Title:
DETEKTION VERFÜGBARER PARKSTELLFLÄCHEN
Document Type and Number:
Kind Code:
A1

Abstract:

Die vorliegende Erfindung erstreckt sich auf Verfahren, Systeme und Computerprogrammprodukte zum Detektieren verfügbarer Parkstellflächen in einer Parkumgebung. Es werden Radarsysteme verwendet, um Daten über eine Parkplatzumgebung zu sammeln. Die Radardaten werden für ein neuronales Netzwerkmodell als eine Eingabe bereitgestellt. Algorithmen einsetzende, neuronale Netzwerke können trainiert werden, um geparkte Fahrzeuge und widersprüchliche Daten hinsichtlich Unrat, Einkaufswagen, Straßenlaternen, Verkehrszeichen, Fußgängern usw. zu erkennen. Das neuronale Netzwerkmodell verarbeitet die Radardaten, um Parkstellflächengrenzen zu schätzen und die Parkstellflächengrenzen als Splines anzunähern. Das neuronale Netzwerkmodell gibt Spline-Schätzungen an ein Fahrzeugcomputersystem aus. Das Fahrzeugcomputersystem verwendet die Spline-Schätzungen zum Detektieren verfügbarer Parkstellflächen. Die Spline-Schätzungen werden aktualisiert, während das Fahrzeug durch die Parkumgebung navigiert.





Inventors:
Jain, Jinesh J., Calif. (Palo Alto, US)
Kadetotad, Sneha, Calif. (Cupertino, US)
Banvait, Harpreetsingh, Calif. (Sunnyvale, US)
Nariyambut Murali, Vidya, Calif. (Sunnyvale, US)
Joh, Peter Gyumyeong, Mich. (Bloomfield Hills, US)
Application Number:
DE102017107626A
Publication Date:
10/12/2017
Filing Date:
04/10/2017
Assignee:
Ford Global Technologies, LLC (Mich., Dearborn, US)
International Classes:
B60W30/06; B60W40/02; G01S13/88; G06T7/62; G08G1/14
Other References:
IEEE-1394-Bus
Attorney, Agent or Firm:
PATERIS Theobald Elbel Fischer, Patentanwälte, PartmbB, 10117, Berlin, DE
Claims:
1. Verfahren zum Steuern eines Fahrzeugs und Detektieren verfügbarer Parkstellflächen in einer Parkumgebung, wobei das Verfahren umfasst:
Empfangen von Radardaten von einem oder mehreren Radarsystemen;
Berechnen von Koordinatendaten aus den Radardaten;
Verarbeiten der Koordinatendaten, um Parkstellflächengrenzen in der Parkumgebung zu schätzen;
Berechnen von Spline-Schätzungen für die Parkstellflächengrenzen aus den geschätzten Parkstellflächengrenzen; und
Bereitstellen der Spline-Schätzungen für ein Fahrzeugcomputersystem.

2. Verfahren nach Anspruch 1, wobei das Berechnen von Spline-Schätzungen für die Parkstellflächengrenzen ein Schätzen von einem umfasst von: einer Bezier-Kurve, einem hermiteschen Spline, einem kubischen Spline, einem B-Spline, einem nicht-uniformen rationalen B-Spline (NURB), einem Beta-Spline, einem V-Spline.

3. Verfahren nach Anspruch 1 oder 2, ferner umfassend ein Verwenden der Spline-Schätzungen zum Detektieren verfügbarer Parkstellflächen.

4. Verfahren nach einem der Ansprüche 1 bis 3, ferner umfassend ein Aktualisieren der Spline-Schätzungen, während das Fahrzeug durch die Parkumgebung navigiert.

5. Verfahren nach einem der Ansprüche 1 bis 4, wobei das Empfangen von Radardaten ein Empfangen von Radardaten von dem einen oder den mehreren Radarsystemen in festgelegten Zeitintervallen umfasst.

6. Verfahren zum Steuern eines Fahrzeugs und Detektieren verfügbarer Parkstellflächen in einer Parkumgebung, wobei das Verfahren umfasst:
Empfangen an einem Fahrzeugcomputersystem von Radardaten von einem Fahrzeugradarsystem, wobei die Radardaten in spezifischen Zeitintervallen gesammelt werden;
Berechnen von kartesischen Koordinaten aus den Radardaten in Bezug auf das Fahrzeug;
Verarbeiten der Radardaten unter Verwendung eines vorher trainierten neuronalen Netzwerks, um Parkstellflächengrenzen in der Parkumgebung zu schätzen;
Annähern der Parkstellflächengrenzen als Splines, wobei Kurvenanpassung der Splines an die geschätzten Parkstellflächengrenzen durchgeführt wurde;
Verwenden der Splines zum Detektieren verfügbarer Parkstellflächen; und
Aktualisieren der Splines, während das Fahrzeug durch die Parkumgebung navigiert.

7. Verfahren nach Anspruch 6, wobei das Empfangen von Radardaten ein Empfangen von Radardaten von zwei oder mehr Radarsystemen umfasst, die an der Vorderseite des Fahrzeugs positioniert sind.

8. Verfahren nach Anspruch 6 oder 7, wobei das Empfangen von Radardaten ein Empfangen von Radardaten von Radarsystemen umfasst, die an mehreren Ecken des Fahrzeugs positioniert sind.

9. Verfahren nach einem der Ansprüche 6 bis 8, wobei das Berechnen der kartesischen Koordinaten der Radardaten in Bezug auf das Fahrzeug ein Bestimmen der Koordinaten der Radardaten in der Ebene der Parkumgebung umfasst.

10. Verfahren nach einem der Ansprüche 6 bis 9, wobei das Verarbeiten der Radardaten unter Verwendung eines vorher trainierten neuronalen Netzwerks ein Verwenden eines neuronalen Netzwerkmodells umfasst, das während vorheriger Konzeptnachweistests trainiert und validiert wurde.

11. Verfahren nach Anspruch 10, ferner umfassend ein Verifizieren der Ergebnisse des neuronalen Netzwerkmodells mit Geländebeobachtungen der Parkumgebung zu einem spezifischen Zeitpunkt unter Verwendung der gleichen Raumkonfigurationen im Einklang mit den Radardatensammlungen.

12. Verfahren nach einem der Ansprüche 6 bis 11, wobei das Verarbeiten der Radardaten unter Verwendung eines vorher trainierten neuronalen Netzwerks ein Verwenden einer neuronalen Netzwerkarchitektur umfasst, die eine Mehrzahl von Schichten umfasst und eine Verlustschicht umfasst.

13. Verfahren nach Anspruch 12, ferner umfassend ein Verwenden des neuronalen Netzwerks zum Identifizieren eines Umkreises von Radardaten, wobei der Umkreis von Radardaten zum Schätzen von Parkstellflächengrenzen verwendet wird.

