CN118119542A - 用于确定和表征车道不平部的方法和装置 - Google Patents

Abstract

本发明涉及一种用于确定和表征车道的车道不平部的方法。为此，通过在车道上行驶的机动车的至少一个车轮转速传感器和/或至少一个车轮个体的加速度传感器产生传感器数据。通过计算器件，在使用所产生的传感器数据的情况下确定和表征车道不平部。在此，确定车道不平部的棱边形状。

Description

用于确定和表征车道不平部的方法和装置

技术领域

本发明涉及一种用于确定和表征车道不平部的方法和装置。

背景技术

例如呈坑洞形式的车道不平部经常出现并且对于机动车是一种安全危险。安全危险有多大主要取决于车道不平部的形状和尺寸。二轮车驾驶员特别是被视为危险群体。此外，车道不平部还会给机动车中的驾驶员和乘客带来不适。然而，缺乏关于这种车道不平部的存在和类型的可靠的和地区特定的数据。例如在DE 102010055370 A1中描述了危险地图的创建。

激光雷达传感器、雷达传感器或摄像头传感器的传感器数据可以用于识别、估计和测绘车道不平部。借助识别和估计方法识别道路损伤，其中，所述方法可以包括获得图像数据和视频数据作为输入的机器学习算法。

然而，在此使用的传感器经常不满足ASIL-D标准(汽车安全集成水平D)。此外，配备有这种传感器的机动车的份额是相当小的。

此外，用于识别和估计坑洞的机器学习算法易于产生假阳性和假阴性的结果。此外，算法消耗大量的计算时间资源。

地面不平部的潜在危险尤其还取决于地面不平部的形状和尺寸。例如，具有大幅下降的棱边的坑洞通常能够导致机动车的更大的损坏。相反，在相对平滑的过渡的情况下，潜在危险是较小的。因此存在的需要是，不仅识别地面不平部，而且更精确地分类地面不平部。

发明内容

本发明提供具有独立权利要求的特征的用于确定和表征车道不平部的方法和装置。优选的实施方式是从属权利要求的主题。

因此，根据第一方面，本发明涉及一种用于确定和表征车道的车道不平部的方法。为此，通过在车道上行驶的机动车的至少一个车轮转速传感器和/或至少一个车轮个体的加速度传感器产生传感器数据。通过计算器件在使用所产生的传感器数据的情况下确定和表征车道不平部。表征车道不平部包括确定车道不平部的棱边形状。

根据第二方面，本发明涉及一种用于确定和表征车道的车道不平部的装置，所述装置具有接口和计算器件。接口被构造用于接收由在车道上行驶的机动车的至少一个车轮转速传感器和/或至少一个车轮个体的加速度传感器产生的传感器数据。计算器件被构造用于在使用所产生的传感器数据的情况下确定车道不平部。表征车道不平部包括确定车道不平部的棱边形状。

发明优点

本发明能够通过尤其识别车道不平部的棱边形状实现识别和分析车道不平部的出现和严重性或者程度。本发明还可以有助于创建车道不平部的综合数据库。

现代机动车具有多个传感器，所述传感器的数据由嵌入式系统或机动车计算机出于安全性和舒适性原因来使用。车轮转速传感器属于最常用的传感器。

高频的车轮转速传感器提供关于车轮的精确状态的信息。这些传感器也属于满足ASIL-D标准的少数传感器，从而这些传感器与其他的传感器相比是非常可靠的。

此外，车轮转速传感器是非常普遍的。此外，车轮转速传感器是最靠近车道的传感器，因为它们直接安置在车轮上。因此，由于传感器接近路面而得到高的可靠性。

此外，车轮个体的加速度传感器越来越频繁地被设置。与不布置在机动车的可运动部件上的车辆固定的惯性传感器不同地，车轮个体的加速度传感器与车轮一起运动。由此可以识别每个单个车轮的精确的瞬时加速度。

