DE102021128116A1

DE102021128116A1 - System und Verfahren zum Plausibilisieren einer Fahrzeugumgebungshypothese für ein Kraftfahrzeug

Info

Publication number: DE102021128116A1
Application number: DE102021128116.4A
Authority: DE
Inventors: Oliver Hoffmann; Frank Dierkes
Original assignee: Cariad SE
Current assignee: Cariad SE
Priority date: 2021-10-28
Filing date: 2021-10-28
Publication date: 2023-05-04
Also published as: WO2023072698A1

Abstract

Die Erfindung betrifft ein Verfahren und ein System (12) zum Plausibilisieren einer Fahrzeugumgebungshypothese für ein Kraftfahrzeug (10). Das Verfahren umfasst ein Bereitstellen (S10) der Fahrzeugumgebungshypothese, welche aus vorgegebenen Daten ermittelt wird und eine Annahme über eine Umgebungseigenschaft des Kraftfahrzeugs (10) bereitstellt, ein Erfassen (S12) von Umfeldmerkmalen in einer Umgebung des Kraftfahrzeugs (10) mittels einer Sensoreinrichtung (16), wobei die Sensoreinrichtung (16) eine Mehrzahl unterschiedlicher Sensoren (18, 20, 22) aufweist, ein Bewerten (S14) der erfassten Umfeldmerkmale bezüglich einer Plausibilität der Fahrzeugumgebungshypothese mittels einer Überprüfung des jeweilig erfassten Umfeldmerkmals auf Vorliegen eines oder mehrerer vorbestimmter Plausibilitätskriterien, wobei die Plausibilitätskriterien von einer Art des Umfeldmerkmals und eines Sensortyps, mit dem das Umfeldmerkmal erfasst wurde, abhängen, und ein Plausibilisieren (S16) der Fahrzeugumgebungshypothese anhand der bewerteten Umfeldmerkmale.

Description

Die Erfindung betrifft ein Verfahren zum Plausibilisieren einer Fahrzeugumgebungshypothese für ein Kraftfahrzeug, ein System zum Plausibilisieren der Fahrzeugumgebungshypothese sowie ein Kraftfahrzeug mit einem solchen System.
Bei automatisierten Fahrzeugen ab SAE Level 3 übergibt der Fahrer zeitweise die Verantwortung an das Fahrzeug und somit die Haftung an einen Fahrzeughersteller. Dadurch resultieren aufgrund der Automotive Safety Integrity Level (ASIL)-Einstufung hohe Sicherheitsanforderungen an das Gesamtsystem. Aktuelle Fahrerassistenzsysteme nach SAE Level 2 erfüllen diese hohen Anforderungen in der Regel nicht. Neue Fahrerassistenzsysteme verwenden meist vorgegebene Daten, um eine Vorausschau bezüglich Informationen über ein Fahrzeugumfeld beziehungsweise eine Umgebungseigenschaft des Fahrzeugs zu erhöhen, da die verbaute Umfeldsensorik einen limitierten Sichtbereich hat. Zum Beispiel können Daten einer digitalen Karte von einem Backend an das Fahrzeug übertragen werden, die zur Fahrzeugsteuerung verwendet werden kann.
Nachteilig dabei ist, dass aufgrund einer nicht zu garantierenden Aktualität der Daten und möglicher Übertragungsfehler die Sicherheitsanforderungen, die aus einer ASIL-Einstufung des automatisierten Fahrsystems resultieren, kaum erfüllbar sind. Das bedeutet, dass diese Daten beziehungsweise deren Verwendung in der sicherheitskritischen Fahrfunktion zu einer Verletzung eines Sicherheitszieles führen kann. Würden zum Beispiel Fahrstreifenhypothesen, welche in einer nicht mehr aktuellen digitalen Karte hinterlegt sind, direkt für eine Querführung des Fahrzeugs verwendet werden, könnte das zu einer Gefahrensituation führen und somit zur Verletzung eines Sicherheitszieles.
Aus der DE 10 2009 060 600 A1 ist ein Verfahren zur Zuordnung von Fahrstreifen einer Fahrbahn zu einem Kraftfahrzeug bekannt, wobei das Kraftfahrzeug ein Navigationssystem einschließlich einer digitalen Karte zur Bestimmung der aktuellen Position und eine Bildverarbeitungseinrichtung zur Bestimmung von Umfelddaten aufweist. Das Verfahren umfasst ein Bestimmen der Position des Kraftfahrzeugs, ein Ermitteln der Anzahl der Fahrstreifen der Fahrbahn und Extrahieren von Markierungsmerkmalen der Fahrstreifen aus der Position des Kraftfahrzeugs und der digitalen Karte, ein Extrahieren von Fahrstreifenmarkierungen und deren Markierungsmerkmale aus den Umfelddaten der Bildverarbeitungseinrichtung, und ein Abgleichen der aus der digitalen Karte extrahierten Markierungsmerkmale und der durch Bildverarbeitung bestimmten Markierungsmerkmale mit einem Klassifikator zur Ermittlung des Fahrstreifens des Kraftfahrzeugs bezüglich der aktuellen Position.
Aus der DE 10 2015 214 338 A1 ist ein Verfahren zur Bestimmung einer Anordnungsinformation für ein Fahrzeug bekannt. Die Anordnungsinformation umfasst eine Position des Fahrzeugs und eine Ausrichtung des Fahrzeugs in Bezug auf ein stationäres Koordinatensystem. Bei dem Verfahren wird eine lokale Fahrstreifenanordnung in einer Umgebung des Fahrzeugs mit Sensoren des Fahrzeugs erfasst. In Abhängigkeit von der lokalen Fahrstreifenanordnung und einer zuvor bestimmten Anordnungsinformation für das Fahrzeug wird eine erste Fahrstreifenanordnung in Bezug auf das stationäre Koordinatensystem bestimmt. In Abhängigkeit von vorgegebenem Kartenmaterial wird eine zweite Fahrstreifenanordnung in Bezug auf das stationäre Koordinatensystem bestimmt. In Abhängigkeit von einer geometrischen Ähnlichkeit zwischen der ersten Fahrstreifenanordnung und der zweiten Fahrstreifenanordnung wird eine Ähnlichkeitsinformation bestimmt und abhängig von Ähnlichkeitsinformationen eine zuvor bestimmte Anordnungsinformation für das Fahrzeug sowie eine zuvor bestimmte Fahrstreifenanordnungshypothese aktualisiert.
Aus der DE 10 2016 215 314 A1 sind ein Fahrerassistenzsystem, ein Fortbewegungsmittel und ein Verfahren zur Prädiktion einer Verkehrssituation bekannt. Das Verfahren umfasst als Schritte ein Ermitteln eines aktuellen Abbilds einer Umgebung eines Fahrzeugs, ein Ermitteln eines zukünftigen Zustands eines im Abbild enthaltenen Umgebungsobjekts mittels eines parametrischen Modells, ein Ermitteln eines Korrekturwerts mittels eines maschinenbasierten Lernverfahrens, ein Ermitteln eines Unsicherheitswertes mittels des maschinenbasierten Lernverfahrens und ein Ermitteln eines Toleranzbandes für zukünftige Zustände mittels des Korrekturwerts und des Unsicherheitswerts zur Prädiktion der Fahrzeugumgebung.
