【技术实现步骤摘要】
本专利技术涉及一种用于对由机动车的环境数据的数据集所包括的预定交通状况进行分类的计算机实现方法。本专利技术还涉及一种用于对由机动车的环境数据的数据集所包括的预定交通状况进行分类的系统。
技术介绍
1、为了创建用于模拟的测试场景，需要进行测试行驶。然后将由此获得的传感器数据抽象成逻辑场景。
2、输入数据在此是原始数据，即来自真实测量行驶的以雷达回波的记录、激光雷达测量的3d点云和图像数据形式的传感器数据。结果数据是可模拟的行驶场景，所述行驶场景一方面包括环境并且另一方面也包括轨迹。
3、“szenario-optimierung für die absicherung von automatisierten undautonomen fahrsystemen(florian hauer,bernd holzmüller，arxiv:1901.05680)”公开了用于验证和确认自动化和自主驾驶系统的方法，尤其是为虚拟保障找到适合的测试场景。
4、测试方法在此规定元启发式搜索的适配，以便优化场景。为此必须建立适合的搜索空间和合适的品质函数。基于对系统的功能性和应用情况的抽象描述导出参数化的场景。
5、假设某些参数对状况产生很大影响。例如发生紧急制动的状况主要由两个交通参与者的速度确定。因此，对于用户来说关键是了解这些参数值的分布并且知道哪些部分没有被数据或模拟覆盖。所缺少的数据点必须在现实中或模拟中被收集。
6、因此，对于用户而言希望对所产生的数据集进行有效评估，以便识别关键
7、此外，为试验自主驾驶功能而创建的大多数场景被先验地确定并且以专家对哪些场景需要用于哪些测试目的的了解为依据。
8、另一方面，基于真实数据的方法以机器学习算法为基础，这对于需要不同的类似的交通状况的情况很难普遍化。
9、因此，需要改进现有的用于分析驾驶场景数据集的方法，从而能够实现对关键状况的有效识别和分类。
技术实现思路
1、因此，本专利技术的任务是提供一种用于对由机动车的环境数据的数据集所包括的预定交通状况进行分类的方法，所述方法能够实现对所关注的关键交通状况的有效识别和分类。
2、根据本专利技术，该任务通过具有权利要求1的特征的用于对由机动车的环境数据的数据集所包括的预定交通状况进行分类的计算机实现方法来解决。
3、此外，根据本专利技术，该任务通过具有权利要求14的特征的用于对由机动车的环境数据的数据集所包括的预定交通状况进行分类的系统来解决。
4、本专利技术涉及一种用于对由机动车的环境数据的数据集所包括的预定交通状况进行分类的计算机实现方法。
5、该方法包括提供自车和/或同伴车辆的通过至少一个车辆侧环境识别传感器记录的行驶的、包括多个交通状况的传感器数据的第一数据集、尤其是数据流。
6、此外，该方法包括将有向图应用于第一数据集，其中，所述有向图的节点将第一数据集分别根据在时间区间内满足的第一条件分割成自车和/或同伴车辆相对于车辆环境的运动行为的至少一个片段，所述有向图的边表示在相应节点之间的连接。
7、此外，该方法包括：如果所有确定的片段都满足预定交通状况的第二条件，则对预定交通状况进行分类，并且输出具有代表预定交通状况的类别和/或代表预定交通状况的片段的相应开始时刻和结束时刻的第二数据集。
8、本专利技术还涉及一种用于对由机动车的环境数据的数据集所包括的预定交通状况进行分类的系统。
9、该系统包括数据存储器，所述数据存储器配置用于提供自车和/或同伴车辆的通过至少一个车辆侧环境识别传感器记录的行驶的、包括多个交通状况的传感器数据的第一数据集、尤其是数据流。
10、此外，该系统包括第一计算单元，所述第一计算单元配置用于将有向图应用于第一数据集，其中，所述有向图的节点将第一数据集分别根据在时间区间内满足的第一条件分割成自车和/或同伴车辆相对于车辆环境的运动行为的至少一个片段，所述有向图的边表示在相应节点之间的连接。
11、该系统包括第二计算单元和数据输出单元，所述第二计算单元配置用于，如果所有确定的片段都满足预定交通状况的第二条件，则对预定交通状况进行分类，所述数据输出单元配置用于输出具有代表预定交通状况的类别和/或代表预定交通状况的片段的相应开始时刻和结束时刻的第二数据集。
12、此外，本专利技术涉及一种具有程序代码的计算机程序，用于当所述计算机程序在计算机上执行时，实施根据本专利技术的用于对由机动车的环境数据的数据集所包括的预定交通状况进行分类的方法。
