自适应地求取参数估计的完整性范围的方法

摘要

本发明涉及一种用于自适应地求取参数估计的完整性范围(1)的方法，其中，该完整性范围(1)描述所估计的参数以最小概率位于其中的范围，其中，该方法至少包括以下步骤：a)借助模块化系统(4)的基础模块(3)求取基础完整性信息(2)；b)如果满足用于求取第一附加完整性信息(5)的至少一个前提，则借助模块化系统(4)的第一附加模块(6)求取第一附加完整性信息(5)；c)如果已经求取到第一附加完整性信息(5)，则至少在使用基础完整性信息(2)或者至少在使用基础完整性信息(2)和第一附加完整性信息(5)的情况下求取完整性范围(1)。

说明书

技术领域

本发明涉及一种用于自适应地求取参数估计的完整性范围的方法、一种计算机程序、一种机器可读的存储介质和一种用于机动车的控制设备。本发明尤其适用于结合自主驾驶使用。

背景技术

自主驾驶面临的最重要挑战之一是尽可能准确和可靠地确定自主车辆的自身位置。自主车辆通常具有诸如惯性传感器、车轮传感器、环境传感器、GNSS传感器、光学和/或声学传感器的传感器，车辆可以借助这些传感器来估计自身位置。在这种情况下，针对所求取的自身位置还输出关于其(期望的)估计精度的信息是有益的。在这种情况下，例如可以通过所谓的“保护等级”(简称：“PL”，Protection Level)来表示所求取的自身位置的置信度。在此，PL可以描述统计学误差极限，其计算通常基于统计学考虑并且必要时附加地基于对估计算法的适当调整。

尤其在航空领域，提供保护等级的概念很普遍。然而，在此开发的解决方案并不能简单地转移到自主驾驶应用领域。尤其例如，城市峡谷及其对卫星信号的影响带来了在航空应用中不会出现的问题。因此，期待用于计算尽可能可靠的保护等级的改进方法，这些方法尤其即使在困难的环境中(例如城市地区)也能够提供可靠的结果。

发明内容

根据权利要求1提出一种用于自适应地求取参数估计的完整性范围

a)借助模块化系统的基础模块来求取基础完整性信息；

b)如果满足用于求取第一附加完整性信息的至少一个前提，则借助模块化系统的第一附加模块来求取第一附加完整性信息；

c)如果已经求取到第一附加完整性信息，则至少在使用基础完整性信息或者至少在使用基础完整性信息和第一附加完整性信息的情况下求取完整性范围。

优选地，步骤a)和b)可以至少部分并行地或者甚至同时地执行。此外优选地，步骤a)和b)至少部分地在步骤c)之前执行。

完整性范围描述如下范围：所估计的参数(值)(实际上)以最小概率位于该范围中。在此，所估计的参数(值)基本上描述参数估计的(单个的、尤其瞬时的)估计结果。换句话说，这尤其意味着完整性范围描述如下范围：所估计的参数的真实值或实际值以最小概率位于该范围中。这种完整性范围也可以称为所谓的“保护等级”。

最小概率通常涉及预定义的最小概率。该最小概率优选为90％、特别优选为95％或者甚至为99％。

优选地，完整性范围是保护等级。在此，保护等级通常描述如下(空间的、尤其二维或三维的)范围：所估计的参数(值)以最小概率(实际上)位于该范围中。在此，所估计的参数(值)基本上描述参数估计的(单个的、尤其是瞬时的)估计结果。换句话说，这尤其意味着保护等级描述如下范围：所估计的参数的真实值或实际值以最小概率位于该范围中。

再换句话说，保护等级尤其描述如下置信区间或(空间)置信范围：所估计的参数的真实值以最小概率位于该置信区间或(空间)置信范围中。在此，参数的所估计的值通常位于置信区间或置信范围的中间或中心。

所估计的参数的真实值或实际值实际位于保护等级中的最小概率仍比“通常的”完整性范围高得多。在此，最小概率通常高于99.99％、尤其优选高于99.999％或者甚至高于99.9999％。在保护等级的情况下，最小概率也可以不以百分比表示，而是以确定时间间隔内的可能误差来表示。保护等级例如可以如此定义，使得相关参数在10年内最多一次位于保护等级之外。保护等级例如可以表示为无单位或者无量纲的概率或比率、即在一时间间隔内的错误发生概率。

