WO2021094136A1 - Verfahren zum betreiben einer autonomen fahrfunktion eines fahrzeugs - Google Patents

Verfahren zum betreiben einer autonomen fahrfunktion eines fahrzeugs Download PDF

Info

Publication number
WO2021094136A1
WO2021094136A1 PCT/EP2020/080801 EP2020080801W WO2021094136A1 WO 2021094136 A1 WO2021094136 A1 WO 2021094136A1 EP 2020080801 W EP2020080801 W EP 2020080801W WO 2021094136 A1 WO2021094136 A1 WO 2021094136A1
Authority
WO
WIPO (PCT)
Prior art keywords
vehicle
sensors
autonomous driving
driving function
computer unit
Prior art date
Application number
PCT/EP2020/080801
Other languages
English (en)
French (fr)
Inventor
Marlon Ramon EWERT
Original Assignee
Robert Bosch Gmbh
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Robert Bosch Gmbh filed Critical Robert Bosch Gmbh
Priority to CN202080078636.1A priority Critical patent/CN114730186A/zh
Priority to US17/642,367 priority patent/US20220324440A1/en
Publication of WO2021094136A1 publication Critical patent/WO2021094136A1/de

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/04—Monitoring the functioning of the control system
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/06—Improving the dynamic response of the control system, e.g. improving the speed of regulation or avoiding hunting or overshoot
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B60W60/0018—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal conditions
    • B60W60/00186—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal conditions related to the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D15/00—Steering not otherwise provided for
    • B62D15/02—Steering position indicators ; Steering position determination; Steering aids
    • B62D15/025—Active steering aids, e.g. helping the driver by actively influencing the steering system after environment evaluation
    • 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
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • 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
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B60W2050/0004—In digital systems, e.g. discrete-time systems involving sampling
    • B60W2050/0005—Processor details or data handling, e.g. memory registers or chip architecture
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/06—Improving the dynamic response of the control system, e.g. improving the speed of regulation or avoiding hunting or overshoot
    • B60W2050/065—Improving the dynamic response of the control system, e.g. improving the speed of regulation or avoiding hunting or overshoot by reducing the computational load on the digital processor of the control computer
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/802—Longitudinal distance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/20—Ambient conditions, e.g. wind or rain
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/30—Data update rate