13、本专利技术的构思在于改进数据选择并且必要时在随后的步骤中基于此改进自车和/或同伴车辆的通过第一多个车辆侧环境识别传感器记录的行驶的传感器数据的数据集中所包括的交通状况的参数提取。
14、因此，可以自动搜索数据中的相关状况并且随后仅将相应提取的交通状况带入模拟。
15、因此，本专利技术提供了一种场景选择方法，该方法可以被使用用于从真实世界的数据中识别交通状况。所提出的方法基于图并且能够有意义地定义应在所提供的原始测量数据中识别的交通状况。
16、基于图的结构与状况相似性有着内在联系——相似的状况被映射到相应的相似图上。
17、基于图的模型(vorlage)可以简单地修改，以识别不同的场景，并且图可以重复使用和组合，以描述更复杂的交通行为。因此，多个并行使用的图可以借助已识别的交通状况(例如切入)的块来描述整个数据流。
18、通过已识别的交通状况可直接查看数据流的覆盖。此外，用户可以指定待识别的模型而无需写代码。用户可以自己决定所需模型应是多简单概括或是多复杂详细。
19、交通状况在此可以理解为包括多个交通参与者的小型、基本和/或较大的场景或交通场景。
20、本专利技术的其它实施方式是其它从属权利要求和下面参照附图的说明的技术方案。
21、根据本专利技术的一种优选扩展方案规定，预先确定待分类的预定交通状况，所述有向图分别确定预定交通状况的片段。因此，可以以有利的方式根据规定确定或二进制地分类：由相应交通状况所包括的片段是否存在于第一数据集中。
22、根据本专利技术的另一种优选扩展方案规定，每个节点具有至少一个输入和正好一个输出，每个节点的所述至少一个输入通过另一节点的边或通过第一数据集给定。节点因此能够处理前一层的一个或多个输入，从而可以借助每个后续层确定更高逻辑层或抽象层的车辆行为。
23、根据本专利技术的另一种优选扩展方案规定，每个节点具有应用于节点的输入数据的算法，所述算法对是否满足自车和/或同伴车辆相对于车辆环境的运动行为的第一条件进行分类。
24、分类在此是二进制分类，即确定涉及片段的预定条件是真还是假。
25、根据本专利技术的另一种优选扩展方案规定，相应节点的算法在满足第一条件时输出代表运动行为的片段的相应本文档来自技高网...
【技术保护点】
1.用于对由机动车的环境数据的数据集所包括的预定交通状况进行分类的计算机实现方法，包括以下步骤：
2.根据权利要求1所述的计算机实现方法，其中，预先确定待分类的预定交通状况，所述有向图(G)分别确定预定交通状况的片段。
3.根据权利要求1或2所述的计算机实现方法，其中，每个节点(11)具有至少一个输入和正好一个输出，每个节点(11)的所述至少一个输入通过另一节点(11)的边或通过第一数据集(DS1)给定。
4.根据前述权利要求中任一项所述的计算机实现方法，其中，每个节点(11)具有应用于节点(11)的输入数据的算法(A)，所述算法(A)对是否满足自车(10)和/或同伴车辆(12)相对于车辆环境的运动行为的第一条件(14)进行分类。
5.根据权利要求4所述的计算机实现方法，其中，相应节点(11)的算法(A)在满足第一条件(14)时输出代表运动行为的片段的相应开始时刻和结束时刻。
6.根据权利要求1至4中任一项所述的计算机实现方法，其中，所述自车(10)和/或同伴车辆(12)相对于车辆环境的运动行为的片段是一个如下的时间区间
7.根据权利要求6所述的计算机实现方法，其中，所述有向图(G)具有包括至少一个节点(11)的第一层(17a)，所述节点的输入是第一数据集，所述有向图(G)的包括至少一个第一节点(11)和第二节点(11)的第二层(17b)将第一数据集(DS1)分别根据第一条件(14)分割成自车(10)和/或同伴车辆(12)相对于车辆环境的运动行为的至少一个片段，并且如果所确定的时间区间的组合满足预定交通状况的第二条件(16)，则所述有向图(G)的包括至少一个节点(11)的第三层(17c)在使用由第二层(17b)的节点(11)输出的时间区间的情况下对预定交通状况进行分类。
8.根据权利要求7所述的计算机实现方法，其中，所述预定交通状况的第二条件(16)说明：根据第一条件(14)确定的自车(10)的片段和/或同伴车辆(12)的运动行为的至少一个片段以预定的序列和/或在预定的时间区间内进行。