特别地，由车轮转速传感器和车轮上的加速度传感器组成的组合也是有利的。

机动车可以是两轮车、三轮车、乘用车、货车、摩托车等。机动车例如也可以是飞机，以便例如识别起落跑道的损坏。

确定车道不平部尤其可以理解为，识别车道不平部的存在。此外，表征可以理解为，确定(除了单纯的存在之外的)附加特性。在此，尤其确定车道不平部的棱边形状。

车道不平部的棱边形状理解为车道不平部的棱边的形状，其中，其可以是在驶过车道不平部时出现的棱边和/或在离开车道不平部时出现的棱边。棱边因此可以是车道不平部与车道的接触区域。可能的棱边形状例如可以包括陡峭的棱边、倒圆的棱边或斜坡形的(成角度的)棱边。

棱边形状可以通过相对于车道的坡度(陡度)来描述。坡度可以通过在车道和车道不平部之间的角度来描述。棱边相对于车道越陡地下降，则机动车损坏的危险越高。

在本发明的范围内，车道不平部可以包括道路损伤，例如坑洞、凹陷或凸起、车辙，然而也可以包括所期望的车道不平部，例如减速带、斜坡等。

计算器件优选位于数据源或传感装置附近，例如集成在制动调节系统的控制器中，以便能够尽可能无过滤地处理传感器值。

根据用于确定和表征车道不平部的方法的另外的实施方式，车轮转速传感器例如借助霍尔传感器根据布置在机动车的车轮上的脉冲轮的运动来检测脉冲。计算器件借助所检测的脉冲与时间有关的变化、也就是借助交替磁场(北/南)的由脉冲轮发出的原始信号确定高频的车轮转速的角形的变化曲线。在此，车轮转速的角形的变化曲线理解为车轮转速根据角度的变化。这可以借助确定各个脉冲之间的时间差来进行。计算器件借助车轮转速的所确定的角形的变化曲线识别车道不平部的棱边形状。因此，车道不平部通常导致车轮转速的短期的变化，因为机动车的车轮在驶过车道不平部时被加速或减速。这同样适用于离开车道不平部。通过识别车轮转速的这种变化，计算器件可以确定车道不平部并且此外也可以确定棱边形状。尤其地，不同陡峭的棱边的特征在于车轮转速的不同的特征性的角形的变化曲线。由此，通过评估角形的变化曲线可以确定棱边形状。

与车轮转速的时间变化曲线相比，由脉冲随时间的变化得到的角形的变化曲线在车道表面特性中的小的变化的精度方面提供明显的优点。例如可以规定，在预设的持续时间、例如小于或等于1ms的时间段中确定脉冲的数量。在计算器件中处理传感器原始信号能够实现识别和精确测量车道表面特性中的已经微小的变化。

根据用于确定和表征车道不平部的方法的另外的实施方式，如果车轮转速的角形的变化的绝对值超过第一阈值，则计算器件确定车道不平部。在此，阈值可以取决于机动车速度。此外，计算器件通过将车轮转速的角形的变化的绝对值与至少一个第二阈值比较来确定棱边形状，其中，至少第二阈值大于第一阈值。例如可以规定，区分n个不同的棱边形状，其中，n是自然数。随后，设置包括第一阈值在内总共n个阈值。例如应该区分尖锐的(陡峭的)棱边、倒圆的棱边和斜坡形的棱边。如果车轮转速的角形的变化的绝对值超过第一阈值，但小于第二阈值，则识别出存在棱边，并且该棱边被表征为倒圆的棱边。如果车轮转速的角形的变化的绝对值超过第二阈值，但小于第三阈值，则识别出涉及斜坡形的棱边。如果车轮转速的角形的变化的绝对值最后超过第三阈值，则识别出涉及尖锐的棱边。

根据用于确定和表征车道不平部的方法的另外的实施方式，至少一个车轮个体的加速度传感器的传感器数据包括相应的车轮沿机动车的竖直轴线的竖直加速度，其中，计算器件根据竖直加速度的时间变化曲线来确定车道不平部的棱边形状。竖直加速度越大，棱边通常越陡地下降。

根据用于确定和表征车道不平部的方法的另外的实施方式，如果竖直加速度的绝对值超过第一阈值，则确定车道不平部，并且通过将竖直加速度的绝对值与至少一个第二阈值进行比较来确定棱边形状。类似于车轮转速的角形的变化的绝对值的情况，又可以区分n个棱边形状，其中，确定包括第一阈值在内总共n个阈值。