Definitions

  • the invention relates to a method for operating an autonomous driving function of a vehicle, wherein the vehicle has a computer unit and at least two sensors for capturing environment data, and wherein the computer unit is set up to use the captured environment data to determine a target trajectory along which the Vehicle is guided. Further aspects of the invention relate to a computer program and a vehicle which are set up to carry out the method.
  • vehicles which have an autonomous driving function with which the vehicle can be guided along a trajectory from a starting position to a target position without intervention by a driver.
  • the trajectory describes the trajectory along which the vehicle is moved.
  • Such autonomous driving functions can relieve a driver of a vehicle by moving the vehicle autonomously in certain situations or during the entire journey.
  • DE 102012 108543 A1 describes a method for adapting the detection of the surroundings of a vehicle on the basis of information from a digital map or traffic information.
  • Traffic information can be, for example, a message about a construction site.
  • the method uses the digital map to determine, for example, whether the vehicle is in an urban environment or on a motorway. Information on the topology of the vehicle environment can also be found on the map.
  • the sensor systems of the Vehicle controlled to capture the environment. Sensors can be activated or deactivated and the range, resolution, sampling rate and / or the detection area can be set.
  • DE 102017 114049 A1 describes a system for determining and adapting a route for an autonomous vehicle.
  • the vehicle includes a sensor subsystem with various sensor systems such as a camera or a radar.
  • the system also includes sub-modules that perform various subtasks.
  • the system includes a vehicle perception sub-module which carries out the system functions for perception. The modules of the system decide which sensors are to be used, how the sensors are to be used and how the sensor data is processed.
  • DE 102013 219567 A1 describes a method for controlling a micromirror scanner.
  • the method provides for the micromirror scanner to be controlled as a function of signals from other sensors. If, for example, a particularly interesting object is found, it is finely scanned.
  • the micromirror scanner is also controlled depending on the weather situation, with parameters of the scanner being optimized in fog, for example.
  • a method for operating an autonomous driving function of a vehicle wherein the vehicle has a computer unit and a plurality of sensors for capturing environment data, and wherein the computer unit is set up to use the captured environment data to determine a target trajectory along which the vehicle is being driven. It is also provided that in a first step a) an actual trajectory is recorded, the actual trajectory describing the path actually covered by the vehicle, and that distances to objects in the vicinity of the vehicle are recorded.
  • the quality of the autonomous driving function is determined by comparing the actual trajectory with the target trajectory and monitoring the recorded distances to objects in the vicinity.
  • the quality is regulated to a predetermined target value by selecting sensors to be used for the autonomous driving function from the large number of sensors and / or by changing a measuring rate at which measurements are made by at least one sensor from the multitude of sensors.
  • Steps a) to c) of the method are preferably run through repeatedly during the operation of the autonomous driving function.
  • the method can be repeated after a period of time in the range from 1 ms to 10 s, preferably in the range from 10 ms to 2 s, particularly preferably in the range from 100 ms to 1 s.
  • the method is carried out regularly in the ms range, it is possible to react quickly to a change in quality, so that driving safety is guaranteed at all times when the autonomous driving function is carried out.
  • the autonomous driving function is set up to guide the vehicle from a starting position to a target position without intervention by a driver.
  • the autonomous driving function is preferably not limited to certain driving maneuvers or situations and can in particular also plan a route to the target position.
  • the autonomous driving function can also be driving the vehicle in a specific situation, such as driving within a construction site or along a previously learned trajectory.
  • the target trajectory along which the vehicle is guided during the operation of the autonomous driving function is determined by the computer unit.
  • the computer unit requires environmental data, which are provided by the large number of sensors.
  • the sensors used can in particular be ultrasonic sensors, optical cameras such as video cameras and infrared cameras, radar sensors and lidar sensors.
  • the multiplicity of sensors preferably comprises sensors of different types, with several copies of one type of sensor being able to be used.
  • the vehicle can comprise several ultrasonic sensors, several video cameras, a radar sensor and a lidar sensor.
  • the position of the vehicle is determined continuously.
  • the position of the vehicle is determined, for example, using a satellite navigation system, by evaluating landmarks and / or by evaluating radio signals. It is particularly preferable for a plurality of possibilities for position determination to be combined with one another in order to increase the accuracy.
  • the quality of the autonomous driving function indicates how precisely the vehicle is being driven.
  • the quality of the autonomous driving function is determined according to the invention by comparing the target trajectory along which the vehicle is guided with the actual trajectory actually traveled by the vehicle. The quality is thus an indication of how precisely a certain target trajectory is traveled by the vehicle, taking into account the currently requested environmental data.
  • the quality of the autonomous driving function is determined by monitoring the distances to objects in the vicinity such as other road users or fixed structures such as trees, walls and posts. If the distance to objects in the vicinity is too small, this is an indication that the quality of the autonomous driving function is currently too low.
  • a minimum distance value can be specified, for example. It can be provided that different minimum distance values are specified for different classes or types of objects.
  • a greater minimum distance value can be specified for moving objects such as other road users than for static objects such as trees.
  • the condition that the vehicle must remain on the road or in a drivable area at all times is preferably also taken into account. This condition must be met, even if distances to other objects are then possibly within a tolerance below the specified minimum distances.
  • the target value for the quality is preferably specified in such a way that, with this quality, reliable execution of the autonomous driving function within the permitted tolerances is guaranteed at all times. This means that with the target value for the quality, the vehicle follows the target trajectory with a predetermined precision and maintains predetermined minimum distances to objects in the vicinity of the vehicle.
  • the target value for the quality is selected to be less than a maximum achievable quality. This means that the amount of environmental data to be processed by the computer unit is reduced compared to the processing of all available environmental data. This reduces the utilization of the computer unit and thus, among other things, reduces the energy requirement of the computer unit.
  • control methods can be used to regulate the quality. For example, it would be conceivable to specify a limit value for the quality for regulating the quality to a specified target value and to reduce the number of selected sensors for a quality above this limit value and to increase the number of selected sensors for a quality below the limit value / or to reduce the measuring rate of at least one sensor in the case of a quality above the limit value and to increase the measuring rate in the case of a quality below the limit value. It would also be possible to provide a hysteresis.
  • a statistical model is preferably used in regulating the quality to the target value, the statistical model being able to take into account further input values in addition to the quality in the regulation.
  • At least one evaluation factor is preferably determined taking into account at least one further parameter and taken into account when selecting the sensors to be used and / or when changing the measuring rate, the at least one further parameter being selected from a utilization of the computer unit, a traffic situation in which the vehicle is located, a scenario in which the vehicle is located and / or information on the weather at the location of the vehicle.
  • the aim is preferably to keep its utilization below a predetermined value, so that sufficient resources are available at all times for processing the environmental data. For example, you can specify that the utilization should be kept below 80% if possible. A unnecessarily high load on the computer unit leads, among other things, to unnecessarily high energy consumption and should therefore be avoided.
  • the scenario in which the vehicle is located can be, for example, an urban environment, a rural environment or a motorway.
  • the different types of sensors each make different important contributions to the quality of the autonomous driving function and / or different measurement rates of the individual sensors can be advantageous, depending on the type of sensor and its location on the vehicle.
  • the environmental data of the sensors can be evaluated and / or a digital map can be used.
  • the weather also has an influence on how much a certain type or type of sensor contributes to the quality of the autonomous driving function. If the vehicle with the autonomous driving function is traveling in good weather, for example, it is possible that data from a video camera arranged at the front of the vehicle are sufficient to achieve the target value for the quality. The target trajectory can then only be provided by the computer unit with the measurement data from the video camera, which are then requested at a sufficient measurement rate to achieve the required quality. It is conceivable that none of the further sensors is selected and accordingly no measurement data from redundant sensors, such as radar sensors, are requested by the computer unit. Conversely, in bad weather conditions, it is conceivable that, for example only measurement data are requested from a lidar sensor and no measurement data from the video camera. The weather can be determined, for example, via sensors of the vehicle and / or weather data can be called up from a weather service depending on the location.
  • An individual evaluation factor is preferably determined for each individual sensor from the large number of sensors. With these individual evaluation factors, the individual properties of the sensors can be taken into account when regulating the quality. This ensures that during the regulation the respective contribution of a sensor to the quality of the autonomous driving function is evaluated and preferably those sensors are selected which currently make the greatest contributions to the quality.
  • the sensors that are not selected in each case are preferably switched off or put into a stand-by mode. In the switched-off state or in stand-by mode, the energy consumption of the respective sensor is reduced and no environmental data is determined by this sensor.
  • the additional or alternatively possible adjustment of a measuring rate in the process also has a favorable effect on the energy consumption.
  • the measuring rate so that only environmental data are determined at a measuring rate that is precisely required to achieve the required quality including a tolerance, the amount of environmental data is reduced compared to the maximum possible amount of environmental data.
  • the tolerance for the quality includes a factor that is necessary to operate the autonomous vehicle safely at all times. There is therefore less environmental data to be processed by the computer unit, which in turn has a favorable effect on the utilization and thus the energy consumption of the computer unit.
  • the measuring rate can be adjusted in both directions, that is, starting from a standard value, the measuring rate can be increased if the quality is too low and can be reduced if the quality is above the required target value.
  • a processing rate of the computer unit for the environmental data preferably corresponds to the measurement rate and is adapted accordingly when the measurement rate changes.
  • the target trajectory is preferably determined using a first artificial intelligence model that was obtained through machine learning.
  • the first artificial intelligence model is designed and set up in particular to provide the autonomous driving function.
  • the sensors to be used are preferably selected and / or a measurement rate is changed using a second artificial intelligence model obtained by machine learning.
  • the second model preferably transfers the environmental data of the sensors to the first model, the output data of the second artificial intelligence model preferably being transferred in a standardized output data format for the first artificial intelligence model.
  • both the determination of the target trajectory and the selection of sensors to be used and / or the changing of a measurement rate using a common artificial intelligence model that was obtained by machine learning take place.
  • the artificial intelligence model or the models can be, for example, a model for machine learning such as a neural deep learning network (DNN), a Bayesian machine learning model or the like.
  • DNN neural deep learning network
  • Bayesian machine learning model or the like.
  • the second artificial intelligence model is preferred for selecting the sensors to be used and / or for changing the measuring rate common Artificial Intelligence model learned with the help of training data.
  • information on a scenario in which the vehicle is located, the traffic density during the recorded journey and / or the weather situation during the recorded journey can be used as input data.
  • the environment data is preferably downsampled in a database based on the existing environment data that was recorded at the maximum measuring rate of the sensor. This can be implemented in real time using a virtual sensor in a test environment (e.g. Hardware in the Loop, HIL).
  • a virtual sensor in a test environment e.g. Hardware in the Loop, HIL
  • a computer program is also proposed according to which one of the methods described herein is carried out when the computer program is executed on a programmable computer device.
  • the computer program can be, for example, a module for implementing an autonomous driving function or a subsystem thereof in a vehicle.
  • the computer program can be stored on a machine-readable storage medium, for example on a permanent or rewritable storage medium or in association with a computer device or on a removable CD-ROM, DVD, Blu-Ray disc or a USB stick.
  • the computer program can be made available for download on a computer device such as a server, for example via a data network such as the Internet or a communication connection such as a telephone line or a wireless connection.
  • a vehicle is also provided.
  • the vehicle comprises a computer unit and at least two sensors for recording environmental data, the computer unit for providing an autonomous Driving function is set up.
  • the computer unit is also set up to carry out one of the methods described above.
  • the sensors are preferably designed as ultrasonic sensors, optical cameras such as video cameras and infrared cameras, radar sensors and lidar sensors, the vehicle preferably comprising sensors of different types. Several copies of one type of sensor can be used.
  • the vehicle can comprise several ultrasonic sensors, several video cameras, a radar sensor and a lidar sensor.
  • a connection between the sensors and the computer unit is preferably designed to be bidirectional, so that not only can environmental data from the sensors be transmitted to the computer unit, but conversely, instructions can be transmitted from the computer unit to the sensors.
  • These instructions can in particular be set up to switch off one or more sensors, to put them into a standby mode or to switch on one or more sensors.
  • instructions can be set up to change the configuration of one or more sensors, in particular to change a measuring rate of one or more sensors.
  • the sensors can be connected to the computer unit via a bus system, for example.
  • the computing load of the computer unit for providing the autonomous driving function is dynamically adapted.
  • the computer unit can be designed to be smaller and cheaper, since, based on the current situation, only those environmental data are evaluated that are actually required for safe operation of the autonomous vehicle.
  • an objective measure is made available with which the precision and thus the safety of the autonomous driving function can be assessed at any time.
  • the performance of the autonomous vehicle in the current situation can be increased by selecting further sensors and / or by increasing the measuring rate of sensors. In this way, the safety when operating an autonomous vehicle is increased.
  • the single figure shows schematically a vehicle with an autonomous driving function.
  • FIG. 1 shows a vehicle 1 which has a large number of sensors 10 and a computer unit 30 to provide an autonomous driving function.
  • the multiplicity of sensors 10 is connected to the computer unit 30.
  • the computer unit 30 is also connected to other systems of the vehicle 1 in order to take over both longitudinal guidance of the vehicle 1, that is to say acceleration and braking, as well as transverse guidance of the vehicle 1, that is to say steering.
  • This is sketched in FIG. 1 via a connection to a steering wheel 7 and to a pedal 8.
  • the vehicle 1 sketched in FIG. 1 has different types of sensors 10.
  • two ultrasonic sensors 11 and a video camera 12 are arranged on the front of the vehicle 1.
  • a lidar sensor 13 is also arranged on the roof of the vehicle 1.
  • more or fewer or other sensors 10 can be provided.
  • a receiver 20 for a satellite navigation system is also provided, which is connected to the computer unit 30.
  • Further data sources are preferably used to support the position determination. For example, images from the video camera 12 can be evaluated in order to identify landmarks in the vicinity of the vehicle 1 and to determine the vehicle position even more precisely.
  • the computer unit 30 determines a target trajectory 2.
  • determining the target trajectory 2 in particular, environmental data from the sensors 10 and the inter alia with the receiver 20 certain vehicle position is used.
  • the vehicle 1 is guided along the determined target trajectory 2, the current vehicle position relative to the target trajectory 2 being related to a reference point 6 which, in the example shown, lies in the center of the rear axle of the vehicle 1.
  • the actual trajectory 4 is shown in FIG. 1, which indicates the path the vehicle 1 actually traveled in relation to the reference point 6.
  • the actual trajectory 4 is also determined via the satellite navigation system and / or via the detection of landmarks in the surroundings sensor data and / or via radio signals and / or in a combination thereof.
  • distances to objects in the vicinity are preferably monitored and included in the determination of the quality.
  • After determining the quality it is provided, for example, to compare this quality with a predefined target value for the quality including an allowed tolerance and then to select which sensors 10 are to be used for providing the autonomous driving function. If the quality is higher than the target value, individual sensors 10 can be switched off in order to save energy and reduce the load on computer unit 30. If the quality is lower than the target value, more of the sensors 10 are switched on and their environment data is processed by the computer unit 30.
  • the measuring rate can be reduced and thus the computing load of the computer unit 30 can be reduced.