Der Erfindung liegt die Aufgabe zugrunde, eine Fahrzeugumgebungshypothese eines Kraftfahrzeugs zu bewerten.
Diese Aufgabe wird durch die unabhängigen Patentansprüche gelöst. Vorteilhafte Weiterbildungen der Erfindung sind in den abhängigen Patentansprüchen, der folgenden Beschreibung sowie den Figuren offenbart.
Die Erfindung basiert auf der Idee, dass eine Fahrzeugumgebungshypothese, beispielsweise eine Fahrstreifenhypothese, mit Umfeldmerkmalen, die von mehreren Sensoren erfasst werden, bewertet wird, um festzustellen, ob vorgegebene Daten, aus denen die Fahrzeugumgebungshypothese erhalten wird, Sicherheitsanforderungen genügen. Somit können die Daten bei einer bestätigten Fahrzeugumgebungshypothese für eine Fahrzeugsteuerung, insbesondere eine autonome Kraftfahrzeugsteuerung, verwendet werden.
Durch die Erfindung ist ein Verfahren zum Plausibilisieren einer Fahrzeugumgebungshypothese für ein Kraftfahrzeug bereitgestellt. Das Verfahren, das beispielsweise durch ein System mit einer Sensoreinrichtung und einer Rechenvorrichtung durchgeführt werden kann, umfasst als Schritte ein Bereitstellen der Fahrzeugumgebungshypothese, welche aus vorgegebenen Daten ermittelt wird und eine Annahme über eine Umgebungseigenschaft des Kraftfahrzeugs bereitstellt, ein Erfassen von Umfeldmerkmalen in einer Umgebung des Kraftfahrzeugs mittels einer Sensoreinrichtung, wobei die Sensoreinrichtung eine Mehrzahl unterschiedlicher Sensoren aufweist, ein Bewerten der erfassten Umfeldmerkmale bezüglich einer Plausibilität der Fahrzeugumgebungshypothese mittels einer Überprüfung des jeweilig erfassten Umfeldmerkmals auf Vorliegen eines oder mehrerer vorbestimmter Plausibilitätskriterien, wobei die Plausibilitätskriterien von einer Art des Umfeldmerkmals und eines Sensortyps, mit dem das Umfeldmerkmal erfasst wurde, abhängen, und ein Plausibilisieren der Fahrzeugumgebungshypothese anhand der bewerteten Umfeldmerkmale.
Mit anderen Worten kann zunächst eine Fahrzeugumgebungshypothese aus vorgegebenen Daten ermittelt werden, wobei die Fahrzeugumgebungshypothese eine Annahme über eine Umgebungseigenschaft des Kraftfahrzeugs darstellt. So können die vorgegebenen Daten beispielsweise aus einer digitalen hochauflösenden Karte stammen und die Fahrzeugumgebungshypothese, welche daraus ermittelt wird, kann beispielsweise eine Annahme über eine Anzahl von vorhandenen Fahrstreifen und/oder der genauen geometrischen Verläufe der Fahrspuren und/oder eine Fahrstreifenbreite an einer gegenwärtigen oder zukünftigen Position umfassen. Das heißt, dass in diesem Beispiel die Umgebungseigenschaft des Kraftfahrzeugs die Anzahl der Fahrstreifen ist, die aus den vorgegebenen Daten bereitgestellt sein kann.
Um zu überprüfen, ob diese Fahrzeugumgebungshypothese der Wirklichkeit entspricht oder ob zum Beispiel die vorgegebenen Daten veraltet sind, kann als nächstes eine Sensoreinrichtung ein Umfeld des Kraftfahrzeugs aufnehmen, wobei in der Aufnahme des Umfelds Umfeldmerkmale ermittelt werden, anhand der die aufgestellte Fahrzeugumgebungshypothese bestätigt oder widerlegt werden kann. Hierzu weist die Sensoreinrichtung zumindest zwei Sensoren auf, wobei sich ein Sensortyp der zumindest zwei Sensoren unterscheidet. Vorzugsweise können zumindest drei unterschiedliche Sensortypen vorgesehen sein, insbesondere eine Kamera, ein Radar, ein Lidar. Alternativ oder zusätzlich kann die Sensoreinrichtung auch einen Ultraschallsensor aufweisen. Die Sensoren der Sensoreinrichtung können die gleichen oder unterschiedliche Umfeldmerkmale erfassen, was insbesondere von der Art des Umfeldmerkmals als auch von einem Sichtbereich des jeweiligen Sensors abhängt. Umfeldmerkmale können beispielsweise Verkehrszeichen, Fahrstreifenmarkierungen, Randbebauungen, insbesondere Leitplanken, Baken, Wände und/oder Bordsteine, Objektspuren/Kolonnenspuren und/oder Objekte, insbesondere andere Fahrzeuge, sein.
Nach dem Ermitteln der Umfeldmerkmale kann für jedes Umfeldmerkmal geprüft werden, ob es die Fahrzeugumgebungshypothese bestätigt oder nicht. Dazu können die jeweiligen Umfeldmerkmale darauf hin geprüft werden, ob ein oder mehrere vorgegebene Plausibilitätskriterien für das jeweilige Umfeldmerkmal vorliegen oder nicht. Die Plausibilitätskriterien können für jedes Umfeldmerkmal unterschiedlich vorgegeben sein, wobei die Plausibilitätskriterien beispielsweise aus einer Simulation vorbestimmt sein können. Alternativ oder zusätzlich können die Plausibilitätskriterien für das jeweilige Umfeldmerkmal auch von dem Sensortyp abhängen, mittels dem das Umfeldmerkmal gemessen wurde. So kann beispielsweise bei einem Umfeldmerkmal, das von einer Kamera gemessen wurde, andere Plausibilitätskriterien überprüft werden als bei einer Messung durch ein Lidar. Auch kann vorzugsweise ermittelt werden, ob das jeweilige Umfeldmerkmal überhaupt von dem jeweiligen Sensor gemessen werden konnte oder ob es sich außerhalb eines Sichtbereichs befunden hat.
Des Weiteren können die Plausibilitätskriterien je nach Art des Umfeldmerkmals und/oder je nach Sensortyp bei der Bewertung unterschiedlich gewichtet werden, so dass bei vorbestimmten erfüllten Plausibilitätskriterien die Fahrzeugumgebungshypothese mit höherer Wahrscheinlichkeit zutrifft. Vorzugsweise kann so für jedes erfüllte Plausibilitätskriterium ein Konfidenzwert ermittelt werden, die insbesondere unterschiedlich gewichtet sein können, um das jeweilige Umfeldmerkmal bezüglich der Fahrzeugumgebungshypothese zu gewichten. Die Konfidenzwerte können die Wahrscheinlichkeit für das Zutreffen der Fahrzeugumgebungshypothese angeben. Vorzugsweise können sich die Plausibilitätskriterien je nach aufgestellter Fahrzeugumgebungshypothese unterscheiden. So können beispielsweise bei einer Fahrstreifenhypothese Fahrstreifenmarkierungen, Objektspuren und/oder Kolonnenspuren überprüft werden und bei einer Hypothese für eine Geschwindigkeitsbegrenzung beispielsweise Verkehrszeichen und/oder Objekte, insbesondere eine gemessene Geschwindigkeit von den Objekten, und/oder Fahrstreifenmarkierungen, wobei insbesondere eine Farbe der Fahrstreifenmarkierungen auf ein reduziertes Geschwindigkeitslimit hindeuten kann. Zum Beispiel kann eine gelbe Fahrstreifenmarkierung auf eine Baustelle hindeuten und somit auf eine reduzierte Geschwindigkeit.
