操作机动车辆的方法
阅读说明：本技术 操作机动车辆的方法 (Method for operating a motor vehicle ) 是由 弗雷德里克·斯蒂芬 克里斯托夫·阿恩特德尔哈比尔 于 2021-05-12 设计创作，主要内容包括：本发明涉及一种用于操作机动车辆(4)的方法,该方法包括以下步骤：(S100)使用机动车辆(4)的环境传感器(6)获取环境数据集(UDS),(S200)将环境数据集(UDS)传输到云计算机(8),(S300)通过云计算机(8)生成用于补充环境数据集(UDS)的补充数据集(EDS),(S400)使用补充数据集(EDS)对环境数据集(UDS)进行补充,以便通过云计算机(8)生成补充环境数据集(UDS'),并且(S500)将补充环境数据集(UDS')传输到机动车辆(4)。(The invention relates to a method for operating a motor vehicle (4), comprising the following steps: (S100) acquiring an environmental data set (UDS) using an environmental sensor (6) of the motor vehicle (4), (S200) transmitting the environmental data set (UDS) to a cloud computer (8), (S300) generating a supplemental data set (EDS) for the supplemental environmental data set (UDS) by the cloud computer (8), (S400) supplementing the environmental data set (UDS) with the supplemental data set (EDS) so as to generate a supplemental environmental data set (UDS ') by the cloud computer (8), and (S500) transmitting the supplemental environmental data set (UDS') to the motor vehicle (4).)
技术领域
本发明涉及一种用于操作机动车辆的方法。
背景技术
随着驾驶员辅助系统的数量不断增加，提供了越来越多的自动驾驶功能，对高精度的传感器数据的需求也在不断增长。
在驾驶员辅助系统案例中(例如自动泊车辅助系统或自动轨迹规划功能)，在执行驾驶操作之前(即，在规划阶段)清楚地了解机动车的环境非常重要。以及在执行驾驶操作期间(即在进行操作时)。
由于这些驾驶操作是自动执行的，即在没有驾驶员干预的情况下，不可靠或未检测到的障碍物可能会导致碰撞。例如，在泊车辅助案例中，对于传统的超声波传感器来说，检测位于机动车辆保险杠下方的低障碍物可能是一个挑战。因此，驾驶员还必须监视机动车辆的环境并在必要时进行干预。
近年来，在传感器技术方面已经取得了很大的进步，特别是在摄像机和激光雷达传感器方面以及在相应的信号处理领域，例如深度学习或GPU之类的硬件组件方面。摄像机传感器的成本已显著降低，而高分辨率激光雷达的成本仍然非常高。此外，这些传感器技术需要在车辆车身进行特殊安装。例如，为了避免故障，必须确保摄像机镜头保持清洁，并且需要特殊的控制单元和软件，从而导致了额外的成本和额外的功耗。
US 8179241 B2、US 9403482 B2、US 10496890 B2和US 2016/0339840 A1分别公开了用于补充由机动车辆的环境传感器获取的环境数据的系统和方法，通过对传感器领域中的阴影或空隙或盲点区域进行补偿，以提供一种改进、具有代表性的机动车辆环境数据集。为了实现这个目标，使用了由其他道路使用者、基础设施或行人的智能手机提供的传感器数据。
US 9836056 B2公开了一种系统和方法，其中，还提供了预测数据集，其代表机动车辆在一个持续时间为几秒钟的短暂的未来时间窗口的环境。预测数据集是模拟3D环境的代表。
然而，这占用了机动车辆的计算资源，也增加了机动车辆的功耗。
因此，有必要找出补救这种情况的方法。
发明内容