14. Verfahren nach einem der Ansprüche 6 bis 13, wobei das Annähern der Parkstellflächengrenzen als Splines ein Schätzen der Parkstellflächengrenzen als eines umfasst von: einer Bezier-Kurve, einem hermiteschen Spline, einem kubischen Spline, einem B-Spline, einem nicht-uniformen rationalen B-Spline (NURB), einem Beta-Spline oder einem V-Spline.

15. Verfahren nach einem der Ansprüche 6 bis 14, wobei das Verwenden der Splines zum Detektieren verfügbarer Parkstellflächen ein Bereitstellen des Standorts verfügbarer Parkstellflächen, wie durch Spline-Konturen definiert, umfasst.

16. Verfahren nach einem der Ansprüche 6 bis 15, wobei das Aktualisieren der Splines, während das Fahrzeug über den Parkplatz navigiert, ein Neuberechnen der Splines basierend auf aktualisierten Radardaten umfasst.

17. System zum Detektieren verfügbarer Parkstellflächen in einer Parkumgebung, wobei das System umfasst:
einen Systemspeicher;
ein Radarsystem, das mit einem Fahrzeug assoziiert ist;
ein vorher trainiertes neuronales Netzwerk; und
einen oder mehrere Prozessoren, die so konfiguriert sind, dass sie mit dem Systemspeicher, dem Radarsystem und dem vorher trainierten neuronalen Netzwerk interagieren zum:
Empfangen von Radardaten vom Radarsystem, wobei die Radardaten in spezifischen Zeitintervallen gesammelt werden;
Berechnen von kartesischen Koordinaten aus den Radardaten in Bezug auf das Fahrzeug;
Verarbeiten der Radardaten, um Parkstellflächengrenzen in der Parkumgebung zu schätzen;
Annähern der Parkstellflächengrenzen als Splines, wobei Kurvenanpassung der Splines an die geschätzten Parkstellflächengrenzen durchgeführt wurde;
Verwenden der Splines zum Detektieren verfügbarer Parkstellflächen; und
Aktualisieren der Splines, während das Fahrzeug durch die Parkumgebung navigiert.

18. System nach Anspruch 17, wobei der eine oder die mehreren Prozessoren so konfiguriert sind, dass sie Radardaten von einer Mehrzahl von Radareinheiten empfangen, die am Fahrzeug montiert sind.

19. System nach Anspruch 17 oder 18, wobei der eine oder die mehreren Prozessoren ferner so konfiguriert sind, dass sie einen Umkreis von Radardaten identifizieren, wobei der Umkreis von Radardaten zum Schätzen von Parkstellflächengrenzen verwendet wird.

20. System nach einem der Ansprüche 17 bis 19, wobei der eine oder die mehreren Prozessoren so konfiguriert sind, dass sie die Parkstellflächengrenzen schätzen als eines von: einer Bezier-Kurve, einem hermiteschen Spline, einem kubischen Spline, einem B-Spline, einem nicht-uniformen rationalen B-Spline (NURB), einem Beta-Spline oder einem V-Spline.

Description:
STAND DER TECHNIK 1. Technisches Gebiet der Erfindung

Die Erfindung betrifft im Allgemeinen das Feld der Parkstellflächendetektionssysteme und insbesondere radarbasierte Detektionssysteme, die verfügbare Parkstellflächen in einer Parkumgebung detektieren können.

2. Stand der Technik

Parken kann für einen menschlichen Fahrer ein mühsamer Prozess sein. Im Falle eines Einparkens senkrecht zur Fahrbahn oder eines Einparkens schräg zu Fahrbahn kann es schwierig sein, abzuschätzen, wann in einen Parkstellfläche eingebogen werden soll, ob auf beiden Seiten des Fahrzeugs genügend Raum vorhanden ist, wie das Lenkrad positioniert werden soll, derart dass das Fahrzeug im gleichen Abstand zwischen den Parklinien angeordnet ist, und wie weit in eine Parkstellfläche hineingefahren werden soll. Im Falle eines Einparkens längs der Fahrbahn kann es schwierig sein, zu wissen, ob genügend Raum zum Parken eines Fahrzeugs vorhanden ist, wann mit dem Drehen des Lenkrads begonnen werden soll, und wie weit in eine Parkstellfläche vor dem Korrigieren des Lenkrads hineingefahren werden soll. Diese Parkmanöver können sich bei Vorhandensein unebenen Geländes oder bei Vorhandensein von beweglichen Objekten, wie beispielsweise Fußgängern, Radfahrern oder anderen Fahrzeugen, noch komplizierter gestalten.

KURZE BESCHREIBUNG DER ZEICHNUNGEN

Die spezifischen Merkmale, Aspekte und Vorteile der vorliegenden Erfindung werden unter Bezugnahme auf die folgende Beschreibung und die beigefügten Zeichnungen besser verständlich. Es zeigen:

1 eine beispielhafte Blockdarstellung einer Datenverarbeitungsvorrichtung.

2 eine beispielhafte Computerarchitektur, die ein Detektieren verfügbarer Parkstellflächen in einer Parkumgebung erleichtert.

3 ein Flussdiagramm eines beispielhaften Verfahrens zur Detektion verfügbarer Parkstellflächen in einer Parkumgebung.

4 eine beispielhafte Parkumgebung.

AUSFÜHRLICHE BESCHREIBUNG

Die vorliegende Erfindung erstreckt sich auf Verfahren, Systeme und Computerprogrammprodukte zum Detektieren verfügbarer Parkstellflächen in einer Parkumgebung.

Ausführungsformen der vorliegenden Erfindung können einen Spezial- oder Allzweckcomputer, der Computerhardware, wie etwa zum Beispiel einen oder mehrere Prozessoren und Systemspeicher, beinhaltet, umfassen oder benutzen, wie im Folgenden ausführlicher besprochen wird. Ausführungsformen innerhalb des Schutzumfangs der vorliegenden Erfindung können auch physische und andere computerlesbare Medien zum Befördern oder Speichern von computerausführbaren Anweisungen und/oder Datenstrukturen beinhalten. Derartige computerlesbare Medien können beliebige verfügbare Medien sein, auf die durch ein Allzweck- oder Spezialcomputersystem zugegriffen werden kann. Computerlesbare Medien, die computerausführbare Anweisungen speichern, sind Computerspeichermedien(-vorrichtungen). Computerlesbare Medien, die computerausführbare Anweisungen befördern, sind Übertragungsmedien. Somit können Ausführungsformen der Erfindung beispielhalber und nicht darauf eingeschränkt mindestens zwei merklich unterschiedliche Arten von computerlesbaren Medien umfassen: Computerspeichermedien(-vorrichtungen) und Übertragungsmedien.