Das Bewerten der Umfeldmerkmale kann durch eine Rechenvorrichtung durchgeführt werden, die mittels einer künstlichen Intelligenz, die insbesondere maschinell angelernt wurde, das Vorliegen der jeweiligen Plausibilitätskriterien in den Aufnahmen der Umfeldmerkmale überprüft.
Schließlich kann die Fahrzeugumgebungshypothese anhand der bewerteten Umfeldmerkmale plausibilisiert werden. Das heißt, die Fahrzeugumgebungshypothese kann bestätigt oder abgelehnt werden, wobei bei einer Bestätigung die vorgegebenen Daten, aus denen die Fahrzeugumgebungshypothese bereitgestellt wurde, als gültig beziehungsweise aktuell markiert werden kann. Dann können die vorgegebenen Daten beispielsweise für eine Fahrzeugsteuerung, vorzugsweise zur autonomen Fahrzeugsteuerung, verwendet werden. Alternativ kann die Fahrzeugumgebungshypothese auch verworfen werden, wodurch die vorgegebenen Daten als nicht aktuell gekennzeichnet werden können und somit nicht für die Fahrzeugsteuerung geeignet sind.
Zum Plausibilisieren können die Bewertungen der Umfeldmerkmale beispielsweise in einer Bewertungstabelle gespeichert werden, in der angegeben sein kann welches Plausibilitätskriterium durch welchen Sensor bestätigt oder abgelehnt wird, wobei in der Bewertungstabelle vorzugsweise auch angegeben sein kann, ob ein Umfeldmerkmal durch einen Sensor überhaupt nicht gemessen werden konnte, da sich das Umfeldmerkmal welches die Fahrumgebungshypothese bestätigen könnte, außerhalb des Sichtbereichs befindet. Mit anderen Worten kann sich die zu überprüfenden Fahrzeugumgebungshypothese beziehungsweise ein Teil der Hypothese, zum Beispiel ein Fahrstreifen, außerhalb des Sichtbereichs für ein Umfeldmerkmal befinden. Somit kann also das Umfeldmerkmal nicht zur Plausibilisierung in diesem Bereich herangezogen werden, da es nicht gemessen werden kann. Vorzugsweise kann für jedes Umfeldmerkmal ein unterschiedlicher Sichtbereich definiert werden, da diese unterschiedlich von den Sensoren detektiert werden können. Insbesondere können jeweilig ermittelte Konfidenzwerte in der Bewertungstabelle gespeichert sein, mittels denen eine Statistische Auswertung bezüglich des Zutreffens der Fahrzeugumgebungshypothese durchgeführt werden kann. Hierzu können statistische Verfahren verwendet werden, die eine Aussage über die Glaubwürdigkeit der Fahrzeugumgebungshypothese berechnen. Insbesondere kann die Fahrzeugumgebungshypothese mittels einer Dempster-Shafer-Theorie überprüft werden.
Die vorgegebenen Daten, aus denen die Fahrzeugumgebungshypothese aufgestellt wird, können aus unterschiedlichen Datenquellen, die insbesondere nicht den Sicherheitsanforderungen einer ASIL-Einstufung entsprechen, stammen, wie beispielsweise Daten aus einer digitalen Karte, Schwarmdaten und/oder Daten einer künstlichen Intelligenz, wobei mittels des Verfahrens und einer bestätigten Fahrzeugumgebungshypothese die Daten derart aufqualifiziert werden können, dass sie der ASIL-Einstufung entsprechen. Somit ergibt sich der Vorteil, dass die vorgegebenen Daten für eine Fahrzeugsteuerung verwendet werden können, ohne Sicherheitsziele des Fahrzeugs zu gefährden. Insbesondere können mittels der Sensoreinrichtung zur Laufzeit im Kraftfahrzeug die Plausibilität der Daten/Fahrzeugumgebungshypothese überprüft werden. Die Bewertung erfolgt dabei nicht mit einem einzigen Sensorprinzip und einem einzigen Umfeldmerkmal, sondern anhand einer Kombination aus mehreren Sensortypen und Umfeldmerkmalen. Dadurch ist eine Redundanz in der Bewertung gegeben, was deren Zuverlässigkeit erhöht. Vorzugsweise können die Daten dann zur Steuerung des Kraftfahrzeugs verwendet werden, wodurch sicherheitsrelevante Fahrfunktionen ausgeführt werden können, was einen Komfort für einen Benutzer und somit eine Akzeptanz erhöht.
Die Erfindung umfasst auch Ausführungsformen, durch die sich zusätzliche Vorteile ergeben.
Eine Ausführungsform sieht vor, dass die vorgegebenen Daten, aus denen die Fahrzeugumgebungshypothese ermittelt wird, eine digitale Karte und/oder Schwarmdaten und/oder Daten von einer künstlichen Intelligenz, insbesondere eines neuronalen Netzes, sind. Mit anderen Worten können die vorgegebenen Daten aus einer nicht ASIL-konformen Quelle stammen und durch das Verfahren zu ASIL-konformen Daten aufqualifiziert werden. Eine digitale Karte kann beispielsweise Fahrbahninformationen, wie eine Anzahl von Fahrstreifen, einen Fahrbahnverlauf und/oder Geschwindigkeitsinformationen für Streckenabschnitte umfassen. Schwarmdaten können von mehreren Fahrzeugen einer Fahrzeugflotte aggregiert werden, aus denen Umgebungseigenschaften des Kraftfahrzeugs ermittelt werden können. Eine künstliche Intelligenz, insbesondere ein neuronales Netz, kann über maschinelles Lernen trainiert sein, um beispielsweise Fahrzeugfunktionen durchzuführen. Durch diese Ausführungsform ergibt sich der Vorteil, dass Fahrzeugumgebungshypothesen aus mehreren Quellen überprüft werden können.