本发明的目的通过一种用于操作机动车辆的方法实现，该方法包括以下步骤：
使用机动车辆的环境传感器获取环境数据集；
将环境数据集传输到云计算机；
通过云计算机生成用于补充环境数据集的补充数据集；
用补充数据集补充环境数据集，以便通过云计算机生成补充环境数据集；和
将补充后的环境数据集传输到机动车辆。
环境数据集可以是来自机动车辆的环境传感器(例如，摄像机、超声波、雷达或激光雷达传感器)的原始数据或经过处理的传感器数据。环境数据集通过无线数据传输链路(例如5G连接)传输到云计算机。云计算机可以是计算机，也可以是由几台计算机组成的网络，即，例如可以通过互联网使用的IT基础设施。它通常包括存储空间、计算能力或应用软件作为服务。因此，将环境数据集的传感器数据外包给云，将其与由云计算机确定的补充数据集融合，并且将相应补充的环境数据集再次无线传输到机动车辆。因此，这样可以节省机动车辆的计算资源，并且可以同时使用额外的传感器数据源，从而降低了机动车辆的功率需求并提高了传感器数据的质量。
根据一个实施例，机动车辆将状态数据集传输到云计算机，该状态数据集指示机动车辆的状态。机动车辆的状态可以是其位置、行驶方向和/或行驶速度。换句话说，状态数据集包括机动车辆的位置数据和/或行驶方向数据和/或行驶速度数据，并且因此允许对附加传感器数据进行简单映射，以形成补充数据集。
根据另一实施例，在环境数据集中识别需补充的数据，并且云计算机在确定补充数据集时对环境数据集进行评估。换句话说，在机动车辆上或在机动车辆侧，在环境传感器区域中指示阴影或空隙或盲点区域应被相应地识别出来。这可以在转移到云计算机之后在云的云计算机中进行，或者也可以在转移到云计算机之前在机动车辆或机动车辆侧进行。这减少了云计算机或在云侧的计算工作量，因为这样可以以一种特别简单和节省资源的方式确定需补充的数据D。
根据另一实施例，补充环境数据集是4D数据集。应将4D理解为具有坐标x，y和z的3D空间中的物体的表示被另一辅助尺寸(在此是时间尺寸)的扩展。因此，4D数据集代表未来时间窗口内的一段时间。所述数据集也可以被视为是代表机动车辆环境的预测数据集。因此，用于确定其他道路使用者的未来行为所需的计算工作可以转移到云计算机上，从而进一步降低了机动车辆的功率需求，并进一步提高了传感器数据的质量。
根据另一实施例，通过评估其他道路使用者的数据来确定补充数据集。为此目的，例如，确定其他道路使用者是否位于机动车辆周围的预定区域内，并且以与环境数据集相类似的方式从机动车辆下载各个道路使用者的数据集。因此，通过机动车辆与其他道路使用者之间交换环境数据集，实际上提供了额外的数据，从而进一步提高了传感器数据的质量。
此外，本发明包括用于机动车辆的计算机程序产品、用于云计算机的计算机程序产品、控制装置、包含该控制装置的机动车辆、云计算机以及包含该机动车辆和该云计算机的系统。
附图说明
现在将借助于
附图说明
本发明。说明如下：图1：包括机动车辆和云计算机的系统的示意图；
图2：用于操作图1所示系统的方法序列的第一部分的示意图；
图3：用于操作图1所示系统的方法序列的另一部分的示意图；
图4：用于操作图1所示的系统的方法序列的另一部分的示意图；
图5：用于操作图1所示的系统的方法序列的另一部分的示意图。
具体实施方式
首先参考图1。
示出了系统2，其包括机动车辆4和云计算机8。
机动车辆4和云计算机8，以及下文描述的它们各自的组件，可以包括用于执行下文描述的任务和功能的硬件和/或软件组件。
在本实施例中，机动车辆4被配置为乘用车，并且包括至少一个驾驶员辅助系统16，例如自动泊车辅助系统或具有自动轨迹规划功能的另一驾驶员辅助系统。例如，根据SAE阶段1至5之一，机动车辆4可以被配置为符合SAE(J3016)的自动驾驶机动车辆。
机动车辆4的机动车辆侧发射机12允许环境数据集UDS通过无线数据链路42被传输到云计算机8。此外，机动车辆侧发射机12可以接收由云计算机8提供并通过无线数据链路42传输的补充环境数据集UDS'。
此外，机动车辆4包括环境传感器6。环境传感器6可以是用于获取环境数据的实际传感器，例如，摄像机、超声波、雷达或激光雷达传感器或GPS等定位系统。此外，环境传感器6也可以是虚拟传感器，其以类似于补充环境数据集UDS'的方式提供传感器数据。补充环境数据集UDS'可以是代表未来时间窗口内的一段时间的4D数据集。所述数据集可以被视为是代表机动车辆2环境的预测数据集。
