用于估计交通工具的驾驶员的眼睛位置的方法和设备技术

本发明专利技术涉及一种用于估计交通工具(50)的驾驶员的眼睛位置(20)的方法，其中，借助至少一个传感器(51)检测和/或在交通工具控制装置(52)中查询交通工具(50)的状态数据(10)，其中，将交通工具(50)的检测到的和/或查询到的状态数据(10)作为输入数据输入到借助计算装置(2)提供的用于驾驶员的模型(15)中，并且其中，借助所述模型(15)估计和提供驾驶员的眼睛位置(20)。此外，本发明专利技术涉及一种用于估计交通工具(50)的驾驶员的眼睛位置(20)的设备(1)和一种具有这种设备(1)的交通工具(50)。一种具有这种设备(1)的交通工具(50)。一种具有这种设备(1)的交通工具(50)。

【技术实现步骤摘要】
【国外来华专利技术】用于估计交通工具的驾驶员的眼睛位置的方法和设备
[0001]本专利技术涉及一种用于估计交通工具的驾驶员的眼睛位置的方法和设备。此外，本专利技术涉及一种具有这种设备的交通工具。
[0002]在现代交通工具中越来越多地使用平视显示器(HUD)，在所述平视显示器中将信息投射到驾驶员的视场中。在交通工具中的将来的HUD中，关于其它交通参与者的信息应该在空间上直接显示在对象上。为了使在视图中所显示的信息能够直接显示在环境的对象上或者显示在行车道平面上，需要知道驾驶员的眼睛相对于交通工具的位置。为此，当前借助传感器、例如摄像机检测驾驶员的眼睛并且基于检测到的数据估计当前的眼睛位置。然而，由于较高的要求和只有限地可供使用的计算资源，基于这样估计的眼睛位置投射到HUD中的视图通常是延迟的，因此不再能够正确地标记交通工具环境中的对象，因为出现不期望的等待时间和在显示中的错移。
[0003]由US 2018/0144483 A1已知用于追踪用户的眼睛的方法和设备。
[0004]本专利技术所要解决的技术问题在于，改善用于估计交通工具的驾驶员的眼睛位置的方法和设备。
[0005]该技术问题按本专利技术通过具有权利要求1的特征的方法和具有权利要求8的特征的设备解决。本专利技术的有利的设计方案由从属权利要求得出。
[0006]尤其提供一种用于估计交通工具的驾驶员的眼睛位置的方法，其中，借助至少一个传感器检测和/或在交通工具控制装置中查询交通工具的状态数据，其中，将交通工具的检测到和/或查询到的状态数据作为输入数据输入到借助计算装置提供的用于驾驶员的模型中，并且其中，借助所述模型估计和提供驾驶员的眼睛位置。
[0007]此外，尤其实现一种用于估计交通工具的驾驶员的眼睛位置的设备，其包括计算装置，其中，所述计算装置设置用于，接收交通工具的借助至少一个传感器检测到的状态数据和/或在交通工具控制装置中查询到的状态数据，提供用于驾驶员的模型，将交通工具的检测到和/或查询到的状态数据作为输入数据输入到用于驾驶员的模型中，并且借助所述模型估计和提供驾驶员的眼睛位置。
[0008]所述方法和设备实现了，基于交通工具的状态数据估计驾驶员的眼睛位置。为此，使用驾驶员的模型，所述模型基于交通工具的状态数据估计当前的眼睛位置。在此，所述模型反映交通工具对驾驶员或者眼睛位置的影响。
[0009]所述方法和设备的优点是，基于状态数据估计眼睛位置只需要较小的计算功率，因为状态数据通常没有在检测眼睛位置时累积的传感器数据范围那么大。由此能够以较小的延迟提供估计的眼睛位置，使得估计的眼睛位置更接近真实的眼睛位置。
[0010]状态数据尤其可以包括速度、纵向和/或横向和/或竖直加速度、转向角、转向角变化、车轮角、车轮角变化等。竖直加速度例如可能在驶过减速路拱(行车道路拱)时出现并且由于由此产生的头部运动强烈地影响眼睛位置。状态数据可以借助至少一个传感器检测。作为备选或补充，交通工具的状态数据也可以由交通工具的交通工具控制装置、例如通过控制器局域网(CAN)总线查询。
[0011]所述设备的部件、尤其是计算装置可以单独地或者整合地设计为硬件和软件的组
合，例如设计为在微控制器或者微处理器上执行的程序代码。然而也可以规定，部件单独地或者整合地设计为专用集成电路(ASIC)。
[0012]交通工具尤其是机动车。然而，交通工具原则上也可以是其它的陆上、水上、轨道、航空或者航天交通工具。
[0013]在一种实施方式中规定，借助至少一个传感器附加地检测驾驶员的至少一个眼睛位置，其中，将检测到的至少一个眼睛位置同样作为输入数据输入到所述模型中，其中，在考虑所述检测到的至少一个眼睛位置的情况下估计眼睛位置。尽管在考虑检测到的眼睛位置时或者在基于检测到的眼睛位置估计当前的眼睛位置时出现等待时间，但总地来说可以更好地估计眼睛位置，因为在估计当前的眼睛位置时既考虑(有等待时间)的检测到的眼睛位置也考虑检测到的和/或查询到的交通工具状态数据。由此尤其可以更好地考虑到观察方向。由此在考虑通过交通工具的状态数据估计的眼睛位置和检测到的至少一个眼睛位置的情况下估计眼睛位置。尤其可以规定，在估计时考虑在较早的时间点检测到的眼睛位置。
