksichtigt werden. Auch ist es möglich bestimmte Typen von Umfelddaten, wie visuelle Daten, generell mit einer höheren Gewichtung zu berücksichtigen als einen anderen Typen von Umfelddaten, wie Geräusche. In dieser Weise können Umfelddaten von fehleranfälligen Umfeldsensoren und/oder Signalempfängern und von nicht vertrauenswürdigen Quellen einfacher überstimmt werden, wenn die Plausibilität erkannt wird.In this way, a defective or defective environment sensor and / or signal receiver as a source of deception can be considered defective or defective. If, for example, a camera is very susceptible to being dazzled and therefore susceptible to output incorrect data, then environmental data from this camera are less heavily taken into account when assessing the plausibility. This susceptibility to errors can be known both in general and for a specific camera. Furthermore, for example, environmental data from trustworthy sources, such as the police, can be taken into account with a high weighting. It is also possible to consider certain types of environmental data, such as visual data, generally with a higher weighting than another type of environmental data, such as noises. In this way, environment data from error-prone environment sensors and / or signal receivers and from untrustworthy sources can be overruled more easily if the plausibility is recognized.

Das Steuerungssystem kann ferner eingerichtet und bestimmt sein, die Gewichtungen für zumindest einen bestimmten Umfeldsensor/en und/oder Signalempfänger und/oder Quelle/n zu verändern, wenn eine der zumindest einen ersten oder zweiten Information angibt, dass der/die zumindest eine bestimmte Umfeldsensor/en und/oder Signalempfänger und/oder Quelle/n mehr oder weniger glaubwürdig ist.The control system can also be set up and determined to change the weightings for at least one specific environment sensor (s) and / or signal receiver and / or source (s) if one of the at least one first or second item of information indicates that the at least one specific environment sensor / s and / or signal receiver and / or source / s is more or less credible.

Dies ist besonders vorteilhaft, wenn einer der Umfeldsensoren oder Signalempfänger beschädigt ist oder wenn eine Quelle nicht mehr so zuverlässig ist wie zuvor. Letzteres kann beispielsweise sein, wenn die Polizei weniger Aufwand für ihre Benachrichtigungen betreibt. Auch kann es sein, dass viele Bäume in der Nähe von Straßenschildern erkannt wurden. Dann würden die Bilder der Straßenschilder mit einer geringeren Gewichtung berücksichtigt werden. Auch würden erkannte Informationen aus der direkten Umgebung mit einer geringeren Gewichtung berücksichtigt werden, wenn die Misuse-Karte angibt, dass in der Umgebung viele Täuschungen vorkommen bzw. dass die Wahrscheinlichkeit für Täuschungen hoch ist.This is particularly advantageous if one of the environment sensors or signal receivers is damaged or if a source is no longer as reliable as before. The latter can be the case, for example, when the police spend less effort on their notifications. It is also possible that many trees have been recognized near road signs. Then the images of the street signs would be considered with a lower weighting. Recognized information from the immediate surroundings would also be taken into account with a lower weighting if the misuse card indicates that there are many deceptions in the vicinity or that the probability of deceptions is high.

Ferner ist es möglich, dass sich der erste Teil der Umfelddaten und der zweite Teil der Umfelddaten zumindest teilweise überschneiden.It is also possible that the first part of the environment data and the second part of the environment data at least partially overlap.

Dies kann beispielsweise vorteilhaft sein, wenn ein Teil eines Schildes (oder anderen Objekts) überdeckt ist, beispielsweise mit Baumblättern. In diesem Fall ist es möglich, dass der erste Teil der Umfelddaten den überdeckten Teil des Schilds umfasst, während der zweite Teil der Umfelddaten den freien Teil des Schilds umfasst. Dann würde die erste Information wahrscheinlich die tatsächliche Fahrsituation nicht wiederspiegeln (falsch sein) und die zweite Information würde die tatsächliche Fahrsituation wiederspiegeln (richtig sein).This can be advantageous, for example, when part of a sign (or other object) is covered, for example with tree leaves. In this case it is possible that the first part of the environment data includes the covered part of the sign, while the second part of the environment data includes the free part of the sign. Then the first information would probably not reflect the actual driving situation (be wrong) and the second information would reflect the actual driving situation (be correct).

Es ist möglich, dass die verschiedenen Teile der Umfelddaten von verschiedenen Ermittelungssystemen (wie Klassifikatoren) analysiert werden. Dies kann zu verschiedenen Ergebnissen führen. Es ist auch möglich, dass der erste und zweite Teil der Umfelddaten identisch sind oder sich gegenseitig ausschließen. Die Teile der Umfelddaten müssen nicht unbedingt, können aber, alle Umfelddaten umfassen. Steuerungssystem nach einem der vorhergehenden Ansprüche, wobei der erste Teil der Umfelddaten und der zweite Teil der Umfelddaten aus Verschiedenen der bereitgestellten mindestens einem Umfeldsensor/en und/oder Signalempfänger/n stammen.It is possible for the different parts of the environmental data to be analyzed by different determination systems (such as classifiers). This can lead to different results. It is also possible that the first and second parts of the environment data are identical or mutually exclusive. The parts of the environment data do not necessarily have to, but can include all environment data. Control system according to one of the preceding claims, wherein the first part of the environment data and the second part of the environment data originate from different ones of the provided at least one environment sensor (s) and / or signal receiver (s).

Dies ist besonders vorteilhaft, wenn das gleiche Objekt betrachtet wird, wie bereits weiter oben angesprochen. Wenn die verschiedenen Teil der Umfelddaten aus verschiedenen Umfeldsensoren oder Signalempfängern zu dem gleichen Ergebnis kommen, ist es sehr wahrscheinlich, dass die erste Information die tatsächliche Fahrsituation plausibel wiedergibt.This is particularly advantageous when the same object is viewed, as already discussed above. If the different parts of the environment data from different environment sensors or signal receivers come to the same result, it is very likely that the first information plausibly reproduces the actual driving situation.

Ein weiterer Aspekt betrifft ein Kraftfahrzeug, das ein vorherstehend beschriebenes Steuerungssystem umfasst.Another aspect relates to a motor vehicle that includes a control system as described above.

Ein weiterer Aspekt betrifft ein Steuerungsverfahren, das in einem Kraftfahrzeug basierend auf aus mindestens einem, dem Kraftfahrzeug zugeordneten Umfeldsensor/en und/oder Signalempfänger/n gewonnenen Umfelddaten Fahrspuren, Fahrbahnbegrenzungen, Fahrbahnmarkierungen, weitere Kraftfahrzeuge, Verkehrsschilder, Lichtzeichen(anlagen) und/oder Objekte in einem Bereich vor, seitlich neben und/oder hinter dem Kraftfahrzeug erkennt, wobei das Steuerungsverfahren insbesondere mittels eines der vorherstehenden Steuerungssysteme ausgeführt wird. Das Steuerungsverfahren wenigstens die folgenden Schritte umfasst:

- Ermitteln zumindest einer ersten Information bezüglich einer aktuellen Fahrsituation des Kraftfahrzeugs basierend auf einem ersten Teil der bereitgestellten Umfelddaten;
- Ermitteln zumindest einer zweiten Information bezüglich der aktuellen Fahrsituation des Kraftfahrzeugs und/oder der zumindest einen ersten Information basierend auf einem zweiten Teil der bereitgestellten Umfelddaten;
- Erkennen durch die zumindest eine zweite Information, ob es plausibel ist, dass die zumindest eine erste Information der tatsächlichen aktuellen Fahrsituation entspricht;
- wenn erkannt wurde, dass es nicht plausibel ist, dass die zumindest eine erste Information der tatsächlichen Fahrsituation entspricht, nicht Steuern des Kraftfahrzeugs entsprechend zu der zumindest einen ersten Information.

Another aspect relates to a control method that is carried out in a motor vehicle based on environment data obtained from at least one environment sensor (s) and / or signal receiver assigned to the motor vehicle detects in an area in front of, to the side, next to and / or behind the motor vehicle, the control method being carried out in particular by means of one of the preceding control systems. The control method comprises at least the following steps:

Determination of at least one piece of first information relating to a current driving situation of the motor vehicle based on a first part of the provided environment data;
Determining at least one second item of information relating to the current driving situation of the motor vehicle and / or the at least one first item of information based on a second part of the provided environment data;
- Using the at least one second item of information, recognizing whether it is plausible that the at least one first item of information corresponds to the actual current driving situation;
- if it has been recognized that it is not plausible that the at least one first piece of information corresponds to the actual driving situation, not controlling the motor vehicle in accordance with the at least one first piece of information.

Gegenüber herkömmlichen Fahrerassistenzsystemen verbessert die hier vorgestellte Lösung die Wahrscheinlichkeit, dass die Fahrsituation richtig eingeschätzt wird. Dies Verringert das Risiko von Unfällen.Compared to conventional driver assistance systems, the solution presented here improves the probability that the driving situation will be correctly assessed. This reduces the risk of accidents.

Ein weiterer Aspekt betrifft ein Steuerungssystem, das zum Einsatz in einem Kraftfahrzeug eingerichtet und bestimmt ist, basierend auf aus mindestens einem, dem Kraftfahrzeug zugeordneten Umfeldsensor/en und/oder Signalempfänger/n gewonnenen Umfelddaten Fahrspuren, Fahrbahnbegrenzungen, Fahrbahnmarkierungen, weitere Kraftfahrzeuge, Verkehrsschilder, Lichtzeichen(anlagen) und/oder andere Objekte in einem Bereich vor, seitlich neben und/oder hinter dem Kraftfahrzeug zu erkennen, wobei der mindestens eine Umfeldsensor und/oder Signalempfänger dazu eingerichtet ist, dem Steuerungssystem die den Bereich vor, seitlich neben und/oder hinter dem Kraftfahrzeug wiedergebenden Umfelddaten bereitzustellen. Das Steuerungssystem ist wenigstens dazu eingerichtet und bestimmt, die bereitgestellten Umfelddaten mittels eines Maschinellen-Lern-Klassifizierers (auch ML-Klassifizierer) mindestens einer Verkehrskategorie zuzuordnen, wobei jede der mindestens einen Verkehrskategorie eine von mehreren Kategorien potentieller Fahrsituationen ist, und wobei das Maschinelle-Lern-System durch vorher bekannte Umfelddaten mit jeweils bereits zugeordneten Verkehrskategorien trainiert worden ist. Das Steuerungssystem ist weiterhin wenigstens dazu eingerichtet und bestimmt, wenn die mindestens eine Verkehrskategorie den bereitgestellten Umfelddaten falsch zugeordnet wurde, ein Korrektursignal zu empfangen, welches korrigierend angibt, welcher mindestens einen Verkehrskategorie die bereitgestellten Umfelddaten richtigerweise zuzuordnen sind, wobei das Korrektursignal vorzugsweise von einer Nutzereingabe stammt. Das Steuerungssystem ist weiterhin wenigstens dazu eingerichtet und bestimmt, den Maschinellen-Lern-Klassifizierer auf die bereitgestellten Umfelddaten und die korrigierte mindestens eine Verkehrskategorie zu trainieren. Das Steuerungssystem ist weiterhin wenigstens dazu eingerichtet und bestimmt das Kraftfahrzeug entsprechend zu der korrigierten mindestens einen Verkehrskategorie zu steuern und/oder eine Anzeige zu steuern, etwas entsprechend der zugeordneten und/oder der korrigierten mindestens einen Verkehrskategorie anzuzeigen.Another aspect relates to a control system that is set up and intended for use in a motor vehicle, based on environment data obtained from at least one environment sensor (s) and / or signal receiver assigned to the motor vehicle (systems) and / or other objects in an area in front of, to the side next to and / or behind the motor vehicle, the at least one environment sensor and / or signal receiver being set up to indicate the area in front of, to the side next to and / or behind the control system to provide environment data reproducing the motor vehicle. The control system is at least set up and intended to assign the provided environment data by means of a machine learning classifier (also ML classifier) to at least one traffic category, each of the at least one traffic category is one of several categories of potential driving situations, and the machine learning system has been trained by means of previously known environmental data with traffic categories already assigned in each case. The control system is also set up and intended, if the at least one traffic category has been incorrectly assigned to the provided environment data, to receive a correction signal which correctively indicates which at least one traffic category the provided environment data is correctly assigned to, the correction signal preferably originating from a user input . The control system is also set up and intended to train the machine learning classifier on the provided environment data and the corrected at least one traffic category. The control system is also set up and determined to control the motor vehicle in accordance with the corrected at least one traffic category and / or to control a display to display something in accordance with the assigned and / or the corrected at least one traffic category.

Ein solches Steuerungssystem erkennt ein falsch erkannten Objekt das nächste Mal richtig. Auch wird das Steuerungssystem auf ähnliche Täuschungen bei dem nächsten Erkennen mit höherer Wahrscheinlichkeit nicht mehr getäuscht, sondern ordnet die bereitgestellten Umfelddaten richtig zu.Such a control system correctly recognizes an incorrectly recognized object the next time. It is also more likely that the control system will no longer be deceived for similar deceptions the next time it is detected, but rather correctly assigns the provided environment data.

Der Maschinelle-Lern-Klassifizierer (oder durch maschinelles Lernen trainierter Klassifizierungsalgorithmus) ist vorzugsweise ein Klassifizierer, der anfangs durch Daten eines Lernraums mittels maschinellen Lern Algorithmus trainiert wurde oder von einem solchem System kopiert wurde. Die Daten des Lernraumes geben Objekte im Straßenverkehr wieder mit einer/mehreren Bezeichnung/en des abgebildeten Objekts. So können beispielsweise ein Bild eines Stopp-Schildes als „Stopp-Schild“, eine Tonaufnahme einer Sirene als „Martinshorn“ oder „Sirene“, die Daten eines LIDAR von einem Fußgänger als „Fußgänger“, und ein 12V Signal eines Geschwindigkeitsbegrenzungs-Schildes als „Geschwindigkeitsbegrenzung“ bezeichnet werden. Diese Bezeichnungen entsprechen einer Verkehrskategorie (oder mehreren Verkehrskategorien bei mehreren Bezeichnungen).The machine learning classifier (or classification algorithm trained by machine learning) is preferably a classifier which was initially trained by means of data from a learning space using a machine learning algorithm or was copied from such a system. The data of the learning room reflect objects in road traffic with one / more designations of the object shown. For example, a picture of a stop sign as a “stop sign”, a sound recording of a siren as a “siren” or “siren”, the data of a LIDAR of a pedestrian as a “pedestrian”, and a 12V signal from a speed limit sign as "Speed Limit" are called. These names correspond to a traffic category (or several traffic categories if there are several names).

