AT527251A1 - Computerimplementiertes Verfahren zur automatischen Bestimmung einer Anordnung einer Sensoreinrichtung an einem Fahrzeug - Google Patents
Computerimplementiertes Verfahren zur automatischen Bestimmung einer Anordnung einer Sensoreinrichtung an einem Fahrzeug Download PDFInfo
- Publication number
- AT527251A1 AT527251A1 ATA50395/2023A AT503952023A AT527251A1 AT 527251 A1 AT527251 A1 AT 527251A1 AT 503952023 A AT503952023 A AT 503952023A AT 527251 A1 AT527251 A1 AT 527251A1
- Authority
- AT
- Austria
- Prior art keywords
- model
- sensor
- arrangement
- vehicle
- detection
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—Three-dimensional [3D] image rendering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
- G01S2013/9327—Sensor installation details
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/18—Details relating to CAD techniques using virtual or augmented reality
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—Three-dimensional [3D] image rendering
- G06T15/04—Texture mapping
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Graphics (AREA)
- Radar Systems Or Details Thereof (AREA)
- Traffic Control Systems (AREA)
Abstract
Die vorliegende Erfindung betrifft ein computerimplementiertes Verfahren zur automatischen Bestimmung einer Anordnung einer Sensoreinrichtung an einem Fahrzeug (12), umfassend die Schritte: (a) Bereitstellen einer Simulationsumgebung mit einem Detektionsobjekt und einem Verdeckungsobjekt; (b) Bereitstellen von einem 3D-Modell (10) des Fahrzeugs (12) und einem 2D-Modell (36) des Fahrzeugs (12), wobei das 2D-Modell (10) auf das 3D-Modell abbildbar ist; (c) Bereitstellen von einem Sensormodell (34), welches ein Modell der Sensoreinrichtung ist, mit einem Sichtfeld (35), einer Reichweite und einer initialen Anordnung an dem 3D-Modell (10) und/oder dem 2D-Modell (36); wobei im Fall einer initialen Anordnung des Sensormodells ausschließlich an dem 3D-Modell (10) ferner der Zusatzschritt (d) durchgeführt wird: (d) Abbilden von zumindest denjenigen Teilen des 3D-Modells (10), an welchen das Sensormodell (34) angeordnet ist, einschließlich der Anordnung des Sensormodells (34), auf das 2D-Modell (36); und in allen Fällen der initialen Anordnung des Sensormodells (34) ferner die Schritte durchgeführt werden: (e) Ändern der Anordnung des Sensormodells (34) am 2D-Modell (36); (f) Rückführen der geänderten Anordnung des Sensormodells (34) in ein dadurch geändertes 3D-Modell (10a); (g) Durchführen einer Simulation mit dem geänderten 3D-Modell (10a) in der Simulationsumgebung, und dabei (h) Messen einer Detektionsgüte; wobei die Schritte e) bis h) wiederholt werden, bis eine Abbruchbedingung erfüllt ist.
Description
Computerimplementiertes Verfahren zur automatischen Bestimmung einer Anordnung einer Sensoreinrichtung an einem Fahrzeug
Die vorliegende Erfindung betrifft ein computerimplementiertes Verfahren zur automatischen Bestimmung einer Anordnung einer Sensoreinrichtung an einem Fahrzeug, eine Vorrichtung zur Datenverarbeitung, ein Computerprogrammprodukt und ein computerlesbares Speichermedium zur Ausführung eines solchen Verfahrens.
Die vorliegende Erfindung betrifft die Entwicklung von Fahrzeugen, insbesondere von autonomen Fahrzeugen. Neue Fahrzeugmodelle unterscheiden sich im Design ihres Fahrzeugkörpers und in ihrer Funktionalität. Ferner weisen insbesondere neu entwickelte autonome Fahrzeuge verschiedene Sensoren zur Detektion der Fahrzeugumgebung auf. Die vorliegende Erfindung betrifft das dabei zu lösende Problem, an welchen Positionen eines autonomen Fahrzeugs diese Sensoren während der Fahrzeugentwicklungsphase optimalerweise angeordnet werden können und welche Ausrichtung diese Sensoren optimalerweise haben sollten.
Es ist bekannt, dass die zunehmende Komplexität der Anforderungen an autonome Fahrfunktionen, beispielsweise bei SAE-Level 3 und höher, die Umweltwahrnehmung von bekannten Fahrzeugsensorsystemen an ihre Grenzen bringt. Eine robuste Erkennung der Straßeninfrastruktur sowie anderer Verkehrsteilnehmer ist für einen sicheren und zuverlässigen Betrieb von selbstfahrenden Fahrzeugen unerlässlich. Je nach vorgesehener automatisierter Fahrfunktion werden zahlreiche externe Sensoren wie Kameras, Radarsensoren, Lidarsensoren und Ultraschallsensoren an der Fahrzeugkarosserie angebracht, um das erforderliche Sichtfeld abzudecken. Es werden Algorithmen zur Sensorfusion und Sensorwahrnehmung entwickelt, um die Ausgabe der Sensoren für die Bewegungsplanung und Bewegungssteuerung zu verarbeiten. Die Erkennung von Objekten ist dabei sowohl von der Art und Güte der verwendeten Sensoren als auch von der Anordnung der Sensoren an der Fahrzeugkarosserie abhängig.
Die Anordnung der Sensoren in der Fahrzeugentwicklungsphase hängt insbesondere von drei Hauptfaktoren ab:
- Design-Zwänge: Die Fahrzeugkarosserie und ihr ästhetisches und aerodynamisches Design lassen eine beliebige Installation der Sensoren nicht zu. Meistens ist eine unauffällige
Integration erforderlich.
- Signalinterferenzen: Radarsensoren interferieren mit metallischen Oberflächen, z. B. Nummernschildern, so dass ihre Platzierung sicher vor Reflexionen und Interferenzen sein
MUSS.
- Kosten: Die Fahrzeughersteller streben eine kosteneffiziente Entwicklung an, was niedrigere Kosten für die Sensorsysteme erfordert, mit dem Ziel einer maximalen Abdeckung bei minimaler Sensorauslastung.
Üblicherweise basiert die Entwicklung von Sensorlayouts auf der Analyse der geometrischen Abdeckung in statischen Verkehrsszenarien unter Verwendung visueller
Berechnungsmethoden, z.B. Ray-Casting.
Nachteilhaft bei den bekannten Lösungen ist es, dass ein hoher manueller Aufwand bei der Auswahl des optimalen Sensorlayouts besteht. Aufgrund der genannten Randbedingungen ist dies ein zu lösendes Problem mit vielen Variablen. Ferner ist nachteilhaft, dass quantitative Key-Performance-Indikatoren (KPls) für die Entscheidungsfindung fehlen. Ebenfalls nachteilhaft ist, dass bei den bisher bekannten Verfahren die ausgewählte Anordnung in dynamischen
Szenarien im Zeitverlauf keine Berücksichtigung findet.