Computerspeichermedien(-vorrichtungen) umfassen RAM, ROM, EEPROM, CD-ROM, Halbleiterfestplatten („SSDs“) (z. B. basierend auf RAM), Flash-Speicher, phasenwechselnden Speicher („PCM“), andere Arten von Speicher, anderen optischen Plattenspeicher, magnetischen Plattenspeicher oder andere magnetische Speichervorrichtungen oder ein beliebiges anderes Medium, das zum Speichern von gewünschten Programmcodemitteln in der Form von computerausführbaren Anweisungen oder Datenstrukturen verwendet werden kann, und auf das durch einen Allzweck- oder Spezialcomputer zugegriffen werden kann.

Ein „Netzwerk“ ist als eine oder mehrere Datenverbindungen definiert, die den Transport elektronischer Daten zwischen Computersystemen und/oder Modulen und/oder anderen elektronischen Einrichtungen ermöglichen. Wenn Informationen über ein Netzwerk oder eine andere Kommunikationsverbindung (entweder festverdrahtet, drahtlos oder eine Kombination aus festverdrahtet und drahtlos) an einen Computer übermittelt oder bereitgestellt werden, sieht der Computer die Verbindung sachgemäß als ein Übertragungsmedium. Die Übertragungsmedien können ein Netzwerk und/oder Datenverbindungen beinhalten, die dazu verwendet werden können, gewünschte Programmcodemittel in Form von computerausführbaren Anweisungen oder Datenstrukturen zu befördern, und auf die durch einen Allzweck- oder Spezialcomputer zugegriffen werden kann. Kombinationen des oben Genannten sollten auch im Umfang von computerlesbaren Medien enthalten sein.

Beim Erreichen verschiedener Computersystemkomponenten können ferner Programmcodemittel in Form von computerausführbaren Anweisungen oder Datenstrukturen automatisch von Übertragungsmedien zu Computerspeicherungsmedien(-vorrichtungen) transferiert werden (oder umgekehrt). Zum Beispiel können über ein Netzwerk oder eine Datenverbindung empfangene computerausführbare Anweisungen oder Datenstrukturen in RAM in einem Netzwerkschnittstellenmodul (z.B. einem „NIC“) gepuffert und dann letztendlich zu Computersystem-RAM und/oder zu weniger flüchtigen Computerspeicherungsmedien(-vorrichtungen) in einem Computersystem transferiert werden. RAM kann auch Halbleiterlaufwerke umfassen (abgestufte Echtzeit-Speicherung wie FusionIO auf der Basis von SSDs oder PCIx). Somit versteht sich, dass Computerspeicherungsmedien(-vorrichtungen) in Computersystemkomponenten enthalten sein können, die auch (oder sogar hauptsächlich) Übertragungsmedien benutzen.

Computerausführbare Anweisungen umfassen zum Beispiel Anweisungen und Daten, die, wenn sie in einem Prozessor ausgeführt werden, verursachen, dass ein Allzweckcomputer, ein Spezialcomputer oder eine Spezialverarbeitungseinrichtung eine bestimmte Funktion oder Gruppe von Funktionen durchführt. Die computerausführbaren Anweisungen können zum Beispiel Binärprogramme, Zwischenformatanweisungen, wie etwa Assemblersprache, oder sogar Quellcode sein. Obwohl der Gegenstand in einer für strukturelle Merkmale und/oder methodische Handlungen spezifischen Sprache beschrieben worden ist, versteht es sich, dass der in den beigefügten Ansprüchen definierte Gegenstand nicht notwendigerweise auf die oben beschriebenen Merkmale oder Handlungen eingeschränkt ist. Vielmehr sind die beschriebenen Merkmale und Handlungen als beispielhafte Formen des Implementierens der Ansprüche offenbart.

Fachleute werden erkennen, dass die Erfindung in Netzwerkdatenverarbeitungsumgebungen mit vielen Arten von Computersystemkonfigurationen umgesetzt werden kann, einschließlich Personalcomputern, Desktopcomputern, Laptopcomputern, Nachrichtenprozessoren, Handeinrichtungen, Multiprozessorsystemen, Mikroprozessor-basierter oder programmierbarer Verbraucherelektronik, Netzwerk-PCs, Minicomputern, Großrechnern, Mobiltelefonen, PDAs, Tablets, Pagern, Routern, Schaltern, verschiedener Speichereinrichtungen und dergleichen. Die Erfindung kann auch in verteilten Systemumgebungen umgesetzt sein, bei denen sowohl lokale als auch entfernte Computersysteme, die (entweder durch festverdrahtete Datenverbindungen, drahtlose Datenverbindungen oder durch eine Kombination aus festverdrahteten und drahtlosen Datenverbindungen) durch ein Netzwerk verbunden sind, Aufgaben ausführen. Bei einer verteilten Systemumgebung können sich Programmmodule sowohl in lokalen als auch entfernten Speichereinrichtungen befinden.

Ausführungsformen der Erfindung können auch in Cloud-Datenverarbeitungsumgebungen implementiert werden. In dieser Beschreibung und den folgenden Ansprüchen wird „Cloud-Datenverarbeitung“ definiert als ein Modell zum Ermöglichen von allgegenwärtigem, zweckmäßigem und bedarfsgesteuertem Netzwerkzugang zu einem geteilten Pool konfigurierbarer Datenverarbeitungsressourcen (z.B. Netzwerken, Servern, Speicherung, Anwendungen und Diensten), die über Virtualisierung schnell bereitgestellt und mit minimalem Verwaltungsaufwand oder minimaler Dienstanbieterinteraktion freigegeben und dann entsprechend skaliert werden können. Ein Cloud-Modell kann aus verschiedenen Eigenschaften (z.B. bedarfsgesteuerte Selbstbedienung, breiter Netzwerkzugang, Ressourcen-Pooling, schnelle Elastizität, gemessener Dienst usw.), Dienstmodellen (z.B. Software als Dienst (SaaS), Plattform als Dienst (PaaS), Infrastruktur als Dienst (IaaS)) und Einsatzmodellen (z.B. private Cloud, Gemeinschafts-Cloud, öffentliche Cloud, Hybrid-Cloud usw.) zusammengesetzt sein. Datenbanken und Server, die mit Bezug auf die vorliegende Erfindung beschrieben werden, können in einem Cloud-Modell enthalten sein.

