阅读说明：本技术 用于识别传感器的减退的性能的方法、控制器和存储介质 (Method, controller and storage medium for identifying degraded performance of a sensor ) 是由 M·R·埃韦特 于 2019-07-31 设计创作，主要内容包括：本发明涉及一种用于识别尤其车辆中的至少一个传感器的减退的性能的方法,其中,计算所述车辆的额定轨迹；由所述车辆行驶或通过人工智能模拟所述额定轨迹；将由所述车辆行驶的实际轨迹或模拟出的轨迹与所述额定轨迹比较；在确定所述实际轨迹或所述模拟出的轨迹与所述额定轨迹存在偏差的情况下,通过控制器检查所述至少一个传感器的性能,在该性能的情况下交替地停用所述车辆的每个传感器并且借助至少一个选择的传感器由所述车辆行驶所述额定轨迹或者通过人工智能模拟所述额定轨迹。此外,本发明还涉及一种控制器、计算机程序以及机器可读的存储介质。(The invention relates to a method for detecting a reduced performance of at least one sensor, in particular in a vehicle, wherein a target trajectory of the vehicle is calculated; simulating the nominal trajectory by the vehicle or by artificial intelligence; comparing an actual trajectory or a simulated trajectory traveled by the vehicle with the nominal trajectory; if a deviation of the actual or simulated trajectory from the target trajectory is determined, the performance of the at least one sensor is checked by a controller, in which case each sensor of the vehicle is deactivated alternately and the target trajectory is driven by the vehicle by means of at least one selected sensor or simulated by artificial intelligence. The invention further relates to a controller, a computer program and a machine-readable storage medium.)

用于识别传感器的减退的性能的方法、控制器和存储介质

技术领域

本发明涉及一种用于识别尤其车辆中的至少一个传感器的减退性能

的方法以及涉及一种控制器，该控制器构型为用于执行所述方法。此外，本发明还涉及一种计算机程序和一种机器可读的存储介质。

背景技术

目前已知并且使用的可自动化运行的车辆具有多个传感器并且尤其具有多个环境传感器。可自动化运行的车辆例如可以是自主或部分自主的车辆。借助传感器可以探测和监视车辆的环境，由此能够实现车辆的自动化导航和控制。

在车辆寿命进程中，传感器可能在其性能和对车辆环境的识别精度方面变差。例如，摄像机前面的保护镜片随着老化可能变得模糊或褪色。此外，例如雷达传感器的受驱动的镜随着时间不再能够以所设置的精度旋转。当今，在出现内部传感器故障情况下，传感器将故障报告发送给上级控制器。以该方式可以及时地关断和/或更换传感器。

如果传感器还工作，但具有变差的性能或精度，那么传感器内部的监视器不会生成故障报告。这是由传感器也能够以部分功能运行而造成，由此这些传感器在内部不被识别为引人注意的。然而性能的越来越差对于执行自动化行驶功能而言可能是濒危的。

发明内容

本发明所基于的任务可以在于，尤其提出一种方法，通过该方法可以及时地识别出传感器的性能减小。

该任务借助本发明的方法、控制器、计算机程序和机器可读的存储介质来解决。本发明的有利构型是各个优选实施方式。

根据本发明的一个方面，提供一种用于识别尤其车辆中的至少一个传感器的减退性能的方法。在一个步骤中，计算车辆的额定轨迹。该额定轨迹由车辆行驶或者由人工智能模拟。接下来，将由车辆行驶的实际轨迹或模拟出的轨迹与该额定轨迹进行比较。在确定实际轨迹或模拟出的轨迹与额定轨迹存在偏差的情况下，通过控制器检查所述至少一个传感器的性能，在该性能的情况下交替地停用车辆的每个传感器并且借助至少一个选择的传感器由车辆行驶该额定轨迹或者通过人工智能模拟该额定轨迹。

在一个步骤中，通过人工智能模拟车辆的额定轨迹。接下来由该车辆行驶所述额定轨迹。将由车辆行驶的实际轨迹与模拟出的额定轨迹进行比较。在此，尤其至少一个传感器的传感器数据可以被控制器读取并且被用于执行比较。在实际轨迹与额定轨迹的偏差被确定的情况下，通过控制器检查所述至少一个传感器的性能，在该性能的情况下交替地停用车辆的每个传感器并且借助至少一个选择的传感器由车辆驶过该额定轨迹。