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zum Betreiben einer autonomen Fahrfunktion eines Fahrzeugs (1), wobei das Fahrzeug (1) über eine Rechnereinheit (30) und eine Vielzahl von Sensoren (10) zur Erfassung von Umfelddaten verfügt, und wobei die Rechnereinheit (30) eingerichtet ist, anhand der erfassten Umfelddaten eine Soll-Trajektorie (2) zu bestimmen, entlang der das Fahrzeug (1) geführt wird. Ferner ist vorgesehen, dass in einem ersten Schritt a) ein Erfassen einer Ist-Trajektorie (4) erfolgt, wobei die Ist-Trajektorie (4) den tatsächlich durch das Fahrzeug (1) zurückgelegten Weg beschreibt, und dass ein Erfassen von Abständen zu Objekten in der Umgebung des Fahrzeugs (1) erfolgt. In einem nachfolgenden Schritt b) erfolgt ein Ermitteln einer Güte der autonomen Fahrfunktion durch Vergleichen der Ist-Trajektorie (4) mit der Soll-Trajektorie (2) und Überwachen der erfassten Abstände zu Objekten in der Umgebung. In einem nachfolgenden Schritt c) des Verfahrens erfolgt ein Regeln der Güte auf einen vorgegebenen Zielwert durch Auswählen von für die autonome Fahrfunktion zu verwendenden Sensoren (10) aus der Vielzahl von Sensoren (10) und/oder durch Ändern einer Messrate, mit der Messungen vorgenommen werden, von mindestens einem Sensor (10) aus der Vielzahl von Sensoren (10). Weitere Aspekte der Erfindung betreffen ein Computerprogramm, sowie ein Fahrzeug (1), welche zur Ausführung des Verfahrens eingerichtet sind.