Eine weitere Ausführungsform sieht vor, dass bei der Überprüfung des jeweilig erfassten Umfeldmerkmals auf Vorliegen des zumindest einen Plausibilitätskriteriums ein aktueller Sichtbereich der jeweiligen Sensoren berücksichtigt wird. Mit anderen Worten kann berücksichtigt werden, ob ein jeweiliger Sensor ein Umfeldmerkmal wahrnehmen kann oder nicht. So kann beispielsweise ein Umfeldmerkmal aufgrund eines Sichtbereichs der Sensoren nur von einem einzigen Sensor erkannt werden, wobei andere Sensoren das Umfeldmerkmal aufgrund des Sichtbereichs gar nicht wahrnehmen können. Die Sichtbereiche der jeweiligen Sensoren können vorzugsweise vorbestimmt und/oder geschätzt werden. Der Sichtbereich der Sensoreinrichtung kann dabei in Bereiche aufgeteilt werden, in denen sich die beitragenden Sensoren unterscheiden. Dies kann bei der Überprüfung der Plausibilitätskriterien und der Bewertung der Fahrzeugumgebungshypothese berücksichtigt werden, ob beispielsweise bei fehlender Bestätigung eines Umfeldmerkmals durch einen Sensor beziehungsweise Sensortyp das Umfeldmerkmal tatsächlich nicht durch den Sensor erkannt wurde oder das Umfeldmerkmal nicht bestätigt werden kann, da es außerhalb eines aktuellen Sichtbereichs des Sensors liegt. Dies kann wiederum in der resultierenden Plausibilisierung der Fahrzeugumgebungshypothese berücksichtigt werden. Durch diese Ausführungsform ergibt sich der Vorteil, dass die Bewertung der Fahrzeugumgebungshypothese verbessert werden kann.
Vorzugsweise ist vorgesehen, dass eine Einbaulage des jeweiligen Sensors und/oder eine Spezifikation des jeweiligen Sensors, insbesondere ein Öffnungswinkel und/oder eine Messreichweite, für den aktuellen Sichtbereich berücksichtigt werden. So kann eine Einbaulage am Kraftfahrzeug eine Richtung vorgeben, die der Sensor erfassen kann. Alternativ oder zusätzlich können auch Spezifikationen des jeweiligen Sensors, zum Beispiel eine Auflösung, ein Öffnungswinkel beziehungsweise Messbereich und/oder eine Messreichweite für den jeweiligen Sensor berücksichtigt werden.
In einer weiteren vorteilhaften Ausführungsform ist vorgesehen, dass mittels einer Sensordatenfusion aktuelle Beschränkungen der Sichtbereiche jeweilige Sensoren bestimmt werden, wobei die aktuellen Beschränkungen der Sichtbereiche bei der Überprüfung des jeweilig erfassten Umfeldmerkmals auf Vorliegen des zumindest einen Plausibilitätskriteriums berücksichtigt werden. Mit anderen Worten kann der Sichtbereich des jeweiligen Sensors auch davon abhängen, ob der Sensor ungehindert ein Umfeldmerkmal erfassen kann oder ob sich ein Objekt in dem Sichtbereich des Sensors befindet, das das Umfeldmerkmal verdeckt. So können aus einer Sensordatenfusion die Sichtbereiche aller Sensoren ermittelt werden, insbesondere Überschneidungsbereiche, wobei zum Beispiel ein Umfeldmerkmal von einem Sensor gemessen werden kann und von einem anderen Sensor nicht, da sich in dem Sichtbereich des Sensors ein Objekt, insbesondere ein Fahrzeug, befindet. Somit können insbesondere nur die Plausibilitätskriterien für die Sensoren geprüft werden, die das Umeldmerkmal erfassen konnten und für den Sensor mit dem verdeckten Sichtbereich kann beispielsweise angegeben werden, dass das Umfeldmerkmal durch diesen Sensor nicht erkannt werden konnte und somit die Messwerte dieses Sensors nicht bei der Bewertung des Umfeldmerkmals bezüglich der Plausibilität der Fahrzeugumgebungshypothese berücksichtigt werden.
Eine weitere Ausführungsform sieht vor, dass die Fahrzeugumgebungshypothese als plausibel angenommen wird, falls zumindest zwei der erfassten Umfeldmerkmale die Fahrzeugumgebungshypothese mit einer vorgegebenen Konfidenz bestätigen. Mit anderen Worten reicht ein einziges Umfeldmerkmal nicht dazu aus, die Fahrzeugumgebungshypothese zu bestätigen, auch wenn dieses die Fahrzeugumgebungshypothese bestätigt. So kann insbesondere vorgegeben sein, dass die Fahrzeugumgebungshypothese durch mindestens zwei Umfeldmerkmale, für die die Plausibilitätskriterien zutreffen, bestätigt wird, wobei vorzugsweise die Plausibilitätskriterien von zwei unterschiedlichen Sensoren und/oder Sensortypen bestätigt werden. Durch diese Ausführungsform kann das Plausibilisieren der Fahrzeugumgebungshypothese verbessert werden, da die Wahrscheinlichkeit einer falsch-positiven Bewertung minimiert werden kann.
Somit kann auch bei der Anwendung der vorgegebenen Daten für eine Fahrzeugsteuerung eine Sicherheit erhöht werden.
Eine weitere Ausführungsform sieht vor, dass das zumindest eine zu prüfende Plausibilitätskriterium für das jeweilige Umfeldmerkmal mittels einer Simulation vorbestimmt wird. Mit anderen Worten ist aus der Simulation vorbestimmt, welchen Plausibilitätskriterien für ein jeweiliges Umfeldmerkmal geprüft werden, wobei vorzugsweise auch der Sensortyp berücksichtigt wird, mit dem das Umfeldmerkmal aufgenommen wurde. Zur Simulation können vorzugsweise Ground-Truth-Daten der Fahrzeugumgebungshypothese verwendet werden, die als Eingangshypothese dienen, und mittels Error Injection beziehungsweise Fault Injection verändert werden, um Effekte der Sensoren auf die Bewertung zu bestimmen. So können beispielsweise Ground-Truth-Daten der Fahrzeugumgebungshypothese aus hochgenauen digitalen Karten oder gelabelten Daten gebildet werden, um eine Referenz zu haben. Zusätzlich können die zu bewertenden Umfeldmerkmale mithilfe von Error Injection verfälscht werden und anschließend mit den Ground-Truth-Daten bezüglich Sicherheitskritikalität bewertet werden. Durch Überprüfen der Zustände der Bewertung bei sicherheitskritischen Ausgangshypothesen können somit die Kriterien ermittelt werden, welche zu sicheren Ausgangshypothesen führen. Diese Parameter beziehungsweise Kriterien können statistisch durch verschiedene Fehlerfälle und Simulationen ermittelt werden. Hierdurch ergibt sich der Vorteil, dass Bewertungskriterien beziehungsweise Plausibilitätskriterien ermittelt werden können, die für die jeweiligen Umfedmerkmale vorliegen sollen, um als ausreichend sicher zu gelten. Durch diese Ausführungsform kann eine Zuverlässigkeit und Konfidenz für verschiedene Zustände gesteigert werden.
Vorzugsweise ist vorgesehen, dass die Sensoreinrichtung eine Fahrzeugkamera, einen Radar und einen Lidar aufweist. Das heißt, dass die Sensoreinrichtung zumindest die genannten drei Sensoren aufweist, um die Umfeldmerkmale zu erfassen, wobei vorzugsweise jedes erfasste Umfeldmerkmal in Abhängigkeit von dem jeweiligen Sensortyp bewertet wird.