Die Zuordnung zu mindestens einer Verkehrskategorie kann dem Steuerungssystem Informationen bezüglich der aktuellen Fahrsituation geben mittels deren das Kraftfahrzeug gesteuert werden kann und/oder eine Anzeige gemacht werden kann (Siehe auch vorherigen Aspekt: Zuordnen einer Verkehrskategorie kann mit Erkennen einer ersten Information verglichen werden).The assignment to at least one traffic category can give the control system information regarding the current driving situation, by means of which the motor vehicle can be controlled and / or a display can be made (see also previous aspect: assignment of a traffic category can be compared with recognition of first information).

Das Korrektursignal kann die zumindest eine zweite Information aus den zuvorgenannten Aspekten sein. Es ist auch möglich, dass das Korrektursignal zusätzlich zu der zumindest einen zweiten Information (und der zuvor beschriebenen Plausibilitätsprüfung) kommt oder statt der zumindest einen zweiten Information kommt. Wird weder ein Korrektursignal empfangen noch eine zumindest eine zweite Information für eine Plausibilitätsprüfung genutzt, so wird vorzugsweise die zugeordnete mindestens eine Verkehrskategorie (bzw. die zumindest eine erste Information) zur Steuerung und/oder Meldungsanzeige genutzt. Das Korrektursignal nutzt vor Allem dem Maschinellen-Lern-Klassifizierer, um aus seinen Fehlern zu lernen.The correction signal can be the at least one second item of information from the aforementioned aspects. It is also possible that the correction signal comes in addition to the at least one second item of information (and the plausibility check described above) or comes instead of the at least one second item of information. If neither a correction signal is received nor at least one second item of information is used for a plausibility check, the assigned at least one traffic category (or the at least one first item of information) is preferably used for control and / or message display. The correction signal mainly uses the machine learning classifier to learn from its mistakes.

Das Steuerungssystem kann entsprechend der korrigierten mindestens einen Fahrsituation das Kraftfahrzeug steuern. Das Steuerungssystem kann auch/stattdessen eine Anzeige für den Nutzer (/Fahrer) steuern die zugeordnete und/oder die korrigierende mindestens eine Fahrsituation anzuzeigen. Das Anzeigen der zugeordneten falschen Fahrsituation kann vor oder nach dem Empfangen des Korrektursignals passieren. Eine Anzeige vor dem Empfang des Korrektursignals kann besonders vorteilhaft sein, wenn der Nutzer (/Fahrer) eine das Korrektursignal erzeugende Eingabe macht. Diese Eingabe kann beispielsweise besagen, dass die mindestens eine zugeordnete Verkehrskategorie falsch den Umfelddaten zugeordnet wurde und welche mindestens eine Verkehrskategorie den Umfelddaten (und der Fahrsituation) entspricht.The control system can control the motor vehicle in accordance with the corrected at least one driving situation. The control system can also / instead control a display for the user (/ driver) to display the assigned and / or corrective at least one driving situation. The display of the assigned wrong driving situation can happen before or after receiving the correction signal. A display before the correction signal is received can be particularly advantageous if the user (/ driver) makes an input that generates the correction signal. This input can mean, for example, that the at least one assigned traffic category was incorrectly assigned to the surroundings data and which at least one traffic category corresponds to the surroundings data (and the driving situation).

Das Steuerungssystem kann ferner wenigstens dazu eingerichtet und bestimmt sein, die bereitgestellten Umfelddaten der mindestens einen Verkehrskategorie zuzuordnen, indem das Steuerungssystem eingerichtet und bestimmt ist, eine Übereinstimmungswahrscheinlichkeit zwischen den bereitgestellten Umfelddaten und jeder der mehreren Kategorien potentieller Fahrsituationen zu erzeugen, und mindestens eine Kategorie potentieller Fahrsituationen, welche die höchste/n Übereinstimmungswahrscheinlichkeit/en aufweist, als die mindestens eine Verkehrskategorie zuordnet.The control system can also at least be set up and determined to assign the provided environment data to the at least one traffic category, in that the control system is set up and determined to generate a likelihood of correspondence between the provided environment data and each of the multiple categories of potential driving situations, and at least one category of potential driving situations which has the highest probability of correspondence (s) than which assigns at least one traffic category.

Die Übereinstimmungswahrscheinlichkeiten werden dabei jeweils von dem Maschinellen-Lern-Klassifizierer erzeugt. Es kann eine Übereinstimmungswahrscheinlichkeit für jede der mehreren Kategorien potentieller Fahrsituationen erzeugt werden. Die Kategorien, welche die höchsten Übereinstimmungswahrscheinlichkeiten aufweisen, werden den bereitgestellten Umfelddaten zugeordnet. Es ist möglich, dass nur eine Kategorie, welche die höchste Übereinstimmungswahrscheinlichkeit aufweist, zugeordnet wird. Auch ist es möglich, dass alle Kategorien zugeordnet werden, die ein Übereinstimmungswahrscheinlichkeit über einem vorherbestimmten Schwellwert aufweisen. Diese letzte Möglichkeit ist vorteilhaft, wenn der Nutzer (/Fahrer) von diesen Kategorien auswählen kann.The likelihood of correspondence is generated by the machine learning classifier. A probability of correspondence can be generated for each of the several categories of potential driving situations. The categories which have the highest likelihood of correspondence are assigned to the environmental data provided. It is possible that only one category which has the highest probability of matching is assigned. It is also possible that all categories are assigned that have a probability of match above a have a predetermined threshold. This last option is advantageous if the user (/ driver) can choose from these categories.

Die mehreren Kategorien potentieller Fahrsituationen können zumindest folgende Kategorien für die Fahrsituationen umfassen: Geschwindigkeitsbegrenzungen, Stopp-Schilder, Vorfahrtsschilder, Lichtzeichen(anlagen), Warnschilder und/oder Fahrspurbegrenzungen.The multiple categories of potential driving situations can include at least the following categories for the driving situations: speed limits, stop signs, priority signs, light signals (systems), warning signs and / or lane boundaries.

Ferner können die mehreren Kategorien potentieller Fahrsituationen bzw. die Verkehrskategorien auch die Zeichen der Anlagen der (deutschen) Straßenverkehrs-Ordnung, Manöver anderer Kraftfahrzeuge und weiterer Verkehrsteilnehmer (Abbiegen, Überholen, Abbremsen, etc.), und/oder besondere Gefahrensituationen umfassen. Die mehreren Kategorien potentieller Fahrsituationen bzw. die Verkehrskategorien sind insbesondere so zu wählen, dass sie die wesentlichen Merkmale der Fahrsituation so wiedergibt, dass das Steuerungssystem das eigene Kraftfahrzeug sicher und gut steuern kann und/oder dass das Steuerungssystem dem Nutzer wichtige Aspekte zum Fahren mitteilen kann.Furthermore, the multiple categories of potential driving situations or the traffic categories can also include the signs of the systems of the (German) road traffic regulations, maneuvers of other motor vehicles and other road users (turning, overtaking, braking, etc.), and / or special dangerous situations. The multiple categories of potential driving situations or the traffic categories are to be selected in particular in such a way that they reproduce the essential features of the driving situation in such a way that the control system can safely and effectively control one's own motor vehicle and / or that the control system can inform the user about important aspects of driving .

Die mehreren Kategorien potentieller Fahrsituationen können ferner eine Hintergrundkategorie umfassen, die repräsentiert, dass die bereitgestellten Umfelddaten keine Informationen betreffen, die wesentlich zum Steuern des Kraftfahrzeugs sind. Die Hintergrundkategorie ist für Umfelddaten, die verworfen werden sollen ohne auf die Steuerung des Kraftfahrzeugs (direkt oder durch den Fahrer) Einfluss zu nehmen. Wird beispielsweise ein Bild von einem Baum neben der Straße von dem Maschinellen-Lern-Klassifizierer ausgewertet, soll dieses Bild der Hintergrundkategorie zugeordnet werden und das Steuerungssystem soll keine weiteren Reaktionen (außer vielleicht dem Verwerfen) auf das Bild ausführen. Es ist auch möglich, dass es mehrere Hintergrundkategorien gibt. Dies kann dem Maschinellen-Lern-Klassifizierer das Zuordnet von grundverschiedenen Objekten, die nicht für die Fahrsituation wesentlich sind, erleichtern. Beispielsweise sind grüne Bäume und Büsche neben der Straße grundverschieden zu grauen Häusern. Trotzdem sollen all diese Objekte als Hintergrundkategorie behandelt und verworfen werden. Ferner ist es möglich, dass das Steuerungssystem bestimmte Hintergrundkategorien nicht einfach verwirft. Beispielsweise kann ein erkannter Baum, der nahe eines Straßenschildes positioniert ist, als mögliche Täuschungsquelle erkannt werden, weil der Baum das Straßenschild (teilweise) verdecken kann. In diesem Sinne kann es auch vorteilhaft sein, verschiedene Hintergrundkategorien zu haben. Es ist auch möglich, dass Umfelddaten, die für jede Kategorie möglicher Fahrsituationen eine sehr geringe Übereinstimmungswahrscheinlichkeit aufweist (möglicherweise unter einem vorherbestimmten Mindestschwellwert), automatisch der/einer Hintergrundkategorie zugeordnet werden. Dies kann ein falsches zuordnen der Umfelddaten zu einer Verkehrskategorie (mit möglichen Auswirkungen auf das Steuern des Kraftfahrzeugs) verhindern.The multiple categories of potential driving situations can also include a background category that represents that the environment data provided does not relate to any information that is essential for controlling the motor vehicle. The background category is for environment data that should be discarded without influencing the control of the motor vehicle (directly or by the driver). If, for example, an image of a tree next to the road is evaluated by the machine learning classifier, this image should be assigned to the background category and the control system should not carry out any further reactions (except perhaps rejecting) the image. It is also possible that there are multiple background categories. This can make it easier for the machine learning classifier to assign fundamentally different objects that are not essential for the driving situation. For example, green trees and bushes next to the road are completely different from gray houses. Nevertheless, all of these objects should be treated as a background category and discarded. It is also possible that the control system does not simply discard certain background categories. For example, a recognized tree that is positioned near a street sign can be recognized as a possible source of deception because the tree can (partially) cover the street sign. With this in mind, it can also be beneficial to have different background categories. It is also possible for environment data that has a very low probability of matching for each category of possible driving situations (possibly below a predetermined minimum threshold value) to be automatically assigned to the / a background category. This can prevent incorrect assignment of the surroundings data to a traffic category (with possible effects on the control of the motor vehicle).

Der Maschinelle-Lern-Klassifizierer kann dazu eingerichtet und bestimmt sein, auf die bereitgestellten Umfelddaten und die korrigierte mindestens eine Verkehrskategorie mittels Backpropagation trainiert zu werden. Backpropagation wird auch „Backpropagation of Error“ oder im Deutschen „Fehlerrückführung“ oder „Rückpropagierung“ genannt. Es ist möglich die Robustheit (also die (negative) Anfälligkeit auf Täuschungen) als Optimierungsgröße zu verwenden.The machine learning classifier can be set up and intended to be trained on the provided environment data and the corrected at least one traffic category by means of backpropagation. Backpropagation is also called "Backpropagation of Error" or in German "Fehlerrückführung" or "Rückpropagierung". It is possible to use robustness (i.e. the (negative) susceptibility to deception) as an optimization variable.

Eine von dem Korrektursignal umfasste korrigierende Angabe, welcher mindestens einen Verkehrskategorie den bereitgestellten Umfelddaten zuzuordnen sind, kann von einem Nutzer eingebbar sein, von einer Datenbank bereitgestellt werden und/oder von einem anderen System eingespeist sein.Corrective information contained in the correction signal, to which at least one traffic category is to be assigned to the environmental data provided, can be entered by a user, provided by a database and / or fed in from another system.

Das Korrektursignal kann von ähnlichen Quellen wie die zumindest eine zweite Information kommen. Besonders Quellen mit hoher Vertrauenswürdigkeit führen dazu, dass das Steuerungssystem gut auf weitere Täuschungen vorbereitet wird. Der Nutzer (/Fahrer) kann über eine Schnittstelle im Kraftfahrzeug oder per App über sein Handy korrigierende Angaben machen, die als Korrektursignal genutzt werden. Auch kann eine Polizeidatenbank, eine Datenbank des Streckenbetreibers oder eine andere Datenbank das Korrektursignal bereitstellen. Dies ist beispielsweise möglich, wenn die Täuschung bereits bekannt ist oder bereits bekannt ist, dass an einer Stelle/ in einer Region häufig eine bestimmte Täuschung auftritt oder Täuschungen generell auftreten. Auch kann eine Datenbank die Fahrsituationen (oder bestimmte Aspekte der Fahrsituationen) für jeweilige Orte/Regionen angeben (z.B.: auf einer Karte). Dies kann ohne Rücksicht auf Bestehen und/oder Risiko einer Täuschung sein. Das Steuerungssystem kann dann die mindestens eine zugeordnete Verkehrskategorie über diese Datenbank verifizieren. Dies ist auch vorteilhaft, weil der Maschinelle-Lern-Klassifizierer stets weiter lernt, ohne dass ein Nutzer aktiv etwas machen muss. Ferner ist es auch möglich, dass das Korrektursignal von einem anderen System eingespeist wird. Dies kann beispielsweise über 12V passieren. Würde ein mit Aufklebern beklebtes Schild, wie in 2b gezeigt, zusätzliche 12V Signal bereitstellen, könnte das Steuerungssystem aus dem täuschenden Schild einfach lernen.The correction signal can come from sources similar to the at least one second item of information. Sources with a high level of trustworthiness in particular mean that the control system is well prepared for further deceptions. The user (/ driver) can provide corrective information via an interface in the vehicle or via an app on his mobile phone, which is used as a correction signal. A police database, a database of the route operator or another database can also provide the correction signal. This is possible, for example, if the deception is already known or it is already known that a certain deception often occurs at a location / in a region or if deceptions generally occur. A database can also specify the driving situations (or certain aspects of the driving situations) for respective locations / regions (for example: on a map). This can be regardless of the existence and / or risk of deception. The control system can then verify the at least one assigned traffic category via this database. This is also advantageous because the machine learning classifier continues to learn without a user having to actively do anything. It is also possible for the correction signal to be fed in from another system. This can happen over 12V, for example. Would a sticker stuck to it, like in 2 B shown to provide additional 12V signal, the control system could simply learn from the deceptive sign.