Außerdem können die vorliegend beschriebenen Funktionen, wenn angemessen, in Hardware und/oder Software und/oder Firmware und/oder digitalen Komponenten und/oder analogen Komponenten durchgeführt werden. Zum Beispiel können eine oder mehrere anwendungsspezifische integrierte Schaltungen (ASICs) programmiert sein, die vorliegend beschriebenen Systeme und/oder Verfahren auszuführen. Bestimmte Begriffe werden in der folgenden Beschreibung und in den Ansprüchen durchgehend verwendet, um bestimmte Systemkomponenten zu bezeichnen. Fachleute werden erkennen, dass Komponenten mit verschiedenen Bezeichnungen bezeichnet werden können. Dieses Dokument beabsichtigt nicht, zwischen Komponenten zu unterscheiden, die zwar unterschiedliche Bezeichnungen, aber die gleiche Funktion aufweisen.

In dieser Beschreibung und den folgenden Ansprüchen wird ein „Spline“ als eine numerische Funktion definiert, die durch Polynomfunktionen stückweise definiert wird. Ein Spline kann einen verhältnismäßig hohen Grad von Glattheit an Stellen aufweisen, an welchen die Polynomstücke zusammenstoßen. Ein Spline wird so definiert, dass er beliebige umfasst von: einer Bezier-Kurve, einem hermiteschen Spline, einem kubischen Spline, einem B-Spline, einem nicht-uniformen rationalen B-Spline (NURB), einem Beta-Spline, einem V-Spline usw.

In der Beschreibung und den folgenden Ansprüchen werden „Spline-Daten“ als jegliche Daten in Bezug auf das Berechnen einer Lösung für die Polynomfunktionen definiert, die in einer numerischen Funktion für einen Spline enthalten sind.

In einem Aspekt sind ein oder mehrere Prozessoren so konfiguriert, dass sie Anweisungen (z. B. computerlesbare Anweisungen, computerausführbare Anweisungen usw.) ausführen, um jede einer Mehrzahl von beschriebenen Operationen auszuführen. Der eine oder die mehreren Prozessoren können auf Informationen von einem Systemspeicher zugreifen und/oder Informationen im Systemspeicher speichern. Der eine oder die mehreren Prozessoren können Informationen zwischen verschiedenen Formaten, wie beispielsweise Radardaten, Koordinatendaten, Spline-Daten usw., umwandeln.

Der Systemspeicher kann mit dem einen oder den mehreren Prozessoren gekoppelt sein und Anweisungen (z. B. computerlesbare Anweisungen, computerausführbare Anweisungen usw.) speichern, die von dem einen oder den mehreren Prozessoren ausgeführt werden. Der Systemspeicher kann außerdem so konfiguriert sein, dass er jegliche einer Mehrzahl von anderen Typen von Daten speichert, die durch die beschriebenen Komponenten erzeugt werden, wie beispielsweise Radardaten, Koordinatendaten, Spline-Daten usw.

Automatisiertes Parken ist einer der vielversprechenden Aspekte automatisierten Fahrens. Einige Fahrzeuge bieten bereits die Fähigkeit zum automatischen Ausführen eines Längsparkmanövers. Lösungen für automatisiertes Parken sollen leicht und mit einem hohen Grad an Sicherheit und Wiederholbarkeit zu automatisieren sein. Der Erfolg dieser Lösungen hängt jedoch stark davon ab, dass Parkstellflächen frühzeitig robust geschätzt werden.

Im Allgemeinen können Aspekte der Erfindung zum Detektieren verfügbarer Parkstellflächen in einer Parkumgebung, wie beispielsweise etwa auf einem Parkplatz, verwendet werden. Wie hierin verwendet, umfasst „Parkumgebung“ jede Art von Bereich, in welchem ein oder mehrere Fahrzeuge geparkt werden können, wie etwa einen Parkplatz, eine Parkgarage, eine Parkstruktur, einen Parkbereich und dergleichen. Radarsensoren an einem Fahrzeug werden verwendet, um Daten über eine Parkumgebung, wie beispielsweise einen Parkplatz, zu sammeln. Die Radardetektionsdaten werden für ein neuronales Netzwerkmodell als eine Eingabe bereitgestellt. Algorithmen einsetzende, neuronale Netzwerke können trainiert werden, um geparkte Fahrzeuge und widersprüchliche Daten hinsichtlich Unrat, Einkaufswagen, Straßenlaternen, Verkehrszeichen, Fußgängern usw. zu erkennen. Das neuronale Netzwerkmodell verarbeitet die Radardetektionsdaten, um Parkstellflächengrenzen zu schätzen und die Parkstellflächengrenzen als Splines anzunähern. Das neuronale Netzwerkmodell gibt die Spline-Schätzungen an das Fahrzeugcomputersystem aus. Das Fahrzeugcomputersystem verwendet die Spline-Schätzungen zum Detektieren verfügbarer Parkstellflächen. Die Spline-Schätzungen werden aktualisiert, während das Fahrzeug über den Parkplatz navigiert.

1 zeigt eine beispielhafte Blockdarstellung einer Datenverarbeitungsvorrichtung 100. Die Datenverarbeitungsvorrichtung 100 kann zur Durchführung verschiedener Prozeduren verwendet werden, wie etwa der hier besprochenen. Die Datenverarbeitungsvorrichtung 100 kann als Server, Client oder beliebige andere Datenverarbeitungsentität fungieren. Die Datenverarbeitungsvorrichtung 100 kann verschiedene Kommunikations- und Datentransferfunktionen wie hier beschrieben ausführen und kann ein oder mehrere Anwendungsprogramme ausführen, wie etwa die hier beschriebenen Anwendungsprogramme. Die Datenverarbeitungsvorrichtung 100 kann eine beliebige von vielfältigen Datenverarbeitungsvorrichtungen sein, wie etwa ein Mobiltelefon oder eine andere mobile Vorrichtung, ein Desktop-Computer, ein Notebook-Computer, ein Server-Computer, ein Handheld-Computer, ein Tablet-Computer und dergleichen.

Die Datenverarbeitungsvorrichtung 100 beinhaltet einen oder mehrere Prozessoren 102, eine oder mehrere Speichereinrichtungen 104, eine oder mehrere Schnittstellen 106, eine oder mehrere Massenspeichereinrichtungen 108, eine oder mehrere Eingabe/Ausgabe(E/A)-Einrichtungen 110 und eine Anzeigeeinrichtung 130, die alle mit einem Bus 112 gekoppelt sind. Der/die Prozessor(en) 102 weist/weisen einen oder mehrere Prozessoren oder Steuerungen auf, die Anweisungen ausführen, die in der/den Speichervorrichtung(en) 104 und/oder Massenspeichereinrichtung(en) 108 gespeichert sind. Der/die Prozessor(en) 102 kann/können auch verschiedene Arten von Computerspeichermedien beinhalten, wie zum Beispiel Cache-Speicher.