优选地，该方法用于求取机动车的驾驶运行参数的参数估计的完整性范围。驾驶运行参数通常涉及机动车的驾驶运行的对安全关键的或对安全重要相关的参数。优选地，驾驶运行参数涉及至少部分自动化或甚至自主操作的(或运行的)机动车的驾驶运行的(对安全关键的或对安全重要相关的)参数。

驾驶运行参数在此尤其理解为如下参数：该参数有助于描述机动车的空间驾驶运行或机动车在空间中的操作。驾驶运行参数尤其至少有助于描述机动车的自身运动和/或自身位置。驾驶运行参数例如可以涉及机动车的(自身)位置、(自身)速度、(自身)加速度或方位(或定向)。优选地，驾驶运行参数涉及机动车的自身位置。

优选地，该方法用于求取完整性范围，该完整性范围描述车辆自身位置估计的完整性。换句话说，这尤其意味着，该参数优选涉及车辆的自身位置。该方法(因此)例如可以用于求取车辆位置的位置估计的完整性范围。在此，完整性范围可以描述如下范围：车辆的估计自身位置以最小概率(实际上)位于该范围中。作为对车辆自身位置的估计的替代或补充，该方法也可以用于估计车辆的自身速度、定向、自身运动等。

参数估计原则上可以包括用于估计(同一)参数的一种或多种方法。例如，参数估计可以包括至少两种彼此不同的方法、例如用于估计参数的第一方法和不同于第一方法的第二方法。优选使用这些方法来估计参数，此外这些方法也可以提供和/或确定关于估计的完整性的完整性信息。

在此提出的解决方案(尤其通过求取方法对外部影响和/或给定应用的可能适配)以有利的方式允许完整性范围的动态求取。与纯粹基于经验模型或纯粹基于随机模型的用于计算完整性范围的方法相比，在此提出的解决方案首次允许自适应地并且由此尤其动态地和/或更高效地求取完整性范围。

尤其系统的模块化结构有助于提高动态性和/或效率，该模块化结构能够根据需要接通一个或多个附加模块，例如以便增大求取完整性范围的准确性(例如通过考虑质量指标)和/或补偿基础模块的方法的(可预见的)限制。例如，主要借助GNSS信息工作的基础模块在诸如城市峡谷的确定场景中(即卫星接收受遮挡)可能只能受限地工作。在这种情况下，可以接通附加模块，该附加模块主要借助车辆的环境传感器工作。

在步骤a)中，借助模块化系统的基础模块求取尤其关于参数估计或关于所估计的参数的基础完整性信息。换句话说，这尤其意味着在步骤a)中，借助模块化系统的基础模块来求取基础完整性信息，该基础完整性信息关于参数估计的估计结果或关于参数估计的完整性。

在此，该系统原则上可以实现为物理系统或计算机程序。基础完整性信息例如可以涉及参数估计的方差和/或残差。此外，基础完整性信息(替代地)也可以涉及如下信息：该信息根据估计的置信度的方差和/或残差和/或(其他)指标所求取。

在此，参数估计和/或基础完整性信息的求取例如可以基于机动车的传感器的数据进行。优选地，基础完整性信息的求取至少还基于机动车的GNSS传感器的GNSS(全球导航卫星系统)数据(例如GNSS校正数据或包括GNSS位置数据和GNSS校正数据的数据)进行。

在步骤b)中，如果满足用于求取第一附加完整性信息的至少一个前提，则借助模块化系统的第一附加模块(不同于基础模块)来求取第一附加完整性信息，该附加完整性信息尤其关于参数估计或关于所估计的参数。换句话说，这尤其意味着，在步骤b)中借助模块化系统的第一附加模块来求取第一附加完整性信息，该第一附加完整性信息关于参数估计的估计结果或关于参数估计的完整性。