机动车辆的评估单元14读取环境传感器6的原始传感器数据并评估所述数据，以便创建代表机动车辆4周围的预定半径和预定时间窗口的机动车辆4的环境的2D或3D图像数据集。在本实施例中，评估单元14生成例如在机动车辆4周围具有50米半径的3D点云数据集。
环境18是机动车辆4在其中行驶的实际世界环境，并且包括基础设施、道路和其他道路使用者。
环境数据发射机20被配置为传输关于环境18的信息，所述信息由外部传感器(而不是由机动车辆4)评估。此信息可以通过V2x(vehicle to everything)通信进行评估和传输，并在接收方(例如，行人的智能手机)进行评估。
虚拟平台22驻留在云计算机8上，并且被配置为用附加的外部传感器数据、模拟的传感器数据和预测的传感器数据来补充不完整的物理传感器数据。换句话说，在本实施例中，在虚拟平台22上生成补充数据集EDS，并且用补充数据集EDS来补充环境数据集UDS，以便能够提供补充环境数据集UDS'，下文将进行详细地说明。
虚拟平台22的3D仿真模块24提供了能够以3D方式执行面向交通和移动的仿真的环境。3D仿真模块24可以包括用于此目的的游戏引擎和/或交通仿真器。
虚拟平台22的重建模块26被配置为确定机动车辆4的环境的第一图像数据集，机动车辆4的环境的第二扩展图像数据集，以及机动车辆4的环境的预测图像数据集。该确定基于x，y，z坐标系。
虚拟平台22的交通预测模块28被配置为在3D仿真模块24中模拟机动车辆4的环境中的交通事件，以便在短暂的时间窗口延伸到未来。
该模拟基于提供的传感器数据。交通预测模块28可以包括物理引擎，以便基于他们的已知位置、速度和潜在路线(导航数据)来预测机动车辆4和所有虚拟道路使用者的轨迹。
3D数据集30表示基于机动车辆4的当前位置的机动车辆4的环境的静态分量的完整3D图像。例如，基于机动车辆4的GPS坐标(例如，精度为10厘米的差分GPS)，可以从3D地图数据库(例如开放行驶、开放街道地图、Pegasus等)中查询机动车辆4周围的街道、建筑物、基础设施、树木等的所有3D坐标。
定位模块32被配置为提供指示机动车辆4的当前位置的位置数据。机动车辆4的差分GPS可以用于该目的。
环境数据发射机34被配置为用于根据位置数据与机动车辆4相同区域的道路使用者交换传感器数据。
环境数据发射机34可以通过I2x或V2x或智能手机向其他道路使用者请求特定的传感器数据，例如他们的位置、尺寸、速度和/或运动方向。
云侧发射机36被配置用于与机动车辆4交换数据。因此，可以从机动车辆4请求传感器数据，以便将改善的环境图像和机动车辆4的环境预测传输到机动车辆4。
物理引擎38是软件模块，物理引擎38被配置为根据物理定律确定所有运动元件(可以被认为是刚体)的行为。例如，物理引擎可以是NVDIA的PhysX。
预测模块40被配置为基于指示当前和过去的状态的传感器数据来进行探测，以便提供在未来短暂的时间段内指示机动车辆4的环境的4D数据集。
现在将参考图2至图5来说明用于操作图1中的系统2的方法序列。
该方法可以通过请求信号响应请求而启动，例如响应驾驶员辅助系统16的激活；或不间断地连续执行该方法，以提供补充的环境数据集UDS'。
在第一步骤S100中，机动车辆4的控制装置10触发评估单元14以读取环境传感器6的原始传感器数据，并将这些原始传感器数据组合到环境数据集UDS中。环境数据集UDS可以是代表机动车辆4的环境的2D或3D图像数据集。
此外，在另一子步骤S110中，控制装置10激活评估单元14使得所述评估单元生成指示机动车辆4的状态的状态数据集ZDS。在本实施例中，状态数据集ZDS包括机动车辆4的位置数据和/或行驶方向数据和/或行驶速度数据。
此外，在另一子步骤S120中，控制装置10激活评估单元14，使得所述评估单元确定环境数据集UDS中需补充的数据D，需补充的数据表示为数据环境数据集UDS中的阴影或空洞或盲点区域和标志。
在另一步骤S200中，控制装置10通过无线数据链路42使环境数据集UDS被传输到云计算机8。
在另一步骤S300中，云计算机8生成用于补充环境数据集UDS的补充数据集EDS。
为此目的，在第一子步骤S310中，云计算机8通过评估包含需补充的数据D的环境数据集UDS来确定哪些数据丢失，以便填充阴影或空隙或盲点区域。
此外，在另一子步骤S320中，云计算机8通过评估状态数据集ZDS来确定机动车辆4的相关位置数据和/或行驶方向数据和/或行驶速度数据。这使得可以确定哪些数据源可以被考虑用作需补充的数据D的源。换句话说，机动车辆4已经驶过的数据源被丢弃。