[0014]在一种实施方式中规定，所述模型至少部分地借助至少一个机器学习方法提供。机器学习方法尤其包括使用经训练的人工神经网络。神经网络可以是深度神经网络。所述神经网络包含交通工具的检测到和/或查询到的状态数据作为输入数据并且基于这些输入数据估计驾驶员的眼睛位置作为输出数据。
[0015]在一种实施方式中规定，所述模型至少部分地借助用于驾驶员身体的物理模型提供。驾驶员的物理模型在此尤其反映通过状态数据描述的交通工具状态与驾驶员的眼睛位置之间的物理或者机械的关联。由此例如可以将人体简化地模型化为通过弹性弹簧相互耦连的质量。通过弹簧相互耦连的质量在下端部通过交通工具座椅与交通工具机械耦连。眼睛位置处于上端部。对于这个模型，为了说明，例如可以观察交通工具的横向或者纵向加速度。由于惯性和通过弹簧的耦连，交通工具的运动变化或者加速度时间延迟地传递至质量，所述质量代表驾驶员的头部并且其运动或者行驶轨迹也影响眼睛位置。物理模型可以通过耦合的微分方程组在数学上描述并且求解。计算装置则使用所述解，以便基于状态数据估计眼睛位置。此外，也可以使用已知的人体模型，例如有限元人体模型HUMOS(Human Model for Safety；欧盟的项目)、THUMS(Total Human Model for Safety)和/或H模型(ESI集团)。人体模型内的肌肉活动例如可以借助Hill的模型(英语Hill
’
s muscle model)描述。
[0016]可以规定，物理模型除了驾驶员身体之外还包含其它部件或者将其它部件模型化。由此例如也可以考虑驾驶员座椅，因为这个驾驶员座椅通常不固定地设计，因此交通工具的运动和运动变化不会立即地传递至驾驶员身体，而是经过时间延迟或者通过弹性座椅垫的减振。这可以通过相应的衰减器或者附加的弹簧在模型中被考虑到。
[0017]也可以规定，共同地使用物理模型和至少一个机器学习方法，以估计眼睛位置。相应的结果例如可以被加权地整合(或者说汇总)和提供。
[0018]也可以规定，将由物理模型提供的解作为输入数据输入到至少一个机器学习方法、例如(经训练的)神经网络中。至少一个机器学习方法、例如(经训练的)神经网络由此至少也基于由物理模型提供的解估计眼睛位置。
[0019]在一种实施方式中规定，借助训练数据确定或者已经确定所述模型的参数，其中，所述训练数据包括交通工具的检测到和/或查询到的状态数据和分别同时地借助传感器检测到的驾驶员的眼睛位置。检测到和/或查询到的状态数据和分别配属地检测到的眼睛位
置尤其在时间上彼此同步化。训练数据用于确定模型的参数。如果模型借助神经网络提供，则借助训练数据训练神经网络。这例如如下地实现：为此，在训练阶段将检测到和/或查询到的状态数据作为输入数据输入到神经网本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于估计交通工具(50)的驾驶员的眼睛位置(20)的方法，其中，借助至少一个传感器(51)检测和/或在交通工具控制装置(52)中查询交通工具(50)的状态数据(10)，其中，将交通工具(50)的检测到和/或查询到的状态数据(10)作为输入数据输入到借助计算装置(2)提供的用于驾驶员的模型(15)中，并且其中，借助所述模型(15)估计和提供驾驶员的眼睛位置(20)。2.按权利要求1所述的方法，其特征在于，借助至少一个传感器(53)附加地检测驾驶员的至少一个眼睛位置(11)，其中，将检测到的至少一个眼睛位置(11)同样作为输入数据输入到所述模型(15)中，其中，在考虑所述检测到的至少一个眼睛位置(11)的情况下估计眼睛位置(20)。3.按权利要求1或2所述的方法，其特征在于，所述模型(15)至少部分地借助至少一个机器学习方法提供。4.按前述权利要求之一所述的方法，其特征在于，所述模型(15)至少部分地借助用于驾驶员身体的物理模型提供。5.按前述权利要求之一所述的方法，其特征在于，借助训练数据确定或者已经确定所述模型(15)的参数，其中，所述训练数据包括交通工具(50)的检测到和/或查询到的状态数据(10)和分别同时地借助传感器(53...

【专利技术属性】
技术研发人员：M赫尔比格，K蒂埃尔，A沙德，
申请(专利权)人：大众汽车股份公司，
类型：发明
国别省市：