Die Speichereinrichtung(en) 104 beinhaltet/beinhalten verschiedene Computerspeichermedien, wie etwa flüchtigen Speicher (z. B. Direktzugriffsspeicher (RAM) 114) und/oder nichtflüchtigen Speicher (z. B. Festwertspeicher (ROM) 116). Die Speichereinrichtung(en) 104 kann/können auch wiederbeschreibbares ROM beinhalten, wie zum Beispiel Flash-Speicher.

Die Massenspeichereinrichtung(en) 108 beinhaltet/beinhalten verschiedene Computerspeichermedien, wie etwa Magnetbänder, Magnetplatten, optische Platten, Halbleiterspeicher (z. B. Flash-Speicher) und so weiter. Wie in 1 dargestellt, ist eine spezielle Massenspeichereinrichtung ein Festplattenlaufwerk 124. Diverse Laufwerke können auch in der/den Massenspeichereinrichtung(en) 108 enthalten sein, um ein Auslesen aus den und/oder Schreiben auf die diversen computerlesbaren Medien zu ermöglichen. Die Massenspeichereinrichtung(en) 108 beinhalten auswechselbare Medien 126 und/oder nicht auswechselbare Medien.

Die E/A-Einrichtung(en) 110 beinhaltet/beinhalten verschiedene Einrichtungen, die gestatten, dass Daten und/oder andere Informationen in die Datenverarbeitungsvorrichtung 100 eingegeben oder aus ihr abgerufen werden. Die beispielhafte(n) E/A-Einrichtung(en) 110 beinhaltet/beinhalten Cursorsteuervorrichtungen, Tastaturen, Tastenfelder, Strichcodescanner, Mikrofone, Monitore oder andere Anzeigevorrichtungen, Lautsprecher, Drucker, Netzwerkschnittstellenkarten, Modems, Kameras, Objektive, Radare, CCDs oder andere Bilderfassungsvorrichtungen und dergleichen.

Die Anzeigeeinrichtung 130 beinhaltet eine beliebige Art von Einrichtung, die in der Lage ist, für einen oder mehrere Benutzer der Datenverarbeitungsvorrichtung 100 Informationen anzuzeigen. Beispiele für die Anzeigeeinrichtung 130 beinhalten einen Monitor, eine Anzeigestation, eine Videoprojektionseinrichtung und dergleichen.

Die Schnittstelle(n) 106 beinhaltet/beinhalten verschiedene Schnittstellen, die der Datenverarbeitungsvorrichtung 100 gestatten, mit anderen Systemen, Einrichtungen oder Rechenumgebungen sowie Menschen zu interagieren. Die beispielhafte(n) Schnittstelle(n) 106 kann/können eine beliebige Anzahl verschiedener Netzwerkschnittstellen 120 umfassen, wie etwa Schnittstellen zu PAN (Personal Area Networks), LAN (Local Area Networks), WAN (Wide Area Networks), drahtlosen Netzwerken (z.B. Nahfeldkommunikations- bzw. NFC-, Bluetooth-, Wi-Fi-Netzwerken usw.) und dem Internet. Andere Schnittstellen umfassen die Benutzeroberfläche 118 und die Peripherievorrichtungsschnittstelle 122.

Der Bus 112 gestattet es dem/den Prozessor(en) 102, der/den Speichereinrichtung(en) 104, der/den Schnittstelle(n) 106, der/den Massenspeichereinrichtung(en) 108, der/den E/A-Einrichtung(en) 110, ebenso miteinander zu kommunizieren wie auch mit anderen Einrichtungen oder Komponenten, die mit dem Bus 112 gekoppelt sind. Der Bus 112 repräsentiert eine oder mehrere von mehreren Arten von Busstrukturen, wie etwa einen Systembus, PCI-Bus, IEEE-1394-Bus, USB-Bus und so weiter.

Aspekte der Erfindung können zum Detektieren verfügbarer Parkstellflächen in einer Parkumgebung, wie beispielsweise auf einem Parkplatz, verwendet werden. Es kann eine auf tiefem Lernen basierte Technik verwendet werden, die bestehende Anpassungs- und Regressionstechniken ersetzen kann. Die auf tiefem Lernen basierte Technik kann stabile Freiraumgrenzschätzung in einer Parkumgebung erreichen. Die Technik kann in Echtzeit sein, an weniger Punkten arbeiten und daher unverzüglich eine gleitende Grenzschätzung bereitstellen. Der Ansatz kann auch besser skalierbar sein, da die verborgenen Schichten eines tiefen neuronalen Netzwerks trainiert werden können, um die Eigenheiten der Radar-Störreflexionen zu lernen und zu überwinden.

Im Allgemeinen kann ein Fahrzeug (z. B. ein Testfahrzeug), das mit mehreren Radareinheiten (z. B. Radareinheiten an 4 Ecken) ausgestattet ist, durch eine Parkumgebung (z. B. über einen Parkplatz) navigieren und nach Parkstellflächen suchen. Während sich das Fahrzeug bewegt, emittiert jede Radareinheit Funkwellen. Reflexionen von den emittierten Funkwellensignalen können wieder an den Radareinheiten gesammelt und verarbeitet werden, um Objekte zu identifizieren. Die Parknavigation kann mit mehreren Testfahrern wiederholt werden, um ein größeres Vielfaches an Stunden (z. B. 20 oder mehr Stunden) von Fahrdaten bei nominalen und nicht nominalen Parkstellflächen-Fahrgeschwindigkeiten zu erreichen. Die gesammelten Radardaten können mit Luftdaten verglichen werden. Die Geländebeobachtungen der Parkumgebung können zum gleichen Zeitpunkt und mit den gleichen Raumkonfigurationen im Einklang mit den Radardatensammlungen erhalten werden. Die Geländebeobachtungsdaten können Luftbilder sein und eine Draufsicht der Parkumgebung von oben vermitteln.

Ein neuronales Netzwerk kann so ausgelegt sein, dass die Radar-Rohdetektionen (M Punkte pro Zeitpunkt) für T Zeitpunkte gesammelt werden, um M×T Eingabepunkte (x, y) zu ergeben. Die Ausgabe des neuronalen Netzwerks kann ein „Spline“ mit N Punkten (x, y) sein, der eine glatte Grenze der Parkstellfläche auf der lateralen Seite des Fahrzeugs, wiederholt für beide Seiten, darstellt. Die Architektur des neuronalen Netzwerks kann tief, zum Beispiel mit mehreren (7 oder mehr) verborgenen Schichten, sein. Eine Verlustschicht kann einen euklidischen Verlust umfassen, um eine Ausgabe ähnlich einer Regressionsausgabe zum Darstellen kontinuierlicher Werte in der xy-Ebene zu ermöglichen.

