DE102022122259A1 - METHOD FOR CLUSTERING DATA OBJECTS - Google Patents
METHOD FOR CLUSTERING DATA OBJECTS Download PDFInfo
- Publication number
- DE102022122259A1 DE102022122259A1 DE102022122259.4A DE102022122259A DE102022122259A1 DE 102022122259 A1 DE102022122259 A1 DE 102022122259A1 DE 102022122259 A DE102022122259 A DE 102022122259A DE 102022122259 A1 DE102022122259 A1 DE 102022122259A1
- Authority
- DE
- Germany
- Prior art keywords
- data objects
- data
- road map
- motor vehicle
- computer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000012545 processing Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
- G01C21/3822—Road feature data, e.g. slope data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3848—Data obtained from both position sensors and additional sensors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
Bereitgestellt wird ein Verfahren zum Clustern von Datenobjekten basierend auf deren Position in einer digitalen Straßenkarte. Das Verfahren umfasst ein Auswählen von allen Datenobjekten, die in der Straßenkarte auf derselben Straße wie ein Datenobjekt, von dem ausgegangen wird, angeordnet sind und von allen Datenobjekten, die in der Straßenkarte relativ zu dem Datenobjekt, von dem ausgegangen wird, so angeordnet sind, dass sie durch Überfahren einer einzigen Kreuzung erreichbar sind, und ein Clustern der ausgewählten Datenobjekte.A method is provided for clustering data objects based on their position in a digital road map. The method includes selecting all data objects that are arranged in the road map on the same street as a data object from which the starting point is, and from all data objects which are arranged in the road map relative to the data object from which the starting point is, that they can be reached by driving over a single intersection, and clustering the selected data objects.
Description
Die vorliegende Offenbarung betrifft ein Verfahren zum Clustern von Datenobjekten basierend auf deren Position in einer digitalen Straßenkarte und eine Datenverarbeitungsvorrichtung, die ausgestaltet ist, um das Verfahren zumindest teilweise auszuführen. Zusätzlich oder alternativ wird ein Computerprogramm bereitgestellt, das Befehle umfasst, die bei der Ausführung des Programms durch einen Computer diesen veranlasst, das Verfahren zumindest teilweise auszuführen. Zusätzlich oder alternativ wird ein computerlesbares Medium bereitgestellt, das Befehle umfasst, die bei der Ausführung der Befehle durch einen Computer diesen veranlassen, das Verfahren zumindest teilweise auszuführen.The present disclosure relates to a method for clustering data objects based on their position in a digital road map and a data processing device designed to at least partially carry out the method. Additionally or alternatively, a computer program is provided which includes instructions which, when the program is executed by a computer, causes it to at least partially carry out the method. Additionally or alternatively, a computer-readable medium is provided which includes instructions which, when the instructions are executed by a computer, cause it to at least partially carry out the method.
Bei einer Erkennung von Schlaglöchern oder allgemeiner beim Erlernen eines Straßenzustands können verschiedene Sensoren eines Kraftfahrzeugs verwendet werden. Ein Ansatz ist die Verwendung von Daten, die von diesen Sensoren gewonnen werden, die die Umgebung erfassen, wie Kamera, Lidar und/oder Radar, und die Verarbeitung der Daten an Bord des Kraftfahrzeugs. Diese Technik ist jedoch weder skalierbar noch für eine gesamte Kraftfahrzeugflotte anwendbar, da die Sensorik und die Rechenleistung in den Kraftfahrzeugen begrenzt sind. Folglich ist der wünschenswertere Ansatz im Hinblick auf die oben genannten Nachteile, Flottendaten (d.h. Sensordaten von einer Vielzahl von Kraftfahrzeugen) an ein Backend zu senden und diese im Backend zu verarbeiten.When detecting potholes or more generally when learning a road condition, various sensors of a motor vehicle can be used. One approach is to use data obtained from these sensors that sense the environment, such as camera, lidar and/or radar, and process the data on board the motor vehicle. However, this technology is neither scalable nor applicable to an entire fleet of vehicles because the sensors and computing power in the vehicles are limited. Consequently, the more desirable approach in view of the above-mentioned disadvantages is to send fleet data (i.e. sensor data from a variety of motor vehicles) to a backend and process it in the backend.
Daher werden Sensordaten zusammen mit Geodaten, die von einer Kraftfahrzeugflotte gesammelt und an das Backend gesendet werden, verwendet und umfangreiche Berechnungen im Backend durchgeführt, die eine Vorverarbeitung der empfangenen Daten, ein Clustering bzw. Cluster der vorverarbeiteten Daten und eine Klassifizierung der geclusterten Daten umfassen.Therefore, sensor data is used together with geospatial data collected from a motor vehicle fleet and sent to the backend, and extensive calculations are performed in the backend, which include preprocessing of the received data, clustering of the preprocessed data and classification of the clustered data.