Es ist Aufgabe der vorliegenden Erfindung, in kostengünstiger und einfacher Weise die voranstehend beschriebenen Nachteile zumindest teilweise zu beheben. Insbesondere ist es Aufgabe der vorliegenden Erfindung, in kostengünstiger und einfacher Weise ein Verfahren bereitzustellen, mit dem eine optimierte Anordnung einer Sensoreinrichtung an einem Fahrzeug
automatisch bestimmt werden kann.
Insbesondere ist es ein Ziel der vorliegenden Erfindung, ein Verfahren zur automatischen Ermittlung der optimalen Sensoranordnung und -ausrichtung für ein gegebenes 3D-
Karosseriemodell eines Fahrzeugs bereitzustellen.
Das Verfahren soll insbesondere geeignet sein, um von Systemingenieuren und Systemdesignern für die Anordnung und Integration der erforderlichen Sensoren verwendet werden zu können, um sowohl die räumliche Abdeckung der Wahrnehmung als auch die Dauer, innerhalb derer ein Detektionsobjekt unter verschiedenen Bedingungen vom Sensorsystem
erfasst wird, zu maximieren.
Die voranstehende Aufgabe wird gelöst, durch ein Verfahren mit den Merkmalen des Anspruchs 1, eine Vorrichtung zur Datenverarbeitung nach Anspruch 14, einem Computerprogrammprodukt nach Anspruch 15 und einem computerlesbaren Speichermedium nach Anspruch 16.
Weitere Merkmale und Details der Erfindung ergeben sich aus den Unteransprüchen, der Beschreibung und den Zeichnungen. Dabei gelten Merkmale und Details, die im Zusammenhang mit dem erfindungsgemäßen Verfahren beschrieben sind, selbstverständlich auch im Zusammenhang mit den erfindungsgemäßen Vorrichtungen und jeweils umgekehrt, sodass bezüglich der Offenbarung zu den einzelnen Erfindungsaspekten stets wechselseitig
Bezug genommen wird beziehungsweise werden kann.
Ein erfindungsgemäßes Verfahren soll eine automatische Bestimmung einer Anordnung einer Sensoreinrichtung an einem Fahrzeug ermöglichen. Das Fahrzeug ist insbesondere ein Fahrzeug mit teilautomatisierten oder vollautomatisierten Fahrfunktionen. Ein solches Verfahren zeichnet sich durch die folgenden Schritte aus:
(a) Bereitstellen einer Simulationsumgebung mit einem Detektionsobjekt und einem Verdeckungsobjekt;
(b) Bereitstellen von einem 3D-Modell des Fahrzeugs und einem 2D-Modell des Fahrzeugs, wobei das 2D-Modell auf das 3D-Modell abbildbar ist;
(c) Bereitstellen von einem Sensormodell, welches ein Modell der Sensoreinrichtung ist, mit einem Sichtfeld, einer Reichweite und einer initialen Anordnung an dem 3DModell und/oder dem 2D-Modell; wobei im Fall einer initialen Anordnung des Sensormodells ausschließlich an dem 3DModell ferner der Zusatzschritt (d) durchgeführt wird:
(d) Abbilden von zumindest denjenigen Teilen des 3D-Modells, an welchen das Sensormodell angeordnet ist, einschließlich der Anordnung des Sensormodells, auf das 2D-Modell; und in allen Fällen der initialen Anordnung des Sensormodells ferner die Schritte durchgeführt werden:
(e) Ändern der Anordnung des Sensormodells am 2D-Modell;
(f) Rückführen der geänderten Anordnung des Sensormodells in ein dadurch geändertes 3D-Modell;
(g) Durchführen einer Simulation mit dem geänderten 3D-Modell in der Simulationsumgebung und dabei
(h) Messen einer Detektionsgüte; wobei die Schritte e) bis h) wiederholt werden, bis eine Abbruchbedingung erfüllt ist.
Der Kerngedanke eines erfindungsgemäßen Verfahrens liegt darin, dass das Verfahren zur
Anordnung einer Sensoreinrichtung in eine Simulationsumgebung übertragen wird, in der eine
Simulation eines dynamischen Ereignisses stattfinden kann und dass die Komplexität des mit der Anordnung der Sensoreinrichtung zusammenhängenden Optimierungsproblems dadurch wesentlich reduziert werden kann, dass wesentliche Schritte der Optimierung in einer 2DUmgebung stattfinden.
Der Erfindung liegt die überraschende Erkenntnis zugrunde, dass durch ein mit einfachen Simulationsschritten ablaufendes Verfahren, Anordnungen der Sensoreinrichtung deutlich schneller als mit herkömmlichen Verfahren identifizierbar sind, wobei die Detektion von zu detektierenden Detektionsobjekten mit den bestimmten Anordnungen im Vergleich zu
herkömmlichen Methoden zumindest gleichwertig oder sogar besser ist.
Die Sensoreinrichtung kann insbesondere eine Kamera, ein Radar-Sensor, ein LIDAR-Sensor oder ein Ultraschallsensor sein. Insbesondere soll das Verfahren auch dazu geeignet sein,
mehrere Sensoren eines Sensorsystems automatisch am Fahrzeug anzuordnen.
Das Fahrzeug kann ein Bodenfahrzeug, ein Wasserfahrzeug oder ein Luftfahrzeug sein. Das Verfahren ist besonders für Kraftfahrzeuge, insbesondere PKW oder LKW geeignet. Insbesondere kann das Fahrzeug ein autonomes Fahrzeug, vorzugsweise mit einem
Automatisierungsgrad nach Level 2 bis 5, sein.
Die Simulationsumgebung simuliert eine 3D-Umgebung mit statischen Objekten wie Straßen mit Fahrspuren, Fahrbahnmarkierungen, Bordsteinen oder Straßenrandobjekten. Ferner wird das Detektionsobjekt und das Verdeckungsobjekt simuliert. Das Detektionsobjekt ist ein Objekt, das vom Sensormodell während der Simulation detektiert werden soll. Vorzugsweise ist das Detektionsobjekt ein dynamisches Objekt in der Simulation, dessen Position sich während des Ablaufs der Simulation ändert. Das Detektionsobjekt kann beispielsweise eine Person repräsentieren. Das Verdeckungsobjekt kann ebenfalls ein dynamisches Objekt sein, beispielsweise ein Fremdfahrzeug.
Die Simulationsumgebung kann mit dem Standard OpenScenario 1.0 modelliert werden, wobei die Umgebung und der Verkehr einschließlich dem 3D-Modell des Fahrzeugs, dem Detektionsobjekt und dem Verdeckungsobjekt mit einer 3D-Grafik-Engine wie der Unreal Engine modelliert und gerendert werden. Ferner kann das Simulationstool CARLA in Kombination mit dem „Environment Simulator Minimalistic“ („£ESmini“) für den Import der
OpenScenario-Import und die Unreal Engine für das Grafik-Rendering verwendet werden.