Bei einigen Implementierungen kann ein trainiertes Modell in eine eingebettete Plattform oder dergleichen in einem Fahrzeug portiert werden und die Radardetektionen als Eingaben empfangen. Die Ausgaben können die „Splines“ sein, welche die freien Räume für eine Parkumgebung schätzen. Splines können sich zusammen mit dem Fahrzeug bewegen, die Grenze der verfügbaren Parkstellflächen im Wesentlichen unverzüglich verfolgen, während eine gleitende Eingabe von T Zeitpunkten verarbeitet wird.

2 veranschaulicht eine beispielhafte Computerarchitektur 200, die ein Detektieren verfügbarer Parkstellflächen in einer Parkumgebung erleichtert. Die Computerarchitektur 200 kann in einem Fahrzeug, wie zum Beispiel einem Auto, einem Lastwagen, einem Bus oder einem Motorrad, enthalten sein. Unter Bezugnahme auf 2 umfasst die Computerarchitektur 200 ein Fahrzeugcomputersystem 201 und ein Radarsystem 211. Das Radarsystem 211 kann eine oder mehrere Radareinheiten umfassen, die am Fahrzeug montiert sind. Radareinheiten, die im Radarsystem 211 enthalten sind, können beliebige von einem bistatischen Radar, Dauerstrichradar, Doppler-Radar, FM-CW-Radar, Monopulsradar, passiven Radar, Planar-Array-Radar, Impuls-Doppler-Radar, Radar mit synthetischer Apertur usw. sein. Jedes von dem Fahrzeugcomputersystem 201 und dem Radarsystem 211 sowie ihre jeweiligen Komponenten können jeweils über ein Netzwerk, wie beispielsweise ein PAN, ein LAN, ein WAN, einen CAN-Bus (Controller area network) und sogar das Internet, miteinander verbunden (oder Teil davon) sein. Dementsprechend können das Fahrzeugcomputersystem 201 und das Radarsystem 211 sowie beliebige andere angeschlossene Computersysteme und ihre Komponenten jeweils nachrichtenbezogene Daten und austauschnachrichtenbezogene Daten (z. B. Nahfeldkommunikations(NFC)-Nutzlasten, Bluetooth-Pakete, Internetprotokoll(IP)-Datenpakete und andere Protokolle höherer Schichten, die IP-Datenpakete verwenden, wie zum Beispiel Transmission Control Protocol (TCP), Hypertext Transfer Protocol (HTTP), Simple Mail Transfer Protocol (SMTP) usw.) über das Netzwerk erzeugen.

Im Allgemeinen ist das Radarsystem 211 so konfiguriert, dass es Objekte in einer Parkumgebung detektiert. Zum Beispiel kann das Radarsystem 211 Radar-Rohdaten 212 erfassen. Die Radar-Rohdaten 212 können Objektdetektionsdaten innerhalb einer Parkumgebung umfassen. Das Radarsystem 211 kann eine oder mehrere Radareinheiten umfassen, die an der Vorderseite des Fahrzeugs, an der Rückseite des Fahrzeugs oder beiden angeordnet sind.

Wie dargestellt, umfasst ein Fahrzeugcomputersystem 201 ein Radardetektions-Berechnungsmodul 202, ein neuronales Netzwerkmodul 204 und ein Fahrzeugparkmodul 206.

Das Radardetektions-Berechnungsmodul 202 ist zum Empfangen der Radar-Rohdaten 212 vom Radarsystem 211 konfiguriert. Das Radardetektions-Berechnungsmodul 202 kann Radar-Koordinatendaten 203 (z. B. kartesische Koordinaten) aus den Radar-Rohdaten 212 berechnen. Das Radardetektions-Berechnungsmodul 202 ist außerdem so konfiguriert, dass es die Radar-Koordinatendaten 203 an das neuronale Netzwerkmodul 204 sendet.

Das neuronale Netzwerkmodul 204 ist so konfiguriert, dass es die Radar-Koordinatendaten 203 vom Radardetektions-Berechnungsmodul 202 als eine Eingabe empfängt. Im Allgemeinen kann das neuronale Netzwerkmodul 204 die Radar-Koordinatendaten 203 empfangen und verarbeiten, um Parkstellflächengrenzen anzunähern. Das neuronale Netzwerkmodul 204 kann Parkstellflächengrenzen als Splines durch Kurvenanpassung der Splines an die geschätzten Parkstellflächengrenzen annähern. Das neuronale Netzwerkmodul 204 ist außerdem so konfiguriert, dass es Spline-Daten 205 an das Fahrzeugparkmodul 206 ausgibt.

Das Fahrzeugparkmodul 206 ist so konfiguriert, dass es die Spline-Daten 205 vom neuronalen Netzwerkmodul 204 empfängt. Das Fahrzeugparkmodul 206 kann die Spline-Daten 205 zum Detektieren verfügbarer Parkstellflächen verwenden. Das Fahrzeugparkmodul 206 kann außerdem die Schätzungen verfügbarer Parkstellflächen durch Verwenden von aktualisierten Spline-Schätzungen fortwährend aktualisieren, während das Fahrzeug durch die Parkumgebung navigiert.

3 veranschaulicht ein Flussdiagramm eines beispielhaften Verfahrens 300 zur Detektion verfügbarer Parkstellflächen in einer Parkumgebung. Im Beispiel von 3 ist die Parkumgebung ein Fahrzeugparkplatz. Das Verfahren 300 wird mit Bezug auf die Komponenten und Daten der Computerarchitektur 200 beschrieben.

Das Verfahren 300 umfasst ein Senden von Radar-Rohdetektionen als Eingaben an das Fahrzeugcomputersystem, wobei die Radar-Rohdetektionen in spezifischen Zeitschritten gesammelt werden (301). Das Radarsystem 211 kann die Radardaten 212 zum Beispiel an das Fahrzeugcomputersystem 201 senden. Das Radarsystem 211 kann die Radardaten 212 auf einer laufenden Basis in festgelegten Zeitintervallen T sammeln. Während daher ein Fahrzeug über einen Parkplatz navigiert, kann das Radarsystem 211 Radartechnologie verwenden, um den Parkplatz zu überwachen und Objekte zu detektieren, die auf dem Parkplatz sind. Die detektierten Objekte können in Radardaten 212 angegeben werden. Detektierte Objekte können umfassen: (1) Fahrzeuge, die auf dem Parkplatz sind, sowohl geparkt als auch fahrend, (2) stationäre Objekte, wie beispielsweise Leuchten, Straßenlaternen, Verkehrssäulen, Raumteiler, Fahrradständer, Einkaufswagensammelbereiche, Einkaufswagen, Verkehrszeichen, Schaufensterauslagen, Feuerhydranten, Begrünungsanlagen usw., (3) bewegliche Objekte, wie beispielsweise Fußgänger, Einkaufswagen in Bewegung usw., und (4) Störobjekte, wie beispielsweise Unrat, verlegte Gegenstände usw. Das Radarsystem 211 kann die Objektdetektionen als Radar-Rohdaten 212 an das Radardetektions-Berechnungsmodul 202 senden.