In dem Backend werden die Daten bzw. Datenobjekte also unter anderem geclustert. Da die Anwendung verrauschte Daten enthält und die Anzahl der Cluster unbekannt sind, kann das dichtebasierte Clustering verwendet werden. Der bekannteste Vertreter dieser Technik ist der so genannte DBSCAN (engl. für Density Based Spatial Clustering of Applications with Noise) von Ester et al. (Ester, M., Kriegel, H.-P., Sander, J., 8 Xu, X. (1996). A Density-Based Algorithm for Discovering Clusters. https://doi.org/10.1016/B978-044452701-1.00067-3), der in der Lage ist, beliebig geformte Cluster zu bilden. Dies ist ein grundlegender Unterschied zu z.B. K-means, mit dem nur kreisförmige Cluster finden gefunden werden kann und dabei nur einen einzigen Parameter (den Mittelwert) verwendet. Dichtebasierte Algorithmen wurden entwickelt, um nicht nur beliebig geformte Cluster zu identifizieren, sondern auch mit Rauschen umzugehen. Das Ziel der Entwickler des DBSCAN war es, einen Algorithmus für das Clustering verrauschter Daten beliebiger Form in räumlichen und nicht-räumlichen hochdimensionalen Datenbanken zu entwickeln. Grundidee des DBSCANs ist die so genannte Eps-Nachbarschaft. Die Idee dahinter ist, dass jeder Punkt eine Mindestanzahl von Punkten (MinPts) innerhalb eines Radius (Eps) haben muss. Außerdem gibt es beim DBSCAN verschiedene Arten von Punkten, nämlich Kernpunkte, Randpunkte und Ausreißer (auch Rauschen genannt). Ein Kernpunkt wird durch seine Eps-Nachbarschaft definiert. Genauer gesagt ist ein Punkt ein Kernpunkt, wenn seine Dichte größer oder gleich dem definierten Schwellenwert MinPts ist. Wenn dieses Kriterium nicht erfüllt ist, muss der Punkt jedoch nicht unbedingt ein Ausreißer sein. Wenn ein Punkt, der in erster Linie als Rauschen betrachtet wird, einen Kernpunkt in seiner Eps-Nachbarschaft hat, dann wird der Punkt zu einem so genannten Grenzpunkt umetikettiert. Der DBSCAN sucht nach Clustern, indem er über jeden Punkt im Datensatz iteriert und die Eps-Nachbarschaft des entsprechenden Punktes untersucht. Wenn die Nachbarschaft mehr benachbarte Punkte umfasst als der vordefinierte Schwellenwert MinPts, wird ein neuer Cluster mit dem Kernpunkt p initialisiert.In the backend, the data or data objects are clustered, among other things. Since the application contains noisy data and the number of clusters is unknown, density-based clustering can be used. The best-known representative of this technique is the so-called DBSCAN (Density Based Spatial Clustering of Applications with Noise) by Ester et al. (Ester, M., Kriegel, H.-P., Sander, J., 8 Xu, X. (1996). A Density-Based Algorithm for Discovering Clusters. https://doi.org/10.1016/B978-044452701 -1.00067-3), which is capable of forming arbitrarily shaped clusters. This is a fundamental difference to e.g. K-means, which can only find circular clusters using only a single parameter (the mean). Density-based algorithms have been developed to not only identify arbitrarily shaped clusters but also to deal with noise. The goal of the developers of DBSCAN was to develop an algorithm for clustering noisy data of any shape in spatial and non-spatial high-dimensional databases. The basic idea of DBSCAN is the so-called Eps neighborhood. The idea is that each point must have a minimum number of points (MinPts) within a radius (Eps). There are also different types of points in DBSCAN, namely core points, edge points and outliers (also called noise). A key point is defined by its Eps neighborhood. More specifically, a point is a core point if its density is greater than or equal to the defined threshold MinPts. However, if this criterion is not met, the point does not necessarily have to be an outlier. If a point that is primarily considered noise has a core point in its Eps neighborhood, then the point is relabeled as a so-called boundary point. The DBSCAN searches for clusters by iterating over each point in the data set and examining the Eps neighborhood of the corresponding point. If the neighborhood includes more neighboring points than the predefined threshold MinPts, a new cluster is initialized with the core point p.
Der reguläre DBSCAN weist in verschiedener Hinsicht Nachteile auf, wie z.B. bei unterschiedlichen Dichten sowie bei großen Datensätzen und der fehlenden Möglichkeit, Straßenbeschränkungen zu berücksichtigen. Die ersten beiden haben dazu geführt, dass für die Aufgabe der Erkennung von Straßenzuständen aus den Sensordaten kein regulärer DBSCAN verwendet wird, sondern ein iterativer Ansatz, der auf den einzelnen Segmenten, also beispielsweise einem zwischen zwei Kreuzungen angeordneten Straßenabschnitt, arbeitet. Doch auch wenn dieser iterative Ansatz in vielerlei Hinsicht gut funktioniert, hat er auch gewisse Nachteile. Einer davon, der für die endgültige Anwendung oder genauer gesagt für die nachfolgende Klassifizierung sehr schwerwiegend sein kann, ist das z.B. Verhalten an Kreuzungen, genauer gesagt, wenn die Cluster über ein Segment hinausgehen.The regular DBSCAN has disadvantages in various respects, such as different densities as well as large data sets and the inability to take road restrictions into account. The first two have led to the fact that no regular DBSCAN is used for the task of recognizing road conditions from the sensor data, but rather an iterative approach that works on the individual segments, for example a road section arranged between two intersections. However, although this iterative approach works well in many ways, it also has certain disadvantages. One of them that can be very serious for the final application or more precisely for the subsequent classification is, for example, the behavior at intersections, more precisely when the clusters go beyond a segment.