根据本发明的另一方面，提供一种用于与至少一个传感器耦合并且用于分析评估传感器数据的控制器，其中，所述控制器被设立为用于执行本发明方法的所有步骤。

此外，根据本发明的一个方面，提供一种计算机程序，其包括指令，在由计算机或控制器执行所述计算机程序时，所述指令安排该计算机执行本发明的方法。

根据本发明的另一方面，提供一种具有至少一个存储器的服务器单元，其中，所述服务器单元构型为用于与至少一个车辆连接并且执行本发明方法的所有步骤。

根据本发明的另一方面，提供一种机器可读的存储介质，在其上存储有本发明的计算机程序。

车辆可以是可自动化运行的车辆。这种车辆，尤其部分自动化、高度自动化或全自动化的车辆，具有多个传感器。这种车辆传感器可以是摄像机传感器、雷达传感器、激光雷达传感器、超声波传感器等。尤其，所述传感器可以是环境传感器，所述环境传感器可用于识别车辆的环境并且用于能够在所述环境内实现车辆控制。

此外，安全气囊传感器和ESP传感器如转速传感器、加速度传感器或压力传感器也可以由控制器读取并且监视。

在车辆内，特别是在安全关键的功能方面可能必要的是，在环境传感器生成内部故障或完全失效之前，及时识别出具有变差的功率或者说表现的该传感器，以便避免严重事故。通过本发明的方法可以执行对车辆中的在其性能方面减退的环境传感器的这种识别。

至少一个传感器将其传感器数据在车辆内部传送给上级控制器，该上级控制器可以对在车辆内部执行至少一个自主行驶功能负责。例如，该控制器可以具有一个或多个用于执行自动化行驶功能或自主行驶的人工智能。环境传感器可以连续地或在需要时在其性能方面被监视。

在此，传感器优选具有基本功能，然而该基本功能与原始状态相比变差、减小或受限。这例如可能是较小的有效范围、较慢的探测速率、较低的分辨率或信号偏移等。在该情况下，传感器内部的监视器不会察觉，因为该传感器仍可以以部分功能来运行，由此，该传感器在内部表现为不引人注意。然而，该变差的性能对于执行自主行驶功能而言是濒危的。

根据一个构型，借助已被用于自动化行驶的人工智能来进行用于识别环境传感器的减退性能的方法。借助已被用于自动化行驶的人工智能来监视环境传感器的性能。在此，由相应的人工智能处理传感器数据。例如可以输出规划轨迹或也可以输出对车辆促动器的操控作为人工智能的输出。

人工智能计算额定轨迹，所述额定轨迹在后续步骤中尽可能准确地由车辆驶过。此外，可以并行地在人工智能内模拟促动器操控。基于该模拟或者说额定轨迹来计算人工智能输出的值，所述人工智能例如作为对促动器的操控。接下来，将计算出的在人工智能输出端处的这些值与额定值或者传感器的传感器数据进行比较。例如，可以在模拟轨迹时在自主车辆内部的另一人工智能上求取，该车辆在执行所述规划轨迹之后预计位于何处。如果规划轨迹完全不可信，因为车辆在执行相应的轨迹之后不再位于道路上或者与另外的交通参与者或基础设施发生碰撞，那么认为该自主车辆的至少一个环境传感器不再毫无缺陷地工作。

接下来，可以辨识：车辆中的这些传感器中的哪一个具有减退的性能。为此目的，例如可以通过车对X通信连接从云中调用天气数据并且将所述天气数据传送给该车辆。在天气状况差的情况下，摄像机的性能例如可能是不足的。该摄像机在这种情景中原则上也许不被用于自主行驶。该故障例如可能存在于车辆的另外的环境传感器中，例如雷达传感器或激光雷达传感器。在另一步骤中，通过控制器或者说车辆停用所有环境传感器，其中，例如可以在道路边缘处以低速继续运行该车辆。此外，也可以在促动器上执行之前以模拟的方式研究计算出的额定轨迹，并且借助人工智能确定车辆的预计位置变化。因此，可以类似于深度搜索(Tiefensuche)来辨识在其性能方面退化的传感器，在该深度搜索的情况下，每个传感器描述一个路径。如果车辆的位置变化是可信的，那么重新激活已停用的环境传感器并且重复所述流程。如果在模拟或额定轨迹与实际轨迹之间出现较大的不可验证可信性的位置偏差，那么在重新激活的环境传感器中存在故障。