Das Verfahren 300 umfasst ein Empfangen von Radar-Rohdetektionen vom Fahrzeugradarsystem als Eingaben, wobei die Radar-Rohdetektionen in spezifischen Zeitschritten gesammelt werden (302). Zum Beispiel kann das Radardetektions-Berechnungsmodul 202 die Radar-Rohdaten 212 vom Radarsystem 211 empfangen.

Das Radardetektions-Berechnungsmodul 202 kann die Radar-Rohdaten 212 als M Datenpunkte für jedes festgelegte Zeitintervall T empfangen. Während das Fahrzeug über den Parkplatz navigiert, kann das Radardetektions-Berechnungsmodul 202 fortwährend Aktualisierungen der Radar-Rohdaten 212 empfangen. Das Radardetektions-Berechnungsmodul 202 kann zum Beispiel M Datenpunkte für jeden Zeitschritt T puffern und eine Matrix von M×T Eingabepunkten im Systemspeicher speichern. Bei jedem Zeitschritt können die Radar-Rohdaten 212 als eine Punktwolke von Radarreflexionen angenähert werden, wobei die Reflexionen anzeigen, wo sich auf dem Parkplatz Objekte befinden.

Das Verfahren 300 umfasst ein Berechnen der kartesischen Koordinaten der Radar-Rohdetektionen in Bezug auf das Fahrzeug (303). Zum Beispiel kann das Radardetektions-Berechnungsmodul 202 Radar-Koordinatendaten 203 (z. B. kartesische Koordinaten) aus den Radardaten 212 in Bezug auf das Fahrzeug berechnen. Die Radar-Koordinatendaten 203 können Schätzungen der Objektstandorte in Bezug auf das Fahrzeug umfassen, die in den Radar-Rohdaten 212 enthalten sind. Das Radardetektions-Berechnungsmodul 202 kann außerdem die Objektdetektionsstandorte im dreidimensionalen Raum auf die Ebene des Fahrzeugs im (x, y)-Raum projizieren.

Das Verfahren 300 umfasst ein Bereitstellen der Radardetektionsdaten für das neuronale Netzwerkmodul des Computersystems (304). Zum Beispiel kann das Radardetektions-Berechnungsmodul 202 die Radar-Koordinatendaten 203 an das neuronale Netzwerkmodul 204 senden. Die Radar-Koordinatendaten 203 können die verarbeiteten Radardaten, einschließlich der (x, y)-Koordinaten der Objektdetektionen, sowie Teile von Radar-Rohdaten 212 zur Weiterverarbeitung umfassen.

Das Verfahren 300 umfasst ein Empfangen der Radardetektionsdaten vom Fahrzeugcomputersystem (305). Zum Beispiel kann das neuronale Netzwerkmodul 204 die Radar-Koordinatendaten 203 vom Radardetektions-Berechnungsmodul 202 empfangen. Die Radar-Koordinatendaten 203 können die verarbeiteten Radardaten, einschließlich der (x, y)-Koordinaten der Objektdetektionen, sowie Teile von Radar-Rohdaten 212 zur Weiterverarbeitung umfassen.

In einem Aspekt umfasst das neuronale Netzwerkmodul 204 ein neuronales Netzwerk, das gemäß einem Mehrschichtenmodell aufgebaut ist. Ein mehrschichtiges neuronales Netzwerkmodul kann eine Eingabeschicht, eine Mehrzahl von verborgenen Schichten, eine Verlustschicht und eine Ausgabeschicht umfassen. Die Verlustschicht kann einen euklidischen Verlust umfassen, um zu ermöglichen, dass die Ausgabe einer Regressionsausgabe, die kontinuierliche Werte in der (x, y)-Ebene darstellt, ähnlich ist.

Das Verfahren 300 umfasst ein Verarbeiten der Radardetektionsdaten, um Parkstellflächengrenzen zu schätzen (306). Zum Beispiel kann das neuronale Netzwerkmodul 204 die Radar-Koordinatendaten 203 verarbeiten, um die Parkstellflächengrenzen zum Beispiel als Splines zu schätzen.

Bevor das neuronale Netzwerkmodul 204 in einer Produktionsumgebung implementiert wird, kann das neuronale Netzwerkmodul 204 in einer Entwicklungsumgebung „trainiert“ werden. Zum Beispiel kann das neuronale Netzwerkmodul 204 in Entwicklungsfahrzeugen mit Entwicklungsfahrzeug-Computersystemen und Entwicklungs-Radarsystemen implementiert werden. Die Entwicklungsfahrzeuge können mit mehreren Fahrern in typischen Parkplatzszenarien getestet werden, um zu ermöglichen, dass die Fahrzeuge über die Parkplätze navigieren, nach verfügbaren Parkstellflächen suchen und dutzende oder hunderte Stunden von Testdaten sammeln. Luftansichten der Parkplatzszenarien können unter Verwendung von Overhead-Kameras, Drohnen, Luftfotografie, Satellitenbildern und dergleichen aufgezeichnet werden. Die Luftansichten, die zur gleichen Zeit aufgenommen wurden, wie die Radardaten gesammelt wurden, können in die Radar-Koordinatendaten 203 eingeblendet werden und eine Ausgabe aus dem neuronalen Netzwerkmodul 204 kann mit den Luftbilderdaten von Geländebeobachtungen verglichen werden. Das neuronale Netzwerkmodul 204 kann derart abgestimmt werden, dass die Ergebnisse des neuronalen Netzwerkmoduls 204 mit den Luftbilderdaten von Geländebeobachtungen abgeglichen werden. Entsprechend kann das neuronale Netzwerkmodul 204 Parkstellflächengrenzen in einer Produktionsumgebung genauer definieren.

Außerdem kann das neuronale Netzwerkmodul 204 trainiert werden, um Radar-Stördaten, die auch als Geisterobjekte bekannt sind, wie beispielsweise Unrat oder Einkaufswagen auf dem Parkplatz, feststehende Objekte, wie Leuchten, Fußgänger, fehlerhafte Radar-Artefakte, wie beispielsweise unerwartete Reflexionen usw., herauszufiltern.

Wenn die Entwicklungsergebnisse für das neuronale Netzwerkmodul 204 zufriedenstellend sind, kann das „trainierte“ neuronale Netzwerkmodul 204 in einer Produktionsumgebung implementiert werden und zuverlässigere Schätzungen von Parkstellflächengrenzen bereitstellen. Das trainierte neuronale Netzwerkmodul 204 kann in eine eingebettete Plattform oder dergleichen im Fahrzeug portiert werden und die Radardetektionen als Eingaben empfangen. Das trainierte neuronale Netzwerkmodul 204 kann Splines als Ausgaben bereitstellen, wobei die Splines einen freien Raum auf einem Parkplatz schätzen.