Daher kann eines der Ziele dieser Offenbarung darin bestehen, die Genauigkeit und die Gesamtleistung beim Erlernen von Straßenbedingungen im Zusammenhang mit dem assistierten Fahren zu verbessern.Therefore, one of the goals of this disclosure may be to improve the accuracy and overall performance in learning road conditions associated with assisted driving.
Gelöst wird die Aufgabe durch die Merkmale des unabhängigen Anspruchs. Die Unteransprüche haben bevorzugte Weiterbildungen der Erfindung zum Inhalt.The task is solved by the features of the independent claim. The subclaims contain preferred developments of the invention.
Danach wird die Aufgabe durch ein Verfahren zum Clustern von Datenobjekten basierend auf deren Position in einer digitalen Straßenkarte gelöst.The task is then solved by a method for clustering data objects based on their position in a digital road map.
Das Verfahren dient zur Berechnung bzw. Bestimmung einer Gruppierung von Datenobjekten und kann auch als computer-implementierte Clusteranalyse bezeichnet werden.The method is used to calculate or determine a grouping of data objects and can also be referred to as computer-implemented cluster analysis.
Bei dem Verfahren kann es sich um ein computer-implementiertes Verfahren handeln, d.h. einer, mehrere oder alle Schritte des Verfahrens können zumindest teilweise von einer Vorrichtung zur Datenverarbeitung bzw. einem Computer durchgeführt werden.The method can be a computer-implemented method, i.e. one, several or all steps of the method can be carried out at least partially by a data processing device or a computer.
Das Verfahren umfasst ein Auswählen von allen Datenobjekten, die in der Straßenkarte auf derselben Straße wie ein Datenobjekt, von dem ausgegangen wird, angeordnet sind und von allen Datenobjekten, die in der Straßenkarte relativ zu dem Datenobjekt, von dem ausgegangen wird, so angeordnet sind, dass sie durch Überfahren einer einzigen Kreuzung erreichbar sind.The method includes selecting all data objects that are arranged in the road map on the same street as a data object from which the starting point is, and from all data objects which are arranged in the road map relative to the data object from which the starting point is, that they can be reached by driving through a single intersection.
Das Verfahren umfasst ferner ein Clustern der ausgewählten Datenobjekte.The method further includes clustering the selected data objects.
Unter Clustern kann vorliegend das Zusammenfassen mehrere Datenobjekte in eine Gruppe verstanden werden bzw. das Feststellen, dass ein Datenobjekt zusammen mit anderen Datenobjekte eine Gruppe bildet oder nicht.In the present case, clustering can be understood as combining several data objects into a group or determining whether a data object forms a group together with other data objects or not.
Um die oben mit Bezug zum im Stand der Technik verwendeten Clustering-Techniken beschriebenen Nachteile zu überwinden, wird offenbarungsgemäß vorgeschlagen, zum Clustern eine netzwerkraumbeschränkten Clustering-Technik zu verwenden, die nicht nur die Beschränkungen durch das Straßennetz selbst, sondern auch durch die Aufgabe berücksichtigt. Dadurch wird unter anderem die Berechnungszeit bei gleichbleibender Rechenleistung verkürzt.In order to overcome the disadvantages described above with reference to the clustering techniques used in the prior art, it is proposed according to the disclosure to use a network space-limited clustering technique for clustering, which takes into account not only the restrictions imposed by the road network itself, but also by the task. Among other things, this shortens the calculation time while maintaining the same computing power.
Nachfolgend werden mögliche Weiterbildungen des oben beschriebenen Verfahrens weiter im Detail erläutert.Possible further developments of the method described above are explained in further detail below.
Denkbar ist, dass nur solche Datenobjekte ausgewählt werden, die sich in der Straßenkarte in einem Bereich einer vorbestimmten Größe um das Datenobjekt, von dem ausgegangen wird, befinden.It is conceivable that only those data objects are selected that are located in the road map in an area of a predetermined size around the data object from which the starting point is.
Die Größe eines Clusters und/oder eine Anzahl von Cluster kann in Abhängigkeit einer Anzahl von Datenobjekten in einer Umgebung des Datenobjekts, von dem ausgegangen wird, in der Straßenkarte variieren. Dabei kann die Größe des Clusters abhängig von der Dichte der Datenobjekte innerhalb des Bereichs sein. Dabei kann die Größe des Clusters iterativ angepasst werden: Sind die Cluster zu groß, werden Parameter iterativ angepasst, um vergleichsweise große Cluster zu teilen. Die Größe des Bereichs ist dabei abhängig von einer Größe eines Segments, also eines Fahrbahnabschnitts zwischen zwei Kreuzungen, und/oder unabhängig von der Dichte der Datenobjekte.The size of a cluster and/or a number of clusters may vary in the road map depending on a number of data objects in an environment of the data object from which it is assumed. The size of the cluster can depend on the density of data objects within the area. The size of the cluster can be adjusted iteratively: If the clusters are too large, parameters are adjusted iteratively in order to divide comparatively large clusters. The size of the area depends on the size of a segment, i.e. a section of road between two intersections, and/or independently of the density of the data objects.