根据用于确定和表征车道不平部的方法的另外的实施方式，计算器件借助由车轮转速传感器产生的传感器数据计算机动车的车轮的车轮转速和/或竖直加速度的频率特性，其中，计算器件根据车轮转速和/或竖直加速度的所计算的频率特性来确定车道不平部。因此，如果在频率特性中出现至少一个预设的频率，则可以确定车道不平部。频率特性也可以与预设的频率模式匹配，以便确定车道不平部并且确定棱边形状。

根据用于确定和表征车道不平部的方法的另外的实施方式，计算器件此外根据传感器数据确定车道不平部的类型和/或特性。车道不平部的类型例如可以是坑洞、凹陷、凸起、减速带、斜坡等。车道不平部的特性可以理解为空间上的延伸尺寸、例如坑洞的深度、宽度和长度。

根据用于确定和表征车道不平部的方法的另外的实施方式，表征车道不平部包括借助车轮转速和/或竖直加速度的变化的幅度来确定车道不平部的深度和/或高度(例如以厘米为单位)。在该时刻变化的高频的车轮转速和/或竖直加速度的幅度相应于车道不平部的深度或高度。

根据用于确定和表征车道不平部的方法的另外的实施方式，车轮转速传感器根据布置在机动车的车轮上的脉冲轮的运动来检测脉冲，其中，表征车道不平部包括借助在驶过与离开车道不平部之间的时间段中的脉冲的变化的数量来确定车道不平部的长度。

根据用于确定和表征车道不平部的方法的另外的实施方式，确定车道不平部包括借助所确定的弯道行驶和/或单个车轮评估来确定车道不平部相对于机动车的参考点的位置。由此能够确定车道不平部的宽度。

根据用于确定和表征车道不平部的方法的另外的实施方式，可以针对车道不平部的不同的棱边形状在确定的时间段中存储车轮转速幅度的频率模式和脉冲变化的数量，其例如在测试行驶时在预设的条件下生成。通过将瞬时确定的频率模式或幅度偏转与存储的频率模式比较，可以确定车道不平部的棱边形状。

根据用于确定和表征车道不平部的方法的另外的实施方式，可以通过考虑梯度的幅度(即车轮转速的随时间的变化)来确定车道不平部、例如坑洞的深度。幅度越大，坑洞越深。根据预设的相关性、例如查找表，可以根据车轮转速的随时间的变化确定车道不平部的深度。在此，也可以考虑另外的参数、例如机动车的瞬时速度。

根据用于确定和表征车道不平部的方法的另外的实施方式，计算器件此外在考虑行驶情况和/或行驶事件的情况下确定和/或表征车道不平部。行驶事件例如可以是制动事件、加速事件或转向事件。在行驶情况中例如可以考虑机动车的瞬时速度。

根据行驶情况或行驶事件可以减少假阳性探测，办法是，例如在强烈的加速或减速的情况下提高用于识别地面不平部的阈值，以便防止由于加速或减速本身已经识别到地面不平部。

然而，根据行驶情况或行驶事件还可以识别，可预期车道不平部。如果驾驶员例如识别出坑洞，则驾驶员通常制动，从而制动事件的存在例如可以被考虑用于验证所识别的地面不平部。因此，例如可以计算存在特定的地面不平部的概率。该概率在存在制动事件时被提高。

根据用于确定和表征车道不平部的方法的另外的实施方式，计算器件在使用机器学习模型和/或统计模型的情况下确定车道不平部的棱边形状，该机器学习模型和/或统计模型接收与传感器数据相关的输入数据。

输入数据例如可以是传感器数据本身。然而，传感器数据也可以在其被提供给机器学习模型和/或统计模型之前首先被预处理。

可以借助训练数据提前训练机器学习模型。根据实施方式中可以规定，机器学习模型在运行期间实时地确定和/或表征地面不平部。

根据用于确定和表征车道不平部的方法的另外的实施方式，机器学习模型获得至少一个车轮转速的时间变化曲线和/或车轮转速的频率特性作为输入值。机器学习模型输出相应于存在地面不平部的概率的参量。机器学习模型也可以被训练以对地面不平部的不同的类型和/或特性进行分类。例如，机器学习模型可以确定棱边形状。为此，例如可以从预设的数量的棱边形状确定一个棱边形状(例如尖锐的棱边、圆形的棱边、斜坡)。棱边形状也可以被确定为连续的参数，诸如在0和1之间，其中，0相应于扁平的过渡(圆形的棱边)并且1相应于陡峭的棱边(例如垂直的下降)。