Das 3D-Modell des Fahrzeugs liegt in Form eines Polygonnetzes vor und umfasst zumindest ein 3D-Karosseriemodell des Fahrzeugs. Die Auflösung des Polygonnetzes ist dabei hoch
genug, um die Fahrzeugabmessungen realistisch nachbilden zu können. Vorzugsweise sind außerdem Einschränkungen im 3D-Modell vorgegeben, also Bereiche, in denen Sensoren aus Design- oder Interferenzgründen nicht platziert werden können oder nicht platziert werden sollen. Mit dem Bereitstellen des 3D-Modells wird auch ein Sensormodell definiert, das die Anzahl und Art der Sensoren, beispielsweise zwei Frontkameras, ein Langstrecken-Frontradar und andere, sowie deren ungefähre Anordnung und deren ungefähre Ausrichtung an der
Karosserie beinhaltet.
In der einfachsten Form modelliert das Sensormodell jedoch lediglich eine einzelne Sensoreinrichtung mit einem einzigen Sichtfeld und einer einzigen Reichweite. Das Sensormodell kann aber auch mehrere verteilte Sensoren modellieren, wobei jeder der Sensoren ein eigenes Sichtfeld und eine eigene Reichweite hat. Sichtfeld und Reichweite sind entsprechend der Art des dem Modell zugrunde liegenden Sensors gewählt.
Ist in Schritt (d) die initiale Anordnung des Sensormodells am 3D-Modell bereitgestellt, werden die weiteren Verfahrensschritte (e)—>()—(g)—>(h)—>(e)—(f—(g)—(h)—... oder in der Reihenfolge (g)—>(h)—>(e)-—>(f—>(g)—->(h)—(e)—>()—(g)—(h)—... wiederholt, bis die Abbruchbedingung erfüllt ist. Dies bedeutet, dass ausschließlich beim ersten Durchlauf die Schritt (e) und (f) optional sind. Ist die initiale Anordnung des Sensormodells dagegen am 2DModell bereitgestellt, ist es vorgesehen, den Schritt (d) nicht durchzuführen und lediglich die Schritte (e) bis (h) wiederholt durchzuführen, wobei im ersten Durchlauf der Schritt (e), also das Ändern der Anordnung des Sensormodells auch weggelassen werden kann. Die Reihenfolge der Schritte ist in diesem Fall also (e)—>()—(g)—>(h)—>(e)—(f—>(g)—>(h)— ..., oder (M—(g)->(h)—>(e)—>(M—(g)—>(h)— (e)—>(—(g)—(h)—... bis die Abbruchbedingung erfüllt ist. Ist die Anordnung des Sensormodells initial am 2D-Modell und am 3D-Modell festgelegt, kann eine der beiden Schleifenformen durchgeführt werden. Durch das Erfüllen der Abbruchbedingung ist die zuletzt geänderte Anordnung des Sensormodells am 2D-Modell und am 3D-Modell festgelegt. Da das Sensormodell ein Modell der Sensoreinrichtung ist und das 2D-Modell und das 3D-Modell Modelle des Fahrzeugs sind, entspricht die Anordnung des Sensormodells am 3D-Modell der Anordnung der Sensoreinrichtung am Fahrzeug, welche hierdurch bestimmt ist.
In einer besonderen Ausführungsform der Erfindung kann auch vorgesehen sein, dass nicht nur die Schritte (e) bis (h), sondern die Schritte (d) bis (h) wiederholt werden, bis eine Abbruchbedingung erfüllt ist. Hierbei wird jeweils das gesamte Modell in 2D und 3D abgebildet und rück-abgebildet, beispielsweise durch UV-Mapping.
Es ist möglich, das 2D-Modell durch Abbilden, also Mappen aus dem 3D-Modell zu erzeugen. Die Begriffe Abbilden und Mappen werden in diesem Zusammenhang synonym verwendet. Das 2D-Modell wird dabei vorzugsweise durch UV-mapping aus dem 3D-Modell generiert. Auf diese Weise ist das Abbilden des 3D-Modells in das 2D-Modell und das Rück-Abbilden des 2DModells in das 3D-Modell möglich. Eine Reduktion des Rechenaufwands kann unter Umständen dadurch erreicht werden, dass nur Teile des 3D-Modells im 2D-Modell abgebildet werden. Es ist häufig ausreichend, ausschließlich diejenigen Teile des 3D-Modells in das 2DModell abgebildet werden, die das Sensormodell aufweisen. Muss ein Sensor beispielsweise im Frontbereich des Fahrzeugs platziert werden, kann es ausreichen, ausschließlich diesen
Frontbereich zu transferieren.
Beim Ändern der Anordnung des Sensormodells am 2D-Modell in Schritt (e) findet vorzugsweise ein zielgerichteter Optimierungsprozess statt. Während in einem ersten Durchlauf des iterativen Verfahrens eine vorgegebene oder zufällige Änderung stattfindet, ist ab der zweiten Iteration eine Optimierung der Anordnung möglich. Im Anschluss an die Änderung wird die geänderte Anordnung des Sensormodells oder das gesamte geänderte 2D-Modell mit der geänderten Anordnung in das 3D-Modell rückabgebildet und es wird eine Simulation mit dem geänderten 3D-Modell in der Simulationsumgebung durchgeführt. Bei der Simulation wird eine Detektionsgüte gemessen. Die Detektionsgüte ist ein numerischer Wert, der optimiert werden kann und für bestimmte Anordnungen und Ausrichtungen ein Maximum erreicht. Die Detektionsgüte wird insbesondere über das Detektionsobjekt und/oder das Verdeckungsobjekt gemessen. Die in Schritt e) gewählten Anordnungen des Sensormodells können in jeder Iteration hinsichtlich der Detektionsgüte optimiert werden. Wenn trotz Änderung der Anordnung keine Änderung der Detektionsgüte mehr erfolgt, ist ein zumindest lokales Maximum erreicht. Das Erreichen eines Maximums der Detektionsgüte kann als Abbruchbedingung definiert werden. Das Vorliegen der Abbruchbedingung kann einer Bestimmung der Anordnung einer Sensoreinrichtung entsprechen. Die in diesem Fall bestehende Anordnung kann ausgegeben
werden.
Auf diese Weise kann der gesamte Rechenaufwand zur Bestimmung einer Anordnung einer
Sensoreinrichtung reduziert werden.
Alternativ oder zusätzlich kann es Vorteile mit sich bringen, wenn bei dem erfindungsgemäßen Verfahren die Abbruchbedingung ein Schwellwert einer Detektionsgüte ist.
Auch hierdurch kann sich der Rechenaufwand zur Bestimmung einer Anordnung einer
Sensoreinrichtung am Fahrzeug reduzieren lassen.
7127
Vorteile bringt es weiter mit sich, wenn das Messen der Detektionsgüte in Schritt (h) ein Messen eines Werts einer Abdeckung des Detektionsobjekts mit dem Verdeckungsobjekt umfasst.