Die Datenobjekte können eine Information über eine Fahrtrichtung von einem Kraftfahrzeug aufweisen, von dem sie aufgenommen wurden. Denkbar ist, dass nur solche Datenobjekte ausgewählt werden, deren Fahrtrichtung mit einer Fahrtrichtung des Datenobjekts, von dem ausgegangen wird, übereinstimmen.The data objects can contain information about the direction of travel of a motor vehicle from which they were recorded. It is conceivable that only those data objects are selected whose direction of travel corresponds to a direction of travel of the data object from which the starting point is.
Das Clustern kann dichtebasiert erfolgen. Die Ausführungen zum oben beschriebenen DBSCAN gelten für das reine Clustern an sich analog.Clustering can be density based. The comments on DBSCAN described above apply analogously to pure clustering.
Das Verfahren kann ein Klassifizieren der geclusterten Datenobjekte und ein Speichern der klassifizierten, geclusterten Datenobjekte in der Straßenkarte umfassen.The method may include classifying the clustered data objects and storing the classified, clustered data objects in the road map.
Das Verfahren kann ein Bereitstellen der Straßenkarte mit den darin gespeicherten, geclusterten Datenobjekte an ein Kraftfahrzeug umfassen.The method may include providing the road map with the clustered data objects stored therein to a motor vehicle.
Denkbar ist, dass das Kraftfahrzeug die bereitgestellte Straßenkarte nutzt, um in Abhängigkeit einer aktuellen Position des Kraftfahrzeugs und der in der Straßenkarte gespeicherten, geclusterten Datenobjekte einen Warnhinweis an einen Fahrer des Kraftfahrzeugs auszugeben und/oder eine Quer- und/oder Längsführung des Kraftfahrzeugs, insbesondere automatisiert, anzupassen. Damit können auch das Fahrwerk betreffende Parameter angepasst werden.It is conceivable that the motor vehicle uses the road map provided to issue a warning to a driver of the motor vehicle and/or a transverse and/or longitudinal guidance of the motor vehicle, in particular, depending on a current position of the motor vehicle and the clustered data objects stored in the road map automated, adaptable. This means that parameters relating to the chassis can also be adjusted.
Bei dem Kraftfahrzeug kann es sich um einen Personenkraftwagen, insbesondere ein Automobil, oder ein Nutzfahrzeug, wie einen Lastkraftwagen, handeln. Das Kraftfahrzeug kann ausgestaltet sein, um eine Längsführung und/oder eine Querführung bei einem automatisierten Fahren des Kraftfahrzeugs zumindest teilweise und/oder zumindest zeitweise zu übernehmen. Das automatisierte Fahren kann so erfolgen, dass die Fortbewegung des Kraftfahrzeugs (weitgehend) autonom erfolgt.The motor vehicle can be a passenger car, in particular an automobile, or a commercial vehicle, such as a truck. The motor vehicle can be designed to at least partially and/or at least temporarily take over longitudinal guidance and/or transverse guidance during automated driving of the motor vehicle. Automated driving can be carried out in such a way that the movement of the motor vehicle is (largely) autonomous.
Das Kraftfahrzeug kann ein Kraftfahrzeug der Autonomiestufe 0 sein, d.h. der Fahrer übernimmt die dynamische Fahraufgabe, auch wenn unterstützende Systeme (z. B. ABS oder ESP) vorhanden sind.The motor vehicle can be a motor vehicle with autonomy level 0, i.e. the driver takes over the dynamic driving task, even if supporting systems (e.g. ABS or ESP) are present.
Das Kraftfahrzeug kann ein Kraftfahrzeug der Autonomiestufe 1 sein, d.h. bestimmte Fahrerassistenzsysteme aufweisen, die den Fahrer bei der Fahrzeugbedienung unterstützen, wie beispielsweise der Abstandsregeltempomat (ACC).The motor vehicle can be a motor vehicle with
Das Kraftfahrzeug kann ein Kraftfahrzeug der Autonomiestufe 2 sein, d.h. so teilautomatisiert sein, dass Funktionen wie automatisches Einparken, Spurhalten bzw. Querführung, allgemeine Längsführung, Beschleunigen und/oder Abbremsen von Fahrerassistenzsystemen übernommen werden.The motor vehicle can be a motor vehicle of
Das Kraftfahrzeug kann ein Kraftfahrzeug der Autonomiestufe 3 sein, d.h. so bedingungsautomatisiert, dass der Fahrer das System Fahrzeug nicht durchgehend überwachen muss. Das Kraftfahrzeug führt selbstständig Funktionen wie das Auslösen des Blinkers, Spurwechsel und/oder Spurhalten durch. Der Fahrer kann sich anderen Dingen zuwenden, wird aber bei Bedarf innerhalb einer Vorwarnzeit vom System aufgefordert die Führung zu übernehmen.The motor vehicle can be a motor vehicle of
Das Kraftfahrzeug kann ein Kraftfahrzeug der Autonomiestufe 4 sein, d.h. so hochautomatisiert, dass die Führung des Fahrzeugs dauerhaft vom System Fahrzeug übernommen wird. Werden die Fahraufgaben vom System nicht mehr bewältigt, kann der Fahrer aufgefordert werden, die Führung zu übernehmen.The motor vehicle can be a motor vehicle with
Das Kraftfahrzeug kann ein Kraftfahrzeug der Autonomiestufe 5 sein, d.h. so vollautomatisiert, dass der Fahrer zum Erfüllen der Fahraufgabe nicht erforderlich ist. Außer dem Festlegen des Ziels und dem Starten des Systems ist kein menschliches Eingreifen erforderlich. Das Kraftfahrzeug kann ohne Lenkrad und Pedale auskommen.The motor vehicle can be a motor vehicle with
Ferner wird eine Datenverarbeitungsvorrichtung bzw. ein System zur Datenverarbeitung, z.B. umfassend ein Steuergerät für ein Kraftfahrzeug und/oder ein zum Kraftfahrzeug verbundenes Backend, bereitgestellt, wobei die Datenverarbeitungsvorrichtung dazu eingerichtet ist, das oben beschriebene Verfahren zumindest teilweise aus- bzw. durchzuführen.Furthermore, a data processing device or a system for data processing, e.g. comprising a control device for a motor vehicle and/or a backend connected to the motor vehicle, is provided, wherein the data processing device is set up to at least partially implement or carry out the method described above.
