[发明专利]环境传感器的行为模型

权利要求书

1.用于训练人工神经元网络(KNN)以模拟驾驶员辅助系统的环境传感器(US)在交通场景中的行为的计算机辅助方法(100)，所述计算机辅助方法具有以下工作步骤：

读取(101)试车(R)的交通场景；

从所述交通场景中推动(102)试车数据和需由所述环境传感器(US)、特别是相机发送的传感器数据、特别是对象列表；

生成(103)数据流、特别是图像流，该数据流映射出自所述环境传感器(US)的角度的交通场景；

通过以下方式发送(105；105’)所述数据流，即，使得所述环境传感器(US)能基于所述数据流生成传感器数据并且能够在数据接口(15)上提供所述传感器数据，试车数据和需发送的传感器数据也在所述数据接口上提供；以及

将提供的数据读取(106)到所述人工神经元网络(KNN)中。

2.用于分析驾驶员辅助系统的环境传感器(US)的计算机辅助方法(200)，所述计算机辅助方法具有以下工作步骤：

读取(201)多个试车(R)的交通场景；

从所述交通场景中推导(202)试车数据以及需由所述环境传感器(US)发送的传感器数据；

生成(203)数据流、特别是图像流，该数据流映射出自所述环境传感器(US)的角度的交通场景；

将所述数据流发送(205；205')给所述环境传感器(US)，所述环境传感器基于所述数据流生成传感器数据；

借助基于试车数据、需发送的传感器数据和由环境传感器(US)生成的传感器数据的人工神经元网络(KNN)来实施平差计算(206)；以及

应用(207)基于平差计算的模拟模型，其中，所述模拟模型设置为，基于任意的试车(R')的数据流来模拟并发送传感器数据。

3.根据前述权利要求中任一项所述的方法(100、200)，其中，利用不同的试车重复所述工作步骤，直到所述人工神经元网络(KNN)尽可能精确地映射所述环境传感器(US)的功能，特别是直到需发送的传感器数据与已发送的传感器数据针对在平差计算时未被考虑的试车(R')有95％、优选98％的一致性为止。

4.用于模拟驾驶员辅助系统的环境传感器(US)、特别是相机在交通场景中的行为的计算机辅助方法(300)，所述计算机辅助方法具有以下工作步骤：

检测(302)数据流、特别是图像流，该数据流映射出自所述环境传感器(US)的角度的试车(R')；

借助环境传感器(US)的基于所检测的数据流的模拟模型来确定(303)传感器数据，所述模拟模型设置为，基于任意的试车(R')的数据流来模拟传感器数据、特别是对象列表，并且所述模拟模型以借助人工神经元网络(KNN)的平差计算为基础，所述人工神经元网络基于多个不同的试车(R)的试车数据和数据流以及基于在这些试车(R)中由环境传感器(US)生成的传感器数据；以及

发送(304)借助所述模拟模型确定的传感器数据。

5.根据权利要求2至4中任一项所述的方法，其中，还基于用于模拟的试车(R')的试车数据来模拟所述传感器数据。

6.根据权利要求4或5所述的方法(300)，还具有以下工作步骤：

生成(301)数据流、特别是图像流，该数据流映射出自所述环境传感器(US)的角度的试车(R')、特别是所述试车的交通场景。

7.用于分析驾驶员辅助系统的计算机辅助方法，其中，在真实的或模拟的试车期间向所述驾驶员辅助系统供应借助根据权利要求2至6中任一项所述的方法(200、300)发送的传感器数据以及其它虚拟或真实的传感器的数据，所述其它虚拟或真实的传感器的数据优选提供在车辆的数据网络内、特别是CAN网络内。

8.根据前述权利要求中任一项所述的方法(100、200、300)，所述方法还具有以下工作步骤：

使所述数据流、特是所述图像流劣化(104-1、104-2；204-1、204-2)、特别是失真，优选考虑天气条件和/或所述环境传感器(US)的硬件的缺陷。