Das Verfahren 300 umfasst ein Annähern der Parkstellflächengrenzen als Splines, wobei Kurvenanpassung der Splines an die geschätzten Parkstellflächengrenzen durchgeführt wurde (307). Zum Beispiel kann das neuronale Netzwerkmodul 204 die Radar-Koordinatendaten 203 als einen Spline mit N Punkten (x, y) annähern, der die glatte Grenze für die Parkstellfläche auf den lateralen Seiten des Fahrzeugs, wiederholt für beide Seiten, darstellt. Das neuronale Netzwerkmodul 204 kann außerdem die Parkstellflächengrenzen als Splines durch Kurvenanpassung der Splines an die geschätzten Parkstellflächengrenzen annähern. Die Spline-Daten 205 können eine oder mehrere Spline-Schätzungen umfassen. Jede Spline-Schätzung kann eines oder mehrere umfassen von: einer Bezier-Kurve, einem hermiteschen Spline, einem kubischen Spline, einem B-Spline, einem nicht-uniformen rationalen B-Spline (NURB), einem Beta-Spline, einem V-Spline usw.

Das Verfahren 300 umfasst ein Bereitstellen der Spline-Schätzungen für das Fahrzeugcomputersystem (308). Zum Beispiel kann das neuronale Netzwerkmodul 204 die Spline-Daten 205 auch für das Fahrzeugparkmodul 206 bereitstellen. Das Verfahren 300 umfasst ein Empfangen der Spline-Schätzungen vom neuronalen Netzwerkmodul (309). Zum Beispiel kann das Fahrzeugparkmodul 206 die Spline-Daten 205 vom neuronalen Netzwerkmodul 204 empfangen.

Das Verfahren 300 umfasst ein Verwenden der Spline-Schätzungen zum Detektieren verfügbarer Parkstellflächen (310). Zum Beispiel kann das Fahrzeugparkmodul 206 die Spline-Daten 205 vom neuronalen Netzwerkmodul 204 empfangen und die Spline-Daten 205 zum Detektieren verfügbarer Parkstellflächen verwenden. Das Verfahren 300 umfasst ein Aktualisieren der Spline-Schätzungen, während das Fahrzeug über den Parkplatz navigiert (311). Zum Beispiel kann das Fahrzeugparkmodul 206 die Schätzungen verfügbarer Parkstellflächen durch Verwenden von aktualisierten Spline-Daten fortwährend aktualisieren, während das Fahrzeug über den Parkplatz navigiert.

4 veranschaulicht eine beispielhafte Parkumgebung 400. Wie dargestellt, enthält ein beispielhafter Parkplatz 421 drei geparkte Fahrzeuge 422, 423 und 424. Der Parkplatz 421 enthält außerdem ein fahrendes Fahrzeug 407, das auf der Suche nach einer verfügbaren Parkstellfläche ist. Das fahrende Fahrzeug 407 ist mit Radarsensoren 413 (welche die Radareinheiten des Radarsystems 211 sein können) und einem Fahrzeugcomputersystem (nicht dargestellt) ausgestattet.

Die Radarsensoren 413 sind so konfiguriert, dass sie Radarabtastungen 411 durchführen und Objekte auf dem Parkplatz als Radardetektionen 412 (auch als „Radardaten“ bezeichnet) detektieren. Die Radarsensoren 413 können Radardetektionen 412 für das Fahrzeugcomputersystem zur Verarbeitung bereitstellen.

Das Fahrzeugcomputersystem kann die Radardetektionen 412 verarbeiten und den Umkreis der Radardetektionen 412 als Splines 405 schätzen. Die Radardetektionen 412 können Detektions-Stördaten 432, wie beispielsweise Dosen oder anderen Unrat, auf dem Parkplatz umfassen. Das Fahrzeugcomputersystem kann neuronale Netzwerkmodelle (z. B. ähnlich dem neuronalen Netzwerkmodul 204) verwenden, um zwischen Radar-Detektionsdaten 412, die relevante Daten sind, und Radar-Detektionsdaten 412 zu unterscheiden, die Stördaten sind.

Das Fahrzeugcomputersystem 401 kann Splines 405 zum Schätzen verfügbarer Parkstellfläche(n) 431 verwenden. Während das fahrende Fahrzeug 407 über den Parkplatz 421 navigiert, können die Radarsensoren 413 fortfahren, Radarabtastungen 411 durchzuführen, um die Radardetektionen 412 zu aktualisieren. Das Fahrzeugcomputersystem 401 kann die aktualisierten Radardetektionen 412 verarbeiten, um die Splines 405 fortwährend zu aktualisieren.

Obwohl die hier dargestellten Komponenten und Module in einer bestimmten Anordnung gezeigt und beschrieben sind, kann die Anordnung von Komponenten und Modulen geändert werden, um Daten auf andere Weise zu verarbeiten. Bei anderen Ausführungsformen können eine oder mehrere zusätzliche Komponenten oder ein oder mehrere zusätzliche Module zu den beschriebenen Systemen hinzugefügt werden, und eine oder mehrere Komponenten oder ein oder mehrere Module können aus den beschriebenen Systemen entfernt werden. Alternative Ausführungsformen können zwei oder mehr der beschriebenen Komponenten oder Module zu einer einzigen Komponente oder einem einzigen Modul kombinieren.

Die vorstehende Beschreibung wurde zu Zwecken der Veranschaulichung und Beschreibung dargelegt. Sie soll weder erschöpfend sein noch die Erfindung auf die genaue offenbarte Form beschränken. Viele Modifikationen und Variationen sind angesichts der obigen Lehren möglich. Ferner versteht es sich, dass irgendeine oder alle der vorgenannten alternativen Ausführungsformen in einer beliebigen gewünschten Kombination zum Bilden von zusätzlichen hybriden Ausführungsformen der Erfindung verwendet werden können.

Obwohl spezifische Ausführungsformen der Erfindung beschrieben und veranschaulicht worden sind, ist die Erfindung jedoch nicht auf die spezifischen Formen oder Anordnungen von so beschriebenen und veranschaulichten Teilen einzuschränken. Der Schutzumfang der Erfindung soll durch die hier beigefügten Ansprüche, jegliche zukünftigen hier und in anderen Anmeldungen eingereichten Ansprüche und deren Äquivalente definiert werden.

ZITATE ENTHALTEN IN DER BESCHREIBUNG

Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.

Zitierte Nicht-Patentliteratur

  • IEEE-1394-Bus [0030]