Die Abdeckung kann als Durchschnitt der Verdeckung zu jedem Zeitpunkt der Simulation aufgefasst werden. Das bedeutet, dass die Abdeckung den Prozentsatz der detektierten Pixel des Detektionsobjekts im Verhältnis zur Gesamtzahl der Pixel des Detektionsobjekts, den das Sensormodell detektieren würde, wenn von keinem Verdeckungsobjekt verdeckt werden würde, angibt.
Weitere Vorteile werden erreicht, wenn das Messen der Detektionsgüte in Schritt (h) ein Messen eines Werts einer Zeit, in der das Detektionsobjekt vom Sensormodell detektiert wird,
umfasst.
Die Zeit, in der das Ziel vom Sensormodell detektiert wird, entspricht der gesamten Dauer der Detektion, also der Summe aller Zeitschritte in der das Detektionsobjekt vom Sensormodell detektiert wird, einschließlich der Zeitschritte für die erste und letzte Detektion.
Zusätzliche Vorteile werden erzielt, wenn in der Simulationsumgebung wenigstens ein weiteres Detektionsobjekt bereitgestellt ist und das Messen der Detektionsgüte in Schritt (h) ein Messen der Anzahl der vom Sensormodell detektierten Detektionsobjekte umfasst.
Mit dem Definieren der genannten Parameter zum Messen der Detektionsgüte ist es möglich, das Ergebnis hinsichtlich örtlicher und zeitlicher sensorischer Abdeckung zu analysieren und zu optimieren. Insbesondere können auch Effekte wie kurze Verdeckungen des Detektionsobjekts
erkannt werden.
Weiter ist von Vorteil, wenn das Ändern der Anordnung des Sensormodells am 2D-Modell in Schritt (e) mit einer Optimierungsfunktion, die dazu eingerichtet ist, die Detektionsgüte zu
optimieren, erfolgt.
Mit einer solchen Optimierungsfunktion kann eine optimale Anordnung des Sensors schneller ermittelt werden und dadurch der Rechenaufwand zur Ermittlung einer optimalen Anordnung des Sensors reduziert werden.
Zusätzliche Vorteile werden erzielt, wenn die Anordnung des Sensormodells eine Position und eine Ausrichtung umfasst.
Die Position und Ausrichtung sind jeweils relativ zum Fahrzeug, also relativ zum Fahrzeugmodell zu verstehen. Auch wenn die Optimierung beider Größen einen höheren Rechenaufwand bedeutet, rechtfertigt dieser in vielen Fällen die größere Genauigkeit des Ergebnisses.
Insbesondere ist von Vorteil, wenn das Verfahren ferner den Schritt umfasst:
(i) Darstellen der Detektionsgüte als Heatmap über dem 3D-Modell oder dem 2DModell.
Eine Heatmap ist ein Diagramm zur Visualisierung der Werte der Detektionsgüte. Heatmaps dienen dazu, große Datenmengen schnell überblicken zu können indem Zahlenwerte je nach Größe farblich markiert werden.
Weitere Vorteile werden erzielt, wenn das Verfahren ferner den Schritt umfasst:
() Anordnen einer Sensoreinrichtung an einer Position des Fahrzeugs mit einer Ausrichtung relativ zum Fahrzeug, wobei
die Position und die Ausrichtung in Abhängigkeit der Detektionsgüte ausgewählt ist.
Insbesondere kann die Sensoreinrichtung an einer Position des Fahrzeugs mit einer Ausrichtung relativ zum Fahrzeug gewählt werden, die einer Anordnung des Sensormodells am 3D-Modell entspricht, bei der die Abbruchbedingung erfüllt wurde. Ein solches Verfahren ist insbesondere auch zur Anordnung einer Sensoreinrichtung an einem Fahrzeug geeignet.
Weitere Vorteile werden erreicht, wenn in Schritt (d) das Abbilden mittels UV-Mapping durchgeführt wird.
Insbesondere ist von Vorteil, wenn die Simulationsumgebung mehrere Verdeckungsobjekte
umfasst.
Weiter ist von Vorteil, wenn wenigstens ein Bereich des 2D-Modells für die Anordnung des
Sensormodells ausgenommen ist.
Schließlich ist von Vorteil, wenn die Sensoreinrichtung einen Radar-Sensor, einen LIDAR-
Sensor, einen Ultraschallsensor und/oder eine Kamera umfasst.
Der Radar-Sensor ist ein Sensor, der Mikrowellen aussendet und die reflektierten Mikrowellen wieder detektiert. Radar-Sensoren können eine Reichweite von bis zu 300 Metern haben und nutzen den Dopplereffekt. Der LIDAR-Sensor nutzt einen Laser, um ein Sichtfeld abzutasten und über das am Detektionsobjekt zurückgestreute Licht das Detektionsobjekt zu detektieren. Die Reichweite des Lidar-Sensors ist insbesondere abhängig von der im Laser genutzten Wellenlänge und den gegebenen atmosphärischen Bedingungen. Ultraschallsensoren basieren auf Laufzeitmessungen von hochfrequenten Schallimpulsen und können Reichweiten von bis zu
10m aufweisen. Die Kamera kann für Aufnahmen im sichtbaren Spektrum oder auch für
Aufnahmen in größeren als dem sichtbaren Spektralbereich eingerichtet sein. Insbesondere
kann auch eine Infrarotkamera genutzt werden.
Gemäß einem zweiten Aspekt liefert die Erfindung eine Vorrichtung zur Datenverarbeitung, umfassend einen Prozessor, der so konfiguriert ist, dass er das Verfahren nach einem der
Ansprüche 1 bis 13 ausführt.
Gemäß einem dritten Aspekt liefert die Erfindung ein Computerprogrammprodukt, umfassend Befehle, die bei der Ausführung des Programms durch einen Computer diesen veranlassen,
das Verfahren nach einem der Ansprüche 1 bis 13 auszuführen.
Gemäß einem vierten Aspekt liefert die Erfindung ein computerlesbares Speichermedium, umfassend Befehle, die bei der Ausführung durch einen Computer diesen veranlassen, das Verfahren nach einem der Ansprüche 1 bis 13 auszuführen.
Weitere Vorteile, Merkmale und Einzelheiten der Erfindung ergeben sich aus der nachfolgenden Beschreibung, in der unter Bezugnahme auf die Zeichnungen Ausführungsbeispiele der Erfindung im Einzelnen beschrieben sind. Es zeigen schematisch:
Fig. 1 ein 3D-Modell eines Fahrzeugs, Fig. 2 ein aus dem in Fig. 1 gezeigten 3D-Modell erstelltes 2D-Modell, und
Fig. 3 ein Ablaufdiagramm einer exemplarischen Ausführungsform des erfindungsgemäßen Verfahrens mit den zugehörigen 2D-Modellen und 3D-Modellen des Fahrzeugs.