Dem Steuerungssystem können bewusst erzeugte Umfelddaten bereitgestellt werden, die der Maschinelle-Lern-Klassifizierer zumindest einer falschen Verkehrskategorie zuordnet, wobei die bewusst erzeugten Umfelddaten mittels Kenntnissen über den Maschinellen-Lern-Klassifizierer erzeugt wurden, die durch Reverse Engineering des Maschinellen-Lern-Klassifizierers gewonnen wurden, und wobei dem Steuerungssystem das Korrektursignal bereitgestellt wird, damit eine Zuordnung von Umfelddaten zu den Verkehrskategorien durch den Maschinellen-Lern-Klassifizierer verbessert wird.The control system can be provided with consciously generated environment data, which the machine learning classifier assigns to at least one wrong traffic category deliberately generated environmental data were generated by means of knowledge about the machine learning classifier, which was obtained through reverse engineering of the machine learning classifier, and the correction signal is provided to the control system so that an assignment of environmental data to the traffic categories by the machine learning -Classifier is improved.

In dieser Weise wird der Maschinelle-Lern-Klassifizierer speziell auf Täuschungen trainiert. Durch das Revers Engineering (im Deutschen auch Nachkonstruktion) werden speziell Umfelddaten erzeugt, von welchen der Maschinelle-Lern-Klassifizierer getäuscht wird. Wie diese Umfelddaten genau ausschauen ist, unter Anderem, von der Architektur des Maschinellen-Lern-Klassifizierers abhängig. Das in 2b gezeigt Stopp-Schild ist einer aus Revers Engineering erstellten Täuschung nachgebildet. Daran wird ersichtlich wie unscheinbar Täuschungen für den Menschen scheinen können. Durch das der Täuschung zugeordnete Korrektursignal wird das Steuerungssystem für zukünftige Situationen solider aufgebaut. Es minimiert das Risiko, dass das Steuerungssystem zukünftig auf ähnliche Täuschungen reinfällt. Das Konfrontieren des Steuerungssystems mit den bewusst erzeugten Umfelddaten, die täuschen, kann noch während der Entwicklung des Maschinellen-Lern-Klassifizierers passieren (sozusagen im Labor) und/oder bei Testfahren und/oder nach Verkauf/Auslieferung des Produktes und/oder durch ein Update und/oder zu einem anderen Zeitpunkt.In this way the machine learning classifier is specially trained for deceptions. The reverse engineering (also called reconstruction in German) generates special environmental data that misleads the machine learning classifier. How this environment data looks exactly depends, among other things, on the architecture of the machine learning classifier. This in 2 B The stop sign shown is modeled on an illusion created by Revers Engineering. This shows how inconspicuous illusions can seem to people. The correction signal assigned to the deception makes the control system more solid for future situations. It minimizes the risk that the control system will fall for similar deceptions in the future. Confronting the control system with deliberately generated environmental data that is deceptive can still happen during the development of the machine learning classifier (in the laboratory, so to speak) and / or during test drives and / or after the product has been sold / delivered and / or through an update and / or at another point in time.

Das Steuerungssystem kann ferner eingerichtet und bestimmt ist, verschiedenen Teilen der bereitgestellten Umfelddaten, die jeweils verschiedenen erkannten Objekten der Fahrspuren, Fahrbahnbegrenzungen, Fahrbahnmarkierungen, weiteren Kraftfahrzeuge, Verkehrsschilder, Lichtzeichen(anlagen) und/oder anderen Objekten in einem Bereich vor, seitlich neben und/oder hinter dem Kraftfahrzeug entsprechen, jeweils verschiedene mindestens eine Verkehrskategorien zuzuordnen.The control system can also be set up and determined to display different parts of the provided environment data, the different detected objects in the lanes, lane boundaries, lane markings, other motor vehicles, traffic signs, light signals (systems) and / or other objects in an area in front of, to the side, and / or behind the motor vehicle correspond to assigning at least one different traffic categories in each case.

Es ist möglich, dass die Umfelddaten (ein Satz an Umfelddaten) mehrere erkennbare/zuordenbare Objekte umfasst. So kann beispielsweise ein Bild mehrere Schilder zeigen oder die Umfelddaten umfassen ein Bild von einem Schild und eine Mikrofonaufnahme von einer Sirene. In solchen Fällen kann das Steuerungssystem jedes Objekt einzeln erkennen. In den gerade vorgebrachten Beispielen wären die einzelnen Objekte die jeweiligen der mehreren Schilder bzw. das Schild und die Sirene. Das Steuerungssystem kann die Umfelddaten vor dem Zuordnen der Kategorien in kleinere Teile unterteilen, wobei jedes kleinere Teil jeweils ein Objekt aufweist. Auch ist es möglich, dass das Steuerungssystem die Umfelddaten während des Zuordnens unterteilt oder dass das Unterteilen und das Zuordnen iterativ abläuft. Es ist auch möglich, dass beim Zuordnen einem Teil der Umfelddaten mehrere Verkehrskategorien zugeordnet werden, wobei jede zugeordnete Verkehrskategorie einem auf dem Teil der Umfelddaten umfassten Objekt entspricht.It is possible for the environment data (a set of environment data) to include several recognizable / assignable objects. For example, an image can show several signs or the environment data include an image from a sign and a microphone recording from a siren. In such cases the control system can recognize each object individually. In the examples just presented, the individual objects would be the respective one of the multiple signs or the sign and the siren. The control system can subdivide the environment data into smaller parts before assigning the categories, each smaller part each having an object. It is also possible for the control system to subdivide the environment data during the assignment or for the subdivision and assignment to run iteratively. It is also possible that when assigning a part of the environment data, several traffic categories are assigned, with each assigned traffic category corresponding to an object included in the part of the environment data.

Das Steuerungssystem kann ferner dazu eingerichtet und bestimmt ist, wenn das Korrektursignal empfangen wird, die bereitgestellten Umfelddaten auch einer Täuschungskategorie zuzuordnen, wobei die Täuschungskategorie nicht eine der mehreren Verkehrskategorien potentieller Fahrsituationen ist, sondern einer Wahrscheinlichkeit entspricht, dass der Maschinelle-Lern-Klassifizierer Umfelddaten falsch zuordnet; während der Maschinelle-Lern-Klassifizierer auf die bereitgestellten Umfelddaten und die korrigierte mindestens eine Verkehrskategorie trainiert wird, den Maschinellen-Lern-Klassifizierer auch auf die bereitgestellten Umfelddaten und die Täuschungskategorie zu trainieren; und bei dem Zuordnen weiterer bereitgestellter Umfelddaten mittels des Maschinellen-Lern-Klassifizierers, neben dem Zuordnen der mindestens einen Verkehrskategorie auch zu ermitteln, ob die weiteren bereitgestellten Umfelddaten der Täuschungskategorie zuzuordnen sind.The control system can furthermore be set up and determined, when the correction signal is received, to also assign the provided environment data to a deception category, the deception category not being one of the several traffic categories of potential driving situations, but rather a probability that the machine learning classifier incorrect environment data assigns; while the machine learning classifier is being trained on the provided environment data and the corrected at least one traffic category, the machine learning classifier is also trained on the provided environment data and the deception category; and when assigning further provided environment data by means of the machine learning classifier, in addition to assigning the at least one traffic category, also to determine whether the further provided environment data are to be assigned to the deception category.

Dies kann vorteilhaft sein, da Täuschungen erkannt werden können (durch die Zuordnung der Täuschungskategorie) bevor ein Korrektursignal von außen empfangen wird. Die Täuschungskategorie wird zusätzlich zu der mindesten einen Verkehrskategorie zugeordnet. Das heißt, dass mindestens eine Verkehrskategorie und die Täuschungskategorie zugeordnet werden oder mindestens eine Verkehrskategorie ohne die Täuschungskategorie zugeordnet wird. Ob die Täuschungskategorie den bereitgestellten Umfelddaten zugeordnet wird kann davon abhängen, ob der Maschinelle-Lern-Klassifizierer eine Übereinstimmungswahrscheinlichkeit der Täuschungskategorie zu den bereitgestellten Umfelddaten ermittelt, die höher als ein vorherbestimmter Täuschungskategorie-Schwellwert ist.This can be advantageous because deceptions can be detected (by assigning the deception category) before a correction signal is received from the outside. The deception category is assigned in addition to the at least one traffic category. This means that at least one traffic category and the deception category are assigned or at least one traffic category is assigned without the deception category. Whether the deception category is assigned to the provided environment data can depend on whether the machine learning classifier determines a likelihood of correspondence between the deception category and the provided environment data that is higher than a predetermined deception category threshold value.

Es ist auch möglich, dass das Steuerungssystem zum Zuordnen der Verkehrskategorie Verkehrsmerkmale nutzt. Um dies zu tun, kann das Steuerungssystem Verkehrsmerkmale in den bereitgestellten Umfelddaten erkennen. Solche Verkehrsmerkmale könne beispielsweise Farbe, Form, Bewegung, Schattierungen und/oder anderes sein. Die Verkehrsmerkmale können einprogrammiert (von einem Menschen) und/oder durch den Maschinellen Lernprozess automatisch erstellt worden sein. Eine Verkehrskategorie, zu welcher die meisten erkannten Verkehrsmerkmale passen, kann dann zugeordnet werden. So kann beispielsweise ein Objekt, welches die Verkehrsmerkmale: unbewegt, überwiegend rot, und achteckig aufweist, der Verkehrskategorie Stopp-Schild zugeordnet werden. Sollten mehrere Verkehrsmerkmale (beispielsweise mehr als ein Schwellwert) zu der Täuschungskategorie passen, so kann diese zugeordnet werden. Die Zuordnung des Täuschungskategorie anhand der Verkehrsmerkmale kann auch von der zugeordneten Verkehrskategorie abhängen. So kann beispielsweise ein Stopp-Schild, welches die Verkehrsmerkmale bewegt und Schattenlinien auf dem Schild aufweisen, der Täuschungskategorie zugewiesen werden. Dies würde beispielsweise eintreten, wenn ein als Stopp-Schild bemalten Tuch aufgehangen wurde.It is also possible for the control system to use traffic features to assign the traffic category. In order to do this, the control system can recognize traffic features in the environmental data provided. Such traffic features can be, for example, color, shape, movement, shading and / or others. The traffic features can have been programmed in (by a human) and / or automatically created by the machine learning process. A traffic category to which most of the recognized traffic features fit can then be assigned. For example, an object that has the traffic features: stationary, predominantly red, and octagonal can be assigned to the traffic category stop sign. Should If several traffic features (for example more than one threshold value) match the deception category, this can be assigned. The assignment of the deception category on the basis of the traffic features can also depend on the assigned traffic category. For example, a stop sign that moves the traffic features and has shadow lines on the sign can be assigned to the deception category. This would occur, for example, if a cloth painted as a stop sign was hung up.

Das Steuerungssystem kann ferner dazu eingerichtet und bestimmt ist, wenn die weiteren bereitgestellten Umfelddaten der Störungskategorie zugeordnet wurde, das Korrektursignal anzufordern.The control system can furthermore be set up and determined to request the correction signal if the further provided environment data has been assigned to the malfunction category.

Dies kann dem gezielten Nach-lernen des Maschinellen-Lern-Klassifizierers dienen, weil bei bereitgestellten Umfelddaten, die der Täuschungskategorie zugeordnet wurden, also mit hoher Wahrscheinlichkeit eine Täuschung umfassen, ein Korrektursignal angefordert wird und somit der Maschinelle-Lern-Klassifizierer mit der Information aus dem Korrektursignal weiter trainiert werden kann. Das Korrektursignal kann von dem Nutzer/Fahrer, einer Karte, einem Server, V2V und/oder anderen Quellen angefordert werden.This can be used for the targeted re-learning of the machine learning classifier, because when environment data is provided that has been assigned to the deception category, i.e. includes a deception with a high degree of probability, a correction signal is requested and thus the machine learning classifier with the information the correction signal can be trained further. The correction signal can be requested from the user / driver, a map, a server, V2V and / or other sources.

Das Steuerungssystem kann ferner ein von dem Maschinellen-Lern-Klassifizierer unabhängiges Prüfsystem umfasst, wobei das Prüfsystem eingerichtet und bestimmt ist, zumindest einen Ausschnitt der bereitgestellten Umfelddaten mit der mindestens einen Verkehrskategorie zu vergleichen, welche von dem Maschinellen-Lern-Klassifizierer zugeordnet wurde, und daraus ermittelt, ob der Maschinelle-Lern-Klassifizierer richtig zugeordnet hat, wobei ein Ausschnitt der bereitgestellten Umfelddaten einem Teil des erkannten Objekts entspricht.The control system can furthermore comprise a test system that is independent of the machine learning classifier, the test system being set up and determined to compare at least a section of the provided environment data with the at least one traffic category that was assigned by the machine learning classifier, and from this it is determined whether the machine learning classifier has assigned correctly, with a section of the environment data provided corresponding to a part of the recognized object.

Das Prüfsystem überprüft das Ergebnis des Maschinellen-Lern-Klassifizierers und erhöht dadurch die Zuverlässigkeit des Steuerungssystems. Das Prüfsystem ist vorzugsweise unabhängig von dem Maschinellen-Lern-Klassifizierer. Das Prüfsystem kann die zumindest eine Verkehrskategorie direkt mit dem Ausschnitt der bereitgestellten Umfelddaten vergleichen und daraus sein Resultat ziehen. Es ist auch möglich, dass das Prüfsystem eine eigene Zuordnung des Ausschnitts der bereitgestellten Umfelddaten zu zumindest einen der mehreren Kategorien potentieller Fahrsituation vornimmt und dass das Prüfsystem dies dann mit den zugeordneten Verkehrskategorien des Maschinellen-Lern-Klassifizierers vergleicht, um ein Resultat zu ziehen. Diese letztgenannte Möglichkeit kann als Ermitteln der zumindest einen zweiten Information gesehen werden.The test system checks the result of the machine learning classifier and thereby increases the reliability of the control system. The test system is preferably independent of the machine learning classifier. The test system can compare the at least one traffic category directly with the excerpt from the provided environment data and draw its result therefrom. It is also possible that the test system assigns the section of the provided environment data to at least one of the multiple categories of potential driving situation and that the test system then compares this with the assigned traffic categories of the machine learning classifier in order to draw a result. This last-mentioned possibility can be seen as determining the at least one second item of information.

Das Prüfsystem kann ein zweiter Maschinellen-Lern-Klassifizierer sein, dem ein anderer Algorithmus als dem Maschinellen-Lern-Klassifizierer zugrunde liegt, oder ein Algorithmus ist, der nicht durch maschinelles Lernen trainiert wurde.The test system can be a second machine learning classifier that is based on an algorithm other than the machine learning classifier, or it can be an algorithm that has not been trained by machine learning.