Das Steuergerät kann Teil eines Fahrassistenzsystems sein oder dieses darstellen. Bei dem Steuergerät kann es sich beispielsweise um eine elektronische Steuereinheit bzw. ein elektronisches Steuergerät (engl. ECU = electronic control unit) handeln. Das elektronische Steuergerät kann eine intelligente prozessor-gesteuerte Einheit sein, die z.B. über ein Central Gateway (CGW) mit anderen Modulen kommunizieren kann und die ggf. über Feldbusse, wie den CAN-Bus, LIN-Bus, MOST-Bus und FlexRay oder über Automotive-Ethernet, z.B. zusammen mit Telematiksteuergeräten das Fahrzeugbordnetz bilden kann. Denkbar ist, dass das Steuergerät für das Fahrverhalten des Kraftfahrzeugs relevante Funktionen, wie die Motorsteuerung, die Kraftübertragung, das Bremssystem und/oder das Reifendruck-Kontrollsystem, steuert. Außerdem können Fahrerassistenzsysteme, wie beispielsweise ein Parkassistent, eine angepasste Geschwindigkeitsregelung (ACC, engl. Adaptive cruise control), ein Spurhalteassistent, ein Spurwechselassistent, eine Verkehrszeichenerkennung, eine Lichtsignalerkennung, ein Anfahrassistent, ein Nachtsichtassistent und/oder ein Kreuzungsassistent, von dem Steuergerät gesteuert werden.The control unit can be part of or represent a driving assistance system. The control device can be, for example, an electronic control unit or an electronic control unit (ECU = electronic control unit). The electronic control unit can be an intelligent processor-controlled unit that can communicate with other modules, for example via a central gateway (CGW) and, if necessary, via field buses such as the CAN bus, LIN bus, MOST bus and FlexRay or via Automotive Ethernet, e.g. together with telematics control devices, can form the vehicle on-board network. It is conceivable that the control unit controls functions relevant to the driving behavior of the motor vehicle, such as the engine control, the power transmission, the braking system and/or the tire pressure monitoring system. In addition, driver assistance systems, such as a parking assistant, an adapted cruise control (ACC), a lane keeping assistant, a lane change assistant, traffic sign recognition, light signal recognition, a starting assistant, a night vision assistant and/or an intersection assistant, can be controlled by the control unit .
Bei dem Backend kann es sich um jegliche kraftfahrzeugexterne Datenverarbeitungsvorrichtung, z.B. eine Cloudkomponente, handeln. Das Backend kann ausgestaltet sein, um drahtlos, z.B. über Car2X, mit dem Steuergerät des Kraftfahrzeugs zu kommunizieren.The backend can be any data processing device external to the vehicle, e.g. a cloud component. The backend can be designed to communicate wirelessly, for example via Car2X, with the control unit of the motor vehicle.
Das Steuergerät kann ausgestaltet sein, um Beschleunigungswerte, insbesondere bezogen auf eine Vertikalbeschleunigung, Geschwindigkeitswerte und/oder Positionen, an denen die Beschleunigungswerte bzw. die Geschwindigkeitswerte erfasst wurden, des Kraftfahrzeugs zu ermitteln und diese an das Backend zu senden.The control device can be designed to determine acceleration values, in particular based on vertical acceleration, speed values and / or positions at which the acceleration values or the speed values were recorded, of the motor vehicle and to send these to the backend.
Das Backend kann diese Informationen nutzen, um daraus die Datenobjekte zu erstellen und in die Straßenkarte einzufügen und basierend darauf das oben beschriebene Verfahren auszuführen.The backend can use this information to create the data objects and insert them into the road map and, based on this, carry out the procedure described above.