根据一个实施方式，通过控制器停用具有减退性能的至少一个传感器。可以在完成辨识之后持久停用不提供所要求的性能的相应传感器。多个环境传感器也可能同时有缺陷，然而这种情况的概率是低的。虽然如此，也可以检验其它环境传感器。接下来，如果可能的话可以借助其余的传感器继续执行车辆的自主行驶功能。这例如可以一直执行，直至到达工厂，在该工厂中可以更换有缺陷的环境传感器。车辆和/或控制器可以具有不同的人工智能，所述人工智能主管自主行驶或者以环境传感器的不同数量或类型被设计。在雷达传感器失效的情况下，例如可以执行保存在车辆中的人工智能，该人工智能仅基于摄像机和/或激光雷达传感器。

根据另一实施方式，通过单独的人工智能或通过用于可自动化驾驶模式的现有的人工智能来监视至少一个传感器用于求取性能。可以借助已被用于自动化行驶的人工智能来监视环境传感器的性能。在此，由相应的人工智能处理传感器数据。替代或附加地，例如被实现到控制器中的另一人工智能可以保存在车辆上，用于执行所述方法。为了监视目，可以与用于自主行驶的人工智能并行地运行附加的人工智能。

根据另一实施方式，在实际轨迹与额定轨迹的偏差被确定的情况下，将车辆置于安全状态中。因为用于自主行驶的人工智能基本上已被测试并且基于非常多的输入数据已被学习，所以首先可以排除该人工智能内的内部故障。替代或附加地，可以将车辆转移到安全状态中，而代替在执行了模拟之后执行该轨迹。这例如可以由冗余的传感器、如GNSS传感器执行。

根据另一实施方式，在车辆内部通过至少一个控制器或在车辆外部通过服务器单元计算额定轨迹，其中，通过车对X通信连接将车辆外部的额定轨迹传输给该车辆。车对车通信理解为在车辆之间交换信息和数据。该数据交换的目的是，提早将紧要和危险的状况报告给驾驶员。所涉及的车辆收集数据，如ABS干预、转向角、位置、方向和速度并且通过无线电(按照WLAN标准、UMTS标准、LTE标准等)将这些数据发送给其它交通参与者。在此，应借助电子器具延长驾驶员的“视距”。车对基础设施理解为在车辆与周围的基础设施(例如光信号装置)之间交换数据。所说的技术基于不同交通合作者的传感器的共同作用。车对X通信连接可以等同地考虑所提及的两种可能性。

附加或替代地，可以从云或者说服务器单元下载用于降级(degradieren)的车辆特性的相应人工智能并且代替车辆上的传统人工智能执行所述降级的人工智能。这种人工智能例如可以保存在云内用于车辆变型，并且在车辆已将有缺陷的传感器报告给云之后优选通过车对X通信连接由车辆获得。

在另一实施方式中，通过至少一个车辆内部或车辆外部的人工智能对实际轨迹进行可信性验证。尤其对于车辆外部的人工智能的情况，可以将自主车辆的规划轨迹实时地通过车对X通信前瞻性地传送给云。在该云上可以借助高精地图的数据以及根据车辆的当前速度、行驶方向和车辆动态特性对车辆轨迹进行可信性验证。

优选可以在模拟中通过现有或附加的人工智能检验规划轨迹，所述人工智能借助模拟模型执行期望轨迹并且接下来将由模拟产生的位置与地图以及该地图上的其它交通参与者进行比较。在这种实施方式中，如果至少一个环境传感器具有降级的性能，那么可以从云出发将车辆置于安全状态中。可以在云内检验，这些传感器中的哪个有缺陷，其方式是，将用于自主行驶的人工智能的传感器数据或已计算出的轨迹传送给云并且在那里在模拟内分析评估。在此，再次逐步地分别相继停用车辆的环境传感器并且在人工智能的模拟内检验对规划轨迹的反应。在直接传送传感器数据时，在云上的人工智能内规划或计算轨迹，其中，可以在主管该模拟的人工智能内对结果进行可信性验证。这尤其在应识别在车辆的人工智能中是否存在故障并且所有环境传感器是否也还毫无疑问地工作时有意义。在传送由车辆的人工智能计算出的轨迹时，也可以在云内仅对该轨迹本身模拟地进行可信性验证。

根据另一实施方式，限定时间段内的传感器数据被中间存储在存储器单元中并且接下来为了执行可信性验证而由人工智能分析。在此，可以在确定的时长、例如5分钟内将车辆环境传感器的数据中间存储在车辆存储器中。在已将车辆置于安全状态中之后，将来自车辆存储器的传感器数据重新传输给用于自主行驶的人工智能并且借助用于模拟轨迹的人工智能模拟地对产生的轨迹进行可信性验证。在此，总是以不同的传感器数据馈给相应的人工智能，其中，总是停用至少一个环境传感器，并且通过主管该模拟的人工智能计算结果并且在多个步骤中针对所有环境传感器来比较所述结果。以该方式可以以简单的方式辨识出具有差性能的环境传感器。