在此，参数估计和/或第一附加完整性信息的求取例如可以基于机动车的传感器数据进行。优选地，第一附加完整性信息的求取至少还基于机动车的环境传感器数据进行。环境传感器例如可以涉及摄像机、雷达传感器、激光雷达传感器和/或超声传感器。

求取第一附加完整性信息的前提例如可以是：在当前或在确定时间段内应当增大求取完整性范围的准确性，和/或，认为基础模块的准确性当前是受限的。另一(替代的或补充的)前提例如可以是：机动车(关于其进行参数估计)当前位于确定的场景中(如城市峡谷、隧道、夜间行驶)。前提也可以是(替代地或补充地)：启用第一附加模块，或第一附加模块存在的事实。“第一附加完整性信息的求取取决于前提”以有利的方式允许完整性范围的自适应求取，在该自适应求取情况下，可以根据需要接通第一附加模块。

在步骤c)中，如果已经(在直接之前的步骤b中)求取到第一附加完整性信息，则至少在使用基础完整性信息或者至少在使用基础完整性信息和第一附加完整性信息的情况下求取完整性范围。在此，必要时例如可以将基础完整性信息与至少第一附加完整性信息(和/或必要时与另外的(例如第二、第三等)附加完整性信息)加权叠加。

完整性范围优选涉及置信区间。置信区间(也称为信任范围或信任区间和期望范围)是统计学中的如下区间：其旨在说明参数(例如平均值)的位置估计的精度。置信区间说明如下范围：在随机实验无限次重复的情况下，该范围以特定概率(置信)包围参数的真实位置。

根据一个有利构型，提出基于至少一个随机参数来求取基础完整性信息。尤其考虑将残差、方差、协方差等作为随机参数。例如基于参数估计的观测残差分析或基于估计方差的分析(例如由最小二乘法补偿或卡尔曼滤波)求取基础完整性信息。

根据另一有利构型，提出在基础模块中存储数学基本模型。该基本模型例如可以涉及滤波器模型(如卡尔曼滤波器)。此外，原则上可以考虑状态描述函数、尤其所谓的“状态观测器”(例如包括模糊方法等)。

根据另一有利构型，提出基于传感器数据的数据质量的至少一个质量指标来求取第一附加完整性信息。在这种情况下，第一附加完整性信息可以基于用于机动车的至少一个传感器的传感器数据的数据质量的至少一个质量指标进行。至少一个传感器通常涉及如下传感器：该传感器也为参数估计提供(必要时错误的)数据。

优选地，基于至少两个不同的、必要时彼此加权的质量指标求取第一附加完整性信息，所述质量指标用于(机动车的)一个或多个(不同的)传感器的传感器数据的数据质量。此外可以设置，第一附加完整性信息包括一个或多个、尤其彼此加权的和/或彼此不同的质量指标。

根据另一有利构型，提出在步骤c)中，如果已经求取到第一附加完整性信息，则至少对基础完整性信息和第一附加完整性信息进行加权。该加权例如可以根据错误发生频率、重要性、严重性等来进行。

根据另一有利构型，提出根据至少一个质量指标来进行加权。在这种情况下，可以根据用于机动车的传感器的传感器数据的数据质量的至少一个质量指标来进行加权。在步骤c)中，尤其可以根据至少一个质量指标来进行加权。替代地或补充地，可以在模块中的一个根据至少一个质量指标进行加权。

根据另一有利构型，提出如果满足用于求取第二附加完整性信息的至少一个前提，则借助模块化系统的(不同于基础模块和/或第一附加模块的)第二附加模块来确定第二附加完整性信息，该第二附加完整性信息尤其关于参数估计或所估计的参数。换句话说，这尤其意味着，可以借助模块化系统的第二附加模块来求取第二附加完整性信息，该第二附加完整性信息关于参数估计的估计结果或关于参数估计的完整性。

用于求取第二附加完整性信息的前提例如可以是：在当前或在确定时间段内应当增大求取完整性范围的准确性，和/或，认为基础模块和/或第一附加模块的准确性在当前是受限的。另一(替代的或累积的)前提例如可以是：机动车(关于其进行参数估计)当前位于确定场景中(例如城市峡谷、隧道、夜间驾行驶)。前提也可以是(替代地或补充地)：启用第二附加模块，或第二附加模块存在的事实。第二附加完整性信息的求取取决于如下前提：该前提以有利的方式允许完整性范围的自适应求取，在该自适应求取情况下，可以根据需要接通第二附加模块。