Dadurch, dass das Prüfsystem anders aufgebaut ist als der Maschinelle-Lern-Klassifizierer, werden die strukturellen Defizite des Maschinellen-Lern-Klassifizierers ausgeglichen. Beispielsweise wird eine Täuschung, die nur bei der Architektur/Algorithmus des Maschinellen-Lern-Klassifizierers täuscht, bei dem Prüfsystem richtig erkannt. Somit erkennt das Steuerungssystem Täuschungen besser. Auch können gezielte Täuschungen, die durch Reverse Engineering erstellt wurden, schwerer durchgeführt werden.Because the test system is structured differently than the machine learning classifier, the structural deficits of the machine learning classifier are compensated for. For example, a deception that is only deceptive in the architecture / algorithm of the machine learning classifier is correctly detected in the test system. The control system thus recognizes deceptions better. Also, targeted deceptions created by reverse engineering can be more difficult to perform.

Das Prüfsystem kann ferner eingerichtet und bestimmt sein, auf Grundlage nur eines Anteils der bereitgestellten Umfelddaten die Prüfung auszuführen.The test system can furthermore be set up and determined to carry out the test on the basis of only a portion of the environmental data provided.

Wenn das Prüfsystem nur auf Grundlage eines Anteils der bereitgestellten Umfelddaten prüft, kann es die Fahrsituation anders einschätzen. Dies kann zu einer erhöhten Täuschungserkennung führen. Es kann vorkommen, dass der Anteil der bereitgestellten Umfelddaten die Störung gerade nicht umfasst. Wie, zum Beispiel, bei einem teilweise überklebten Schild. Der Anteil der bereitgestellten Umfelddaten umfasst eventuell nur ein nicht überklebtes Teil des Schildes. Auch kann es vorteilhaft sein, wenn das Prüfsystem nur ein Anteil des Objekts sieht (und/oder hört, etc.). Wird dem Prüfsystem, zum Beispiel, nur ein Bild von einem halben Stopp-Schild bereitgestellt, so kann es sein, dass es mehr auf die Farbe und weniger auf die äußere Form schaut. Deshalb kann es vorteilhaft sein, dass das Steuerungssystem den Anteil der bereitgestellten Umfelddaten so auswählt, dass das zu erkennende Objekt nur teilweise wiedergegeben ist.If the test system only checks on the basis of a portion of the environmental data provided, it can assess the driving situation differently. This can lead to increased deception detection. It can happen that the share of the environmental data provided does not include the fault. Like, for example, a partially pasted sign. The portion of the environmental data provided may only include a part of the sign that has not been pasted over. It can also be advantageous if the inspection system sees (and / or hears, etc.) only part of the object. For example, if the inspection system is only provided with an image of half a stop sign, it may look more at the color and less at the outer shape. It can therefore be advantageous for the control system to select the portion of the environmental data provided in such a way that the object to be recognized is only partially reproduced.

Das Steuerungssystem kann ferner eingerichtet und bestimmt sein, das Korrektursignal anzufordern, wenn das Prüfsystem die mindestens eine Verkehrskategorie, welche von dem Maschinellen-Lern-Klassifizierer zugeordnet wurde, als falsch zugeordnet erkennt.The control system can furthermore be set up and determined to request the correction signal if the test system detects the at least one traffic category which has been assigned by the machine learning classifier as being incorrectly assigned.

Dies macht das Steuerungssystem sicherer, da es für zukünftige Umfelddaten besser trainiert werden kann, durch das Korrektursignal.This makes the control system safer, since it can be better trained for future environmental data by means of the correction signal.

Die Umfelddaten können bildbasierte Daten sein.The environment data can be image-based data.

Ferner ist es möglich, dass die Umfelddaten ausschließlich eine oder mehrere der folgenden umfasst: bildbasierte Daten, Audio-Daten (von einem Mikrofon), LIDAR-Daten, Daten von einem Server und/oder einer abgespeicherten Karte.It is also possible for the environment data to include only one or more of the following: image-based data, audio data (from a Microphone), LIDAR data, data from a server and / or a stored card.

Ein weiterer Aspekt betrifft ein Steuerungsverfahren, das in einem Kraftfahrzeug basierend auf aus mindestens einem, dem Kraftfahrzeug zugeordneten Umfeldsensor/en gewonnenen Umfelddaten Fahrspuren, Fahrbahnbegrenzungen, Fahrbahnmarkierungen, weitere Kraftfahrzeuge, Verkehrsschilder, Lichtzeichen(anlagen) und/oder Objekte in einem Bereich vor, seitlich neben und/oder hinter dem Kraftfahrzeug erkennt, wobei das Steuerungsverfahren insbesondere mittels eines der vorherstehenden Steuerungssysteme ausgeführt wird. Das Steuerungsverfahren wenigstens die folgenden Schritte umfasst:

- Zuordnen der bereitgestellten Umfelddaten mittels eines Maschinellen-Lern-Klassifizierers zu mindestens einer Verkehrskategorie, wobei jede der mindestens einen Verkehrskategorie eine von mehreren Kategorien potentieller Fahrsituationen ist, und wobei das Maschinelle-Lern-System durch vorher bekannte Umfelddaten mit jeweils bereits zugeordneten Verkehrskategorien trainiert worden ist;
- wenn die mindestens eine Verkehrskategorie den bereitgestellten Umfelddaten falsch zugeordnet wurde, Empfangen eines Korrektursignal, welches korrigierend angibt, welcher mindestens einen Verkehrskategorie die bereitgestellten Umfelddaten zuzuordnen sind;
- Trainieren des Maschinelle-Lern-Klassifizierers auf die bereitgestellten Umfelddaten und die korrigierte mindestens eine Verkehrskategorie; und
- Steuern des Kraftfahrzeugs entsprechend zu der korrigierten mindestens einen Verkehrskategorie und/oder Steuern einer Anzeige, eine Information entsprechend der zugeordneten und/oder der korrigierten mindestens eine Verkehrskategorie anzuzeigen.

Another aspect relates to a control method that is used in a motor vehicle based on environment data obtained from at least one environment sensor (s) assigned to the motor vehicle detects next to and / or behind the motor vehicle, the control method being carried out in particular by means of one of the preceding control systems. The control method comprises at least the following steps:

- Assignment of the provided environment data by means of a machine learning classifier to at least one traffic category, with each of the at least one traffic category being one of several categories of potential driving situations, and with the machine learning system being trained using previously known environment data with respectively already assigned traffic categories is;
- if the at least one traffic category was incorrectly assigned to the environment data provided, receiving a correction signal which correctively indicates which at least one traffic category the environment data provided is to be assigned to;
- Training the machine learning classifier on the provided environment data and the corrected at least one traffic category; and
- Controlling the motor vehicle in accordance with the corrected at least one traffic category and / or controlling a display to display information corresponding to the assigned and / or the corrected at least one traffic category.

Es ist für den Fachmann ersichtlich, dass die zuvor beschriebenen Aspekte und Merkmale beliebig in einem Steuerungssystem und/oder einem Steuerungsverfahren kombiniert werden können. Zwar wurden einige der voranstehend beschriebenen Merkmale in Bezug auf ein Steuerungssystem beschrieben, jedoch versteht sich, dass diese Merkmale auch auf ein Steuerungsverfahren zutreffen können. Genauso können die voranstehend in Bezug auf ein Steuerungsverfahren beschriebenen Merkmale in entsprechender Weise auf ein Steuerungssystem zutreffen.It is evident to the person skilled in the art that the aspects and features described above can be combined as desired in a control system and / or a control method. Although some of the features described above were described in relation to a control system, it is understood that these features can also apply to a control method. In the same way, the features described above in relation to a control method can apply in a corresponding manner to a control system.

FigurenlisteFigure list

Weitere Ziele, Merkmale, Vorteile und Anwendungsmöglichkeiten ergeben sich aus der nachfolgenden Beschreibung von nicht einschränkend zu verstehenden Ausführungsbeispielen mit Bezug auf die zugehörigen Zeichnungen. Dabei zeigen alle beschriebenen und/oder bildlich dargestellten Merkmale für sich oder in beliebiger Kombination den hier offenbarten Gegenstand. Die Abmessungen und Proportionen der in den Figuren gezeigten Komponenten sind hierbei nicht maßstäblich. Gleiche oder gleichwirkende Komponenten sind mit denselben Bezugszeichen versehen.

1 zeigt schematisch ein Kraftfahrzeug gemäß einem Ausführungsbeispiel, das ein Steuerungssystem und mindestens einen Umfeldsensor aufweist.
2a zeigt schematisch ein Stopp-Schild.
2b zeigt schematisch ein Stopp-Schild mit Aufklebern, welches einen Maschinelle-Lern-Klassifizierer täuschen können.
2c zeigt schematisch eine Straße mit Fahrbahnmarkierungen und ein Kraftfahrzeug während zwei Zeitpunkten, welches sich in Richtung des Pfeiles bewegt.
2d zeigt schematisch die Straße aus 2c mit einer täuschenden Markierung.
3 zeigt schematisch die Funktionsweise einer Ausführungsform der Erfindung.
4 zeigt schematisch die Funktionsweise einer Ausführungsform der Erfindung.
5 zeigt schematisch die Funktionsweise einer Ausführungsform der Erfindung.
6 zeigt schematisch die Funktionsweise einer Ausführungsform der Erfindung.
7 zeigt schematisch die Funktionsweise einer Ausführungsform der Erfindung.

Further goals, features, advantages and possible applications emerge from the following description of non-restrictive exemplary embodiments with reference to the associated drawings. All of the features described and / or shown in the figures show the subject matter disclosed here individually or in any combination. The dimensions and proportions of the components shown in the figures are not to scale here. Components that are the same or have the same effect are provided with the same reference symbols.

1 shows schematically a motor vehicle according to an exemplary embodiment, which has a control system and at least one environment sensor.
2a shows schematically a stop sign.
2 B shows schematically a stop sign with stickers which can deceive a machine learning classifier.
2c shows schematically a road with lane markings and a motor vehicle at two points in time, which is moving in the direction of the arrow.
2d shows schematically the street 2c with a deceptive mark.
3 shows schematically the functioning of an embodiment of the invention.
4th shows schematically the functioning of an embodiment of the invention.
5 shows schematically the functioning of an embodiment of the invention.
6th shows schematically the functioning of an embodiment of the invention.
7th shows schematically the functioning of an embodiment of the invention.

Detaillierte Beschreibung der ZeichnungenDetailed description of the drawings

Im Rahmen der folgenden Offenbarung werden Aspekte vorrangig mit Bezug auf das Steuerungssystem beschrieben. Diese Aspekte sind jedoch selbstverständlich auch im Rahmen des offenbarten Steuerungsverfahrens gültig, das beispielsweise von einer zentralen Steuervorrichtung (ECU) eines Kraftfahrzeugs ausgeführt werden kann. Dies kann unter Vornahme geeigneter Schreib- und Lesezugriffe auf einen dem Kraftfahrzeug zugeordneten Speicher erfolgen. Das Steuerungsverfahren kann innerhalb des Kraftfahrzeugs sowohl in Hardware als auch Software als auch einer Kombination aus Hardware und Software implementiert werden. Dazu zählen auch digitale Signalprozessoren, anwendungsspezifische integrierte Schaltkreise, Field Programmable Gate Arrays sowie weitere geeignete Schalt- und Arithmetikkomponenten.In the context of the following disclosure, aspects are primarily described with reference to the control system. However, these aspects are of course also valid within the framework of the disclosed control method, which can be executed, for example, by a central control device (ECU) of a motor vehicle. This can be done by performing suitable write and read access to a memory assigned to the motor vehicle. The control method can be implemented within the motor vehicle both in hardware and in software and also in a combination of hardware and software. This also includes digital signal processors, application-specific integrated circuits, field programmable gate arrays and other suitable switching and arithmetic components.

1 zeigt schematisch ein eigenes Kraftfahrzeug 12, das ein Steuerungssystem 10 umfasst. Das Steuerungssystem 10 ist mit mindestens einem an dem eigenen Kraftfahrzeug 12 befindlichen Umfeldsensor 14, 16, 18 und Signalempfänger 19 gekoppelt, um von dem mindestens einen Sensor 14, 16, 18 und/oder Signalempfänger 19 Umfelddaten zu erhalten. Das Steuerungssystem 10 kann eine elektronische Steuerung ECU (Electronic Control Unit; in der Figur nicht dargestellt) umfassen. Beispielsweise kann das vorliegende Steuerungssystem 10 mithilfe der ECU und/oder weiterer elektronischer Steuerungssysteme zumindest dazu eingerichtet und bestimmt sein, Fahrsituationen zu erkennen, zu verifizieren und/oder nach Täuschungen zu überprüfen. Dazu empfängt die ECU beispielsweise Signale von den Umfeldsensoren 14, 16, 18 und/oder Signalempfänger 19, verarbeitet diese Signale und die zugehörigen Umfelddaten und erzeugt entsprechende Steuerungs- und/oder Ausgabesignale. 1 shows schematically an own motor vehicle 12th that is a control system 10 includes. The control system 10 is with at least one on your own motor vehicle 12th the surrounding sensor 14th , 16 , 18th and signal receiver 19th coupled to the at least one sensor 14th , 16 , 18th and / or signal receiver 19th To receive environmental data. The control system 10 may include an electronic control unit ECU (Electronic Control Unit; not shown in the figure). For example, the present control system 10 with the aid of the ECU and / or further electronic control systems, at least be set up and intended to recognize driving situations, to verify them and / or to check them for deceptions. For this purpose, the ECU receives signals from the environment sensors, for example 14th , 16 , 18th and / or signal receiver 19th , processes these signals and the associated environment data and generates corresponding control and / or output signals.

In der 1 sind drei Umfeldsensoren 14, 16, 18 und ein Signalempfänger 19 dargestellt, die entsprechenden Signale an das Steuerungssystem 10 oder die elektronische Steuerung ECU senden. Insbesondere ist an dem eigenen Kraftfahrzeug 12 mindestens ein in Fahrtrichtung des eigenen Kraftfahrzeugs 12 nach vorne gerichteter Umfeldsensor 14 angeordnet, der einen Bereich 22 vor dem eigenen Kraftfahrzeug 12 erfasst. Dieser mindestens eine Umfeldsensor 14 kann beispielsweise im Bereich einer vorderen Stoßstange, einer vorderen Lampe und/oder eines vorderen Kühlergrills des eigenen Kraftfahrzeugs 12 angeordnet sein. Dadurch erfasst der Umfeldsensor 14 einen Bereich 22 direkt vor dem eigenen Kraftfahrzeug 12.In the 1 are three environment sensors 14th , 16 , 18th and a signal receiver 19th shown, the corresponding signals to the control system 10 or send the electronic control ECU. In particular, it is on your own motor vehicle 12th at least one in the direction of travel of your own motor vehicle 12th forward-facing environment sensor 14th arranged the one area 22nd in front of your own motor vehicle 12th recorded. This at least one environment sensor 14th can, for example, in the area of a front bumper, a front lamp and / or a front radiator grille of your own motor vehicle 12th be arranged. As a result, the environment sensor detects 14th an area 22nd right in front of your own vehicle 12th .