Ein weiterer Aspekt der Erfindung betrifft ein System zum Plausibilisieren einer Fahrzeugumgebungshypothese, umfassend eine Sensoreinrichtung mit einer Mehrzahl unterschiedlicher Sensoren, die dazu ausgebildet sind, Umfeldmerkmale zu erfassen, und umfassend eine Rechenvorrichtung, die dazu ausgebildet ist, die erfassten Umfeldmerkmale bezüglich einer Plausibilität der Fahrzeugumgebungshypothese mittels einer Überprüfung des jeweilig erfassten Umfeldmerkmals auf Vorliegen eines oder mehrerer vorbestimmter Plausibilitätskriterien zu bewerten, wobei die Plausibilitätskriterien von einer Art des Umfeldmerkmals und eines Sensortyps, mit dem das Umfeldmerkmal erfasst wurde, abhängen, und die Fahrzeugumgebungshypothese anhand der bewerteten Umfeldmerkmale zu plausibilisieren. Mit anderen Worten ist das System dazu ausgebildet, ein Verfahren nach einem der vorhergehenden Ausführungsformen durchzuführen. Hierbei ergeben sich gleiche Vorteile und Variationsmöglichkeiten wie bei dem Verfahren.
Erfindungsgemäß ist auch ein Kraftfahrzeug mit einem solchen System bereitgestellt. Das erfindungsgemäße Kraftfahrzeug ist bevorzugt als Kraftwagen, insbesondere als Personenkraftwagen oder Lastkraftwagen, oder als Personenbus oder Motorrad ausgestaltet. Insbesondere kann das Kraftfahrzeug als autonomes oder teilautonomes Fahrzeug ausgebildet sein.
Zu der Erfindung gehört auch die Steuervorrichtung für das Kraftfahrzeug. Die Steuervorrichtung kann eine Datenverarbeitungsvorrichtung oder eine Prozessoreinrichtung aufweisen, die dazu eingerichtet ist, eine Ausführungsform des erfindungsgemäßen Verfahrens durchzuführen. Die Prozessoreinrichtung kann hierzu zumindest einen Mikroprozessor und/oder zumindest einen Mikrocontroller und/oder zumindest einen FPGA (Field Programmable Gate Array) und/oder zumindest einen DSP (Digital Signal Processor) aufweisen. Des Weiteren kann die Prozessoreinrichtung Programmcode aufweisen, der dazu eingerichtet ist, bei Ausführen durch die Prozessoreinrichtung die Ausführungsform des erfindungsgemäßen Verfahrens durchzuführen. Der Programmcode kann in einem Datenspeicher der Prozessoreinrichtung gespeichert sein.
Zu der Erfindung gehören auch Weiterbildungen des erfindungsgemäßen Systems, die Merkmale aufweisen, wie sie bereits im Zusammenhang mit den Weiterbildungen des erfindungsgemäßen Verfahrens beschrieben worden sind. Aus diesem Grund sind die entsprechenden Weiterbildungen des erfindungsgemäßen Systems hier nicht noch einmal beschrieben.
Die Erfindung umfasst auch die Kombinationen der Merkmale der beschriebenen Ausführungsformen. Die Erfindung umfasst also auch Realisierungen, die jeweils eine Kombination der Merkmale mehrerer der beschriebenen Ausführungsformen aufweisen, sofern die Ausführungsformen nicht als sich gegenseitig ausschließend beschrieben wurden.
Im Folgenden sind Ausführungsbeispiele der Erfindung beschrieben. Hierzu zeigt:

1 ein schematisch dargestelltes Kraftfahrzeug mit einem System zum Plausibilisieren einer Fahrzeugumgebungshypothese gemäß einer beispielhaften Ausführungsform;
2 ein schematisches Verfahrensdiagramm gemäß einer beispielhaften Ausführungsform;
3 eine schematische Darstellung von Sensorsichtbereichen.

Bei den im Folgenden erläuterten Ausführungsbeispielen handelt es sich um bevorzugte Ausführungsformen der Erfindung. Bei den Ausführungsbeispielen stellen die beschriebenen Komponenten der Ausführungsformen jeweils einzelne, unabhängig voneinander zu betrachtende Merkmale der Erfindung dar, welche die Erfindung jeweils auch unabhängig voneinander weiterbilden. Daher soll die Offenbarung auch andere als die dargestellten Kombinationen der Merkmale der Ausführungsformen umfassen. Des Weiteren sind die beschriebenen Ausführungsformen auch durch weitere der bereits beschriebenen Merkmale der Erfindung ergänzbar.
In den Figuren bezeichnen gleiche Bezugszeichen jeweils funktionsgleiche Elemente.
In 1 ist ein schematisch dargestelltes Kraftfahrzeug 10 mit einem System 12 zum Plausibilisieren einer Fahrzeugumgebungshypothese gemäß einer beispielhaften Ausführungsform dargestellt. Das Kraftfahrzeug 10 kann vorzugsweise ein autonomes Fahrzeug sein, das dazu ausgebildet ist, mittels vorgegebener Daten autonom zu fahren. Die vorgegebenen Daten können beispielsweise eine hochauflösende digitale Karte sein, die über ein Navigationssystem 14 des Kraftfahrzeugs 10 empfangen werden. Da nicht sichergestellt werden kann, dass die digitale Karte aktuell ist, kann das System 12 dazu ausgebildet sein, eine aus der digitalen Karte aufgestellte Fahrzeugumgebungshypothese zu plausibilisieren. Beispielsweise kann als Fahrzeugumgebungshypothese eine Fahrstreifenhypothese aufgestellt werden.
Zum Plausibilisieren der Fahrstreifenhypothese kann das System 12 eine Sensoreinrichtung 16 aufweisen, die eine Fahrzeugkamera 18, ein Radar 20 und ein Lidar 22 umfasst. Des Weiteren kann das System 12 eine Rechenvorrichtung 23 aufweisen, die die Sensormesswerte analysieren kann, insbesondere mittels einer künstlichen Intelligenz. Das System 12 ist vorzugsweise dazu ausgebildet, die in 2 dargestellten Verfahrensschritte durchzuführen, um die Fahrzeugumgebungshypothese zu plausibilisieren.
In einem Schritt S10 werden die Daten aus der digitalen Karte herangezogen, um zum Beispiel eine Fahrstreifenhypothese zu bilden. Die Fahrstreifenhypothese kann beispielsweise für eine Querführung eines hochautomatisierten Fahrsystems verwendet werden. Alternativ oder zusätzlich zu der digitalen Karte können beispielsweise auch Schwarmdaten und/oder Daten von einer künstlichen Intelligenz, insbesondere maschinell eingelernte Daten eines neuronalen Netzes, als Eingangsdaten verwendet werden, mittels denen eine Fahrzeugumgebungshypothese aufgestellt wird. Alternativ zu der Fahrstreifenhypothese können auch weitere Hypothesen aufgestellt werden, beispielsweise über Verkehrszeichen, Verkehrsregeln, insbesondere Geschwindigkeitsbegrenzungen, Überholverbote und/oder Vorfahrtsregeln, oder Haltepunkte.