此外，还可以设置其他附加模块、例如第三附加模块、第四附加模块等。不同模块在求取完整性范围时可以承担不同功能。此外，不同模块可以根据需要参与完整性范围的求取。

此外可以设置，模块中的一个或多个(例如基础模块和/或第一附加模块)以特定于错误的方式参与完整性范围的求取。为此，该系统例如可以如此设计，使得在参数估计的确定(期望)错误情况中，将确定模块纳入到完整性范围的求取中。这可以以有利的方式有助于消除确定错误情况或一系列错误。

根据另一方面，提出一种用于执行在此提出的方法的计算机程序。换句话说，这尤其涉及一种计算机程序(产品)，其包括指令，当该计算机程序由计算机运行时，该指令促使计算机实施在此提出的方法。

根据另一方面，还提出一种机器可读的存储介质，在其上存储有在此提出的计算机程序。该机器可读的存储介质通常涉及计算机可读的数据载体。

根据另一方面，还提出一种用于机动车的控制设备，其中，该控制设备设置用于执行在此提出的方法。该控制设备优选涉及用于自身定位的设备(或计算机)。

此外，还可以说明一种机动车，其包括在此提出的控制设备。该机动车优选涉及自动化运行和/或自主运行的车辆、尤其自主汽车。

此外，可以说明一种用于求取参数估计的完整性范围的自适应的模块化系统，该模块化系统设置用于执行在此提出的方法。该系统尤其可以包括基础模块和至少一个(第一、第二、第三等)附加模块。

结合该方法所讨论的细节、特征和有利构型还可以相应地在在此提出的计算机程序、存储介质、控制设备、车辆和/或系统中出现，反之亦然。就这方面而言，完全参照那里的用于进一步表征特征的实施方案。

附图说明

在下文中根据附图详细阐述在此提出的解决方案及其技术领域。应当指出，本发明不应受所示实施例的限制。尤其只要未另外明确说明，则也可以提取附图中阐述的事实情况的部分方面，并与其他附图中的和/或本说明书中的其他组成部分和/或认知相组合。

图1示例性示出在此提出的方法的一种示例性流程；

图2示例性示出模块化系统的一种示例性结构；

图3示例性示出第一附加模块的一种示例性构型；以及

图4示例性示出具有在此提出的控制设备的一个示例性实施方式的机动车。

具体实施方式

图1示意性示出在此提出的方法的一种示例性流程。该方法用于自适应地求取参数估计的完整性范围1，其中，完整性范围1描述如下范围：估计参数以最小概率位于该范围中。方法步骤a)、b)和c)的借助方框110、120和130示出的顺序通常在常规运行流程中产生。步骤a)和b)尤其可以至少部分并行地或者甚至同时执行。

在方框110中，借助模块化系统4的基础模块3求取基础完整性信息2。在方框120中，如果满足用于求取第一附加完整性信息5的至少一个前提，则借助模块化系统4的第一附加模块6来求取第一附加完整性信息5。在方框130中，如果已经求取到第一附加完整性信息5，则至少在使用基础完整性信息2或者至少在使用基础完整性信息2和第一附加完整性信息5的情况下求取完整性范围1。

图2示意性示出模块化系统4的示例性结构。(自适应的)模块化系统4包括基础模块3和至少一个其他的附加模块(在此示例性地包括第一附加模块6、第二附加模块9和第三附加模块14)。此外，该模块化系统4在此还示例性地包括组合器12，该组合器将来自基础模块3的结果与来自至少一个附加模块的结果组合成完整性范围1。该完整性范围1示例性地涉及所谓的“保护等级”。

基础模块3接收基础输入数据15并由此求取至少一个基础完整性信息2。在这种情况下，例如可以基于至少一个随机参数或估计误差来求取基础完整性信息2。此外，在基础模块3中可以存储数学基本模型。