Mindestens ein zusätzlicher oder alternativer, ebenfalls in Fahrtrichtung des eigenen Kraftfahrzeugs 12 nach vorne gerichteter Umfeldsensor 16 ist im Bereich einer Frontscheibe des eigenen Kraftfahrzeugs 12 dargestellt. Beispielsweise kann dieser Umfeldsensor 16 zwischen einem inneren Rückspiegel des eigenen Kraftfahrzeugs 12 und dessen Frontscheibe angeordnet sein. Ein solcher Umfeldsensor 16 erfasst einen Bereich 24 vor dem eigenen Kraftfahrzeug 12, wobei je nach Gestalt des eigenen Kraftfahrzeugs 12 ein Bereich 24 direkt vor dem Kraftfahrzeug 12 aufgrund des vorderen Abschnitts (bzw. dessen Geometrie) des eigenen Kraftfahrzeugs 12 nicht erfasst werden kann.At least one additional or alternative, also in the direction of travel of your own motor vehicle 12th forward-facing environment sensor 16 is in the area of a windshield of your own motor vehicle 12th shown. For example, this environment sensor 16 between an inside rearview mirror of your own motor vehicle 12th and its front panel can be arranged. Such an environment sensor 16 captures an area 24 in front of your own motor vehicle 12th , depending on the shape of your own motor vehicle 12th an area 24 directly in front of the motor vehicle 12th due to the front section (or its geometry) of your own motor vehicle 12th cannot be captured.

Ferner kann mindestens ein Umfeldsensor 18 seitlich am und/oder am Heck des eigenen Kraftfahrzeugs 12 angeordnet sein. Dieser optionale Umfeldsensor 18 erfasst einen Bereich 26, der seitlich und/oder in Fahrtrichtung des eigenen Kraftfahrzeugs 12 hinter dem eigenen Kraftfahrzeug 12 liegt. Beispielsweise können die Daten oder Signale dieses mindestens einen Umfeldsensors 18 zur Verifizierung von durch die anderen Umfeldsensoren 14, 16 erfassten Informationen und/oder zur Bestimmung einer Krümmung einer durch das eigenen Kraftfahrzeug 12 befahrenen Fahrspur verwendet werden.Furthermore, at least one environment sensor 18th laterally on and / or on the rear of your own motor vehicle 12th be arranged. This optional environment sensor 18th captures an area 26th , the side and / or in the direction of travel of your own motor vehicle 12th behind your own motor vehicle 12th lies. For example, the data or signals from this at least one environment sensor can be used 18th for verification of by the other environment sensors 14th , 16 recorded information and / or to determine a curvature of a vehicle by one's own motor vehicle 12th used lane.

Der mindestens eine Umfeldsensor 14, 16, 18 kann beliebig implementiert sein und eine Frontkamera, eine Heckkamera, eine Seitenkamera, einen Radar-Sensor, einen Lidar-Sensor, einen Ultraschall-Sensor und/oder einen Inertialsensor umfassen. Beispielsweise kann der Umfeldsensor 14 in Form einer Frontkamera, eines Radar-, Lidar-, oder Ultraschall-Sensors verwirklicht sein. Für den höher gelegenen Umfeldsensor 16 eignet sich insbesondere eine Frontkamera, während der im Heck des eigenen Kraftfahrzeugs 12 angeordnete Umfeldsensor 18 in Form einer Heckkamera, eines Radar-, Lidar-, oder Ultraschall-Sensors implementiert sein kann.The at least one environment sensor 14th , 16 , 18th can be implemented in any way and comprise a front camera, a rear camera, a side camera, a radar sensor, a lidar sensor, an ultrasonic sensor and / or an inertial sensor. For example, the environment sensor 14th be realized in the form of a front camera, a radar, lidar, or ultrasonic sensor. For the higher-lying environment sensor 16 A front camera is particularly suitable, while the one in the rear of one's own motor vehicle 12th arranged environment sensor 18th can be implemented in the form of a rear camera, a radar, lidar, or ultrasonic sensor.

Ferner kann ein Signalempfänger 19 im Kraftfahrzeug angeordnet sein. Auch ist es möglich, dass der eine Signalempfänger 19 mehrere Signalempfänger ist. Der Signalempfänger 19 kann Daten über WLan, Mobilfunk, Bluetooth, Radio und/oder andere Übertragungsarten empfangen und/oder senden. Der Signalempfänger 19 kann auch ein bereits bestehender Signalempfänger sein, wie zum Beispiel das Radioempfangssystem und/oder das System zum Verbinden mit dem Mobilfunkt (inklusive G5, G4/LTE, etc.).Furthermore, a signal receiver 19th be arranged in the motor vehicle. It is also possible that the one signal receiver 19th multiple signal receivers. The signal receiver 19th can receive and / or send data via WiFi, cellular radio, Bluetooth, radio and / or other types of transmission. The signal receiver 19th can also be an existing signal receiver, such as the radio reception system and / or the system for connecting to the mobile radio (including G5, G4 / LTE, etc.).

Die elektronische Steuerung ECU verarbeitet die aus dem/den an dem eigenen Kraftfahrzeug 12 befindlichen Umfeldsensor/en 14, 16, 18 und/oder Signalempfänger 19 gewonnenen Umfelddaten, um Informationen bezüglich der aktuellen Fahrsituation zu ermitteln. So werden von der elektronischen Steuerung die aus dem/den an dem eigenen Kraftfahrzeug 12 befindlichen Umfeldsensor/en 14, 16, 18 und/oder Signalempfänger 19, gewonnenen Umfelddaten verarbeitet, um die aktuelle Fahrsituation zu erfassen.The electronic control ECU processes the data from the / those on the own motor vehicle 12th surrounding sensor / s 14th , 16 , 18th and / or signal receiver 19th obtained environmental data in order to determine information regarding the current driving situation. In this way, the electronic control unit (s) on your own motor vehicle 12th surrounding sensor / s 14th , 16 , 18th and / or signal receiver 19th , processed environmental data obtained in order to record the current driving situation.

Dazu stellen die Umfeldsensoren 14, 16, 18 und/oder der Signalempfänger 19 der elektronischen Steuerung ECU die den Bereich vor, seitlich neben und/oder hinter dem Kraftfahrzeug wiedergebenden Umfelddaten bereit. Hierfür ist das Steuerungssystem 10 über mindestens einen Datenkanal oder Bus (in 1 gestrichelt dargestellt) mit dem mindestens einen Umfeldsensor 14, 16, 18 und/oder dem Signalempfänger 19 verbunden. Der Datenkanal oder Bus kann mittels Kabel oder kabellos realisiert sein.The environment sensors provide this 14th , 16 , 18th and / or the signal receiver 19th the electronic control ECU provides the environment data reproducing the area in front of, to the side, next to and / or behind the motor vehicle. This is what the control system is for 10 via at least one data channel or bus (in 1 shown in dashed lines) with the at least one environment sensor 14th , 16 , 18th and / or the signal receiver 19th tied together. The data channel or bus can be implemented by means of cables or wirelessly.

Alternativ oder zusätzlich kann das Steuerungssystem 10 oder dessen elektronische Steuerung ECU auch Daten von einem oder mehreren anderen Assistenzsystemen 20 oder einer anderen Steuerung 20 des eigenen Kraftfahrzeugs 12 erhalten, die die befahrenen Fahrspuren des eigenen Kraftfahrzeugs 12, eines weiteren Kraftfahrzeugs und weiterer Kraftfahrzeuge mit deren seitlichen Fahrspurbegrenzungen angeben, oder sich daraus ableiten lassen. Somit können bereits durch andere Systeme ermittelte Daten und Informationen durch das Steuerungssystem 10 verwendet werden.Alternatively or additionally, the control system 10 or its electronic control unit ECU also receives data from one or more other assistance systems 20th or another controller 20th of your own vehicle 12th get the lanes traveled by your own motor vehicle 12th , a further motor vehicle and further motor vehicles with their lateral lane boundaries, or can be derived therefrom. This means that data and information already determined by other systems can be passed through the control system 10 be used.

Das Fahrassistenzsystem 20 oder die elektronische Steuerung 20 können weiter dazu eingerichtet und bestimmt sein, das Kraftfahrzeug (teil)autonom zu steuern. Das Steuerungssystem 10 ist in diesem Fall dazu eingerichtet und bestimmt, Daten an das Fahrassistenzsystem 20 oder die elektronische Steuerung 20 zum autonomen Fahren auszugeben. Die Daten können ebenfalls über einen Datenkanal oder Bus kabelgebunden oder kabellos übertragen werden.The driver assistance system 20th or the electronic control 20th can further be set up and intended to control the motor vehicle (part) autonomously. The control system 10 in this case is set up and intended to send data to the driver assistance system 20th or the electronic control 20th for autonomous driving. The data can also be transmitted wired or wirelessly via a data channel or bus.

2a zeigt schematisch ein Stopp-Schild 28. Die graue Schattierung soll die rote Farbe eines Stopp-Schildes darstellen. 2b zeigt schematisch das Stopp-Schild 28 mit Aufklebern 30. Die Aufkleber 30 können ein herkömmliches ADAS täuschen. So kann ein herkömmliches ADAS das Stopp-Schild 28 wie abgebildet in 2b als Geschwindigkeitsbegrenzung einordnen und schlimmstenfalls das Kraftfahrzeug ohne anzuhalten weiterfahren lassen. Dies kann schnell zu einem Unfall führen. Ein erfindungsgemäßes Steuerungssystem und Steuerungsverfahren ist besser auf solche Täuschungen vorbereitet und/oder kann die Täuschung als solche erkennen und entsprechend reagieren. Ein erfindungsgemäßes Steuerungssystem und Steuerungsverfahren erkennt somit, dass es sich um ein Stopp-Schild handelt und/oder dass es sich um eine Täuschung handelt. 2a shows schematically a stop sign 28 . The gray shading is supposed to represent the red color of a stop sign. 2 B shows schematically the stop sign 28 with stickers 30th . The stickers 30th can fool a conventional ADAS. A conventional ADAS can do the stop sign 28 as shown in 2 B classify as a speed limit and, in the worst case, let the motor vehicle continue driving without stopping. This can quickly lead to an accident. A control system and control method according to the invention is better prepared for such deceptions and / or can recognize the deception as such and react accordingly. A control system and control method according to the invention thus recognizes that it is a stop sign and / or that it is a matter of deception.

2c zeigt schematisch eine Straße mit Fahrbahnmarkierungen 32 und ein Kraftfahrzeug 12 während zwei Zeitpunkten, welches sich in Richtung des Pfeiles 34 bewegt. Ein ADAS folgt den Fahrbahnmarkierungen 32. 2d zeigt schematisch die Straße aus 2c mit einer täuschenden Straßenmarkierung 36. Ein herkömmliches ADAS erkennt die täuschende Straßenmarkierung als Fahrbahnmarkierung und steuert das Kraftfahrzeug deshalb entlang der falschen Straßenmarkierung. Dies kann schnell zu einem Unfall führen. Ein erfindungsgemäßes Steuerungssystem und Steuerungsverfahren erkennt hingegen, dass es der täuschenden Straßenmarkierung 36 nicht folgen soll. 2c shows schematically a road with lane markings 32 and a motor vehicle 12th during two points in time, which is in the direction of the arrow 34 emotional. An ADAS follows the lane markings 32 . 2d shows schematically the street 2c with a deceptive road marking 36 . A conventional ADAS recognizes the deceptive road marking as a lane marking and therefore controls the motor vehicle along the false road marking. This can quickly lead to an accident. A control system and control method according to the invention, however, recognizes that it is the deceptive road marking 36 should not follow.

3 zeigt schematisch die Funktionsweise einer Ausführungsform der Erfindung. Schritt S1 zeigt das Bereitstellen der Umfelddaten durch den mindestens einen Umfeldsensor 14, 16, 18 und/oder Signalempfänger 19. Aus den bereitgestellten Umfelddaten werden zwei Teile der bereitgestellten Umfelddaten gemacht. Diese Teile können sich überschneiden, gleich sein, sich gegenseitig ausschließen (also verschieden sein). Es ist möglich, aber nicht generell notwendig, dass die zwei Teile zusammen alle bereitgestellten Umfelddaten umfassen. Aus dem ersten Teil der bereitgestellten Umfelddaten wird in Schritt S2 zumindest eine erste Information ermittelt. Dieses Ermitteln kann beispielsweise durch den Maschinellen-Lern-Klassifizierer, einer Schwellwertüberprüfung (beispielsweise bei Daten eines Farbsensors, der die Fahrbahnmarkierungen erkennt) und/oder einem/mehreren anderen Ermittelungssystem(en) erfolgen. Aus dem zweiten Teil der bereitgestellten Umfelddaten wird in Schritt S3 zumindest eine zweite Information ermittelt. Das Ermitteln der zumindest einen zweiten Information kann durch das/die gleiche(n) Ermittlungssystem(e) oder durch ein/mehrere andere(s) Ermittlungssystem(e) (es können auch teils gleiche und teils verschiedene Ermittlungssysteme sein) geschehen, wie das Ermitteln der zumindest einen ersten Information. In Schritt S4 wird die Plausibilität der zumindest einen ersten Information überprüft mittels der zumindest einen zweiten Information. Dies kann beispielsweise durch einen Vergleich der zumindest einen ersten Information mit der zumindest einen zweiten Information geschehen. Weisen alle Informationen auf die gleiche Fahrsituation (beispielsweise: Stopp-Schild), so wird die zumindest eine erste Information als plausibel erachtet (Schritt S5). 3 shows schematically the functioning of an embodiment of the invention. step S1 shows the provision of the environment data by the at least one environment sensor 14th , 16 , 18th and / or signal receiver 19th . Two parts of the provided environment data are made from the provided environment data. These parts can overlap, be the same, or be mutually exclusive (i.e. different). It is possible, but not generally necessary, for the two parts together to include all the environmental data provided. The first part of the provided environment data becomes in step S2 at least a first piece of information is determined. This determination can be carried out, for example, by the machine learning classifier, a threshold value check (for example in the case of data from a color sensor that recognizes the lane markings) and / or one or more other determination system (s). The second part of the provided environment data becomes in step S3 at least one second piece of information is determined. The at least one second item of information can be determined by the same determination system (s) or by one or more other determination system (s) (it can also be partly the same and partly different determination systems), such as the determination the at least one first piece of information. In step S4 the plausibility of the at least one first item of information is checked by means of the at least one second item of information. This can be done, for example, by comparing the at least one first item of information with the at least one second item of information. If all the information points to the same driving situation (for example: stop sign), the at least one first piece of information is considered plausible (step S5 ).