Genauer gesagt kann die Verarbeitung im Backend im Wesentlichen in vier aufeinanderfolgende Schritte erfolgen. In einem ersten Schritt können die vom Kraftfahrzeug empfangenen Daten vorverarbeitet werden. Dabei kann ein Rauschen herausgefiltert werden und dann ein sog. Map Matching durchgeführt werden, das den Prozess des Abgleichens von dem Kraftfahrzeug empfangenen Georaum-Rohdaten mit einem Lanelet-Netzwerk beschreibt. Danach liegt eine digitale Straßenkarte vor, in der die Daten bzw. die Datenobjekte entsprechend deren Georaum-Rohdaten bzw. Position, an der diese von dem Kraftfahrzeug erfasst wurden, abgespeichert bzw. enthalten sind. Anschließend werden die Daten mit dem oben beschriebenen Verfahren geclustert, um Cluster zu erzeugen, die Daten bzw. Datenobjekte enthalten, die wahrscheinlich von demselben Objekt (z.B. von einem Schlagloch) stammen bzw. bedingt wurden. Im dritten Schritt kann eine Klassifizierung der Cluster vorgenommen werden, um nicht nur die Art des Objekts zu bezeichnen, sondern auch zu definieren, ob vor einem bestimmten Cluster der Klasse X in dem Kraftfahrzeug gewarnt werden soll. Schließlich können die Ergebnisse, d.h. die klassifizierten Cluster, in dem vierten Schritt wieder in der digitalen Straßenkarte gespeichert werden, so dass ein Fahrzeug, das ein Gebiet befährt, die relevanten Informationen über den Straßenzustand sowie die Standorte der gefundenen Ereignisse herunterladen kann. Wenn ein Fahrzeug dann ein solches Ereignis durchfährt, kann der Fahrer gewarnt werden, um ihn über das bevorstehende Ereignis zu informieren.More specifically, backend processing can essentially be done in four sequential steps. In a first step, the data received from the motor vehicle can be preprocessed. Noise can be filtered out and so-called map matching can then be carried out, which describes the process of comparing raw geospatial data received from the motor vehicle with a lanelet network. There is then a digital road map in which the data or data objects are stored or contained according to their geospatial raw data or position at which they were recorded by the motor vehicle. The data is then clustered using the method described above to create clusters that contain data or data objects that are likely to come from the same object (e.g. a pothole). In the third step, a classification of the clusters can be carried out in order not only to designate the type of object, but also to define whether a specific class X cluster in the motor vehicle should be warned about. Finally, the results, i.e. the classified clusters, can be in the The fourth step is to be saved again in the digital road map so that a vehicle traveling through an area can download the relevant information about the road condition and the locations of the events found. Then, when a vehicle passes through such an event, the driver can be alerted to inform them of the upcoming event.
Das oben mit Bezug zum Verfahren Beschriebene gilt analog auch für die Datenverarbeitungsvorrichtung und umgekehrt.What has been described above with reference to the method also applies analogously to the data processing device and vice versa.
Ferner wird ein Computerprogramm, umfassend Befehle, die bei der Ausführung des Programms durch einen Computer diesen veranlassen, das oben beschriebene Verfahren zumindest teilweise aus- bzw. durchzuführen, bereitgestellt.Furthermore, a computer program is provided, comprising commands which, when the program is executed by a computer, cause it to at least partially execute or carry out the method described above.
Ein Programmcode des Computerprogramms kann in einem beliebigen Code vorliegen, insbesondere in einem Code, der für Steuerungen von Kraftfahrzeugen und/oder einem Betrieb eines Backends geeignet ist.A program code of the computer program can be in any code, in particular in a code that is suitable for controlling motor vehicles and/or operating a backend.
Das oben mit Bezug zum Verfahren und zur Datenverarbeitungsvorrichtung Beschriebene gilt analog auch für das Computerprogramm und umgekehrt.What has been described above with reference to the method and the data processing device also applies analogously to the computer program and vice versa.
Ferner wird ein computerlesbares Medium, insbesondere ein computerlesbares Speichermedium, bereitgestellt. Das computerlesbare Medium umfasst Befehle, die bei der Ausführung der Befehle durch einen Computer diesen veranlassen, das oben beschriebene Verfahren zumindest teilweise auszuführen.Furthermore, a computer-readable medium, in particular a computer-readable storage medium, is provided. The computer-readable medium includes instructions that, when executed by a computer, cause the computer to at least partially carry out the method described above.
Das heißt, es kann ein computerlesbares Medium bereitgestellt werden, das ein oben definiertes Computerprogramm umfasst.That is, a computer-readable medium may be provided that includes a computer program as defined above.
Bei dem computerlesbaren Medium kann es sich um ein beliebiges digitales Datenspeichergerät handeln, wie zum Beispiel einen USB-Stick, eine Festplatte, eine CD-ROM, eine 5D-Karte oder eine SSD-Karte.The computer-readable medium can be any digital data storage device, such as a USB flash drive, hard drive, CD-ROM, 5D card, or SSD card.
Das Computerprogramm muss nicht zwingend auf einem solchen computerlesbaren Speichermedium gespeichert sein, sondern kann auch über das Internet oder anderweitig extern bezogen werden.The computer program does not necessarily have to be stored on such a computer-readable storage medium, but can also be obtained externally via the Internet or elsewhere.
Das oben mit Bezug zum Verfahren, zur Datenverarbeitungsvorrichtung und zum Computerprogramm Beschriebene gilt analog auch für das computerlesbare Medium und umgekehrt.What has been described above with reference to the method, the data processing device and the computer program also applies analogously to the computer-readable medium and vice versa.
