In verschiedenen Beispielen plottet ein Gefahrenerkennungssystem Gefahrenindikatoren von mehreren Erkennungssensoren auf Rasterzellen eines Belegungsrasters, das einer Fahrumgebung entspricht. Wenn die Ego-Maschine zum Beispiel entlang einer Fahrbahn fährt, können ein oder mehrere Sensoren der Ego-Maschine Sensordaten erfassen, die die Fahrumgebung darstellen. Ein System der Ego-Maschine kann dann die Sensordaten analysieren, um das Vorhandensein und/oder den Ort der einen oder mehreren Gefahren innerhalb eines Belegungsrasters - und somit innerhalb der Umgebung - zu bestimmen. Wenn eine Gefahr unter Verwendung eines jeweiligen Sensors erkannt wird, kann das System einen Indikator der Gefahr auf eine oder mehrere Rasterzellen, die dem erkannten Ort der Gefahr entsprechen, plotten. Mindestens teilweise basierend auf einer fusionierten oder kombinierten Konfidenz der Gefahrenindikatoren für jede Rasterzelle kann das System vorhersagen, ob die entsprechende Rasterzelle von einer Gefahr belegt ist.

    In various examples, a hazard detection system plots hazard indicators from multiple detection sensors to grid cells of an occupancy grid corresponding to a driving environment. For example, as the ego-machine travels along a roadway, one or more sensors of the ego-machine may capture sensor data representing the driving environment. A system of the ego-machine may then analyze the sensor data to determine the existence and/or location of the one or more hazards within an occupancy grid—and thus within the environment. When a hazard is detected using a respective sensor, the system may plot an indicator of the hazard to one or more grid cells that correspond to the detected location of the hazard. Based, at least in part, on a fused or combined confidence of the hazard indicators for each grid cell, the system may predict whether the corresponding grid cell is occupied by a hazard.


    Zugriff

    Download


    Exportieren, teilen und zitieren



    Titel :

    GEFAHRENERKENNUNG UNTER VERWENDUNG VON BELEGUNGSRASTERN FÜR AUTONOME SYSTEME UND ANWENDUNGEN


    Beteiligte:
    OH SANGMIN (Autor:in) / DEMIROZ BARIS EVRIM (Autor:in) / PAN GANG (Autor:in) / ZHANG DONG (Autor:in) / PEHSERL JOACHIM (Autor:in) / OGDEN SAMUEL RUPP (Autor:in) / CHOE TAE EUN (Autor:in)

    Erscheinungsdatum :

    2023-09-21


    Medientyp :

    Patent


    Format :

    Elektronische Ressource


    Sprache :

    Deutsch


    Klassifikation :

    IPC:    B60W CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION , Gemeinsame Steuerung oder Regelung von Fahrzeug-Unteraggregaten verschiedenen Typs oder verschiedener Funktion



    Deep-Learning-basierte Verifizierung von Betriebsbereichen unter Verwendung kamerabasierter Eingaben für autonome Systeme und Anwendungen

    BAJPAYEE ABHISHEK / GUPTA ARJUN / DOBLAR DYLAN et al. | Europäisches Patentamt | 2023

    Freier Zugriff

    Gefahrenerkennung schneller als der Mensch

    Franke,U. / Gehrig,S. / Rabe,C. et al. | Kraftfahrwesen | 2012



    Blendungsminderung durch Bildkontrastanalyse für autonome Systeme und Anwendungen

    TRYNDIN IGOR / BAJPAYEE ABHISHEK / WANG YU et al. | Europäisches Patentamt | 2023

    Freier Zugriff