Figur 1 zeigt schematisch ein 3D-Modell 10 eines Fahrzeugs 12. Das 3D-Modell 10 umfasst die Elemente des Fahrzeugkörpers, also alle außen liegenden Elemente des Fahrzeugs 12 und insbesondere Teile der Karosserie. Das 3D-Modell 10 umfasst die rechte Seitenfläche 14, die linke Seitenfläche 16, die Fahrzeugfront 18, die Fahrzeugrückseite 20, das Dach 22, das Reifenprofil 24, die linke Außenspiegelfront 26, die rechte Außenspiegelfront 28, die linke Außenspiegelrückseite 30 und die rechte Außenspiegelrückseite 32. Das 3D-Modell 10 liegt in Form eines Polygonnetzes vor. Im 3D-Modell 10 sind Randbedingungen definiert, die festlegen,
an welchen Positionen Sensoren angeordnet werden können und an welchen nicht,
beispielsweise auf Basis von Designgründen und/oder aus Gründen der Sensorsignal-
Interferenz.
Ferner umfasst das 3D-Modell 10 auch ein Sensormodell 34, welches in diesem Beispiel an der Karosserie angeordnet und nach vorne ausgerichtet ist. Das Sensormodell 34 umfasst ein Sichtfeld 35 in drei Dimensionen, also ein horizontales Sichtfeld und ein vertikales Sichtfeld. Weiter ist im Sensormodell 34 eine Reichweite festgelegt. Das Sichtfeld 35 und die Reichweite des Sensormodells 34 entsprechen dem Sichtfeld und der Reichweite der dem Sensormodell 34 zugrundeliegenden Sensoreinrichtung. Das Sensormodell 34 kann zu Beginn des Verfahrens an einer Position angeordnet werden, die näherungsweise einer erwarteten
optimalen Position an der Fahrzeugkarosserie entspricht.
In einem weiteren Schritt des Verfahrens wird aus dem 3D-Modell 10 ein 2D-Modell 36 bereitgestellt, durch Abbilden des 3D-Modells in das 2D-Modell. Im gezeigten Fall erfolgt die Abbildung, also die 2D-Modellierung durch UV-Mapping. Jeder Punkt des Polygonnetzes bekommt beim UV-Mapping eine eindeutige Texturposition. Mit dem UV-Mapping wird ermöglicht, die Polygone, die das 3D-Modell 10 darstellen, mit einem Bild zu texturieren. Das Bild ist das 2D-Modell. Das 2D-Modell, also die UV-Map wird generiert und justiert, um die Anzahl an Überlappungen und Lücken zwischen Teilen des Fahrzeugs zu minimieren. Bei diesem Prozessschritt werden unterschiedliche Teile des Fahrzeugs durch unterschiedliche 2DModelle repräsentiert. Die Abbildung des 3D-Modells in das 2D-Modell soll als UV-Mapping möglichst zusammenhängend und verzerrungsfrei sein. Randbedingungen, die festlegen, an welchen Positionen Sensoren angeordnet werden können, und an welchen nicht, werden beim Erzeugen des 2D-Modells 36 beibehalten. Beim Erzeugen des 2D-Modells 36 wird auch das Sensormodell 34 in den UV-Koordinaten positioniert. Es ist hierbei möglich, das 2D-Modell 36 durch das UV-Mapping von ausschließlich relevanten Teilen des 3D-Modells 10 zu erzeugen und abzubilden. Beispielsweise kann, im Fall, dass die Position und Ausrichtung eines an der Fahrzeugfront angeordneten Frontsensors ermittelt wird, ausschließlich die Fahrzeugfront 18 in
zwei Dimensionen abgebildet werden.
In zwei Dimensionen ist es mit geringerem Rechenaufwand möglich, die Anordnung des Sensormodells 34 numerisch zu optimieren. In 2D ist die Evaluierung der validen Konfigurationen der Sensoranordnungen leichter zu überprüfen, da die Positionen nur auf der Oberfläche sein können. Hierbei kann eine geänderte Anordnung entweder in zufälliger Weise, insbesondere mittels eines Zufallsgenerators ausgewählt werden. Alternativ ist es möglich, einen Optimierungsalgorithmus für die Anordnung zu nutzen.
Die im 2D-Modell 36 geänderte Anordnung des Sensormodells 34, also die Position und Ausrichtung des Sensormodells 34, wird in das 3D-Modell 10 rückgeführt, also rückabgebildet. Mit dem dadurch vorliegenden, geänderten 3D-Modell 10a wird anschließend eine Simulation in einer Simulationsumgebung durchgeführt.
Die Simulationsumgebung simuliert einen dreidimensionalen Simulationsraum, der eine Straßenumgebung mit Verkehr abbildet. Hierzu wird eine Grafik-Engine wie die Unreal-Engine genutzt, mit der alle Objekte der Simulationsumgebung modelliert und gerendert werden. Teil der Simulationsumgebung ist wenigstens ein Detektionsobjekt, welches dazu vorgesehen ist, vom Sensormodell 34 detektiert zu werden und wenigstens ein Verdeckungsobjekt, welches das Sichtfeld 35 des Sensormodells 34 einschränkt.
Die Simulation selbst stellt ein Fahrszenario dar, bei dem das Fahrzeug 12 durch die Simulationsumgebung bewegt wird. Für die Simulation wird das Simulationstool CARLA in Kombination mit ESmini für einen OpenScenario-Import verwendet. Für das Sensormodell 34 kommen die vier folgende Sensormodelle infrage: (1) ein Kameramodell mittels Pixelbild inklusive semantischer Segmentierung erkannter Objekte, (2) ein Radarmodell mittels Raycast, bei dem mehrere Sehstrahlen die Umgebungsobjekte mit einer bestimmten Auflösung abtasten, (3) ein Lidar-Modell mittels Raycast, oder (4) ein Ultraschall-Modell mittels Raycast.
Unter diesen Voraussetzungen wird die Detektionsgüte gemessen. Hierzu können
insbesondere ein oder mehrere der folgenden Parameter optimiert werden:
Der erste zu optimierende Parameter ist eine Abdeckung. Als Abdeckung werden statistische Kennwerte, also beispielsweise der Durchschnitt, das Maximum, der Median oder die Summe, der Verdeckung des Detektionsobjekts mit dem Verdeckungsobjekt in jedem Zeitstempel gemessen, also der Prozentsatz der vom Sensormodell 34 detektierten Pixel bei einer Kamera und/oder Abtastpunkte beim Raycast des Detektionsobjekts im Vergleich zur Gesamtpixelzahl
des Detektionsobjekts, wenn keine Verdeckung vorläge.
Der zweite zu optimierende Parameter ist eine Zeit der Detektionsobjekterfassung. Hierbei wird die Summe der Zeitstempel, in der das Detektionsobjekt vom Sensormodell 34 erkannt wird, einschließlich der Zeitschritte für die erste und letzte Erkennung gemessen.
Der dritte zu optimierende Parameter ist eine Anzahl der Zielerfassungen. Sind in der Simulationsumgebung mehrere Detektionsobjekte vorhanden, kann die Anzahl der Detektionsobjekte, die vom Sensormodell 34 erkannt werden, gemessen werden.