Fallen die Informationen auseinander (beispielsweise: Geschwindigkeitsbegrenzung als erste Information und Stopp-Schild als zweite Information), so kann die zumindest eine erste Information als nicht plausibel erachtet werden (Schritt S7).If the information diverges (for example: speed limit as first information and stop sign as second information), then the at least one first information can be considered implausible (step S7 ).

Es kann auch sein, dass die Informationen nichts miteinander zu tun haben. So kann beispielsweise ein Stopp-Schild durch ein Bild erkannt werden und gleichzeitig eine Sirene durch ein Mikrofon. In diesem Fall kann das Steuerungssystem den fehlenden Bezug erkennen und keine Aussage über die Plausibilität machen. Es ist möglich, dass das Steuerungssystem in einem Fall des fehlenden Bezugs neue Umfelddaten angefordert.It is also possible that the information has nothing to do with one another. For example, a stop sign can be recognized by a picture and a siren by a microphone at the same time. In this case, the control system can recognize the missing reference and make no statement about the plausibility. It is possible that the control system may request new environment data in the event of a missing reference.

Es ist auch möglich, dass sich die Informationen nicht direkt widersprechen, aber keinen plausiblen Gesamteindruck bilden. Beispielsweise kann dies der Fall sein, wenn als ersten Teil der bereitgestellten Umfelddaten orangene Straßenmarkierungen als Fahrbahnmarkierungen erkannt werden und ferner keine Daten/Informationen bezüglich einer Baustelle (beispielsweise durch Verkehrsschilder, 12V Nachrichten, etc.) vorhanden sind. In einem solchen Fall ist es möglich, dass das Steuerungssystem die Fahrbahnmarkierungen als nicht plausibel erachtet und/oder weitere Informationen anfordert.It is also possible that the information does not contradict each other directly, but does not form a plausible overall impression. For example, this can be the case when orange road markings are recognized as lane markings as the first part of the environment data provided and furthermore no data / information relating to a construction site (for example from traffic signs, 12V messages, etc.) is available. In such a case it is possible that the control system does not consider the lane markings plausible and / or requests further information.

Wird die zumindest eine erste Information als plausibel erachtet (S5), so steuert das Steuerungssystem das Kraftfahrzeug gemäß der zumindest einen ersten Information (Schritt S6). Es ist auch möglich, dass das Steuerungssystem das Kraftfahrzeug auch gemäß der zumindest einen zweiten Information steuert.If the at least one initial piece of information is considered plausible ( S5 ), the control system controls the motor vehicle in accordance with the at least one first item of information (step S6 ). It is also possible for the control system to also control the motor vehicle in accordance with the at least one second item of information.

Wird die zumindest eine erste Information als nicht plausibel erachtet (S7), so steuert das Steuerungssystem das Kraftfahrzeug nicht gemäß der zumindest einen ersten Information (Schritt S8).If the at least one initial piece of information is not considered plausible ( S7 ), the control system does not control the motor vehicle in accordance with the at least one first item of information (step S8 ).

4 zeigt schematisch die Funktionsweise einer Ausführungsform der Erfindung. Schritt S11 repräsentiert den ursprünglichen Trainingsraum. Dies sind beispielhafte Umfelddaten, die bereits mit zugeordneten Kategorien dem Maschinellen-Lern-Klassifizierer anfangs bereitgestellt wurden, um daraus zu lernen. Dieses anfängliche (oder erste) Lernen passiert meist noch in der Produktion und ist in Schritt S12 wiedergegeben. Nach Schritt S12 ist der Maschinelle-Lern-Klassifizierer bereit, um eingesetzt zu werden. Der später erklärte Schritt S18 trainiert den Maschinellen-Lern-Klassifizierer weiter, um seltener getäuscht zu werden. 4th shows schematically the functioning of an embodiment of the invention. step S11 represents the original training room. These are exemplary environmental data that were initially provided to the machine learning classifier with assigned categories in order to learn from them. This initial (or first) learning usually takes place in production and is in step S12 reproduced. After step S12 the machine learning classifier is ready to be used. The step explained later S18 trains the machine learning classifier further in order to be fooled less often.

Schritt S13 zeigt die von den mindestens einem Umfeldsensor und/oder Signalempfänger bereitgestellten Umfelddaten. Diese werden ganz, teilweise, in Teilen (beispielsweise als erster und zweiter Teil der Umfelddaten) oder in anderer Art an den Maschinellen-Lern-Klassifizierer gegeben. Der Maschinelle-Lern-Klassifizierer ermittelt in Schritt S14 Übereinstimmungswahrscheinlichkeiten zu jeder Verkehrskategorie und dem ihm bereitgestellten Teil der Umfelddaten. In Schritt S15 wird die Verkehrskategorie mit der höchsten Übereinstimmungswahrscheinlichkeit dem bereitgestellten Teil der Umfelddaten/ den Umfelddaten zugeordnet (Dies kommt dem Ermitteln der ersten Information gleich).step S13 shows the environment data provided by the at least one environment sensor and / or signal receiver. These are given to the machine learning classifier in whole, in part, in part (for example as the first and second part of the environment data) or in some other way. The machine learning classifier determines in step S14 Correspondence probabilities for each traffic category and the part of the surrounding data made available to it. In step S15 the traffic category with the highest probability of matching is assigned to the provided part of the surroundings data / the surroundings data (this is the same as determining the first information).

Folgt auf das Zuordnen in Schritt S15 kein Korrektursignal (Schritt S16), dann kann das Steuerungssystem das Kraftfahrzeug entsprechend der zugeordneten Kategorie steuern oder eine entsprechende Anzeige veranlassen (wie in Schritt S8 in 3; dies ist in 4 bis 7 nicht explizit gezeigt, aber trotzdem möglich). Danach können weitere bereitgestellte Umfelddaten verarbeitet werden. Dies ist durch den von Schritt S16 ausgehenden Pfeil gezeigt. Dies kann auch vorgesehen sein, wenn das Korrektursignal die Zuordnung bestätigt.Follows the mapping in step S15 no correction signal (step S16 ), then the control system can control the motor vehicle in accordance with the assigned category or initiate a corresponding display (as in step S8 in 3 ; this is in 4th until 7th not explicitly shown, but still possible). Then further provided environment data can be processed. This is through the of step S16 outgoing arrow shown. This can also be provided when the correction signal confirms the assignment.

Folgt auf das Zuordnen in Schritt S15 ein Korrektursignal mit korrigierender Zuordnung oder bestätigt das Korrektursignal die Zuordnung (sofern nicht in Schritt S16 bereits abgedeckt), so kann der Maschinelle-Lern-Klassifizierer dadurch in Schritt S18 weiter trainiert werden (auch als Nach-Lernen bezeichnet). Die Umfelddaten mit der korrigierten Zuordnung (bzw. bestätigten Zuordnung, wenn das Korrektursignal die Zuordnung bestätigt) werden, beispielsweise durch Backpropagation, dem Maschinellen-Lern-Klassifizierer nach-gelernt. Danach können weitere bereitgestellte Umfelddaten verarbeitet werden, wie durch den Pfeil von S18 zu S13 gezeigt (der Zyklus beginnt erneut).Follows the mapping in step S15 a correction signal with corrective assignment or the correction signal confirms the assignment (if not in step S16 already covered), then the machine learning classifier can thereby in step S18 be trained further (also known as re-learning). The environment data with the corrected assignment (or confirmed assignment if the correction signal confirms the assignment) is retrained, for example by backpropagation, the machine learning classifier. Then further provided environment data can be processed, as shown by the arrow from S18 to S13 (the cycle starts again).

5 zeigt schematisch die Funktionsweise einer Ausführungsform der Erfindung. Schritte S21, S22, S23, S24 und S26 der 5 sind analog zu den Schritten S11, S12, S13, S14 und S16 der 4. Deshalb soll Auf die Schritte S21 bis S24 und S26 hier nicht gesondert eingegangen werden, sondern auf 4 verwiesen werden. In Schritt S25 gibt es zwei größere Unterschiede zu Schritt S15 der 4. Erstens ist es möglich, dass mehrere Verkehrskategorien den bereitgestellten Umfelddaten zugeordnet werden. Dabei werden die Verkehrskategorien, welche die höchste Übereinstimmungswahrscheinlichkeit aufweisen, zugeordnet. Es kann beispielsweise eine vorherbestimmte Anzahl an Verkehrskategorien zugeordnet werden (beispielsweise die drei Verkehrskategorien mit den drei höchsten Übereinstimmungswahrscheinlichkeiten) oder es können beispielsweise alle Verkehrskategorien zugewiesen werden, die eine Übereineinstimmungswahrscheinlichkeit über einem vorherbestimmten Schwellwert aufweisen. Auch ist es möglich, dass die Anzahl an zuzuordnenden Verkehrskategorien angepasst wird an eine Anzahl, die aussagt, wie viele erkennbare Objekte erwartet werden. So können beispielsweise bei einem Schildpfahl zwei Straßenschilder angebracht sein. Es wird dann erwartet, dass 2 Objekte erkannt werden. 5 shows schematically the functioning of an embodiment of the invention. steps S21 , S22 , S23 , S24 and S26 the 5 are analogous to the steps S11 , S12 , S13 , S14 and S16 the 4th . Therefore should on the steps S21 until S24 and S26 are not dealt with separately here, but on 4th to get expelled. In step S25 there are two major differences to step S15 the 4th . Firstly, it is possible for several traffic categories to be assigned to the environment data provided. The traffic categories with the highest probability of matching are assigned. For example, a predetermined number of traffic categories can be assigned (for example the three traffic categories with the three highest matching probabilities) or, for example, all traffic categories can be assigned which have a matching probability above a predetermined threshold value. It is also possible for the number of traffic categories to be assigned to be adapted to a number that indicates how many recognizable objects are expected. For example, two street signs can be attached to a sign post. It is then expected that 2 objects are recognized.

Zweitens kann eine Täuschungskategorie zugeordnet werden (oder nicht zugeordnet werden). Wird die Täuschungskategorie zugeordnet, so erwartet der Maschinelle-Lern-Klassifizierer, dass die bereitgestellten Umfelddaten eine Täuschung umfassen. Die Zuordnung der Täuschungskategorie wurde davor durch maschinelles Lernen trainiert, beispielsweise durch Daten im ursprünglichen Trainingsraum und/oder beispielsweise durch korrigierende Zuordnung durch das Korrektursignal. Ob die Täuschungskategorie zugeordnet wird, hängt davon ab, ob eine Übereinstimmungswahrscheinlichkeit der Täuschungskategorie zu den bereitgestellten Umfelddaten über einem Täuschungskategorie-Schwellwert liegt. Wird die Täuschungskategorie zugeordnet kann beispielsweise ein Korrektursignal angefordert werden und/oder weitere Daten (zweiter Teil der Umfelddaten; mindestens eine zweite Information) verarbeitet werden. Dies stellt dann klar, ob eine Täuschung vorliegt und welche Fahrsituation tatsächlich vorliegt.Second, a deception category can be assigned (or not assigned). If the deception category is assigned, the machine learning classifier expects that the environment data provided include deception. The assignment of the deception category was previously trained by machine learning, for example using data in the original training room and / or, for example, by correcting assignment using the correction signal. Whether the deception category is assigned depends on whether a likelihood of correspondence between the deception category and the provided environment data is above a deception category threshold value. If the deception category is assigned, for example a correction signal can be requested and / or further data (second part of the environment data; at least one second item of information) can be processed. This then makes it clear whether there is a deception and which driving situation is actually present.

Schritt S27 zeigt die Situation, wenn ein Korrektursignal empfangen wird. Wird eine korrigierende Zuordnung gegeben dann werden die bereitgestellten Umfelddaten (bzw. der entsprechende Teil der bereitgestellten Umfelddaten) auch der Täuschungskategorie zugewiesen. Bestätigt das Korrektursignal die zugeordnete Kategorie hingegen, so wird die Täuschungskategorie nicht zugewiesen. Diese korrigierende Zuordnung mit der Zuweisung der Täuschungskategorie bzw. die Bestätigung ohne Zuweisung der Täuschungskategorie wird in Schritt S28 nach-gelernt, damit der Maschinelle-Lern-Klassifizierer bei weiteren bereitgestellten Umfelddaten sowohl die Verkehrskategorie wie auch die Täuschungskategorie besser zuordnen kann. 6 zeigt schematisch die Funktionsweise einer Ausführungsform der Erfindungen. Schritte S31, S32, S33, S34 und S35 der 6 sind analog zu den Schritten S11, S12, S13, S14 und S15 der 4. Deshalb soll Auf die Schritte S31 bis S35 hier nicht gesondert eingegangen werden, sondern auf 4 verwiesen werden.step S27 shows the situation when a correction signal is received. If a corrective assignment is given, then the provided environment data (or the corresponding part of the provided environment data) is also assigned to the deception category. If, on the other hand, the correction signal confirms the assigned category, the deception category is not assigned. This corrective assignment with the assignment of the deception category or the confirmation without assignment of the deception category is carried out in step S28 re-learned so that the machine learning classifier can better assign both the traffic category and the deception category in the case of further environmental data provided. 6th shows schematically the functioning of an embodiment of the inventions. steps S31 , S32 , S33 , S34 and S35 the 6th are analogous to the steps S11 , S12 , S13 , S14 and S15 the 4th . Therefore should on the steps S31 until S35 are not dealt with separately here, but on 4th to get expelled.

In Schritt S36 wird ein Teil der Umfelddaten (beispielsweise der zweite Teil der bereitgestellten Umfelddaten) mit der einen/ den mehreren zugeordneten Verkehrskategorien (kann zumindest eine erste Information sein) durch ein Prüfsystem verglichen. Der Teil der Umfelddaten wird, wie der gebogene Pfeil anzeigt, direkt von den bereitgestellten Umfelddaten abgeleitet. Es ist auch möglich, dass zusätzlich auch die Zuordnung (oder nicht Zuordnung) der Täuschungskategorie in gleicher Weise verglichen wird. Dieser Vergleich kann auch als Plausibilitätsprüfung gesehen werden. Dieser Vergleich kann die Zuordnung der Verkehrskategorie(n) bestätigen oder als falsch einordnen. Wird die Zuordnung bestätigt, so verfährt das Steuerungssystem via Schritt S37 wieder zu Schritt S33, um weitere Umfelddaten zu verarbeiten. Wird die Zuordnung als falsch eingeordnet, so verfährt das Steuerungssystem via Schritt S38 zu Schritt S39.In step S36 a part of the environment data (for example the second part of the provided environment data) is compared with the one or more assigned traffic categories (can be at least a first piece of information) by a test system. As the curved arrow indicates, the part of the environment data is derived directly from the environment data provided. It is also possible that the assignment (or not assignment) of the deception category is also compared in the same way. This comparison can also be seen as a plausibility check. This comparison can confirm the assignment of the traffic category (s) or classify it as incorrect. If the assignment is confirmed, the control system proceeds via step S37 back to step S33 to process further environmental data. If the assignment is classified as incorrect, the control system proceeds via step S38 to step S39 .