根据用于确定和表征车道不平部的方法的另外的实施方式，机器学习模型不仅获得至少一个车轮转速传感器的传感器数据而且获得至少一个车轮个体的加速度传感器的传感器数据作为输入数据。这些数据可以并行说明或者在输入到机器学习模型之前进行融合。

根据用于确定和表征车道不平部的方法的另外的实施方式，设置两个机器学习模型，其中，第一机器学习模型根据至少一个车轮转速传感器的传感器数据确定车道不平部的棱边形状，并且第二机器学习模型根据至少一个车轮个体的加速度传感器的传感器数据确定车道不平部的棱边形状。第一机器学习模型和第二机器学习模型的输出随后可以被融合，以便最终确定车道不平部的棱边形状。通过组合不同的传感器数据可以改善精度。

根据用于确定和表征车道不平部的方法的另外的实施方式，计算器件是外部计算器件，即布置在机动车外部。例如，评估可以在云中进行。在此，传感器数据可以通过机动车的接口输出到计算器件。

根据用于确定和表征车道不平部的方法的另外的实施方式，计算器件是内部计算器件，即布置在机动车中。例如，计算器件是机动车的或机动车的子系统的控制器件。例如，计算器件可以是机动车的防抱死系统的控制器件。

根据另外的实施方式，在计算机网络的边缘实现车道不平部的确定和/或表征(边缘计算)，其中，计算机网络包括电子控制单元、机动车计算机、连接控制单元和云的任意组合。在该组合中，车辆位置于是也作为信息是可用的。这于是也可以与所识别的车道不平部结合地进行测绘。

根据用于在识别道路损伤时确定和表征车道不平部的方法的另外的实施方式，通过机动车的显示器件向机动车的驾驶员输出信息。尤其地，该信息可以包括车道不平部的出现和/或关于车道不平部的细节，例如车道不平部的类型和/或特性。

根据用于确定和表征车道不平部的方法的另外的实施方式，计算器件可以将不同的车轮转速传感器和/或不同的车轮的车轮个体的加速度传感器的传感器数据相互比较。如果车轮转速或加速度的变化例如仅在车轮转速传感器和/或车轮个体的加速度传感器的情况下在机动车的一侧出现，则计算器件可确定，车道不平部定位在机动车的相应的侧面的区域中。计算器件于是例如可以识别坑洞。

如果车轮转速或加速度的变化在车轮转速传感器和/或车轮个体的加速度传感器的情况下在机动车的两侧出现，则计算器件能够确定，车道不平部是伸展的。计算器件于是例如可以识别减速带。

根据用于确定和表征车道不平部的方法的另外的实施方式，计算器件也可以考虑机动车的转向角。因此，如果机动车驶过弯道，则转向角超过预设的阈值，并且当计算器件确定车轮的车轮转速传感器和/或车轮个体的加速度传感器中的仅一个测量车轮转速或加速度的高于阈值的显著变化时，计算器件可以识别出坑洞。在该情况下可预期，由于转向角，机动车的仅一个车轮行驶通过坑洞。在伸展的车道不平部的情况下，多个车轮将测量车轮转速或加速度的高于阈值的显著变化。

根据用于确定和表征车道不平部的方法的另外的实施方式，计算器件根据传感器数据计算车道不平部的长度。因此，计算器件能够基于车轮转速和/或加速度的第一变化识别车道不平部的驶过并且根据车轮转速和/或加速度的第二变化识别车道不平部的离开。在考虑车辆速度的情况下，计算器件可以确定车道不平部的长度。在驶过车道不平部的时间点与离开车道不平部的时间点之间的脉冲变化的数量相应于例如以厘米为单位的长度。

根据用于确定和表征车道不平部的方法的另外的实施方式，计算器件通过在预设的时间段上对车轮转速取平均值来计算平均车轮转速。如果瞬时车轮转速与平均车轮转速的偏差超过阈值，那么计算器件确定车道不平部。