Die Detektionsgüte kann sich aus einem oder mehreren dieser Parameter zusammensetzen. Eine Optimierung bedeutet insbesondere eine Maximierung oder Minimierung des jeweiligen Parameters. Während Zeitdauern und Zielerfassungen maximiert werden, werden Abdeckungen minimiert. Die Optimierung erfolgt dadurch, dass die anfänglichen Anordnungen und Ausrichtungen des Sensormodells 34 auf der 2D-Karte so variiert werden, dass die Parameter, mit denen die Detektionsgüte ermittelt wird, durch den Optimierer maximiert bzw. minimiert werden. Die Simulation wird mit den vorherigen Ergebnissen wiederholt, bis der Optimierer die optimalen/gewünschten Positionen für jedes der ein oder mehreren Sensormodelle 34 erreicht hat. Für den Optimierungsschritt gibt es zwei Möglichkeiten: Entweder können die Anordnungen und Ausrichtungen der Sensormodelle 34 innerhalb der 2DKarte ohne Randbedingungen innerhalbe des erlaubten Bereichs neu positioniert werden, oder die Positionen von seitlich angeordneten Sensormodellen wie beispielsweise von Eckradaren
werden an der x-Achse des Fahrzeugs 12 gespiegelt.
Aufgrund der Struktur des Optimierungsproblems, insbesondere wegen der nicht bekannten, nicht analytisch vorliegenden Optimierungs- und Kostenfunktion, fällt dieses Optimierungsproblem in die Kategorien der sogenannten Black-Box-Optimierung und der gradientenfreien Optimierung. Als Optimierungsverfahren können daher u.a. die Verfahrensfamilien „Direct Search Algorithms“, „Mesh Adaptive Direct Search Algorithms“, „Differential Evolution“, „Particle Swarm“ sowie genetische Algorithmen eingesetzt werden. Da die Kostenfunktion in der Auswertung rechenintensiv ist, können auch Metamodelle, die auch als Surrogatmodelle bezeichnet werden, eingesetzt werden, was zu einer weiteren
Verbesserung beiträgt.
Bei dem iterativen Verfahren zum Ermitteln der Detektionsgüte wird für jede Anordnung des Sensormodells 34 die Detektionsgüte neu bestimmt, bis eine Abbruchbedingung erfüllt ist. Die Abbruchbedingung kann beispielsweise eine Anzahl von Iterationen oder insbesondere auch ein Erreichen eines festgelegten Werts der Detektionsgüte sein.
Vorzugsweise wird das Verfahren nicht nur mit einem Sensormodell 34, sondern mit mehreren Sensormodellen 34 gleichzeitig durchgeführt, die zusammen ein Sensorsystem bilden. Die Detektionsgüte kann in dieser besonderen Ausführungsform der Erfindung sowohl für jedes einzelne Sensormodell, aber insbesondere auch für das ein Sensorsystemmodell, welches ein
aus den mehreren Sensormodellen bestehendes Sensorsystem modelliert, ermittelt werden.
Mit den Daten der Detektionsgüte kann eine Heatmap erstellt werden, die die Bereiche mit den besten Sensorpositionen und/oder Sensorausrichtungen anzeigt. Die Heatmap liefert damit ein
objektives Bewertungskriterium hinsichtlich der besten Positionen und Ausrichtungen eines Sensors am Fahrzeug 12. Die Heatmap kann über dem 3D-Modell 10 oder dem 2D-Modell 36 angeordnet werden, um die optimalen Anordnungen des Sensors am Fahrzeug 12 besonders schnell und einfach als die Maxima der Heatmap zu bestimmen.
In Figur 3 ist auf der rechten Seite ein Ablaufdiagramm einer exemplarischen Ausführungsform des erfindungsgemäßen Verfahrens gezeigt. Die linke Seite von Figur 3 zeigt die zu einzelnen Schritten zugehörige 3D-Modelle 10, geänderten 3D-Modelle 10a bzw. 2D-Modelle 36. Das Verfahren umfasst die folgenden Schritte.
Schritt (a) betrifft ein Bereitstellen einer Simulationsumgebung mit einem Detektionsobjekt und einem Verdeckungsobjekt.
Schritt (b) betrifft ein Bereitstellen von einem 3D-Modell 10 des Fahrzeugs 12 und einem 2DModell 36 des Fahrzeugs 12, wobei das 2D-Modell 10 auf das 3D-Modell abbildbar ist .
Schritt (c) betrifft ein Bereitstellen von einem Sensormodell 34 mit einem Sichtfeld 35, einer Reichweite und einer initialen Anordnung an dem 3D-Modell 10 und/oder dem 2D-Modell 36.
Zur Veranschaulichung dieses Schritts ist auf der linken Seite von Figur 3 ein 3D-Modell 10 des Fahrzeugs dargestellt, wobei auf der in Fahrtrichtung rechten Seite des Kühlergrills im 3DModell 10 das Sensormodell 34 angeordnet ist. Diese Anordnung entspricht einer exemplarischen initialen Anordnung am 3D-Modell 10.
Der darauffolgende Schritt (d) betrifft ein Abbilden von zumindest denjenigen Teilen des 3DModells, an welchen das Sensormodell 34 angeordnet ist, einschließlich der Anordnung des Sensormodells 34 auf das 2D-Modell 36;
Im linksseitig gezeigten Beispiel ist zur Veranschaulichung das 2D-Modell 36 mit dem
Sensormodell 34 dargestellt, wobei das 2D-Modell ausschließlich die Fahrzeugfront 18 umfasst.
Schritt (e) betrifft ein Ändern der Anordnung des Sensormodells 34 am 2D-Modell 36. Im linksseitig gezeigten Beispiel zur Veranschaulichung ist dargestellt, dass das Sensormodell 34 um einen Abstand d am Kühlergrill zur Fahrzeugmitte hin verschoben wurde.
Schritt (f) betrifft ein Rückführen der geänderten Anordnung des Sensormodells 34 in ein das 3D-Modell 10, welches dadurch ein geändertes 3D-Modell 10a ist.
Im geänderten 3D-Modell 10a auf der linken Seite von Figur 3 ist die geänderte Anordnung des Sensormodells 34 am Kühlergrill gezeigt.
Schritt (g) betrifft ein Durchführen einer Simulation mit dem geänderten 3D-Modell 10a in der Simulationsumgebung und dabei ein in Schritt (h) durchzuführendes Messen einer
Detektionsgüte.
Das geänderte 3D-Modell 10a basiert auf dem bisherigen 3D-Modell 10, wobei die Anordnung
des Sensormodells 34 gegenüber dem bisherigen 3D-Modell 10 geändert ist. Die Schritte (e) bis (h) werden wiederholt, bis eine Abbruchbedingung erfüllt ist.
Werden die Schritte (e) bis (h) wiederholt, werden vorzugsweise Anordnungen des Sensormodells 34 gewählt, die sich von den bisher gewählten Anordnungen des Sensormodells
34 unterscheiden.