基础模块3例如可以接收基础输入数据15，所述基础输入数据例如由协方差矩阵推导出或得出，该协方差矩阵属于如下状态：应当对所述状态计算完整性范围(保护等级)。无论维度如何，基础模块3尤其普遍适用于超几何表示。

因此，基础模块3例如可以从协方差矩阵接收基础输入数据15并由此计算基础完整性信息2(例如基础置信范围)。这构成如下示例：可以基于至少一个随机参数和估计误差来求取基础完整性信息2。在此，该协方差矩阵仅构成用于表示(在此方差和协方差形式的)可能的随机参数或估计误差的一个示例。

此外，在基础模块3中可以存储数学基本模型，该数学基本模型例如将来自示例性提到的协方差矩阵的数据转换为基础完整性信息2(例如基础置信范围)。数学基本模型例如可以由协方差信息计算出几何形状(例如圆形)。在此，这种几何形状可以描述或包围完整性范围。随后，可以将这种几何形状缩放(尤其放大)，例如以便增大最小概率或将其置于确定值。于是，如此缩放的完整性范围形成置信范围。

第一附加模块6可以接收第一附加输入数据16并由此求取至少一个第一附加完整性信息5。在这种情况下，例如可以基于至少一个质量指标7(在此未示出，参见图3)来求取第一附加完整性信息5，该质量指标(此外)用于传感器数据的数据质量。

第一附加模块6例如可以包括一个或多个函数，这些函数根据至少一个质量指标7来计算第一附加完整性信息5(例如第一附加置信范围)。在此，质量指标7可以表示当前的场景和/或(传感器的)信号特征。

第二附加模块9可以接收第二附加输入数据17并由此求取至少一个第二附加完整性信息8。第二附加模块9例如可以包括以下信息(例如残差)作为第二附加输入数据17：该信息由匹配问题(例如最小二乘法、尤其所谓的“快照最小二乘法”(瞬时最小二乘法估计解决方案))得到。

第三附加模块14可以接收第三附加输入数据18并由此求取至少一个第三附加完整性信息13。在此，第三附加模块14例如可以考虑统计学分布。例如，第三附加模块14可以包括如下函数：该函数接收统计学分布作为第三附加输入数据18并将其分配给至少一个第三附加完整性信息13。输入数据18的示例可以是统计学分布的分位数。基于该分位数，可以求取可被视为附加完整性信息13的指标。

组合器12例如可以设置用于至少对基础完整性信息2、第一附加完整性信息5、第二附加完整性信息8和第三附加完整性信息13(如果存在的话)执行加权。在这种情况下，组合器12例如可以设置用于根据至少一个质量指标7执行加权。

此外，还可以使用其他的(第四、第五等)附加模块。这些模块中的一个例如可以设置用于考虑目标平台的当前动态。这些模块原则上可以根据需要或根据相应的应用领域相互交换和/或相互匹配。

图3示意性示出第一附加模块6的示例性构型。相应构造的第一附加模块6例如可以用于根据图2的系统4。统一地使用附图标记，使得可以完全参照(尤其针对图1和图2的)前述说明。

按照根据图3的示例性图示，第一附加模块6接收多个质量指标7作为第一附加输入数据16。第一附加模块6设置用于由所接收的质量指标7中的至少一部分求取至少一个第一附加完整性信息5。为此，例如可以在第一附加模块6的处理环节25中进行处理，该处理尤其包括质量指标7的加权。

为了进行处理，例如可以在处理环节25中存储如下函数：该函数为质量指标7的确定值或值范围分配确定的完整性信息或完整性信息的确定值或值范围。随后，可以对这种分配的各个结果进行加权和组合(融合)。可以由处理环节25将由此得到的结果输出作为第一附加完整性信息5。

例如可以借助第一附加模块6的选择器24来选择：在此应考虑质量指标7中的哪些质量指标。此外，选择器24也可以根据质量指标7的优先级来对质量指标7进行选择或分类。

质量指标7涉及用于数据质量的那些指标。换句话说，这尤其意味着质量指标7表示数据的质量、例如数据的时效(Alter)、信号噪声、信号频率和/或对特定应用场景的重要性或影响。如果质量指标7涉及用于传感器数据的数据质量的质量指标，则该质量指标7此外(替代地或补充地)也可以(一般地)描述提供传感器数据的传感器中的置信度或传感器数据类型的置信度。