In einem Schritt S12 können durch die Kamera 18, Radar 20 und Lidar 22 der Sensoreinrichtung 16 Umfeldmerkmale des Kraftfahrzeugs 10 erfasst werden, wobei die jeweiligen Sensordaten vorzugsweise in einer Sensordatenfusion fusioniert werden. Dabei können die verschiedenen Umfeldmerkmale von den unterschiedlichen Sensoren gemessen werden. Die Umfeldmerkmale können beispielsweise Verkehrszeichen, Fahrstreifenmarkierungen, Randbebauungen und Objektspuren umfassen.
In einem Schritt S14 können dann die gemessenen Umfeldmerkmale bezüglich der Plausibilität der Fahrstreifenhypothese bewertet werden. Hierbei können die Umfeldmerkmale eine unterschiedliche Bedeutung für die Bewertung der Sicherheit beziehungsweise Plausibilität der Fahrstreifenhypothese aufweisen. Beispielsweise können die verschiedenen Umfeldmerkmale verschiedene Plausibilitätskriterien bei der Relevanz bezüglich der Bewertung der Fahrstreifenhypothese haben, wie zum Beispiel für eine direkte Bewertung der Sicherheit der Hypothese, insbesondere Kreuzungen mit Randbebauungen, eine indirekte Bewertung der Sicherheit der Hypothese, zum Beispiel eine Übereinstimmung mit wahrgenommenen Fahrstreifenmarkierungen und/oder eine Bewertung der Plausibilität der Hypothese, zum Beispiel ein Abstand zu Verkehrszeichen am Fahrbahnrand. Je nach Relevanz beziehungsweise Aussagekraft des bewerteten Plausibilitätskriteriums kann diese mit unterschiedlicher Gewichtung in die Bewertung der Plausibilisierung der Fahrstreifenhypothese eingehen.
Beispielsweise können mehrere Konfidenzwerte ermittelt werden, die eine Aussage über die Plausibilität der Fahrstreifenhypothese liefern, wobei pro Umfeldmerkmal ein Konfidenzwert ermittelt werden kann, der außerdem abhängig von dem Sensortyp der Sensoreinrichtung 16 sein kann, mit dem das Umfeldmerkmal gemessen wurde. Das heißt, dass zusätzlich für jedes Umfeldmerkmal angegeben werden kann, welcher Sensor das Umfeldmerkmal bestätigt hat beziehungsweise das Umfeldmerkmal gemessen hat. Dadurch kann eine Bewertungstabelle aufgestellt werden, aus der hervorgeht, welche Sensoren und welche Umfeldmerkmale die Fahrstreifenhypothese bestätigen, wodurch eine Aussage über die Qualität und Plausibilität der Hypothese getätigt werden kann.
Als Umfeldmerkmale zur Bewertung der Fahrstreifenhypothese können beispielsweise Verkehrszeichen dienen, wobei überprüft werden kann, ob eine Anzahl der Fahrstreifen mit der Anzahl der Fahrstreifen auf dem Verkehrszeichen übereinstimmt, es kann geprüft werden, ob eine Anzahl der Fahrstreifen mit der entsprechenden Anzahl von Wechselverkehrszeichen auf einer Schilderbrücke übereinstimmt, es kann geprüft werden, ob eine Existenz eines Fahrstreifens mit einem Verkehrsschild, welches ein Fahrstreifenende abbildet, übereinstimmt, es kann geprüft werden, ob eine Existenz einer Fahrbahnverengung mit einem Verkehrsschild, welches ein Fahrstreifenende abbildet, übereinstimmt, es kann geprüft werden, ob eine Existenz einer Kurve mit einem Verkehrsschild, welches eine Kurve abbildet, übereinstimmt, es kann geprüft werden, ob erkannte Verkehrszeichen außerhalb der Fahrstreifenhypothesen positioniert sind, es kann geprüft werden, ob vorhandene Ausfahrten durch Verkehrszeichen bestätigt werden und/oder es kann geprüft werden, ob Kreisverkehre durch Verkehrszeichen bestätigt werden. Des Weiteren kann als Umfeldmerkmal eine Fahrstreifenmarkierung daraufhin geprüft werden, ob eine Anzahl der Fahrstreifen mit einer entsprechenden Anzahl der wahrgenommenen Fahrstreifenmarkierungen übereinstimmt, es kann geprüft werden, ob der Strichungstyp der Fahrstreifenhypothesen mit den Strichungstypen der wahrgenommenen Fahrstreifenmarkierungen übereinstimmt, es kann ein Verlauf von Fahrstreifenmarkierungen geprüft werden und/oder es kann geprüft werden, ob Kreuzungen mit Fahrstreifenmarkierungen erkannt werden. Des Weiteren können als Umfeldmerkmale Randbebauungen, insbesondere Kreuzungen mit Randbebauungen, wie beispielsweise Betonwänden, Bakenverläufen, Leitplanken oder Bordsteinen, erfasst werden und/oder es können als Umfeldmerkmale Objektspuren/Kolonnenspuren auf eine Parallelität der Objektspuren zu den Fahrstreifen, ein Abstand der Objektspuren zu einer Fahrstreifenmitte und zu den Grenzen und/oder eine Kreuzung von Objektspuren mit Fahrstreifenbegrenzungen überprüft werden.
Des Weiteren kann bei der Bewertung der einzelnen Umfeldmerkmale, ein Sichtbereich der Sensoren 18, 20, 22 der Sensoreinrichtung 16 berücksichtigt werden. Die Sichtbereiche der Sensoren sind beispielsweise in 3 dargestellt, wobei 3 eine schematische Draufsicht auf das Kraftfahrzeug 10 zeigt. Das Kraftfahrzeug 10 kann in diesem Ausführungsbeispiel zwei Sensoren, beispielsweise die Kamera 18 und den Radar 20, aufweisen. Zunächst einmal ergibt sich der Sichtbereich der Kamera 18 und des Radars 20 aufgrund einer Einbaulage im Kraftfahrzeug 10 und einer Spezifikation des jeweiligen Sensors, was bedeutet, dass aus der Spezifikation ein Öffnungswinkel und/oder eine Messreichweite vorgegeben sind. So kann beispielsweise die Kamera 18 einen Sichtbereich 24 aufweisen, in dem Umfeldmerkmale erkannt werden können und der Radar 20 kann einen Sichtbereich 26 aufweisen. Auch können die Kamera 18 und der Radar 20 einen Überschneidungsbereich 28 aufweisen, in dem beide Sensoren Umfeldmerkmale erkennen können. Somit können beispielsweise Umfeldmerkmale, die nur im Sichtbereich 24 auftreten, nicht von dem Radar 20 gemessen werden oder umgekehrt und Umfeldmerkmale, die in dem Überschneidungsbereich 28 auftreten, können von beiden Sensoren erfasst werden.