在另一步骤S400中，云计算机8用补充数据集EDS补充环境数据集UDS，并因此生成补充环境数据集UDS'。
为此目的，在第一子步骤S405中，在3D仿真模块24中，云计算机8基于环境数据集UDS和状态数据集ZDS来重构3D场景或代表机动车辆4周围的3D场景的数据集DS。
然后在另一子步骤S410中，将机动车辆4虚拟地嵌入到3D场景或代表该场景的数据集DS中。
在另一子步骤S415中，云计算机8通过重建模块26，基于3D仿真模块24中机动车辆4周围的数据集DS，重构点云数据集PDS的第一虚拟版本。
在另一子步骤S420中，云计算机8通过评估点云数据集PDS的第一虚拟版本来确定需补充的数据D，该需补充的数据D表示为阴影或空隙或盲点区域。
在另一子步骤S425中，云计算机8执行点云数据集PDS的虚拟版本的第一补充E1，并且向3D场景或代表其的数据集DS添加信息，例如，来自遏制、建筑物、树木等的附加回波。
在另一子步骤S430中，检查点云数据集PDS是否包含仍需补充的部分EA。
如果点云数据集PDS不包括需补充的部分EA，则在另一子步骤S435中，基于点云数据集PDS生成补充环境数据集UDS'，并且该方法继续步骤S500。
在另一步骤S500中，通过无线数据链路42将补充环境数据集UDS'传输到机动车辆4。
然而，如果点云数据集PDS仍然包括需补充的部分EA，则该方法以另一子步骤S440继续。
在另一子步骤S4340中，在尤其是位置数据的基础上，云计算机8确定在预定距离的其他道路使用者V或远离机动车辆4的预定行进时间。
在另一子步骤S445中，云计算机8将信息查询I传输(例如，借助于环境数据发射机34)到检测到的道路使用者V(例如，在预定距离内)。因此，查询其他道路使用者V的尤其是相关的位置数据和/或行驶方向数据和/或行驶速度数据，换句话说，即各个检测到的道路使用者V的模拟状态数据集的数据。
在另一中间步骤S450中，通过信息查询I获得的数据被嵌入到3D场景或代表该场景的数据集DS中。
在另一子步骤S55中，云计算机8对点云数据集PDS的虚拟版本执行另一补充E2，并将借助于信息查询I获得的其他道路使用者V的数据添加到3D场景或代表其的数据集DS。换句话说，获得的数据是各个道路使用者V的类似的点云数据集和/或环境数据集。
可以提供另一子步骤S460，其中考虑由交通预测模块28提供的交通预测VVH，和/或将其无线传输到机动车辆4。
然后，以与上述实施例类似的方式，在另一子步骤S435中，基于点云数据集PDS生成补充环境数据集UDS'，并且在另一步骤S500中，补充环境数据集UDS'随后通过无线数据链路42传输到机动车辆4。
然后，补充环境数据集UDS'以虚拟传感器的传感器数据的形式与环境传感器6相关联，并被评估，以便能够操作驾驶员辅助系统16。
与实施例不同，步骤和/或子步骤的顺序也可以不同。此外，可以并发或同时执行几个步骤和/或子步骤。另外，也可以省略个别步骤。
由此可以节省机动车辆4的计算机资源，并且可以同时使用额外的传感器数据源，从而减少机动车辆4的功率需求并提高数据传感器的质量。
附图标记表
2 系统
4 机动车辆
6 环境传感器
8 云计算机
10 控制装置
12 机动车辆侧发射机
14 评估单元
16 驾驶员辅助系统
18 环境
20 环境数据发射机
22 虚拟平台
24 3D仿真模块
26 重建模块
28 交通预测模块
30 3D数据集
32 定位模块
34 环境数据发射机
36 云侧发射机
38 物理引擎
40 预测模块
42 无线数据链路
D 需补充的数据
DS 数据集
E1 补充
E2 补充
EA 需补充的部分
EDS 补充数据集
I 信息查询
PDS 点云数据集
V 道路使用者
VVH 交通预测
UDS 环境数据集
UDS 补充环境数据集
ZDS 状态数据集
S100 步骤
S200 步骤
S300 步骤
S400 步骤
S500 步骤
S110 子步骤
S120 子步骤
S310 子步骤
S320 子步骤
S405 子步骤
S410 子步骤
S415 子步骤
S420 子步骤
S425 子步骤
S430 子步骤
S435 子步骤
S440 子步骤
S445 子步骤
S450 子步骤
S455 子步骤
- 上一篇：一种医用注射器针头装配设备
- 下一篇：一种基于视觉系统和毫米波雷达的路面避坑系统