Nachfolgend wird eine Ausführungsform mit Bezug zu
-
1 zeigt schematisch ein Kraftfahrzeug und ein Backend, die bidirektional Daten bzw. Informationen austauschen, und -
2 zeigt schematisch eine Straßenkarte mit Datenobjekten, auf die das Verfahren angewandt wird, und -
3 zeigt schematisch ein Ablaufdiagramm eines Verfahrens zum Clustern von Datenobjekten basierend auf deren Position in einer digitalen Straßenkarte.
-
1 schematically shows a motor vehicle and a backend that exchange data or information bidirectionally, and -
2 shows schematically a road map with data objects to which the method is applied, and -
3 schematically shows a flowchart of a method for clustering data objects based on their position in a digital road map.
In
Wie sich aus dem in
In dem ersten Schritt S1 des Verfahrens erfasst das Kraftfahrzeug 1 Sensordaten in einem oder mehreren Datenobjekten (umfassend Informationen wie eine Geo-Position des Kraftfahrzeugs 1, eine Geschwindigkeitsinformation betreffend des Kraftahrzeug 1 und/oder eine (optional Vertikal-) Beschleunigung) zusammen und sendet das bzw. die Datenobjekte 2 an das Backend 3.In the first step S1 of the method, the
In einem zweiten Schritt S2 des Verfahrens erfolgt ein sog. Map Matching bzw. ein Kartenabgleich oder Karteneinpassung, bei dem bzw. der die durch eine Ortung gemessene Position des Kraftfahrzeugs 1, die jeweils in den an dem Backend 3 empfangenen Datenobjekten 2 enthalten ist, mit den Ortsinformationen der digitalen Straßenkarte abgeglichen wird, wobei die empfangenen Datenobjekte 2 jeweils an der dadurch ermittelten Stelle bzw. Position in der digitalen Straßenkarte 4 hinterlegt bzw. gespeichert werden.In a second step S2 of the method, a so-called map matching or a map comparison or map fitting takes place, in which the position of the
In dem dritten Schritt S3 des Verfahrens erfolgt ein Auswählen von allen Datenobjekten 2, die in der Straßenkarte 4 auf derselben Straße wie ein Datenobjekt 2 (in
In dem vierten Schritt S4 des Verfahrens erfolgt ein Clustern unter Nutzung dichtebasierter Clustertechniken der ausgewählten Datenobjekte 2, um so ein Cluster 7 zu erhalten.In the fourth step S4 of the method, clustering takes place using density-based clustering techniques of the selected
In einem fünften Schritt S5 des Verfahrens erfolgt ein Klassifizieren der geclusterten Datenobjekte 2 und ein Speichern der klassifizierten, geclusterten Datenobjekte 2 bzw. der Information über die Klasse und dem Cluster 7, dem das Datenobjekt 2 angehört, in der Straßenkarte 4.In a fifth step S5 of the method, the clustered data objects 2 are classified and the classified, clustered data objects 2 or the information about the class and the cluster 7 to which the
In einem sechsten Schritt S6 des Verfahrens wird die in dem fünften Schritt S5 erhaltene Straßenkarte 4 dem Kraftfahrzeug 1 bereitgestellt.In a sixth step S6 of the method, the
In einem siebten Schritt S7 des Verfahrens erfolgt ein Steuern des Betriebs des Kraftfahrzeugs 1 basierend auf der in dem sechsten Schritt S6 erhaltenen Straßenkarte 4.In a seventh step S7 of the method, the operation of the
BezugszeichenlisteReference symbol list
- 11
- Kraftfahrzeugmotor vehicle
- 22
- Datenobjekt(e)Data object(s)
- 33
- BackendBackend
- 44
- digitale Straßenkartedigital road map
- 55
- KreuzungCrossing
- 66
- Fenster bzw. BereichWindow or area
- 77
- Cluster Clusters
- S1 - S7S1 - S7
- Schritte des VerfahrensSteps of the procedure
Claims (10)
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102022122259.4A DE102022122259A1 (en) | 2022-09-02 | 2022-09-02 | METHOD FOR CLUSTERING DATA OBJECTS |
PCT/EP2023/070465 WO2024046657A1 (en) | 2022-09-02 | 2023-07-24 | Method for clustering data objects |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102022122259.4A DE102022122259A1 (en) | 2022-09-02 | 2022-09-02 | METHOD FOR CLUSTERING DATA OBJECTS |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102022122259A1 true DE102022122259A1 (en) | 2024-03-07 |
Family
ID=87514396
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102022122259.4A Pending DE102022122259A1 (en) | 2022-09-02 | 2022-09-02 | METHOD FOR CLUSTERING DATA OBJECTS |
Country Status (2)
Country | Link |
---|---|
DE (1) | DE102022122259A1 (en) |
WO (1) | WO2024046657A1 (en) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102005014761A1 (en) | 2005-03-31 | 2006-10-05 | Siemens Ag | Method for arranging object data in electronic cards |
WO2014173455A1 (en) | 2013-04-26 | 2014-10-30 | Siemens Aktiengesellschaft | Method for assigning an object to a group |
DE102015209055A1 (en) | 2015-05-18 | 2016-11-24 | Bayerische Motoren Werke Aktiengesellschaft | Method and device for determining signal groups at intersection entrances of an intersection with a traffic signal system for use in driver assistance systems |