Sobald die Abbruchbedingung erfüllt ist, wird zumindest die zuletzt gewählte Anordnung des Sensormodells am 3D-Modell des Fahrzeug als bestimmte Anordnung der Sensoreinrichtung am Fahrzeug ausgegeben.
Die voranstehenden Erläuterungen zu den Ausführungsformen beschreiben die vorliegende Erfindung ausschließlich im Rahmen von Beispielen.
Bezugszeichenliste
10 3D-Modell
10a geändertes 3D-Modell
12 Fahrzeug
14 rechte Seitenfläche
16 linke Seitenfläche
18 Fahrzeugfront
20 Fahrzeugrückseite
22 Dach
24 Reifenprofil
26 linke Außenspiegelfront
28 rechte Außenspiegelfront 30 linke Außenspiegelrückseite 32 rechte Außenspiegelrückseite 34 Sensormodell
35 Sichtfeld
36 2D-Modell
d Abstand
Claims (16)
1. Computerimplementiertes Verfahren zur automatischen Bestimmung einer Anordnung einer Sensoreinrichtung an einem Fahrzeug (12), insbesondere an einem Fahrzeug (12) mit teilautomatisierten oder vollautomatisierten Fahrfunktionen, umfassend die Schritte: (a) Bereitstellen einer Simulationsumgebung mit einem Detektionsobjekt und einem
Verdeckungsobjekt;
(b) Bereitstellen von einem 3D-Modell (10) des Fahrzeugs (12) und einem 2D-Modell (36) des Fahrzeugs (12), wobei das 2D-Modell (10) auf das 3D-Modell abbildbar ist;
(c) Bereitstellen von einem Sensormodell (34), welches ein Modell der Sensoreinrichtung ist, mit einem Sichtfeld (35), einer Reichweite und einer initialen Anordnung an dem 3D-Modell (10) und/oder dem 2D-Modell (36); wobei im Fall einer initialen Anordnung des Sensormodells ausschließlich an dem 3DModell ferner der Zusatzschritt (d) durchgeführt wird:
(d) Abbilden von zumindest denjenigen Teilen des 3D-Modells, an welchen das Sensormodell (34) angeordnet ist, einschließlich der Anordnung des Sensormodells (34), auf das 2D-Modell (36); und in allen Fällen der initialen Anordnung des Sensormodells (34) ferner die Schritte durchgeführt werden:
(e) Ändern der Anordnung des Sensormodells (34) am 2D-Modell (36);
(f) Rückführen der geänderten Anordnung des Sensormodells (34) in ein dadurch geändertes 3D-Modell (10a);
(g) Durchführen einer Simulation mit dem geänderten 3D-Modell (10a) in der Simulationsumgebung und dabei
(h) Messen einer Detektionsgüte; wobei
die Schritte e) bis h) wiederholt werden, bis eine Abbruchbedingung erfüllt ist.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Abbruchbedingung ein
Schwellwert einer Detektionsgüte ist.
3. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass
das Messen der Detektionsgüte in Schritt (h) ein Messen eines Werts einer Abdeckung des Detektionsobjekts mit dem Verdeckungsobjekt umfasst.
4. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Messen der Detektionsgüte in Schritt (h) ein Messen eines Werts einer Zeit, in der
das Detektionsobjekt vom Sensormodell (34) detektiert wird, umfasst.
5. Verfahren nach einem der vorhergehenden Ansprüche, wobei in der Simulationsumgebung wenigstens ein weiteres Detektionsobjekt bereitgestellt ist und das Messen der Detektionsgüte in Schritt (h) ein Messen der Anzahl der vom Sensormodell (34) detektierten Detektionsobjekte umfasst.
6. Verfahren nach einem der vorhergehenden Ansprüche, wobei das Ändern der Anordnung des Sensormodells (34) am 2D-Modell (36) in Schritt (e) mit einer Optimierungsfunktion, die dazu eingerichtet ist, die Detektionsgüte zu optimieren, erfolgt.
7. Verfahren nach einem der vorhergehenden Ansprüche, wobei die Anordnung des Sensormodells (34) eine Position des Sensormodells (34) und eine Ausrichtung des Sensormodells (34) umfasst.
8. Verfahren nach einem der vorhergehenden Ansprüche, ferner umfassend den Schritt: (i) Darstellen der Detektionsgüte als Heatmap über dem 3D-Modell (10) oder dem 2DModell (36).
9. Verfahren nach einem der vorhergehenden Ansprüche, ferner umfassend den Schritt: () Anordnen einer Sensoreinrichtung an einer Position des Fahrzeugs (12) mit einer Ausrichtung relativ zum Fahrzeug (12), wobei die Position und die Ausrichtung in Abhängigkeit der Detektionsgüte ausgewählt ist.
10. Verfahren nach einem der vorhergehenden Ansprüche, wobei in Schritt (d) das Abbilden mittels UV-Mapping durchgeführt wird.
11. Verfahren nach einem der vorhergehenden Ansprüche, wobei die Simulationsumgebung mehrere Verdeckungsobjekte umfasst.
12. Verfahren nach einem der vorhergehenden Ansprüche, wobei wenigstens ein Bereich des 2D-Modells (36) für die Anordnung des Sensormodells (34) ausgenommen ist.
13. Verfahren nach einem der vorhergehenden Ansprüche, wobei die Sensoreinrichtung einen Radar-Sensor, einen LIDAR-Sensor, einen Ultraschallsensor und/oder eine
Kamera umfasst.
14. Vorrichtung zur Datenverarbeitung, umfassend einen Prozessor, der so konfiguriert ist, dass er das Verfahren nach einem der vorhergehenden Ansprüche ausführt.
15. Computerprogrammprodukt, umfassend Befehle, die bei der Ausführung des Programms durch einen Computer diesen veranlassen, das Verfahren nach einem der
Ansprüche 1 bis 13 auszuführen.