Description

Beschreibung
Titel
Verfahren zum Betreiben einer autonomen Fahrfunktion eines Fahrzeugs
Die Erfindung betrifft ein Verfahren zum Betreiben einer autonomen Fahrfunktion eines Fahrzeugs, wobei das Fahrzeug über eine Rechnereinheit und mindestens zwei Sensoren zur Erfassung von Umfelddaten verfügt, und wobei die Rechnereinheit eingerichtet ist, anhand der erfassten Umfelddaten eine Soll- Trajektorie zu bestimmen, entlang der das Fahrzeug geführt wird. Weitere Aspekte der Erfindung betreffen ein Computerprogramm, sowie ein Fahrzeug, welche zur Ausführung des Verfahrens eingerichtet sind.
Stand der Technik
Im Stand der Technik sind Fahrzeuge bekannt, welche eine autonome Fahrfunktion aufweisen, mit der das Fahrzeug ohne Eingriff eines Fahrers entlang einer Trajektorie von einer Startposition zu einer Zielposition geführt werden kann. Die Trajektorie beschreibt dabei die Bahnkurve, entlang der das Fahrzeug bewegt wird. Solche autonome Fahrfunktionen können einen Fahrer eines Fahrzeugs entlasten, indem das Fahrzeug in bestimmten Situationen oder während der gesamten Fahrt autonom bewegt wird.
Für das Bereitstellen solcher autonomer Fahrfunktionen sind präzise Umfelddaten erforderlich, welche die Umgebung des Fahrzeugs beschreiben.
Zur Erfassung dieser Umfelddaten wird eine Vielzahl von Sensoren eingesetzt. Problematisch hierbei ist, dass für die Verarbeitung der Umfelddaten beträchtliche Rechnerresourcen erforderlich sind.
DE 102012 108543 Al beschreibt ein Verfahren zum Anpassen der Umfelderfassung eines Fahrzeugs auf Basis von Informationen einer digitalen Karte oder einer Verkehrsinformation. Eine Verkehrsinformation kann beispielsweise eine Mitteilung über eine Baustelle sein. Aus der digitalen Karte wird bei dem Verfahren beispielsweise entnommen, ob sich das Fahrzeug in einem städtischen Umfeld oder auf einer Autobahn befindet. Des Weiteren können der Karte Angaben zur Topologie der Fahrzeugumgebung entnommen werden. In Abhängigkeit dieser Informationen werden dann Sensorsysteme des Fahrzeugs zur Erfassung des Umfelds angesteuert. Dabei können Sensoren aktiviert oder deaktiviert werden sowie die Reichweite, Auflösung, Abtastrate und/oder der Erfassungsbereich eingestellt werden. Durch das gezielte Anpassen der Umfelderfassung an die Umgebungsbedingungen kann Rechenzeit eingespart werden und die Präzision bzw. Leistung der Umfelderfassung erhöht werden.
DE 102017 114049 Al beschreibt ein System zum Bestimmen und Anpassen einer Route für ein autonomes Fahrzeug. Das Fahrzeug umfasst ein Sensorsubsystem mit verschiedenen Sensorsystemen wie einer Kamera oder einem Radar. Des Weiteren umfasst das System Submodule, welche verschiedene Teilaufgaben erfüllen. Das System umfasst dabei ein Fahrzeug- Wahrnehmungs-Submodul, welches die Systemfunktionen für das Wahrnehmen ausführt. Durch die Module des Systems wird entschieden, welche Sensoren zu verwenden sind, wie die Sensoren zu verwenden sind und wie die Sensordaten verarbeitet werden.
DE 102013 219567 Al beschreibt ein Verfahren zur Steuerung eines Mikrospiegelscanners. Bei dem Verfahren ist vorgesehen, den Mikrospiegelscanner in Abhängigkeit von Signalen weiterer Sensoren zu steuern. Wird beispielsweise ein besonders interessantes Objekt festgestellt, so wird dieses fein abgetastet. Der Mikrospiegelscanner wird auch abhängig von der Wettersituation gesteuert, wobei beispielsweise Parameter des Scanners bei Nebel optimiert werden.
Die aus dem Stand der Technik bekannten Verfahren zur Anpassung des Betriebs der Sensoren zur Erfassung der Umfelddaten berücksichtigen jeweils nur bestimmte Teilaspekte, so dass nicht sichergestellt ist, in jeder Situation genau die Umfelddaten zur Verfügung zu haben, welche für einen sicheren Betrieb einer autonomen Fahrfunktion erforderlich sind.
Offenbarung der Erfindung
Es wird ein Verfahren zum Betreiben einer autonomen Fahrfunktion eines Fahrzeugs vorgeschlagen, wobei das Fahrzeug über eine Rechnereinheit und eine Vielzahl von Sensoren zur Erfassung von Umfelddaten verfügt, und wobei die Rechnereinheit eingerichtet ist, anhand der erfassten Umfelddaten eine Soll- Trajektorie zu bestimmen, entlang der das Fahrzeug geführt wird. Ferner ist vorgesehen, dass in einem ersten Schritt a) ein Erfassen einer Ist- Trajektorie erfolgt, wobei die Ist-Trajektorie den tatsächlich durch das Fahrzeug zurückgelegten Weg beschreibt, und dass ein Erfassen von Abständen zu Objekten in der Umgebung des Fahrzeugs erfolgt.
In einem nachfolgenden Schritt b) erfolgt ein Ermitteln einer Güte der autonomen Fahrfunktion durch Vergleichen der Ist-Trajektorie mit der Soll-Trajektorie und Überwachen der erfassten Abstände zu Objekten in der Umgebung.
In einem nachfolgenden Schritt c) des Verfahrens erfolgt ein Regeln der Güte auf einen vorgegebenen Zielwert durch Auswählen von für die autonome Fahrfunktion zu verwendenden Sensoren aus der Vielzahl von Sensoren und/oder durch Ändern einer Messrate, mit der Messungen vorgenommen werden, von mindestens einem Sensor aus der Vielzahl von Sensoren.
Die Schritte a) bis c) des Verfahrens werden bevorzugt während des Betriebs der autonomen Fahrfunktion wiederholt durchlaufen. Beispielsweise kann das Verfahren nach Ablauf einer Zeitspanne im Bereich von 1 ms bis 10 s, bevorzugt im Bereich von 10 ms bis 2 s, besonders bevorzugt im Bereich von 100 ms bis 1 s wiederholt werden. Insbesondere bei regelmäßiger Ausführung des Verfahrens im ms Bereich kann schnell auf eine Änderung der Güte reagiert werden, so dass die Fahrsicherheit bei der Ausführung der autonomen Fahrfunktion jederzeit gewährleistet ist.
Die autonome Fahrfunktion ist dazu eingerichtet, das Fahrzeug ohne Eingriff eines Fahrers von einer Startposition zu einer Zielposition zu führen. Bevorzugt ist die autonome Fahrfunktion dabei nicht auf bestimmte Fahrmanöver oder Situationen beschränkt und kann insbesondere auch eine Planung einer Route zur Zielposition übernehmen. Bei der autonomen Fahrfunktion kann es sich aber auch um das Führen des Fahrzeugs in einer bestimmten Situation wie beispielsweise das Führen innerhalb einer Baustelle oder entlang einer vorab gelernten Trajektorie handeln. Die Soll-Trajektorie, entlang der das Fahrzeug während des Betriebs der autonomen Fahrfunktion geführt wird, wird durch die Rechnereinheit bestimmt. Dabei benötigt die Rechnereinheit Umfelddaten, welche durch die Vielzahl von Sensoren bereitgestellt werden. Bei den eingesetzten Sensoren kann es sich insbesondere um Ultraschallsensoren, optische Kameras wie Videokameras und Infrarotkameras, Radarsensoren und Lidar-Sensoren handeln. Bevorzugt umfasst die Vielzahl von Sensoren dabei Sensoren verschiedener Typen, wobei von einem Typ Sensor mehrere Exemplare verwendet werden können. Beispielsweise kann das Fahrzeug mehrere Ultraschallsensoren, mehrere Videokameras, einen Radarsensor und einen Lidar-Sensor umfassen.
Für das Bestimmen der Ist-Trajektorie ist bevorzugt vorgesehen, die Position des Fahrzeugs fortlaufend zu bestimmen. Die Positionsbestimmung des Fahrzeugs erfolgt beispielswiese unter Verwendung eines Satellitennavigationssystems, durch Auswerten von Landmarken und/oder durch Auswerten von Funksignalen. Besonders bevorzugt werden mehrere Möglichkeiten zur Positionsbestimmung miteinander kombiniert, um die Genauigkeit zu steigern.
Die Güte der autonomen Fahrfunktion gibt an, wie präzise das Fahrzeug geführt wird. Die Güte der autonomen Fahrfunktion wird erfindungsgemäß bestimmt, indem die Soll-Trajektorie, entlang der das Fahrzeug geführt wird, mit der tatsächlich von Fahrzeug abgefahrenen Ist-Trajektorie verglichen wird. Die Güte ist somit ein Hinweis, wie genau eine bestimmte Soll-Trajektorie unter Berücksichtigung der momentan angeforderten Umfelddaten vom Fahrzeug befahren wird. Des Weiteren wird die Güte der autonomen Fahrfunktion durch eine Überwachung der Abstände zu Objekten in der Umgebung wie beispielsweise weitere Verkehrsteilnehmer oder feste Strukturen wie Bäume, Mauern und Pfosten ermittelt. Ist der Abstand zu Objekten in der Umgebung zu gering, so ist dies ein Hinweis dafür, dass die Güte der autonomen Fahrfunktion momentan zu niedrig ist. Für das Bestimmen, ob ein Abstand zu gering ist, kann beispielsweise ein Mindestabstandswert vorgegeben werden. Dabei kann vorgesehen sein, für verschiedene Klassen bzw. Arten von Objekten verschiedene Mindestabstandswerte vorzugeben. Beispielsweise kann zu beweglichen Objekten wie anderen Verkehrsteilnehmern ein größerer Mindestabstandswert vorgegeben werden als für statische Objekte wie z.B. Bäume. Bei der Überwachung der Abstände wird bevorzugt zusätzlich die Bedingung berücksichtigt, dass das Fahrzeug jederzeit auf der Straße bzw. auf einem befahrbaren Bereich bleiben muss. Diese Bedingung muss erfüllt sein, auch wenn Abstände zu weiteren Objekten dann gegebenenfalls innerhalb einer Toleranz unterhalb der vorgegebenen Mindestabstände liegen. Der Zielwert für die Güte wird bevorzugt derart vorgegeben, dass bei dieser Güte jederzeit eine sichere Ausführung der autonomen Fahrfunktion innerhalb der erlaubten Toleranzen gewährleistet ist. Das heißt, dass bei dem Zielwert für die Güte das Fahrzeug die Soll-Trajektorie mit einer vorgegebenen Präzision folgt und vorgegebene Mindestabstände zu Objekten in der Umgebung des Fahrzeugs einhält. Gleichzeitig ist der Zielwert für die Güte kleiner als eine maximal erzielbare Güte gewählt. Hierdurch wird erreicht, dass die Menge der durch die Rechnereinheit zu verarbeitenden Umfelddaten gegenüber der Verarbeitung aller verfügbaren Umfelddaten reduziert wird. Hierdurch wird die Auslastung der Rechnereinheit reduziert und somit unter anderem der Energiebedarf der Rechnereinheit verringert.