通常基于不同数据(例如传感器数据和/或地图数据)来求取要为其求取完整性范围的参数估计。例如在机动车中可用的传感器数据尤其包括导航卫星数据19、惯性传感器数据20和环境传感器数据21。此外，能够想到另外的传感器数据23。在此使用的质量指标7尤其关于这些数据的至少一部分。

在这种情况下，图3还示出，在此优选基于至少两个不同的质量指标7求取第一附加完整性信息5，所述质量指标必要时彼此加权并且用于一个或多个(不同的)传感器19、20、21、22的传感器数据的数据质量。这以有利的方式允许：完整性范围1的求取可以基于尽可能异构的输入信息。

在此尤其描述了对作为质量指标7的所选信号进行考虑和加权的方法，以便能够以有利的方式基于异构输入信息计算完整性范围1(尤其保护等级)，并且另一方面尤其能够实现如下配置：该配置用于在考虑不同特征的情况下对质量指标7进行优先级排序。

用于计算参数估计的完整性信息的数学算法(其例如可以在其他模块中的一个中、尤其基础模块3中实现)通常使用由参数估计(例如卡尔曼滤波、最小二乘法)产生的(协)方差或残差，并由这些计算完整性信息、甚至必要时计算保护等级。

但是，单独使用相应数学解决方案的缺点可视为在于：在此通常只能描绘如下误差：该误差在随机模型形成中或者在(数学)误差模型中也已被考虑到。相比之下，在此提出的对尤其不同质量指标7的考虑能够实现如下优点：在计算完整性范围时(还)可以考虑不同传感器的输入信号的不同的延迟、分辨率和质量。

通常借助不同传感器/输入参数(GNSS信号、校正数据、惯性传感机构、压力传感机构、车轮传感机构、视频等)来执行(例如车辆位置的)参数估计(估计的输出信息的计算)。这些输入中的每个以及用于执行该估计(计算该估计的输出信息)的方案和模型可以提供不同信息，这些可以用于质量的分级。质量指标例如可以是：GNSS接收器的信号噪声、GNSS校正数据的时效、但也可以纯粹是车辆的所求取的速度或方位。在此，可以考虑各种各样的指标并且可以根据应用来选择。

在此提出的实施变型方案的另一优点是：将质量指标用于加权地确定完整性范围(保护等级)，其中，尤其可以基于不同特征(例如数据时效、信号频率、信号噪声、对于特定应用场景的重要性或影响)或者一般地基于特定传感器中的置信度来执行加权。

优选地，使用不同的质量指标和/或(尤其基于定义的优先级相应地)对不同的质量指标进行加权。在步骤b)(或方框120)中，例如可以在第一子步骤中选择重要相关的质量指标。随后，例如可以在第二子步骤中在处理和/或加权环节中收集这些质量指标。在这种情况下，质量指标(尤其可以根据用于其优先级的配置)获得如下信息：所述指标应以何种权重纳入到完整性范围的计算中。这方面的一些可能性例如是：数据时效、信号频率、信号噪声、对特定应用场景的重要性或影响，或者，一般地特定传感器中的置信度。

此外，在完整性范围的计算中，可以借助质量指标来执行信号的加权。能够想到不同场景，此处仅旨在描述用于时效优先级的一个示例：在这种情况下，在计算完整性范围(保护等级)时，可以根据传感器数据时效来对传感器信号进行加权。因此，纳入考虑的质量指标将会是数据时效并涉及传感器的上次测量的时刻。输入数据越旧，则该分量在完整性范围的整个计算中越不显著地纳入考虑。

可以根据(输入)传感器的应用和数量来选择质量指标的数量和类型。在此示出的实施变型方案仅应理解为示例。

图4示意性示出机动车11，该机动车具有在此提出的控制设备10的一个示例性实施方式。该控制设备10设置用于执行在此提出的方法，该方法用于自适应地求取参数估计的完整性范围1。