16. Computerlesbares Speichermedium, umfassend Befehle, die bei der Ausführung durch
einen Computer diesen veranlassen, das Verfahren nach einem der Ansprüche 1 bis 13
auszuführen.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| ATA50395/2023A AT527251A1 (de) | 2023-05-22 | 2023-05-22 | Computerimplementiertes Verfahren zur automatischen Bestimmung einer Anordnung einer Sensoreinrichtung an einem Fahrzeug |
| DE102024114092.5A DE102024114092A1 (de) | 2023-05-22 | 2024-05-21 | Computerimplementiertes Verfahren zur automatischen Bestimmung einer Anordnung einer Sensoreinrichtung an einem Fahrzeug |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| ATA50395/2023A AT527251A1 (de) | 2023-05-22 | 2023-05-22 | Computerimplementiertes Verfahren zur automatischen Bestimmung einer Anordnung einer Sensoreinrichtung an einem Fahrzeug |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| AT527251A1 true AT527251A1 (de) | 2024-12-15 |
Family
ID=93381565
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ATA50395/2023A AT527251A1 (de) | 2023-05-22 | 2023-05-22 | Computerimplementiertes Verfahren zur automatischen Bestimmung einer Anordnung einer Sensoreinrichtung an einem Fahrzeug |
Country Status (2)
| Country | Link |
|---|---|
| AT (1) | AT527251A1 (de) |
| DE (1) | DE102024114092A1 (de) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190179979A1 (en) * | 2017-12-13 | 2019-06-13 | Uber Technologies, Inc. | Simulated Sensor Testing |
| US20200250363A1 (en) * | 2019-02-06 | 2020-08-06 | Metamoto, Inc. | Simulation and validation of autonomous vehicle system and components |
| US20210097147A1 (en) * | 2019-09-27 | 2021-04-01 | Lyft, Inc. | Sensor Arrangement Validation Using Simulated Environments |
| EP3816663A2 (de) * | 2020-01-20 | 2021-05-05 | Beijing Baidu Netcom Science Technology Co., Ltd. | Verfahren, vorrichtung, ausrüstung und speichermedium zur bestimmung einer sensorlösung |
| CN113642109A (zh) * | 2021-08-17 | 2021-11-12 | 湖南大学 | 一种基于bp神经网络的多传感器方案评价与优化系统及方法 |
-
2023
- 2023-05-22 AT ATA50395/2023A patent/AT527251A1/de unknown
-
2024
- 2024-05-21 DE DE102024114092.5A patent/DE102024114092A1/de active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190179979A1 (en) * | 2017-12-13 | 2019-06-13 | Uber Technologies, Inc. | Simulated Sensor Testing |
| US20200250363A1 (en) * | 2019-02-06 | 2020-08-06 | Metamoto, Inc. | Simulation and validation of autonomous vehicle system and components |
| US20210097147A1 (en) * | 2019-09-27 | 2021-04-01 | Lyft, Inc. | Sensor Arrangement Validation Using Simulated Environments |
| EP3816663A2 (de) * | 2020-01-20 | 2021-05-05 | Beijing Baidu Netcom Science Technology Co., Ltd. | Verfahren, vorrichtung, ausrüstung und speichermedium zur bestimmung einer sensorlösung |
| CN113642109A (zh) * | 2021-08-17 | 2021-11-12 | 湖南大学 | 一种基于bp神经网络的多传感器方案评价与优化系统及方法 |
Non-Patent Citations (2)
| Title |
|---|
| HARTSTERN M. et al. "Simulation-based Evaluation of Automotive Sensor Setups for Environmental Perception in Early Development Stages" In: 2020 IEEE Intelligent Vehicles Symposium (IV) [online]. Las Vegas, NV, USA. IEEE, 8. Jänner 2021 (08.01.2021), Seiten 858–864. ISBN 978-1-72816-673-5. XP033872824. <DOI: 10.1109/IV47402.2020.9304771>. Ermittelt von <URL: https://ieeexplore.ieee.org/document/9304771/> * |
| SALMINEN J. "Constructing a 3D motorcycle model for game development usage in Unreal Engine 4" [online]. Bachelor’s thesis. Turku: Turku University, 2017. Ermittelt von <URL: http://www.theseus.fi/handle/10024/123967> * |
Also Published As
| Publication number | Publication date |
|---|---|
| DE102024114092A1 (de) | 2024-11-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| DE102019115874B4 (de) | Systeme und verfahren zur verbesserten entfernungsschätzung durch eine monokamera unter verwendung von radar- und bewegungsdaten | |
| DE102020112314A1 (de) | Verifizierung von fahrzeugbildern | |
| EP2329222B1 (de) | Verfahren und messanordnung zum bestimmen der rad- oder achsgeometrie eines fahrzeugs | |
| DE102018121019A1 (de) | Erweitern von realen sensoraufzeichnungen mit simulierten sensordaten | |
| DE102018121018A1 (de) | Erweitern von realen sensoraufnahmen mit simuliertem sensordatenhintergrund | |
| WO2020207528A1 (de) | Verfahren und verarbeitungseinheit zur ermittlung der grösse eines objektes | |
| DE102019110927A1 (de) | Verallgemeinertes inverses 3D-Sensormodell | |
| DE102021101270A1 (de) | Trainieren eines neuronalen netzwerks eines fahrzeugs | |
| DE102016225595A1 (de) | Verfahren und Anordnung zur Kalibrierung mindestens eines Sensors eines Schienenfahrzeugs | |
| DE102021124810A1 (de) | Neuronales fahrzeugnetzwerk | |
| DE102020115997A1 (de) | Fahrzeugsensorverbesserungen | |
| DE102014108858A1 (de) | Verfahren und Vorrichtung zum Abschätzen und Verfolgen von Form und Pose eines dreidimensionalen Objekts | |
| DE102023125609A1 (de) | Verfahren zur warnung vor stationären objekten für fahrzeuge | |
| DE102023120330A1 (de) | Neuronales strahlungsfeld für ein fahrzeug | |
| EP4198894A1 (de) | Kamerabasierte fahrzeugkonturerfassung für fahrzeugbehandlungsanlagen | |
| WO2019162317A1 (de) | Verfahren zur erzeugung von sensordaten für sicherheitskritische automobil-steuergeräte | |
| WO2020169386A1 (de) | VERFAHREN UND COMPUTERPROGRAMMPRODUKT ZUM ADAPTIEREN EINER AUFLÖSUNG EINES MULTISENSORSYSTEMS EINES STRAßENFAHRZEUGES UND STEUERGERÄT FÜR EIN MULTISENSORSYSTEM UND COMPUTERPROGRAMMPRODUKT | |
| DE102019104245A1 (de) | Verfahren und System zum Modellieren einer Radarerfassung einer Umgebung eines Fahrzeugs | |
| AT527251A1 (de) | Computerimplementiertes Verfahren zur automatischen Bestimmung einer Anordnung einer Sensoreinrichtung an einem Fahrzeug | |
| EP3663800B1 (de) | Verfahren zur objekterfassung mit einer 3d-kamera | |
| DE102021201178A1 (de) | Computerimplementiertes verfahren zum erzeugen von zuverlässigkeitsangaben für computervision | |
| DE102020214596A1 (de) | Verfahren zum Erzeugen von Trainingsdaten für ein Erkennungsmodell zum Erkennen von Objekten in Sensordaten einer Umfeldsensorik eines Fahrzeugs, Verfahren zum Erzeugen eines solchen Erkennungsmodells und Verfahren zum Ansteuern einer Aktorik eines Fahrzeugs | |
| DE102020200728A1 (de) | Rekonstruieren von Elevationsinformationen aus Radardaten | |
| DE102021203497B4 (de) | Detektion und Bestimmung relevanter Größen eines Objekts mittels Ultraschallsensoren | |
| DE102019205474A1 (de) | Objekterkennung im Umfeld eines Fahrzeugs unter Verwendung einer primären Sensoreinrichtung und einer sekundären Sensoreinrichtung |