DE102017116360A1 (en) | 2016-07-20 | 2018-01-25 | Harman Becker Automotive Systems Gmbh | CLUSTERING OF RECORDINGS OF OBJECTS ALONG STREAMS FOR NAVIGATION-RELATED PROCESSES |
DE102020211017B3 (en) | 2020-09-01 | 2021-09-16 | Volkswagen Aktiengesellschaft | Assignment of traffic lights to associated lanes |
DE102020118629A1 (en) | 2020-07-15 | 2022-01-20 | Bayerische Motoren Werke Aktiengesellschaft | Computer-implemented method for determining the validity of an estimated position of a vehicle |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11023752B2 (en) * | 2018-08-29 | 2021-06-01 | Here Global B.V. | Method and system for learning about road signs using hierarchical clustering |
-
2022
- 2022-09-02 DE DE102022122259.4A patent/DE102022122259A1/en active Pending
-
2023
- 2023-07-24 WO PCT/EP2023/070465 patent/WO2024046657A1/en unknown
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102005014761A1 (en) | 2005-03-31 | 2006-10-05 | Siemens Ag | Method for arranging object data in electronic cards |
WO2014173455A1 (en) | 2013-04-26 | 2014-10-30 | Siemens Aktiengesellschaft | Method for assigning an object to a group |
DE102015209055A1 (en) | 2015-05-18 | 2016-11-24 | Bayerische Motoren Werke Aktiengesellschaft | Method and device for determining signal groups at intersection entrances of an intersection with a traffic signal system for use in driver assistance systems |
DE102017116360A1 (en) | 2016-07-20 | 2018-01-25 | Harman Becker Automotive Systems Gmbh | CLUSTERING OF RECORDINGS OF OBJECTS ALONG STREAMS FOR NAVIGATION-RELATED PROCESSES |
DE102020118629A1 (en) | 2020-07-15 | 2022-01-20 | Bayerische Motoren Werke Aktiengesellschaft | Computer-implemented method for determining the validity of an estimated position of a vehicle |
DE102020211017B3 (en) | 2020-09-01 | 2021-09-16 | Volkswagen Aktiengesellschaft | Assignment of traffic lights to associated lanes |
Also Published As
Publication number | Publication date |
---|---|
WO2024046657A1 (en) | 2024-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102015105206B4 (en) | Method and system for detecting, tracking and estimating stationary roadside objects | |
DE102020119541A1 (en) | DETECTING VEHICLE OPERATING CONDITIONS | |
DE112018000448T5 (en) | System and method for automatic trailer detection | |
DE102019111368A1 (en) | DETERMINING VEHICLE DRIVING BEHAVIOR | |
DE102020108127A1 (en) | INTERPRETING DATA FROM A REINFORCEMENT LEARNING AGENT CONTROL | |
DE102013207905A1 (en) | A method for efficiently providing occupancy information about portions of the environment of a vehicle | |
DE102022205744A1 (en) | Ultrasonic system and method for reconfiguring a machine learning model used in a vehicle | |
DE102010004057B4 (en) | Methods and systems for monitoring vehicle movement | |
DE102022122259A1 (en) | METHOD FOR CLUSTERING DATA OBJECTS | |
DE102019217586A1 (en) | Determination of a discrete representation of a road section in front of a vehicle | |
WO2021001460A1 (en) | Determining the state of body components | |
WO2021093955A1 (en) | Determining a discrete representation of a roadway section in front of a vehicle | |
DE102022111324A1 (en) | Method for data fusion for a motor vehicle, computer program, data processing device and motor vehicle | |
DE102022115463A1 (en) | METHOD AND DEVICE FOR OPERATING A MOTOR VEHICLE | |
DE102022114449A1 (en) | METHOD AND DEVICE FOR SETTING AN OPERATING STATE OF A DRIVING ASSISTANCE SYSTEM | |
DE102022111731B3 (en) | Method for an automated motor vehicle for determining a motorway junction, computer program, data processing device and motor vehicle | |
DE102022129912A1 (en) | CONTROL DEVICE AND METHOD FOR CONTROLLING OPERATION OF A MOTOR VEHICLE | |
AT524759B1 (en) | Driving assistance method and driving assistance system | |
DE102020107282B4 (en) | Method for decision-making for a driver assistance system for automated driving of a vehicle | |
DE102022108182A1 (en) | Method for operating an automated motor vehicle, computer program, control device and motor vehicle | |
DE102022112377A1 (en) | Method for setting a target distance of a motor vehicle to a vehicle in front, computer program, control device and motor vehicle | |
DE102022118054A1 (en) | METHOD AND DEVICE FOR OPERATING A MOTOR VEHICLE | |
DE102022111182A1 (en) | METHOD AND DEVICE FOR CONTROLLING A COLLECTION OF VEHICLE ENVIRONMENTAL DATA COLLECTED BY MEANS OF A SENSOR SYSTEM BUILT ON A VEHICLE | |
DE102022104930A1 (en) | METHOD AND DEVICE FOR CONTROLLING THE SPEED OF AN AUTOMATED MOTOR VEHICLE | |
DE102022116993A1 (en) | METHOD FOR DETERMINING A CONDITION OF A VEHICLE |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R163 | Identified publications notified |