Für das Regeln der Güte kann grundsätzlich auf bekannte Regelungsverfahren zurückgegriffen werden. So wäre es beispielsweise denkbar, für das Regeln der Güte auf einen vorgegebenen Zielwert einen Grenzwert für die Güte vorzugeben und bei einer Güte oberhalb dieses Grenzwerts die Anzahl der ausgewählten Sensoren zu verringern und bei einer Güte unterhalb des Grenzwerts die Anzahl der ausgewählten Sensoren zu erhöhen und/oder bei einer Güte oberhalb des Grenzwerts die Messrate zumindest eines Sensors zu verringern und bei einer Güte unterhalb oberhalb des Grenzwerts die Messrate zu erhöhen. Auch das Vorsehen einer Hysterese wäre möglich.
Bevorzugt wird ein statistisches Modell bei der Regelung der Güte auf den Zielwert eingesetzt, wobei das statistische Modell neben der Güte noch weitere Eingangswerte bei der Regelung berücksichtigen kann.
Bevorzugt wird zumindest ein Bewertungsfaktor unter Berücksichtigung mindestens eines weiteren Parameters bestimmt und bei der Auswahl der zu verwendenden Sensoren und/oder bei der Änderung der Messrate berücksichtigt, wobei der mindestens eine weitere Parameter ausgewählt ist aus einer Auslastung der Rechnereinheit, einer Verkehrssituation, in der sich das Fahrzeug befindet, einem Szenario, in dem sich das Fahrzeug befindet und/oder Angaben zum Wetter am Ort des Fahrzeugs.
Bei der Rechnereinheit wird bevorzugt angestrebt, deren Auslastung unter einem vorgegebenen Wert zu halten, so dass jederzeit ausreichend Ressourcen zur Verarbeitung der Umfelddaten zur Verfügung stehen. Beispielsweise kann vorgegeben werden, die Auslastung, wenn möglich unter 80% zu halten. Eine unnötig hohe Belastung der Rechnereinheit führt unter anderem zu einem unnötig hohen Energieverbrauch und sollte daher vermieden werden.
Bei der Verkehrssituation kann beispielsweise berücksichtigt werden, ob dichter Verkehr vorliegt, also eine große Anzahl von beweglichen Objekten zuverlässig erfasst und bei der Erstellung der Soll-Trajektorie berücksichtigt werden müssen, oder ob nur wenig Verkehr vorliegt, also nur eine geringe Anzahl von beweglichen Objekten in der Umgebung erfasst werden müssen. Entsprechend kann es notwendig sein, bei einer Verkehrssituation mit dichtem Verkehr zum Erreichen des Zielwerts für die Güte mehr Sensoren auszuwählen und/oder diese mit einer höheren Messrate zu betreiben, als bei geringem Verkehrsaufkommen. Des Weiteren können bestimmte Sensoren aufgrund ihres Typs und/oder aufgrund ihrer Position am Fahrzeug für bestimmte Verkehrs situationen besser geeignet sein als andere Sensoren, was bei der Auswahl der Sensoren und/oder der Wahl der Messrate bevorzugt berücksichtigt wird.
Bei dem Szenario, indem sich das Fahrzeug befindet, kann es sich beispielsweise um eine städtische Umgebung, ländliche Umgebung oder um eine Autobahn handeln. Je nach Szenario leisten die unterschiedlichen Arten von Sensoren jeweils verschieden wichtige Beiträge zur Güte der autonomen Fahrfunktion und/oder können unterschiedliche Messraten der einzelnen Sensoren vorteilhaft sein, je nach Typ des Sensors und dessen Anbringungsort am Fahrzeug. Zur Bestimmung des Szenarios können beispielsweise die Umfelddaten der Sensoren ausgewertet werden und/oder es kann eine digitale Karte verwendet werden.
Auch das Wetter hat einen Einfluss darauf, wie stark eine bestimmte Art bzw. ein bestimmter Typ von Sensoren zur Güte der autonomen Fahrfunktion beiträgt. Ist das Fahrzeug mit der autonomen Fahrfunktion beispielsweise bei gutem Wetter unterwegs ist es möglich, dass für das Erreichen des Zielwerts für die Güte Daten von einer an der Fahrzeugfront angeordneten Videokamera ausreichend sind. Die Bereitstellung der Soll-Trajektorie durch die Rechnereinheit kann dann nur mit den Messdaten der Videokamera erfolgen, welche dann mit einer ausreichenden Messrate angefordert werden, um die geforderte Güte zu erreichen. Dabei ist es denkbar, dass keiner der weiteren Sensoren ausgewählt wird und entsprechend keine Messdaten von redundanten Sensoren, wie beispielsweise Radarsensoren, von der Rechnereinheit angefordert werden. Bei schlechten Wetterverhältnis ist es umgekehrt denkbar, dass beispielsweise ausschließlich Messdaten von einem Lidar-Sensor angefordert werden und keine Messdaten der Videokamera. Das Wetter kann beispielsweise über Sensoren des Fahrzeugs ermittelt werden und/oder es können ortsabhängig Wetterdaten von einem Wetterdienst abgerufen werden.
Bevorzugt wird für jeden einzelnen Sensor aus der Vielzahl von Sensoren ein individueller Bewertungsfaktor bestimmt. Durch diese individuellen Bewertungs faktoren kann bei der Regelung der Güte auf die individuellen Eigenschaften der Sensoren Rücksicht genommen werden. Dadurch wird gewährleistet, dass bei der Regelung der jeweilige Beitrag eines Sensors zu der Güte der autonomen Fahrfunktion bewertet wird und bevorzugt diejenigen Sensoren ausgewählt werden, welche momentan die größten Beiträge zur Güte leisten.
Bevorzugt werden die jeweils nicht ausgewählten Sensoren abgeschaltet oder in einen Stand-by-Modus versetzt. Im abgeschalteten Zustand bzw. im Stand-by- Modus wird die Energieaufnahme des jeweiligen Sensors reduziert und es werden keine Umfelddaten durch diesen Sensor ermittelt.
Auch das im Verfahren zusätzlich oder alternativ mögliche Anpassen einer Messrate beeinflusst die Energieaufnahme günstig. Durch das Wählen der Messrate derart, dass nur Umfelddaten mit einer Messrate ermittelt werden, die gerade für das Erzielen der geforderten Güte inklusive einer Toleranz erforderlich ist, wird die Menge der Umfelddaten gegenüber der maximal möglichen Menge an Umfelddaten reduziert. Die Toleranz für die Güte beinhaltet dabei einen Faktor, der notwendig ist, um das autonome Fahrzeug jederzeit sicher zu betreiben. Es müssen somit weniger Umfelddaten durch die Rechnereinheit verarbeitet werden, wodurch wiederum die Auslastung und damit die Energieaufnahme der Rechnereinheit günstig beeinflusst wird.
Eine Anpassung der Messrate kann dabei in beide Richtungen erfolgen, also ausgehend von einem Standardwert kann die Messrate gesteigert werden, wenn die Güte zu gering ist, und kann reduziert werden, wenn die Güte über dem geforderten Zielwert liegt.
Bevorzugt entspricht eine Verarbeitungsrate der Rechnereinheit für die Umfelddaten der Messrate und wird bei einer Änderung der Messrate entsprechend angepasst. Alternativ dazu ist es bevorzugt, eine Verarbeitungsrate der Umfelddaten konstant zu halten und bei einer Verringerung der Messrate ein mehrfaches Übermitteln einzelner Messwerte vorzunehmen. Beträgt die Verarbeitungsrate beispielsweise 100 Hz und ist die Messrate eines Sensors auf 50 Hz angepasst worden, so wird jeder Messwert nacheinander zweimal an die Rechnereinheit für die Verarbeitung übermittelt. Alternativ hierzu ist es ebenfalls möglich, anstelle eines Messwerts einen Hinweis auf einen fehlenden Messwert bzw. auf eine Abschaltung des jeweiligen Sensors zu übermitteln, so dass die Rechnereinheit diesen Messwert bei der Verarbeitung nicht als tatsächlichen Messwert berücksichtigt. Insbesondere bei einer vollständigen Abschaltung bzw. wenn ein Sensor auf Stand-by geschaltet wurde, ist es bevorzugt, einen solchen Abschaltwert zu übermitteln.
Bevorzugt erfolgt das Bestimmen der Soll-Trajektorie unter Verwendung eines ersten Künstliche-Intelligenz Modells, welches durch maschinelles Lernen erhalten wurde. Das erste Künstliche-Intelligenz Modell ist insbesondere zur Bereitstellung der autonomen Fahrfunktion ausgebildet und eingerichtet.
Bevorzugt erfolgt das Auswählen von zu verwendenden Sensoren und/oder das Ändern einer Messrate unter Verwendung eines zweiten Künstliche-Intelligenz Modells, welches durch maschinelles Lernen erhalten wurde. Bevorzugt übergibt das zweite Modell die Umfelddaten der Sensoren an das erste Modell, wobei die Ausgangsdaten des zweiten Künstliche-Intelligenz Modells bevorzugt in einem normierten Ausgangsdatenformat für das erste Künstliche-Intelligenz Modell übergeben werden.
Besonders bevorzugt erfolgt sowohl das Bestimmen der Soll-Trajektorie sowie das Auswählen von zu verwendenden Sensoren und/oder das Ändern einer Messrate unter Verwendung eines gemeinsamen Künstliche-Intelligenz Modells, welches durch maschinelles Lernen erhalten wurde.
Bei dem Künstliche-Intelligenz Modell bzw. bei den Modellen kann es sich beispielsweise um ein Modell für maschinelles Lernen wie etwa ein neuronales Deep-Learning-Netz (deep neural network - DNN), ein Bayes'sches Maschinenlernmodell oder dergleichen handeln. Derartige Verfahren und Modelle für das Maschinenlernen sowie für das Training dieser Modelle sind dem Fachmann grundsätzlich bekannt.
Bevorzugt wird das zweite Künstliche-Intelligenz Modell für das Auswählen der zu verwendenden Sensoren und/oder das Ändern der Messrate bzw. das gemeinsame Künstliche Intelligenz-Modell mit Hilfe von Trainingsdaten gelernt.
Dies erfolgt insbesondere bei Verwendung eines neuronalen Netzes. Beim Lernen mit Trainingsdaten werden bevorzugt während einer Fahrt aufgezeichnete Daten eingesetzt. Insbesondere werden eine ermittelte Fahrzeugposition und Umfelddaten des bzw. der Sensoren mit der maximalen Messrate des jeweiligen Sensors als Eingangsdaten verwendet, wobei als Lernziel ein Zielwert für die Güte der autonomen Fahrfunktion eingegeben wird.