根据用于确定和表征车道不平部的方法的另外的实施方式，计算器件在考虑另外的传感器、例如视频传感器、激光雷达传感器、雷达传感器等的传感器数据的情况下确定存在地面不平部。尤其地，计算器件可以借助附加的传感器数据来验证地面不平部的存在。因此，可以借助视频数据通过对象识别方法确定地面不平部的类型和/或特性。

根据用于确定和表征车道不平部的方法的另外的实施方式，用于确定和/或表征车道不平部的至少一个阈值能够是可设定的。为此，例如通过机动车和云之间的双向通信可以设置接口。

根据用于确定和表征车道不平部的方法的另外的实施方式，关于车道不平部的数据被聚合以产生地理地图。尤其地，在道路地图上可以标注车道不平部以及可选地标注车道不平部的类型和/或特性。可以在使用基于统计的算法和/或基于机器学习的算法的情况下在云中产生地理地图。地理地图可以动态地更新。

根据用于确定和表征车道不平部的方法的另外的实施方式，来自内部或外部的加速度传感器的传感器数据可以用于识别三个维度中的振动。借助统计方法或机器学习模型能够识别车道不平部。

附图说明

其中：

图1示出了根据本发明的实施方式的用于确定和表征车道不平部的装置的示意性框图；

图2示出了具有根据本发明的用于确定和表征车道不平部的装置的机动车的示意性框图；

图3示出了用于阐释在驶过地面不平部时车轮转速的变化的示意图；

图4示出了针对不同的棱边形状的车轮转速和加速度的示意性的变化曲线；以及

图5示出了根据本发明的实施方式的用于确定和表征车道不平部的方法的流程图。

在附图中，相同的或功能相同的元件和装置设有相同的附图标记。方法步骤的编号是为了清楚起见并且通常不应暗示任何特定的时间顺序。尤其也可以同时执行多个方法步骤。

具体实施方式

图1示出用于确定和表征车道不平部的装置1的示意性框图。装置1包括接口2，该接口例如通过机动车通信总线与至少一个车轮转速传感器和/或至少一个车轮个体的加速度传感器耦联。装置1还可以与机动车的制动系统的不同的内部传感器连接。附加地，也可以例如通过机动车通信总线连接系统外部的传感器。

接口2还可以是无线连接，以便与机动车耦联。因此，装置1可以要么布置在机动车中要么也可以是外部装置。

装置1还包括计算器件3，该计算器件根据通过接口2接收的传感器数据确定和表征车道不平部。计算器件3可以包括一个或多个电子处理器，例如可编程微处理器、微控制器等。此外，装置1包括非暂时性的机器可读的存储器4，以便存储所接收的传感器数据。计算器件3可以读取和写入存储器4。

计算器件3可以包括用于数据检测的第一单元31、用于预处理传感器数据的第二单元32和用于确定车道不平部的第三单元33。第一单元31至第三单元33可以被设计为单独的电子处理器，或者也可以由相同的电子处理器或电子处理器的组合实现。

在数据检测阶段中，装置1几乎实时检测来自至少一个传感器的信号。由至少一个传感器接收的数据、例如来自车轮转速传感器的转速脉冲或车辆的车轮的来自车轮个体的加速度传感器的竖直加速度以原始格式存在。这些信号通过接口2检测并且由第一单元31例如写入存储器4中。

在预处理阶段中，原始传感器数据由第二单元32清理和处理，以便计算高频的车轮转速数据。

在模型算法的计算阶段中，高频的车轮转速数据由第三单元33使用，以便识别车道不平部。第三单元33可以例如基于模型的精确校准的阈值来区分坑洞和地面隆起的道路粗糙度。此外，能够识别车道不平部的类型和/或特性。尤其地，识别和输出车道不平部的深度和/或长度和/或宽度。第三单元33此外例如根据车轮转速的变化曲线来识别车道不平部的棱边形状。备选地或附加地，第三单元33可以为了识别车道不平部的棱边形状而考虑一个车轮或多个车轮的竖直加速度的变化曲线。

信息可以通过接口2输出，例如输出到机动车的另外的计算器件或输出到外部的云。

图2示出了具有在图1中描述的用于确定和表征车道不平部的装置1的机动车101的示意性框图。在机动车101的车轮上分别布置有车轮转速传感器和/或车轮个体的加速度传感器103，它们固定地布线或者备选地通过机动车总线与装置1和机动车计算机104连接。在此，装置1可以是机动车101的电子控制器。