9.根据前述权利要求中任一项所述的计算机实现方法，其中，所述自车(10)和/或同伴车辆(12)相对于车辆环境的运动行为包括所有在第一数据集(DS1)中可检测到的、代表运动行为的车辆动作。
10.根据前述权利要求中任一项所述的计算机实现方法，其中，所述自车(10)和/或同伴车辆(12)相对于车辆环境的运动行为是自车(10)相对于交通基础设施和/或至少一个同伴车辆(12)的横向行为和/或纵向行为和/或所述同伴车辆(12)相对于交通基础设施和/或至少一个自车(10)的横向行为和/或纵向行为，所述自车(10)和/或同伴车辆(12)相对于车辆环境的运动行为包括车道保持、车道变换、转弯、恒定或变化的加速度和由此产生的速度、刹车灯闪烁、经过车辆环境中的对象和/或识别交通标志。
11.根据前述权利要求中任一项所述的计算机实现方法，其中，所述自车(10)和/或同伴车辆(12)的通过至少一个车辆侧环境识别传感器记录的行驶的传感器数据是GNSS传感器的位置数据、IMU数据、摄像机数据、激光雷达数据、雷达数据和/或超声波数据。
12.根据前述权利要求中任一项所述的计算机实现方法，其中，基于所输出的第二数据集(DS2)执行用于确认机动车的自动驾驶功能的虚拟测试。
13.根据前述权利要求中任一项所述的计算机实现方法，其中，所述有向图(G)的输出和另一有向图(G)的输出被使用用于对另一预定交通状况进行分类，如果所述有向图(G)和所述另一有向图(G)的输出的组合满足所述另一预定交通状况的第三条件(18)，则对所述另一预定交通状况进行分类。
14.用于对由机动车的环境数据的数据集所包括的预定交通状况进行分类的系统(1)，包括：
15.具有程序代码的计算机程序，用于当所述计算机程序在计算机上执行时，实施根据权利要求1至13中任一项所述的用于对由机动车的环境数据的数据集所包括的预定交通状况进行分类的方法。
...【技术特征摘要】
1.用于对由机动车的环境数据的数据集所包括的预定交通状况进行分类的计算机实现方法，包括以下步骤：
2.根据权利要求1所述的计算机实现方法，其中，预先确定待分类的预定交通状况，所述有向图(g)分别确定预定交通状况的片段。
3.根据权利要求1或2所述的计算机实现方法，其中，每个节点(11)具有至少一个输入和正好一个输出，每个节点(11)的所述至少一个输入通过另一节点(11)的边或通过第一数据集(ds1)给定。
4.根据前述权利要求中任一项所述的计算机实现方法，其中，每个节点(11)具有应用于节点(11)的输入数据的算法(a)，所述算法(a)对是否满足自车(10)和/或同伴车辆(12)相对于车辆环境的运动行为的第一条件(14)进行分类。
5.根据权利要求4所述的计算机实现方法，其中，相应节点(11)的算法(a)在满足第一条件(14)时输出代表运动行为的片段的相应开始时刻和结束时刻。
6.根据权利要求1至4中任一项所述的计算机实现方法，其中，所述自车(10)和/或同伴车辆(12)相对于车辆环境的运动行为的片段是一个如下的时间区间，该时间区间包括由第一数据集(ds1)、尤其是数据流所包括的、自车(10)和/或同伴车辆(12)相对于车辆环境的运动行为的开始时刻和结束时刻。
7.根据权利要求6所述的计算机实现方法，其中，所述有向图(g)具有包括至少一个节点(11)的第一层(17a)，所述节点的输入是第一数据集，所述有向图(g)的包括至少一个第一节点(11)和第二节点(11)的第二层(17b)将第一数据集(ds1)分别根据第一条件(14)分割成自车(10)和/或同伴车辆(12)相对于车辆环境的运动行为的至少一个片段，并且如果所确定的时间区间的组合满足预定交通状况的第二条件(16)，则所述有向图(g)的包括至少一个节点(11)的第三层(17c)在使用由第二层(17b)的节点(11)输出的时间区间的情况下对预定交通状况进行分类。
8.根据权利要求7所述的计算机实现方法，其中，所述预定交通状况的第二条件(16)说明：根...
【专利技术属性】
技术研发人员：A·罗西，L·卡拉曼，P·阿托夫，J·托皮克，C·索瓦，
申请(专利权)人：德斯拜思有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。