Des Weiteren können als Eingangsdaten insbesondere Angaben zu einem Szenario, in dem sich das Fahrzeug befindet, die Verkehrsdichte während der aufgezeichneten Fahrt und/oder die Wetterlage bei der aufgezeichneten Fahrt verwendet werden.
Werden für das Training des Künstliche-Intelligenz Modells Umfelddaten mit einer reduzierten Messrate benötigt, so erfolgt bevorzugt ein Downsampling der Umfelddaten in einer Datenbank anhand der vorhandenen Umfelddaten, welche mit der maximalen Messrate des Sensors aufgezeichnet wurden. Dies kann durch einen Virtuellen Sensor in einer Testumgebung (z.B. Hardware in the Loop, HIL) in Echtzeit realisiert werden.
Erfindungsgemäß wird weiterhin ein Computerprogramm vorgeschlagen, gemäß dem eines der hierin beschriebenen Verfahren durchgeführt wird, wenn das Computerprogramm auf einer programmierbaren Computereinrichtung ausgeführt wird. Bei dem Computerprogramm kann es sich beispielsweise um ein Modul zur Implementierung einer autonomen Fahrfunktion oder eines Subsystems hiervon in einem Fahrzeug handeln. Das Computerprogramm kann auf einem maschinenlesbaren Speichermedium gespeichert werden, etwa auf einem permanenten oder wiederbeschreibbaren Speichermedium oder in Zuordnung zu einer Computereinrichtung oder auf einer entfernbaren CD-ROM, DVD, Blu-Ray Disc oder einem USB-Stick. Zusätzlich oder alternativ kann das Computerprogramm auf einer Computereinrichtung wie etwa auf einem Server zum Herunterladen bereitgestellt werden, z.B. über ein Datennetzwerk wie das Internet oder eine Kommunikationsverbindung wie etwa eine Telefonleitung oder eine drahtlose Verbindung.
Erfindungsgemäß ist außerdem ein Fahrzeug vorgesehen. Das Fahrzeug umfasst eine Rechnereinheit und mindestens zwei Sensoren zur Erfassung von Umfelddaten, wobei die Rechnereinheit zur Bereitstellung einer autonomen Fahrfunktion eingerichtet ist. Die Rechnereinheit ist ferner zur Ausführung eines der oben beschriebenen Verfahren eingerichtet.
Da das Fahrzeug zur Ausführung eines der hierin beschrieben Verfahren ausgebildet ist, gelten im Rahmen eines der Verfahren beschriebene Merkmale entsprechend für das Fahrzeug und umgekehrt gelten im Rahmen des Fahrzeugs beschriebene Merkmale für die Verfahren.
Die Sensoren sind bevorzugt als Ultraschallsensoren, optische Kameras wie Videokameras und Infrarotkameras, Radarsensoren und Lidar-Sensoren ausgestaltet, wobei das Fahrzeug bevorzugt Sensoren verschiedener Typen umfasst. Dabei können von einem Typ Sensor mehrere Exemplare verwendet werden. Beispielsweise kann das Fahrzeug mehrere Ultraschallsensoren, mehrere Videokameras, einen Radarsensor und einen Lidar-Sensor umfassen.
Bevorzugt ist eine Verbindung zwischen den Sensoren und der Rechnereinheit bidirektional ausgestaltet, so dass nicht nur Umfelddaten der Sensoren an die Rechnereinheit übertragen werden können, sondern umgekehrt Anweisungen von der Rechnereinheit an die Sensoren übertragen werden können. Diese Anweisungen können dabei insbesondere dazu eingerichtet sein, einen oder mehrere Sensoren auszuschalten, in einen Stand-by-Modus zu versetzen oder einen oder mehrere Sensoren einzuschalten. Des Weiteren können Anweisungen dazu eingerichtet sein, die Konfiguration eines oder mehrerer Sensoren zu verändern, insbesondere um eine Messrate eines oder mehrerer Sensoren zu ändern.
Die Sensoren können beispielsweise über ein Bussystem mit der Rechnereinheit verbunden sein.
Vorteile der Erfindung
Durch die erfindungsgemäß vorgesehene Auswahl von Sensoren und/oder Anpassung der Messrate von zumindest einem Sensor wird die Rechenlast der Rechnereinheit für das Bereitstellen der autonomen Fahrfunktion dynamisch angepasst. Die Rechnereinheit kann auf diese Weise kleiner und günstiger ausgelegt werden, da basierend auf der aktuellen Situation nur diejenigen Umfelddaten ausgewertet werden, die für einen sicheren Betrieb des autonomen Fahrzeugs auch tatsächlich benötigt werden. Vorteilhafterweise wird erfindungsgemäß mit der Ermittlung der Güte der autonomen Fahrfunktion ein objektives Maß breitgestellt, mit der die Präzision und damit die Sicherheit der autonomen Fahrfunktion jederzeit bewertet werden kann.
Wird beispielsweise festgestellt, dass die Güte unter einem vorgegeben Zielwert liegt, kann durch das Auswählen weiterer Sensoren und/oder durch das Erhöhen der Messrate von Sensoren die Performance des autonomen Fahrzeugs in der aktuellen Situation erhöht werden. Auf diese Weise wird die Sicherheit beim Betrieb eines autonomen Fahrzeugs erhöht.
Durch das Abschalten bzw. in einen Stand-by-Modus Versetzen von nicht ausgewählten Sensoren und das Reduzieren der Rechenlast der Rechnereinheit wird zudem ein Energiebedarf für das Bereitstellen der autonomen Fahrfunktion verringert. Hierdurch kann insbesondere bei einem elektrisch angetriebenen Fahrzeug die Reichweite erhöht werden.
Kurze Beschreibung der Zeichnungen
Ausführungsformen der Erfindung werden anhand der Zeichnung und der nachfolgenden Beschreibung näher erläutert.
Die einzige Figur zeigt schematisch ein Fahrzeug mit einer autonomen Fahrfunktion.
Ausführungsformen der Erfindung
Die Figur stellt den Gegenstand der Erfindung nur schematisch dar.
Figur 1 zeigt ein Fahrzeug 1 welches zur Bereitstellung einer autonomen Fahrfunktion über eine Vielzahl von Sensoren 10 und eine Rechnereinheit 30 verfügt. Die Vielzahl der Sensoren 10 ist mit der Rechnereinheit 30 verbunden. Die Rechnereinheit 30 ist zudem mit weiteren Systemen des Fahrzeugs 1 verbunden, um sowohl eine Längsführung des Fahrzeugs 1, also das Beschleunigen und Bremsen, als auch eine Querführung des Fahrzeugs 1, also das Lenken, zu übernehmen. In der Figur 1 ist dies über eine Verbindung zu einem Lenkrad 7 und zu einem Pedal 8 skizziert. Das in der Figur 1 skizzierte Fahrzeug 1 verfügt über verschiedene Arten von Sensoren 10. In dem Ausführungsbeispiel sind an der Front des Fahrzeugs 1 zwei Ultraschallsensoren 11 und eine Videokamera 12 angeordnet. Auf dem Dach des Fahrzeugs 1 ist zudem ein Lidar-Sensor 13 angeordnet. Selbstverständlich können mehr oder weniger oder auch andere Sensoren 10 vorgesehen werden.
Um die aktuelle Position des Fahrzeugs 1 zu ermitteln, ist zudem ein Empfänger 20 für ein Satellitennavigationssystem vorgesehen, der mit der Rechnereinheit 30 verbunden ist. Zur Unterstützung der Positionsbestimmung wird bevorzugt auch auf weitere Datenquellen zurückgegriffen. Beispielsweise können Bilder der Videokamera 12 ausgewertet werden, um Landmarken in der Umgebung des Fahrzeugs 1 zu identifizieren und die Fahrzeugposition noch präziser zu bestimmen.
Zur Bereitstellung einer autonomen Fahrfunktion, bei der das Fahrzeug 1 ohne Eingriff eines Fahrers von einer Startposition zu einer Zielposition geführt wird, bestimmt die Rechnereinheit 30 eine Soll-Trajektorie 2. Bei der Bestimmung der Soll-Trajektorie 2 werden insbesondere Umfelddaten der Sensoren 10 und die unter anderem mit dem Empfänger 20 bestimmte Fahrzeugposition verwendet.
Das Fahrzeug 1 wird entlang der bestimmten Soll-Trajektorie 2 geführt, wobei die aktuelle Fahrzeugposition relativ zur der Soll-Trajektorie 2 auf einen Referenzpunkt 6 bezogen ist, der im dargestellten Beispiel in der Mitte der Hinterachse des Fahrzeugs 1 liegt. In der Figur 1 ist darüber hinaus die Ist- Trajektorie 4 eingezeichnet, welche angibt, welchen Weg das Fahrzeug 1, bezogen auf den Referenzpunkt 6, tatsächlich gefahren ist. Die Ist-Trajektorie 4 wird ebenfalls über das Satellitennavigationssystem und/oder über die Erkennung von Landmarken in den Umfeldsensordaten und/oder über Funksignale und/oder in einer Kombination derselben bestimmt.
Bei dem erfindungsgemäßen Verfahren ist unter anderem vorgesehen, die tatsächlich gefahrene Ist-Trajektorie 4 mit der Soll-Trajektorie 2 zu vergleichen und aus der Abweichung eine Güte der autonomen Fahrfunktion zu bestimmen. Je geringer die Abweichung ist, desto höher ist die Güte. Bevorzugt werden zudem Abstände zu Objekten in der Umgebung überwacht und bei der Bestimmung der Güte mit einbezogen. Nach dem Ermitteln der Güte ist beispielsweise vorgesehen, diese Güte mit einem vorgegebenen Zielwert für die Güte inklusive einer erlaubten Toleranz zu vergleichen und anschließend auszuwählen, welche Sensoren 10 für die Bereitstellung der autonomen Fahrfunktion verwendet werden sollen. Ist die Güte höher als der Zielwert, können einzelne der Sensoren 10 abgeschaltet werden, um Energie zu sparen und die Auslastung der Rechnereinheit 30 zu senken. Ist die Güte geringer als der Zielwert, werden weitere der Sensoren 10 zugeschaltet und deren Umfelddaten durch die Rechnereinheit 30 verarbeitet.
In weiteren Ausführungsformen der Erfindung kann vorgesehen sein, zusätzlich oder alternativ eine Messrate eines oder mehrerer Sensoren 10 abhängig von der Güte anzupassen. Bei einer Güte oberhalb des Zielwerts (inklusive Toleranz) kann die Messrate verringert und damit der Rechenlast der Rechnereinheit 30 reduziert werden.
Die Erfindung ist nicht auf die hier beschriebenen Ausführungsbeispiele und die darin hervorgehobenen Aspekte beschränkt. Vielmehr ist innerhalb des durch die Ansprüche angegebenen Bereichs eine Vielzahl von Abwandlungen möglich, die im Rahmen fachmännischen Handelns liegen.