在考虑所存储的数据之后在刚好一个确定的环境传感器在这些计算中被停用期间可信的轨迹提供以下提示：哪个环境传感器有缺陷或者在其性能方面减退。作为检验，可以将相应的环境传感器重新纳入计算中并且在该环境传感器已激活的情况下将结果与所述计算进行比较。如果例如得出位置突变，那么这也提示，识别出具有差表现的正确环境传感器，现在可以在后续步骤中持续停用该环境传感器。替代或附加地，产生警告或故障报告。该实施方式可以替代地在云内执行，其方式是，在云内借助该实施方式的方法分析已中间存储在车辆中的相应传感器数据。为此，可以事先将这些传感器数据传输给服务器单元或者说云。

根据另一实施方式，与所实施的自动化驾驶模式并行地通过人工智能分析传感器数据。即使在正常行驶期间，在用于自主行驶的人工智能的并行路径中通过后台计算也分析传感器数据。这以类似的方式进行，其方式是，在计算轨迹时总是排除确定的环境传感器，并且借助主管模拟的人工智能在控制器中模拟产生的轨迹。以该方式几乎可以实时地辨识并停用具有较差表现的环境传感器。

通过本发明的方法得到以下优点：

-通过识别不具有故障然而为自动化行驶提供差性能的环境传感器，明显提高道路交通中的安全性。

-通过车辆中或云中的、主管模拟的人工智能，在通过车辆执行之前已经可以将用于确定的车辆变型的规划轨迹与额定轨迹或期望行为进行比较。

-有目的地依次关断环境传感器导致对具有降级表现的环境传感器的简单辨识。

-通过在确定的时间内将环境传感器的传感器数据存储在车辆存储器中，可以通过模拟针对多个已激活或已停用的环境传感器重复计算轨迹，用于识别故障。

附图说明

下面，根据强烈简化的示意图详细阐述本发明的优选实施例。在此示出：

图1具有车辆和车辆外部服务器单元的系统的示意图，

图2用于直观阐述根据本发明一个实施方式的方法的示意性流程图。

具体实施方式

图1示出具有车辆2和车辆外部的服务器单元4的系统1的示意图。

车辆2具有多个传感器6,8。根据该实施例，这两个传感器6,8是环境传感器，其中，传感器6是雷达传感器，第二传感器8是GNSS传感器。

传感器6,8能传输数据地与控制器10连接。在该控制器10上设立有人工智能，该人工智能可以基于传感器6,8的传感器数据计算、模拟并且分析轨迹。

此外，控制器10与车辆侧存储器单元12连接。由此可以在限定的时间段内将传感器数据中间存储在存储器单元12中。

车辆2具有通信单元14。控制器10可以借助通信单元14与车辆外部的服务器单元4建立无线通信连接16并且传送数据。在此，通信连接16是基于移动无线电标准的车对X通信连接16。

服务器单元4构型为云并且具有至少一个存储器18。在存取器18上也可以保存有至少一个人工智能并且可通过服务器单元4执行该人工智能。尤其可以在服务器单元4与控制器10之间建立用于交换数据和发送控制指令的连接。

在图2中示出用于直观阐述根据本发明一个实施方式的方法20的示意性流程图。

尤其可以通过系统1、控制器10或外部服务器单元4执行所述方法。

在步骤21中，由控制器10读取传感器6,8的传感器数据。在需要时可以将这些传感器数据存储在存储器单元12中或者通过通信连接16转发给服务器单元4。

在步骤22中，通过控制器10计算车辆3的额定轨迹。

接下来，可以由车辆2行驶23该额定轨迹。替代地，可以根据所述传感器数据通过人工智能模拟24该额定轨迹。可以基于所述传感器数据来进行该模拟。在此，人工智能可以保存在控制器10或服务器单元4上。

在另一步骤25中，将由车辆2行驶的实际轨迹或模拟出的轨迹与该额定轨迹进行比较。

在确定26该实际轨迹或模拟出的轨迹与该额定轨迹存在偏差的情况下，通过控制器10检查至少一个传感器6,8的性能。

所述检查这样执行27，使得交替停用车辆2的每个传感器6,8并且借助至少一个选择的传感器6,8通过车辆2行驶该额定轨迹或者通过人工智能模拟该额定轨迹。由此可以辨识性能较低的传感器。