Zusätzlich dazu kann berücksichtigt werden, ob die Sichtbereiche beschränkt werden, beispielsweise durch ein Objekt 30, das ein weiteres Fahrzeug in der Umgebung sein kann. So können Umfeldmerkmale, die sich hinter dem Objekt 30 befinden durch keinen der Sensoren detektieren werden. Dies kann bei der Bewertung der Fahrstreifenhypothese berücksichtigt werden, zum Beispiel ob Umfeldmerkmale, die die Fahrstreifenhypothesen bestätigen oder widerlegen, überhaupt im Sichtbereich des jeweiligen Sensors liegen. Dadurch kann unterschieden werden, ob bei einem nicht bestätigten Plausibilitätskriterium das Umfeldmerkmal die Fahrzeugumgebungshypothese widerlegt oder ob das Plausibilitätskriterium nicht bestätigen werden konnte, da das Umfeldmerkmal außerhalb des aktuellen Sichtbereichs des Sensors liegt. Dies kann wiederum in der resultierenden Qualitätsbewertung der Fahrstreifenhypothese berücksichtigt werden. Eine durch ein Umfeldmerkmal fehlende Bestätigung der Fahrstreifenhypothese kann dadurch in Abhängigkeit von der Wahrnehmungsfähigkeit des Umfeldmerkmals in der aktuellen Situation unterschiedlich behandelt werden.
Schließlich kann in einem Schritt S16 die Fahrstreifenhypothese anhand der der bewerteten Umfeldmerkmale, insbesondere durch ermittelte Konfidenzwerte, plausibilisiert werden, vorzugsweise, um die Fahrstreifenhypothese zu bestätigen und diese für eine Querführung des autonomen Kraftfahrzeugs 10 zu verwenden.
Um Bewertungskriterien zu ermitteln, die als ausreichend sicher gelten, können eine Zuverlässigkeit und Konfidenz verschiedener Zustände in einer vorhergehenden Simulation ermittelt werden. Hierbei können beispielsweise Plausibilitätskriterien für verschiedene ermittelte Umfeldmerkmale simuliert werden. Dazu können Ground-Truth-Daten der Hypothesen zum Beispiel aus hochgenauen digitalen Karten oder gelabelten Daten gebildet werden, um eine Referenz zu haben. Zusätzlich können die zu bewertenden Hypothesen mithilfe von Error Injection verfälscht werden und anschließend mit den Ground-Truth-Daten bezüglich Sicherheitskritikalität bewertet werden. Durch Überprüfung der Zustände einer Bewertungstabelle bei sicherheitskritischen Ausgangshypothesen können somit die Kriterien in der Bewertungstabelle ermittelt werden, welche zu sicheren Ausgangshypothesen führen. Diese Parameter beziehungsweise Plausibilitätskriterien können statistisch durch verschiedene Fehlerfälle und Simulationen ermittelt werden.
In einem weiteren beispielhaften Aspekt ist vorgesehen, dass eine Plausibilisierung und Bewertung von a-priori-Daten beziehungsweise vorgegebenen Daten mithilfe sensorisch erfasster Umfeldmerkmale durchgeführt wird, um Sicherheitsanforderungen an das Kraftfahrzeug 10 gerecht zu werden und gleichzeitig von Vorteilen der a-priori-Daten, beispielsweise von digitalen Kartendaten, zu profitieren. Hierbei können Daten aus einer digitalen Karte herangezogen werden, um zum Beispiel Fahrstreifenhypothesen zu bilden und das resultierende Ergebnis anschließend mit Daten aus der Umfeldsensorik einer Sensoreinrichtung 16 zu vergleichen. Hierbei werden verschiedene Umfeldmerkmale, welche rein sensorisch erfasst und fusioniert werden und den Sicherheitsanforderungen an das Kraftfahrzeug 10 entsprechen, herangezogen. Für jedes dieser Umfeldmerkmale können verschiedene Kriterien, welche eine Aussage über die Plausibilität beziehungsweise die Sicherheit der Hypothese liefern, überprüft.
Umfeldmerkmale sind zum Beispiel Fahrstreifenmarkierungen, Randbebauungen, insbesondere Leitplanken, Bordsteine oder Wände, Verkehrszeichen oder Fahrzeuge inklusive derer historischen Bewegungen (Fahrzeugspuren). Für jedes Umfeldmerkmal werden Kriterien beziehungsweise Plausibilitätskriterien definiert, mithilfe derer ermittelt werden kann, ob das jeweilige Umfeldmerkmal die Fahrstreifenhypothese, welche mithilfe von den vorgegebenen Daten generiert wurde, bestätigt und somit als plausibel bewertet.
Die zu überprüfenden Plausibilitätskriterien können so gewählt werden, dass eine Verletzung eines Sicherheitsziels ausgeschlossen werden kann, wobei sich diese für die verschiedenen Umfeldmerkmale unterscheiden können. Zusätzlich kann für jedes Umfeldmerkmal angegeben werden, welcher Sensor das Umfeldmerkmal bestätigt hat beziehungsweise das Umfeldmerkmal gemessen hat. Dadurch kann eine Bewertungstabelle aufgestellt werden, in der hervorgeht, welche Sensoren und welche Umfeldmerkmale die Fahrstreifenhypothese bestätigen, wobei eine Aussage über die Qualität und Plausibilität der Hypothese getätigt werden kann.
Bestätigen genügend Sensoren und Umfeldmerkmale die Hypothese, kann diese für eine weitere Verwendung in der Fahrzeugsteuerung verwendet werden, da davon ausgegangen werden kann, dass keine Verletzung eines Sicherheitsziels erfolgt. Es erfolgt quasi eine ASIL-Aufqualifizierung einer Hypothese, welche nicht den Sicherheitsanforderungen entspricht, durch eine Plausibilisierung mit umfeldmerkmalsspezifischen Sicherheitskriterien (Plausibilitätskriterien). Eine Entscheidung, ob eine Hypothese als sicher gelten kann, kann sowohl durch harte Kriterien, welche erfüllt sein müssen, als auch durch weiche Kriterien, welche die Konfidenz der Hypothese stützen, erfolgen. Diese Konfidenz beziehungsweise Kriterien können statistische Auswertungen mit Referenzdaten (Ground Truth) im Vorfeld ermittelt werden.
Bei der Bewertung der Erfüllung der definierten Kriterien kann außerdem ein aktueller Sichtbereich der Umfeldsensoren berücksichtigt werden. Hierbei kann ein eigener Sichtbereich für jedes Umfeldmerkmal geschätzt werden, indem das Umfeldmerkmal in der aktuellen Situation sensorisch erfasst werden kann. Der Sichtbereich kann dabei in Bereiche aufgeteilt werden, in denen sich die beitragenden Sensoren unterscheiden. Somit kann für jedes Umfeldmerkmal und für jeden Sensor ein aktueller Sichtbereich geschätzt werden. Alternativ kann anstelle von jedem Sensor auch nur dann ein neuer Sichtbereich erstellt werden, wenn sich die Anzahl der Sensoren unterscheidet. Hierbei kann eine Einbaulage des Sensors, Spezifikationen des Sensors und eine Beschränkung des Sichtbereichs des Sensors durch Verdeckung in einer aktuellen Situation, zum Beispiel durch andere Fahrzeuge oder Randbebauungen, berücksichtigt werden.