Claims

Ansprüche
1. Verfahren zum Betreiben einer autonomen Fahrfunktion eines Fahrzeugs (1), wobei das Fahrzeug (1) über eine Rechnereinheit (30) und eine Vielzahl von Sensoren (10) zur Erfassung von Umfelddaten verfügt, und wobei die Rechnereinheit (30) eingerichtet ist, anhand der erfassten Umfelddaten eine Soll-Trajektorie (2) zu bestimmen, entlang der das Fahrzeug (1) geführt wird, dadurch gekennzeichnet, dass das Verfahren folgende Schritte aufweist: a) Erfassen einer Ist-Trajektorie (4), welche den tatsächlich durch das Fahrzeug (1) zurückgelegten Weg beschreibt, und Erfassen von Abständen zu Objekten in der Umgebung des Fahrzeugs (1) b) Ermitteln einer Güte der autonomen Fahrfunktion durch Vergleichen der Ist-Trajektorie (4) mit der Soll-Trajektorie (2) und Überwachen der erfassten Abstände zu Objekten in der Umgebung, c) Regeln der Güte auf einen vorgegebenen Zielwert durch Auswählen von für die autonome Fahrfunktion zu verwendenden Sensoren (10) aus der Vielzahl von Sensoren (10) und/oder durch Ändern einer Messrate, mit der Messungen vorgenommen werden, von mindestens einem Sensor (10) aus der Vielzahl von Sensoren (10).
2. Verfahren nach Anspruch 1, wobei zumindest ein Bewertungsfaktor unter Berücksichtigung mindestens eines weiterer Parameters bestimmt wird und bei der Auswahl der zu verwendenden Sensoren (10) und/oder bei der Änderung der Messrate berücksichtigt wird, wobei der mindestens eine weitere Parameter ausgewählt ist aus einer Auslastung der Rechnereinheit, einer Verkehrssituation, in der sich das Fahrzeug (1) befindet, einem Szenario, in dem sich das Fahrzeug (1) befindet und/oder Angaben zum Wetter am Ort des Fahrzeugs (1).
3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass die Bewertung für jeden einzelnen Sensor (10) aus der Vielzahl von Sensoren (10) individuell bestimmt wird.
4. Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass nicht ausgewählte Sensoren (10) abgeschaltet oder in einen Standby-Modus versetzt werden.
5. Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass eine Verarbeitungsrate der Rechnereinheit (30) für die Umfelddaten der Messrate entspricht und entsprechend angepasst wird oder dass eine Verarbeitungsrate der Umfelddaten konstant ist und bei einer Verringerung der Messrate ein mehrfaches Übermitteln einzelner Messwerte vorgenommen wird.
6. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass das Bestimmen der Soll-Trajektorie (2) unter Verwendung eines ersten Künstliche-Intelligenz Modelles erfolgt, welches durch maschinelles Lernen erhalten wurde.
7. Verfahren nach einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, dass das Auswählen von zu verwendenden Sensoren (10) und/oder das Ändern einer Messrate unter Verwendung eines zweiten Künstliche- Intelligenz Modells erfolgt, welches durch maschinelles Lernen erhalten wurde.
8. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass das Bestimmen der Soll-Trajektorie (2) sowie das Auswählen von zu verwendenden Sensoren (10) und/oder das Ändern einer Messrate unter Verwendung eines gemeinsamen Künstliche-Intelligenz Modells erfolgt, welches durch maschinelles Lernen erhalten wurde.
9. Computerprogramm, das das Verfahren nach einem der Ansprüche 1 bis 8 ausführt, wenn es auf einem Computer abläuft.
10. Fahrzeug (1) umfassend eine Rechnereinheit (30) und eine Vielzahl von Sensoren (10) zur Erfassung von Umfelddaten, wobei die Rechnereinheit (30) zur Bereitstellung einer autonomen Fahrfunktion eingerichtet ist, dadurch gekennzeichnet, dass die Rechnereinheit (30) ferner eingerichtet ist, eines der Verfahren nach einem der Ansprüche 1 bis 8 auszuführen.
PCT/EP2020/080801 2019-11-11 2020-11-03 Verfahren zum betreiben einer autonomen fahrfunktion eines fahrzeugs WO2021094136A1 (de)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202080078636.1A CN114730186A (zh) 2019-11-11 2020-11-03 用于运行车辆的自主行驶功能的方法
US17/642,367 US20220324440A1 (en) 2019-11-11 2020-11-03 Method for operating an autonomous driving function of a vehicle

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102019217393.4A DE102019217393A1 (de) 2019-11-11 2019-11-11 Verfahren zum Betreiben einer autonomen Fahrfunktion eines Fahrzeugs
DE102019217393.4 2019-11-11

Publications (1)

Publication Number Publication Date
WO2021094136A1 true WO2021094136A1 (de) 2021-05-20

Family

ID=73043278

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2020/080801 WO2021094136A1 (de) 2019-11-11 2020-11-03 Verfahren zum betreiben einer autonomen fahrfunktion eines fahrzeugs

Country Status (4)

Country Link
US (1) US20220324440A1 (de)
CN (1) CN114730186A (de)
DE (1) DE102019217393A1 (de)
WO (1) WO2021094136A1 (de)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102019205900A1 (de) * 2019-04-25 2020-10-29 Robert Bosch Gmbh Situationsabhängige Steuerung von Fahrzeugsensoren und/oder Komponenten
EP4064056B1 (de) * 2021-03-26 2023-12-27 Volkswagen Aktiengesellschaft Verfahren zum zumindest teilweise automatisierten führen eines kraftfahrzeugs
CN113306573B (zh) * 2021-06-23 2022-08-16 湖南大学 一种自动驾驶车辆学习型路径跟踪预测控制方法
DE102021208988A1 (de) 2021-08-17 2023-02-23 Zf Friedrichshafen Ag Trainingsverfahren zum Trainieren eines künstlichen maschinellen Lernsystems zur Erkennung von Fehlfunktionen und Fahrzeugvorrichtung
DE102021124736A1 (de) 2021-09-24 2023-03-30 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Vorrichtung zur Ermittlung einer Positions-Hypothese
DE102022003360B3 (de) * 2022-09-13 2023-12-21 Mercedes-Benz Group AG Verfahren zur Generierung von Trainingsdatensätzen für ein autonomes Fahrzeug und System zur Generierung von Trainingsdatensätzen