In Schritt S39 wird ein Korrektursignal angefordert. Beispielsweise kann ein Nutzer eine korrigierende Eingabe machen, welche die korrigiert zugeordneten Verkehrskategorie (mit zugewiesener Täuschungskategorie, wenn es diese gibt) dem Maschinellen-Lern-Klassifizierer nach-lernt (Schritt S40). Alternativ wäre es auch möglich, dass Schritt S39 ausgelassen wird und der Maschinelle-Lern-Klassifizierer mit Informationen aus dem Prüfsystem nach-lernt. Es sind generell alle zuvor beschriebenen Möglichkeiten mit der zumindest einen ersten Information und der zumindest einen zweiten Information zu verfahren möglich.In step S39 a correction signal is requested. For example, a user can make a corrective input which re-learns the corrected assigned traffic category (with assigned deception category, if there is one) to the machine learning classifier (step S40 ). Alternatively, it would also be possible to step S39 is left out and the machine learning classifier learns again with information from the test system. In general, all of the options described above for proceeding with the at least one first item of information and the at least one second item of information are possible.

7 zeigt schematisch die Funktionsweise einer Ausführungsform der Erfindungen. Schritte S41, S42 und S44 der 7 sind analog zu den Schritten S11, S12 und S13 der 4. Deshalb soll Auf die Schritte S41, S42 und S44 hier nicht gesondert eingegangen werden, sondern auf 4 verwiesen werden. Schritt S45 zeigt das Zuordnen der Kategorien (Verkehrskategorien und möglicherweise Täuschungskategorie) an. Hierfür soll auf Schritte S14, S15, S24, S25, S34 und S35 der entsprechenden Figuren verwiesen werden. 7th shows schematically the functioning of an embodiment of the inventions. steps S41 , S42 and S44 the 7th are analogous to the steps S11 , S12 and S13 the 4th . Therefore should on the steps S41 , S42 and S44 are not dealt with separately here, but on 4th to get expelled. step S45 indicates the assignment of the categories (traffic categories and possibly deception category). To do this, you should click on steps S14 , S15 , S24 , S25 , S34 and S35 refer to the corresponding figures.

In Schritt S46 wird überprüft, ob die Kategorien richtig zugeordnet wurden. Dies kann beispielsweise durch das Prüfsystem, die Täuschungskategorie und/oder die zumindest eine zweite Information geschehen. Das Bereitstellen der dafür nötigen Daten wird durch Schritt S47 mit dem durchgezogenen Pfeil dargestellt.In step S46 it is checked whether the categories have been assigned correctly. This can be done, for example, by the test system, the deception category and / or the at least one second piece of information. The provision of the necessary data is carried out through step S47 shown with the solid arrow.

Hat die Überprüfung in Schritt S46 ergeben, dass die Zuordnung richtig ist, so verfährt das Steuerungssystem via Schritt S48b und kann weitere bereitgestellte Umfelddaten verarbeiten. Hat die Überprüfung hingegen ergeben, dass die Zuordnung falsch ist, so verfährt das Steuerungssystem weiter gemäß Schritt S48a. In dieser Ausführungsform wird beispielhaft das Korrektursignal angefordert. Die nötigen Daten können beispielsweise von dem Kasten des Schrittes S47 mit dem gestrichelten Pfeil kommen. Das Korrektursignal (Schritt S50) wird in Schritt S49 erstellt. Auf Grundlage des Korrektursignals (und der bereitgestellten Umfelddaten) wird der Maschinelle-Lern-Klassifizierer trainiert (nach-lernen), wie in Schritt S43 gezeigt. Danach können weitere bereitgestellte Umfelddaten verarbeitet werden.Did the review in step S46 show that the assignment is correct, the control system proceeds via step S48b and can process further provided environment data. If, on the other hand, the check has shown that the assignment is incorrect, the control system proceeds according to step S48a. In this embodiment, the correction signal is requested by way of example. The necessary data can for example be taken from the box of the step S47 come with the dashed arrow. The correction signal (step S50 ) becomes in step S49 created. On the basis of the correction signal (and the provided environment data), the machine learning classifier is trained (re-learn), as in step S43 shown. Then further provided environment data can be processed.

Nun folgen vier weitere Ausführungsformen, die sehr konkret sind. Deshalb sollen sie als Beispiele gesehen und bezeichnet werden.Four further embodiments now follow, which are very specific. Therefore they should be seen and referred to as examples.

In einem ersten Beispiel hat ein Anwohner ein Tuch mit einer aufgemalten Geschwindigkeitsbegrenzung für 30 Km/h aufgehängt. In einem Kraftfahrzeug mit einem herkömmlichen ADAS nimmt eine Kamera ein Bild von dem Tuch samt Bemalung auf und es wird eine Geschwindigkeitsbegrenzung von 30 Km/h erkannt. Das herkömmlich ADAS bremst das Kraftfahrzeug auf 30 Km/h runter und gibt eine Warnung heraus, dass das Kraftfahrzeug zu schnell fährt. Durch das nicht adäquate Abbremsen kann es schnell zu einem Auffahrunfall kommen.In a first example, a resident hung up a cloth with a speed limit painted on it for 30 km / h. In a motor vehicle with a conventional ADAS, a camera takes a picture of the cloth including the painting and a speed limit of 30 km / h is recognized. The conventional ADAS brakes the motor vehicle down to 30 km / h and issues a warning that the motor vehicle is driving too fast. Inadequate braking can quickly lead to a rear-end collision.

Ist das Kraftfahrzeug in der Situation des ersten Beispiels hingegen mit einem Steuerungssystem gemäß einem Aspekt der Erfindung ausgestattet so erfährt das Steuerungssystem, von einer Misuse-Karte, dass an der Stelle, wo das Tuch hängt, schon häufiger Täuschungen stattgefunden haben. Ferner ist in einer hochauflösenden, live (ständig aktualisierte) Straßenkarte die Geschwindigkeitsbegrenzung nicht umfasst. Auch gibt es entsprechende 12V Nachrichten, die auf eine Geschwindigkeitsbegrenzung von 50 Km/h (nicht 30 Km/h) hinweisen. Gleichzeitig oder alternativ erkennt das Steuerungssystem, dass die Geschwindigkeitsbegrenzung auf einem Tuch aufgemalt ist. Auf dieser Grundlage erkennt das Steuerungssystem die Geschwindigkeitsbegrenzung (von 30 Km/h) als Täuschung. Das Steuerungssystem sendet direkt V21 und V2V Nachrichten mit einer Warnung aus, erstellt Fotos und/oder Videos von der Szene und sendet diese automatisch an die Polizei. Die Daten und Bilder werden in der Cloud ausgewertet und zum weiteren Training des Maschinellen-Lern-Klassifizierers verwandt, um Täuschungen künftig besser erkennen zu können. Gleichzeitig wird der Fahrer entsprechend informiert und die Täuschung wird in der Misuse-Karte aufgenommen. Optional wird dem Fahrer ein Rückmeldungsfenster geöffnet, in dem er die Täuschung bestätigen oder ablehnen kann.In contrast, if the motor vehicle in the situation of the first example is equipped with a control system according to one aspect of the invention, the control system learns from a misuse card that more frequent deceptions have taken place at the point where the cloth is hanging. Furthermore, the speed limit is not included in a high-resolution, live (constantly updated) road map. There are also corresponding 12V messages that indicate a speed limit of 50 km / h (not 30 km / h). At the same time or alternatively, the control system recognizes that the speed limit is painted on a cloth. On this basis, the control system recognizes the speed limit (of 30 km / h) as a deception. The control system sends V21 and V2V messages directly with a warning, takes photos and / or videos of the scene and automatically sends them to the police. The data and images are evaluated in the cloud and used for further training of the machine learning classifier in order to be able to better recognize deceptions in the future. At the same time, the driver is informed accordingly and the deception is recorded in the misuse card. A feedback window is optionally opened for the driver in which he can confirm or reject the deception.

In einem zweiten Beispiel hat jemand falsche Spurmarkierungen auf die Straße gemalt, um den Verkehr zu stören. Die falschen Spurmarkierungen sind für Menschen schwer erkennbar, aber für die Kamera sehr gut zu sehen. Ein herkömmlichen ADAS verarbeitet Bilder der falschen Spurmarkierungen und wird von diesen getäuscht. Das herkömmliche ADAS steuert ein Kraftfahrzeug von der richtigen Spur weg.In a second example, someone painted wrong lane markings on the road to disrupt traffic. The wrong lane markings are difficult to see for humans, but they are very easy to see for the camera. A conventional ADAS processes images of the wrong lane markings and is deceived by them. The conventional ADAS steers a motor vehicle off the right lane.

Ist das Kraftfahrzeug hingegen mit einem Steuerungssystem gemäß einem Aspekt der Erfindung ausgestattet, kann ein abkommen von der richtigen Spur vermieden werden. Das Steuerungssystem erkennt die Täuschung anhand einer, mehrerer oder einer Kombination der folgenden Punkte: nicht vorhandene Baustellen-Schilder bzw. Schilder, die eine geänderte Streckenführung anzeigen; Ausbleiben eine 12V Nachricht, welche eine Baustelle anzeigt; Informationen über die Streckenführung in der hochauflösenden live-Straßenkarte; Erkennen der Täuschungskategorie bei Bildern von der falschen Spurmarkierung (die Täuschungskategorie kann beispielsweise erkannt werden durch Verkehrsmerkmale wie der Linienfarbe, Liniendicke, Lumineszenz, Kantenschärfe und/oder Verlauf). Das Kraftfahrzeug mit dem erfindungsgemäßen Steuerungssystem bleibt durch das Erkennen der Täuschung auf der richtigen Spur, dokumentiert die Täuschung mit Bildern und Videos und sendet dies der Polizei, informiert andere Verkehrsteilnehmen mittels V2V und V2I. Ferner können die Daten genutzt werden, um den Maschinellen-Lern-Klassifizierer zu trainieren, damit dieser künftig Täuschungen besser erkennt. Auch wird die Täuschung in die Misuse-Karte aufgenommen. Optional wird dem Fahrer ein Rückmeldungsfenster geöffnet, in dem er die Täuschung bestätigen oder ablehnen kann.If, on the other hand, the motor vehicle is equipped with a control system in accordance with one aspect of the invention, deviating from the correct lane can be avoided. The control system recognizes the deception on the basis of one, several or a combination of the following points: nonexistent construction site signs or signs indicating a changed route; Failure to receive a 12V message indicating a construction site; Information about the route in the high-resolution live road map; Detection of the deception category in the case of images of the wrong lane marking (the deception category can be detected, for example, through traffic features such as line color, line thickness, luminescence, sharpness of the edges and / or course). The motor vehicle with the control system according to the invention remains on the right lane by recognizing the deception, documents the deception with images and videos and sends this to the police, informs other road users by means of V2V and V2I. Furthermore, the data can be used to train the machine learning classifier so that it can better recognize deceptions in the future. The deception is also included in the misuse card. A feedback window is optionally opened for the driver in which he can confirm or reject the deception.

In einem dritten Beispiel tut ein Fußgänger so, als würde er auf die Straße springen, bremst aber im letzten Moment ab. Ein Kraftfahrzeug mit einem herkömmlichen ADAS nimmt eine Sequenz von Bildern des Fußgängers auf. Es wird getäuscht indem es ermittelt, dass der Fußgänger auf die Straße springen möchte. Das Kraftfahrzeug bremst deshalb scharf und verursacht eventuell einen Auffahrunfall.In a third example, a pedestrian pretends to jump onto the street, but brakes at the last moment. A motor vehicle with a conventional ADAS records a sequence of images of the pedestrian. It is fooled by determining that the pedestrian wants to jump onto the street. The motor vehicle therefore brakes sharply and possibly causes a rear-end collision.

Ein erfindungsgemäßes Steuerungssystem hingegen fängt an abzubremsen. Sobald der Fußgänger abbremst, erkennt das Steuerungssystem die Täuschung und beendet das Abbremsen. Ferner werden Bilder und Video der Situation an die Polizei gesendet, andere Verkehrsteilnehmer werden via V2V und V21 informiert. Auch werden die Bilder und Videos ausgewertet, um den Maschinellen-Lern-Klassifizierer zu trainieren. Auch wird die Täuschung in die Misuse-Karte aufgenommen. Optional wird dem Fahrer ein Rückmeldungsfenster geöffnet, in dem er die Täuschung bestätigen oder ablehnen kann.A control system according to the invention, on the other hand, begins to slow down. As soon as the pedestrian brakes, the control system recognizes the deception and stops braking. Furthermore, pictures and videos of the situation are sent to the police, other road users are informed via V2V and V21. The images and videos are also evaluated in order to train the machine learning classifier. The deception is also included in the misuse card. A feedback window is optionally opened for the driver in which he can confirm or reject the deception.

In einem vierten Beispiel hat ein Anwohner einen 12V Sender installiert, der eine Geschwindigkeitsbegrenzung von 30 Km/h angibt. Ein Kraftfahrzeug mit einem herkömmlichen ADAS folgt der Angabe und bremst automatisch auf 30 Km/h ab. Ein Kraftfahrzeug mit einem erfindungsgemäßen Steuerungssystem bekommt Informationen von der Misuse-Karte, welche angibt, dass in dem Bereich (des 12V Senders) bereits vorher Täuschungen vorkamen. Ferner berücksichtigt das erfindungsgemäße Steuerungssystem, dass weder die hochauflösende live-Straßenkarte noch die Kamerabilder Informationen/Daten bezüglich der Geschwindigkeitsbegrenzung ausweisen. Eventuell liegen sogar Auffälligkeiten im Datentransfer (Anomalie Detektion) vor. Durch diese Daten/Informationen erkennt das erfindungsgemäße Steuerungssystem die Täuschung, dokumentiert diese mit Bildern, Video und dem 12V Signal, sendet dies an die Polizei, und informiert andere Verkehrsteilnehmer. Auch werden die Daten ausgewertet, um den Maschinellen-Lern-Klassifizierer zu trainieren. Auch wird die Täuschung in die Misuse-Karte aufgenommen. Optional wird dem Fahrer ein Rückmeldungsfenster geöffnet, in dem er die Täuschung bestätigen oder ablehnen kann. In a fourth example, a resident has installed a 12V transmitter that indicates a speed limit of 30 km / h. A motor vehicle with a conventional ADAS follows the instructions and automatically brakes to 30 km / h. A motor vehicle with a control system according to the invention receives information from the misuse card, which indicates that deceptions have already occurred in the area (of the 12V transmitter). Furthermore, the control system according to the invention takes into account that neither the high-resolution live road map nor the camera images show information / data relating to the speed limit. There may even be abnormalities in the data transfer (anomaly detection). Using this data / information, the control system according to the invention recognizes the deception, documents it with images, video and the 12V signal, sends this to the police and informs other road users. The data is also evaluated in order to train the machine learning classifier. The deception is also included in the misuse card. A feedback window is optionally opened for the driver in which he can confirm or reject the deception.