Bei der Bewertung einer Fahrstreifenhypothese hinsichtlich Plausibilität mithilfe des Vergleichs mit einem Umfeldmerkmal kann berücksichtigt werden, ob die Hypothese aus den a-priori-Daten überhaupt im aktuell geschätzten Sichtbereich des Umfeldmerkmals und des Sensors liegt. Dadurch kann unterschieden werden, ob bei fehlender Bestätigung das Umfeldmerkmal oder ein Sensor die Hypothese aus den a-priori-Daten tatsächlich nicht bestätigt oder überhaupt nicht bestätigen kann, da sie außerhalb des aktuellen Sichtbereichs liegt. Dies kann wiederum in der resultierenden Qualitätsbewertung der Hypothese berücksichtigt werden.
Eine durch ein Umfeldmerkmal fehlende Bestätigung einer Hypothese wird dadurch in Abhängigkeit von der Wahrnehmungsfähigkeit des Umfeldmerkmals in der aktuellen Situation unterschiedlich behandelt.
Neben Fahrstreifenhypothesen können auch andere Hypothesen aus a-priori-Daten bewertet werden. Dies können zum Beispiel Verkehrszeichen oder Haltepunkte sein, welche durch andere Umfeldmerkmale plausibilisiert werden können. Auch Hypothesen, die durch maschinelle Lernverfahren, wie zum Beispiel neuronale Netze, generiert werden, können dadurch bewertet werden. Maschinelle Lernverfahren haben den Nachteil, dass sie in der Regel ebenfalls nicht die hohen Sicherheitsanforderungen der ASIL-Einstufung erfüllen und somit nicht für sicherheitsrelevante Funktionen, wie zum Beispiel die Querführung, verwendet werden können.
Durch die Bewertung der Umfeldmerkmale mit mehreren Sensorprinzipien kann eine Redundanz in der Bewertung erreicht werden, was eine Zuverlässigkeit erhöht. Des Weiteren wird die Bewertungsfähigkeit anhand der Wahrnehmungsfähigkeit der Sensoren und Umfeldmerkmale berücksichtigt und somit unterschieden, ob eine Hypothese nicht bestätigt wird oder aufgrund des Sichtbereichs des Sensors nicht bewertet werden kann.
Insgesamt zeigen die Beispiele, wie eine Bewertung und Plausibilisierung von Fahrzeugumgebungshypothesen, insbesondere von Fahrstreifenhypothesen, mit Hilfe von sensorbasierten Umfeldmerkmalen bereitgestellt werden kann.
ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

DE 102009060600 A1 [0004]
DE 102015214338 A1 [0005]
DE 102016215314 A1 [0006]

Claims

Verfahren zum Plausibilisieren einer Fahrzeugumgebungshypothese für ein Kraftfahrzeug (10), mit den Schritten: - Bereitstellen (S10) der Fahrzeugumgebungshypothese, welche aus vorgegebenen Daten ermittelt wird und eine Annahme über eine Umgebungseigenschaft des Kraftfahrzeugs (10) bereitstellt; - Erfassen (S12) von Umfeldmerkmalen in einer Umgebung des Kraftfahrzeugs (10) mittels einer Sensoreinrichtung (16), wobei die Sensoreinrichtung (16) eine Mehrzahl unterschiedlicher Sensoren (18, 20, 22) aufweist; - Bewerten (S14) der erfassten Umfeldmerkmale bezüglich einer Plausibilität der Fahrzeugumgebungshypothese mittels einer Überprüfung des jeweilig erfassten Umfeldmerkmals auf Vorliegen eines oder mehrerer vorbestimmter Plausibilitätskriterien, wobei die Plausibilitätskriterien von einer Art des Umfeldmerkmals und eines Sensortyps, mit dem das Umfeldmerkmal erfasst wurde, abhängen; - Plausibilisieren (S16) der Fahrzeugumgebungshypothese anhand der bewerteten Umfeldmerkmale.
Verfahren nach Anspruch 1, wobei die vorgegebenen Daten, aus denen die Fahrzeugumgebungshypothese ermittelt wird, eine digitale Karte und/oder Schwarmdaten und/oder Daten von einer künstlichen Intelligenz, insbesondere eines neuronalen Netzes, sind.
Verfahren nach einem der vorhergehenden Ansprüche, wobei bei der Überprüfung des jeweilig erfassten Umfeldmerkmals auf Vorliegen des zumindest einen Plausibilitätskriteriums ein aktueller Sichtbereich (24, 26, 28) der jeweiligen Sensoren (18, 20, 22) berücksichtigt wird.
Verfahren nach Anspruch 3, wobei eine Einbaulage des jeweiligen Sensors (18, 20, 22) und/oder eine Spezifikation des jeweiligen Sensors (18, 20, 22), insbesondere ein Öffnungswinkel und/oder eine Messreichweite, für den aktuellen Sichtbereich berücksichtigt werden.
Verfahren nach einem der Ansprüche 3 oder 4, wobei mittels einer Sensordatenfusion aktuelle Beschränkungen der Sichtbereiche (24, 26, 28) jeweiliger Sensoren (18, 20, 22) bestimmt werden, wobei die aktuellen Beschränkungen der Sichtbereiche bei der Überprüfung des jeweilig erfassten Umfeldmerkmals auf Vorliegen des zumindest einen Plausibilitätskriteriums berücksichtigt werden.
Verfahren nach einem der vorhergehenden Ansprüche, wobei die Fahrzeugumgebungshypothese als plausibel angenommen wird, falls zumindest zwei der erfassten Umfeldmerkmale die Fahrzeugumgebungshypothese mit einer vorgegebenen Konfidenz bestätigen.
Verfahren nach einem der vorhergehenden Ansprüche, wobei das zumindest eine zu prüfende Plausibilitätskriterium für das jeweilige Umfeldmerkmal mittels einer Simulation vorbestimmt wird.
Verfahren nach einem der vorhergehenden Ansprüche, wobei die Sensoreinrichtung (16) eine Fahrzeugkamera (18), einen Radar (20) und einen Lidar (22) aufweist.
System (12) zum Plausibilisieren einer Fahrzeugumgebungshypothese, umfassend eine Sensoreinrichtung (16) mit einer Mehrzahl unterschiedlicher Sensoren (18, 20, 22), die dazu ausgebildet sind, Umfeldmerkmale zu erfassen, und umfassend eine Rechenvorrichtung (23), die dazu ausgebildet ist, die erfassten Umfeldmerkmale bezüglich einer Plausibilität der Fahrzeugumgebungshypothese mittels einer Überprüfung des jeweilig erfassten Umfeldmerkmals auf Vorliegen eines oder mehrerer vorbestimmter Plausibilitätskriterien zu bewerten, wobei die Plausibilitätskriterien von einer Art des Umfeldmerkmals und eines Sensortyps, mit dem das Umfeldmerkmal erfasst wurde, abhängen, und die Fahrzeugumgebungshypothese anhand der bewerteten Umfeldmerkmale zu plausibilisieren.
Kraftfahrzeug (10) mit einem System (12) nach Anspruch 9.