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012108543A1 (de) 2012-09-13 2014-03-13 Continental Teves Ag & Co. Ohg Verfahren und Vorrichtung zum Anpassen der Umfelderfassung oder einer Assistenzfunktion auf Basis von Informationen einer digitalen Karte oder einer Verkehrsinformationen im Fahrzeug
DE102013219567A1 (de) 2013-09-27 2015-04-02 Robert Bosch Gmbh Verfahren zur Steuerung eines Mikrospiegelscanners und Mikrospiegelscanner
DE102014207694A1 (de) * 2014-04-24 2015-10-29 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum Evaluieren der Errechnung von Umfeldmodellen durch Fahrzeuge
US20170075355A1 (en) * 2015-09-16 2017-03-16 Ford Global Technologies, Llc Vehicle radar perception and localization
DE102017114049A1 (de) 2016-06-30 2018-01-04 GM Global Technology Operations LLC Systeme zum auswählen und durchführen von routen für autonome fahrzeuge
US20180272963A1 (en) * 2017-03-23 2018-09-27 Uber Technologies, Inc. Dynamic sensor selection for self-driving vehicles
US20200039528A1 (en) * 2018-07-31 2020-02-06 Robert Bosch Gmbh Detection of a decreasing performance of a sensor

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080065328A1 (en) * 2006-09-08 2008-03-13 Andreas Eidehall Method and system for collision avoidance
US10427676B2 (en) * 2017-05-31 2019-10-01 GM Global Technology Operations LLC Trajectory planner for autonomous driving using bézier curves
CN112859899A (zh) * 2014-10-31 2021-05-28 深圳市大疆创新科技有限公司 用于利用视觉标记进行监视的***和方法
DE102016202070A1 (de) * 2016-02-11 2017-08-17 Volkswagen Aktiengesellschaft Kraftfahrzeug-Steuervorrichtung und Verfahren zum Ermitteln von Ausweichtrajektorien für ein kollisionsfreies Ausweichmanöver mehrerer Kraftfahrzeuge
DE102016009302A1 (de) * 2016-08-01 2018-02-01 Lucas Automotive Gmbh Steuerungs-System und Steuerungs-Verfahren zur Auswahl und Verfolgung eines Kraftfahrzeugs
US10114370B2 (en) * 2016-11-21 2018-10-30 Caterpillar Inc. Machine automation system with autonomy electronic control module
DE102017205495A1 (de) * 2017-03-31 2018-10-04 Conti Temic Microelectronic Gmbh Vorrichtung und Verfahren zum Fokussieren von Sensoren im fahrdynamischen Grenzbereich für ein Kraftfahrzeug
DE102017219114A1 (de) * 2017-10-25 2019-04-25 Bayerische Motoren Werke Aktiengesellschaft Steuereinheit und Verfahren für ein Fahrzeug mit automatisierter Längs- und Querführung
US11091158B2 (en) * 2018-06-24 2021-08-17 Mitsubishi Electric Research Laboratories, Inc. System and method for controlling motion of vehicle with variable speed
DK201970129A1 (en) * 2018-12-14 2020-07-09 Aptiv Tech Ltd Determination of an optimal spatiotemporal sensor configuration for navigation of a vehicle using simulation of virtual sensors
US11442449B2 (en) * 2019-05-09 2022-09-13 ANI Technologies Private Limited Optimizing performance of autonomous vehicles
US11364905B2 (en) * 2019-05-16 2022-06-21 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Scrape detection for motor vehicle
US20230417565A1 (en) * 2022-06-27 2023-12-28 Waymo Llc Lane changes for autonomous vehicles involving traffic stacks at intersection

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012108543A1 (de) 2012-09-13 2014-03-13 Continental Teves Ag & Co. Ohg Verfahren und Vorrichtung zum Anpassen der Umfelderfassung oder einer Assistenzfunktion auf Basis von Informationen einer digitalen Karte oder einer Verkehrsinformationen im Fahrzeug
DE102013219567A1 (de) 2013-09-27 2015-04-02 Robert Bosch Gmbh Verfahren zur Steuerung eines Mikrospiegelscanners und Mikrospiegelscanner
DE102014207694A1 (de) * 2014-04-24 2015-10-29 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum Evaluieren der Errechnung von Umfeldmodellen durch Fahrzeuge
US20170075355A1 (en) * 2015-09-16 2017-03-16 Ford Global Technologies, Llc Vehicle radar perception and localization
DE102017114049A1 (de) 2016-06-30 2018-01-04 GM Global Technology Operations LLC Systeme zum auswählen und durchführen von routen für autonome fahrzeuge
US20180272963A1 (en) * 2017-03-23 2018-09-27 Uber Technologies, Inc. Dynamic sensor selection for self-driving vehicles
US20200039528A1 (en) * 2018-07-31 2020-02-06 Robert Bosch Gmbh Detection of a decreasing performance of a sensor

Also Published As

Publication number Publication date
US20220324440A1 (en) 2022-10-13
CN114730186A (zh) 2022-07-08
DE102019217393A1 (de) 2021-05-12

Similar Documents

Publication Publication Date Title
WO2021094136A1 (de) Verfahren zum betreiben einer autonomen fahrfunktion eines fahrzeugs
EP3181422B1 (de) Verfahren und system zur automatischen steuerung eines folgefahrzeugs mit einem scout-fahrzeug
EP2981951B1 (de) Automatisches befahren einer strecke
WO2017167801A1 (de) Fahrerassistenzsystem zum unterstützen eines fahrers beim führen eines fahrzeugs
WO2015144410A1 (de) Vorrichtung zur vorhersage von fahrzustandsübergängen
DE112017001198T5 (de) Fahrwechsel-steuerungsvorrichtung und fahrwechsel-steuerungsverfahren
WO2008145545A1 (de) Verfahren und vorrichtung zur erkennung von verkehrsrelevanten informationen
DE102018207869A1 (de) Verfahren und System zur Bereitstellung einer Automatisierungsfunktion für ein Fahrzeug
DE102017217444A1 (de) Verfahren und System zum Aktualisieren eines Steuerungsmodells für eine automatische Steuerung zumindest einer mobilen Einheit
DE102018009927A1 (de) Steuerungssystem und Steuerungsverfahren für einen hybriden Ansatz zum Ermitteln einer möglichen Trajektorie für ein Kraftfahrzeug
DE102020124633A1 (de) Kontextsensitive anpassung einer geländeblickzeit
DE102018133457B4 (de) Verfahren und System zum Bereitstellen von Umgebungsdaten
WO2019215222A1 (de) Verfahren zum betreiben eines kraftfahrzeugs zur verbesserung von arbeitsbedingungen von auswerteeinheiten des kraftfahrzeugs, steuersystem zum durchführen eines derartigen verfahrens sowie kraftfahrzeug mit einem derartigen steuersystem
EP4288955A1 (de) Verfahren zum infrastrukturgestützten assistieren mehrerer kraftfahrzeuge
DE102019104974A1 (de) Verfahren sowie System zum Bestimmen eines Fahrmanövers
DE102010046236A1 (de) Verfahren zur Regelung der Längsbewegung eines Fahrzeuges und Fahrerassistenzsystem
DE102020129802A1 (de) Fahrzeugbetriebskennzeichnung
DE102020201931A1 (de) Verfahren zum Trainieren wenigstens eines Algorithmus für ein Steuergerät eines Kraftfahrzeugs, Verfahren zur Optimierung eines Verkehrsflusses in einer Region, Computerprogrammprodukt sowie Kraftfahrzeug
DE102019129904A1 (de) Automatische Fahrkompetenzanalyse
DE102018210367A1 (de) Fahrerassistenzsystem, Fahrzeug, Verfahren zum Betreiben des Fahrerassistenzsystems, Computerprogramm und computerlesbares Speichermedium
DE102021104290B3 (de) Verfahren zum zumindest teilautomatisierten Parken eines Kraftfahrzeugs, Fahrerassistenzsystem und Kraftfahrzeug
DE102020213862A1 (de) Verfahren und Umgebungserfassungssystem zum Bereitstellen von Umgebungsdaten
DE102022200216B3 (de) Verfahren und System zum Bereitstellen einer Online-Funktion eines Fahrerassistenzsystems für ein Kraftfahrzeug
WO2023031018A1 (de) Verfahren zum infrastrukturgestützten assistieren eines kraftfahrzeugs
WO2023237424A1 (de) Verfahren und assistenzsystem zum vorhersagen eines fahrschlauches und kraftfahrzeug

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20800642

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20800642

Country of ref document: EP

Kind code of ref document: A1