Es versteht sich, dass die zuvor erläuterten beispielhaften Ausführungsformen nicht abschließend sind und den hier offenbarten Gegenstand nicht beschränken. Insbesondere ist für den Fachmann ersichtlich, dass er die Merkmale der verschiedenen Ausführungsformen miteinander kombinieren kann und/oder verschiedene Merkmale der Ausführungsformen weglassen kann, ohne dabei von dem hier offenbarten Gegenstand abzuweichen.It goes without saying that the exemplary embodiments explained above are not exhaustive and do not limit the subject matter disclosed here. In particular, it is clear to the person skilled in the art that he can combine the features of the various embodiments with one another and / or omit various features of the embodiments without deviating from the subject matter disclosed here.

Claims

Steuerungssystem (10), das zum Einsatz in einem Kraftfahrzeug (12) eingerichtet und bestimmt ist, basierend auf aus mindestens einem, dem Kraftfahrzeug (12) zugeordneten Umfeldsensor/en (14, 16, 18) und/oder Signalempfänger/n (19) gewonnenen Umfelddaten Fahrspuren, Fahrbahnbegrenzungen, Fahrbahnmarkierungen, weitere Kraftfahrzeuge, Verkehrsschilder, Lichtzeichen(anlagen) und/oder andere Objekte in einem Bereich vor, seitlich neben und/oder hinter dem Kraftfahrzeug (12) zu erkennen, wobei der mindestens eine Umfeldsensor (14, 16, 18) und/oder Signalempfänger (19) dazu eingerichtet ist, dem Steuerungssystem (10) die den Bereich vor, seitlich neben und/oder hinter dem Kraftfahrzeug (12) wiedergebenden Umfelddaten bereitzustellen, und wobei das Steuerungssystem (10) wenigstens dazu eingerichtet und bestimmt ist, - zumindest eine erste Information bezüglich einer aktuellen Fahrsituation des Kraftfahrzeugs (12) basierend auf einem ersten Teil der bereitgestellten Umfelddaten zu ermitteln; - zumindest eine zweite Information bezüglich der aktuellen Fahrsituation des Kraftfahrzeugs (12) und/oder der zumindest einen ersten Information basierend auf einem zweiten Teil der bereitgestellten Umfelddaten zu ermitteln; - durch die zumindest eine zweite Information zu erkennen, ob es plausibel ist, dass die zumindest eine erste Information der tatsächlichen aktuellen Fahrsituation entspricht; - wenn erkannt wurde, dass es nicht plausibel ist, dass die zumindest eine erste Information der tatsächlichen Fahrsituation entspricht, das Kraftfahrzeug (12) nicht entsprechend zu der zumindest einen ersten Information zu steuern.Control system (10) which is set up and intended for use in a motor vehicle (12), based on environment data obtained from at least one environment sensor (14, 16, 18) and / or signal receiver (19) assigned to the motor vehicle (12). or other objects in an area in front of, to the side, next to and / or behind the motor vehicle (12), the at least one environment sensor (14, 16, 18) and / or signal receiver (19) being set up to provide the control system (10) provide the environment data reproducing the area in front of, to the side next to and / or behind the motor vehicle (12), and the control system (10) being at least set up and intended to - at least one piece of information relating to a current driving situation of the motor vehicle (12) based on to determine a first part of the provided environment data; - to determine at least one second item of information relating to the current driving situation of the motor vehicle (12) and / or the at least one first item of information based on a second part of the environment data provided; to recognize by the at least one second item of information whether it is plausible that the at least one first item of information corresponds to the actual current driving situation; - if it has been recognized that it is not plausible that the at least one first piece of information corresponds to the actual driving situation, not to control the motor vehicle (12) in accordance with the at least one first piece of information.

Steuerungssystem (10) nach Anspruch 1, wobei die zumindest eine zweite Information das gleiche Objekt der Fahrspuren, Fahrbahnbegrenzungen, Fahrbahnmarkierungen, weiteren Kraftfahrzeuge, Verkehrsschilder, Lichtzeichen(anlagen) und/oder anderen Objekte in dem Bereich vor, seitlich neben und/oder hinter dem Kraftfahrzeug betrifft wie die zumindest eine erste Information.Control system (10) according to Claim 1 , whereby the at least one second item of information relates to the same object of the lanes, lane boundaries, lane markings, other vehicles, traffic signs, light signals (systems) and / or other objects in the area in front of, to the side, next to and / or behind the vehicle as the at least one first Information.

Steuerungssystem (10) nach einem der vorhergehenden Ansprüche, wobei das Steuerungssystem durch zumindest eine der folgenden Alternativen erkennt, dass es nicht plausibel ist, dass die zumindest eine erste Information der tatsächlichen aktuellen Fahrsituation entspricht: dass - zumindest eine der zumindest einen zweiten Information angibt, dass die bereitgestellten Umfelddaten eine Täuschung umfasst; und/oder dass - zumindest eine der zumindest einen zweiten Information die tatsächliche aktuelle Fahrsituation korrigierend angibt; und/oder dass - zumindest eine der zumindest einen zweiten Information der zumindest einen ersten Information entgegensteht.Control system (10) according to one of the preceding claims, wherein the control system recognizes through at least one of the following alternatives that it is not plausible that the at least one first piece of information corresponds to the actual current driving situation: that - At least one of the at least one second item of information indicates that the environment data provided comprises a deception; and / or that - at least one of the at least one second item of information corrects the actual current driving situation; and / or that - At least one of the at least one second item of information opposes the at least one first item of information.

Steuerungssystem (10) nach einem der vorhergehenden Ansprüche, wobei der zweiten Teil der bereitgestellten Umfelddaten aus einer Straßenkarte, die Fahrsituationen und/oder ein lokale Wahrscheinlichkeit für eine Täuschung angibt, einer „infrastructure to vehicle communication“, einer „vehicle to vehicle communication“, einer Eingabe eines Nutzers, dem mindestens einem zugeordneten Umfeldsensor/en (14, 16, 18), dem mindestens einen zugeordneten Signalempfänger/n (19) und/oder einem Maschinellen-Lern-Klassifizierer stammt.Control system (10) according to one of the preceding claims, wherein the second part of the provided environment data from a road map indicating driving situations and / or a local probability of deception, an "infrastructure to vehicle communication", a "vehicle to vehicle communication", an input from a user, the at least one assigned environmental sensor (s) (14, 16, 18), the at least one assigned signal receiver (19) and / or a machine learning classifier.

Steuerungssystem (10) nach einem der vorhergehenden Ansprüche, welches ferner eingerichtet und bestimmt ist, wenn erkannt wurde, dass es nicht plausibel ist, dass die zumindest eine erste Information der tatsächlichen aktuellen Fahrsituation entspricht, - das Kraftfahrzeug (12) entsprechend zu der zumindest einen zweiten Information zu steuern; und/oder - eine Anzeige zu steuern, eine Warnung anzuzeigen; und/oder - eine Täuschungsmeldung zur Polizei und/oder anderen Kraftfahrzeugen zu versenden, wobei die Täuschungsmeldung möglicherweise Ortsinformationen und/oder Bildaufnahmen umfasst; und/oder - die Straßenkarte, die die lokale Wahrscheinlichkeit für eine Täuschung angibt, zu aktualisieren.Control system (10) according to one of the preceding claims, which is further set up and determined when it has been recognized that it is not plausible that the at least one first piece of information corresponds to the actual current driving situation, - To control the motor vehicle (12) in accordance with the at least one second item of information; and or - control a display to display a warning; and or to send a deception report to the police and / or other motor vehicles, the deception report possibly including location information and / or image recordings; and or - update the road map indicating the local probability of deception.

Steuerungssystem (10) nach einem der vorhergehenden Ansprüche, welches ferner eingerichtet und bestimmt ist, wenn erkannt wird, ob es plausibel ist, dass die zumindest einer erste Information der tatsächlichen aktuellen Fahrsituation entspricht, die zumindest eine erste Information und die zumindest eine zweite Information gegenseitig aufzuwiegen, wobei - Informationen von Teilen der Umfelddaten, die von einem vorherbestimmten Umfeldsensor (14, 16, 18) und/oder Signalempfänger (19) der bereitgestellten mindestens einen Umfeldsensor/en (14, 16, 18) und/oder Signalempfänger (19) stammen, mit einer höheren Gewichtung berücksichtigt werden als Informationen von Teilen der Umfelddaten, die von anderen Umfeldsensor/en (14, 16, 18) und/oder Signalempfänger/n (19) stammen; und/oder wobei - Informationen von Teilen der Umfelddaten, die von einer vorherbestimmten Quelle stammen mit einer höheren Gewichtung berücksichtigt werden als Informationen von Teilen der Umfelddaten, die von anderen Quellen stammen.Control system (10) according to one of the preceding claims, which is further set up and determined when it is recognized whether it is plausible that the at least one first piece of information corresponds to the actual current driving situation, the at least one first piece of information and the at least one second piece of information mutually to outweigh, where - information from parts of the environment data obtained from a predetermined environment sensor (14, 16, 18) and / or signal receiver (19) of the provided at least one environment sensor (s) (14, 16, 18) and / or signal receiver (19) are taken into account with a higher weighting than information from parts of the environment data, which originate from other environment sensor (s) (14, 16, 18) and / or signal receiver (s) (19); and / or wherein - information from parts of the environment data that originate from a predetermined source is taken into account with a higher weighting than information from parts of the environment data that originate from other sources.

Steuerungssystem (10) nach Anspruch 6, das ferner eingerichtet und bestimmt ist, die Gewichtungen für zumindest einen bestimmten Umfeldsensor/en (14, 16, 18) und/oder Signalempfänger (19) und/oder Quelle/n zu verändern, wenn eine der zumindest einen ersten oder zweiten Information angibt, dass der/die zumindest eine bestimmte Umfeldsensor/en (14, 16, 18) und/oder Signalempfänger (19) und/oder Quelle/n mehr oder weniger glaubwürdig ist.Control system (10) according to Claim 6 , which is also set up and intended to change the weightings for at least one specific environment sensor (s) (14, 16, 18) and / or signal receiver (19) and / or source (s) if one of the at least one indicates first or second information that the at least one specific environment sensor (s) (14, 16, 18) and / or signal receiver (19) and / or source (s) is more or less credible.

Steuerungssystem (10) nach einem der vorhergehenden Ansprüche, wobei der erste Teil der Umfelddaten und der zweite Teil der Umfelddaten sich zumindest teilweise überschneiden.Control system (10) according to one of the preceding claims, wherein the first part of the environment data and the second part of the environment data at least partially overlap.

Steuerungssystem (10) nach einem der vorhergehenden Ansprüche, wobei der erste Teil der Umfelddaten und der zweite Teil der Umfelddaten aus Verschiedenen der bereitgestellten mindestens einem Umfeldsensor/en (14, 16, 18) und/oder Signalempfänger/n (19) stammen.Control system (10) according to one of the preceding claims, wherein the first part of the environment data and the second part of the environment data come from different ones of the provided at least one environment sensor (s) (14, 16, 18) and / or signal receiver (s) (19).

Steuerungsverfahren, das in einem Kraftfahrzeug (12) basierend auf aus mindestens einem, dem Kraftfahrzeug (12) zugeordneten Umfeldsensor/en (14, 16, 18) und/oder Signalempfänger/n (19) gewonnenen Umfelddaten Fahrspuren, Fahrbahnbegrenzungen, Fahrbahnmarkierungen, weitere Kraftfahrzeuge, Verkehrsschilder, Lichtzeichen(anlagen) und/oder Objekte in einem Bereich vor, seitlich neben und/oder hinter dem Kraftfahrzeug (12) erkennt, wobei das Steuerungsverfahren insbesondere mittels eines Steuerungssystems (10) nach einem der vorhergehenden Ansprüche ausgeführt wird, und wobei das Steuerungsverfahren wenigstens die folgenden Schritte umfasst: - Ermitteln zumindest einer ersten Information bezüglich einer aktuellen Fahrsituation des Kraftfahrzeugs basierend auf einem ersten Teil der bereitgestellten Umfelddaten; - Ermitteln zumindest einer zweiten Information bezüglich der aktuellen Fahrsituation des Kraftfahrzeugs und/oder der zumindest einen ersten Information basierend auf einem zweiten Teil der bereitgestellten Umfelddaten; - Erkennen durch die zumindest eine zweite Information, ob es plausibel ist, dass die zumindest eine erste Information der tatsächlichen aktuellen Fahrsituation entspricht; - wenn erkannt wurde, dass es nicht plausibel ist, dass die zumindest eine erste Information der tatsächlichen Fahrsituation entspricht, nicht Steuern des Kraftfahrzeugs entsprechend zu der zumindest einen ersten Information.Control method in a motor vehicle (12) based on environment data obtained from at least one environment sensor (14, 16, 18) and / or signal receiver (19) assigned to the motor vehicle (12) , Traffic signs, light signals (systems) and / or objects in an area in front of, to the side next to and / or behind the motor vehicle (12), the control method being carried out in particular by means of a control system (10) according to one of the preceding claims, and where the Control method comprises at least the following steps: Determination of at least one piece of first information relating to a current driving situation of the motor vehicle based on a first part of the provided environment data; Determining at least one second item of information relating to the current driving situation of the motor vehicle and / or the at least one first item of information based on a second part of the provided environment data; - Using the at least one second item of information, recognizing whether it is plausible that the at least one first item of information corresponds to the actual current driving situation; - if it has been recognized that it is not plausible that the at least one first piece of information corresponds to the actual driving situation, not controlling the motor vehicle in accordance with the at least one first piece of information.