装置1在使用由车轮转速传感器和/或车轮个体的加速度传感器103接收的信息的情况下确定机动车速度、公里读数、滑移等。此外，如上所述，装置1确定车道不平部以及车道不平部的棱边形状。

备选地，机动车计算机104也可以被构造用于确定和表征车道不平部。

与车道不平部相关的信息可以通过机动车101的通信总线进一步发送到设备105上以与其他的车辆或其他的外部装置(V2X设备)通信。该设备105可以存储信息和/或经由无线通信信道106将该信息传送到云基础设施107上。无线通信信道206可以包括例如蜂窝网络、Wi-Fi接口、蓝牙接口等。

在云基础设施107中，数据可随后被管理、清理、处理和可视化。数据例如可以被进一步处理，以便创建地理地图，在该地理地图上可视化关于车道不平部的信息。还可以产生关于坑洞和道路不平部的表或报告。

图3示出了用于阐述在由机动车驶过地面不平部302、303时车轮转速的变化的示意图。车轮转速传感器在此借助增量编码器原理确定车轮301的车轮转速。

车轮转速传感器的传感器元件305、诸如霍尔传感器、各向异性磁阻效应(AMR)传感器、巨磁阻(GMR)传感器等被暴露于安装在车轮301的轴上的旋转编码器304的变化的磁场中。

磁通量的所检测的变化作为转速脉冲被传输给计算器件1。计算器件1测量相邻的转速脉冲之间的时间差并且由此(与另外的校准参数、例如每一转的脉冲数量和车轮周长一起)计算瞬时高频的车轮转速。

在驶入和离开坑洞302或者车道隆起303时，出现瞬时高频的车轮转速的突然的偏差。这是因为车轮301在驶入坑洞302时经历车轮转速的突然的升高306。相反地，车轮301在离开坑洞302时经历转速的突然的下降307。

在车道隆起303的情况下，情况是相反的，也就是说，车轮301在驶入车道隆起303时经历车轮转速的突然的下降308。相反地，车轮301在离开车道隆起303时经历转速的突然的升高309。

偏差的幅度(小波幅度)是坑洞302的深度或车道隆起303的高度的度量，并且驶入和驶出之间的脉冲的数量相应于表示坑洞的长度的路段。

图4示出了针对不同的棱边形状、即陡峭的棱边401、倒圆的棱边501和斜坡601的车轮转速和加速度的示意性的变化曲线。此外，针对陡峭的棱边示出了车轮转速传感器103的相应的信号变化曲线402以及加速度传感器103的信号变化曲线403，以及针对倒圆的棱边示出了相应的信号变化曲线502和503，以及针对斜坡示出了信号变化曲线602、603。信号变化曲线分别示出了特征形式，所述特征形式例如能够通过模式识别(例如通过机器学习模型和/或统计模型)或者通过与阈值的比较来识别。

图5示出了用于确定和表征车道不平部的方法的流程图。该方法可以利用上述的装置1来执行。相反地，装置1可以被构造用于执行下面描述的方法步骤。

在第一方法步骤S1中，通过在车道上行驶的机动车101的至少一个车轮转速传感器103和/或至少一个车轮个体的加速度传感器103产生传感器数据。

在第二方法步骤S2中，计算器件3在使用所产生的传感器数据的情况下确定并且表征车道不平部。计算器件3为此可以确定车轮转速的时间变化曲线。在车道不平部开始时，计算器件3尤其可计算车轮转速的随时间的变化。如果该车轮转速超过阈值，则识别车道不平部。计算器件3还确定车道不平部的棱边形状。

计算器件3也可以计算并且使用车轮转速的频率特性，以便确定并且表征车道不平部。

此外可以规定，如果车轮的竖直加速度的变化超过预设的阈值，则识别车道不平部。

利用模型算法确定车道不平部，该模型算法可以包括处理作为输入的原始传感器数据、确定瞬时高频的车轮转速和监控该车轮转速。

此外，计算器件3能够基于车轮转速的第一变化识别车道不平部的驶过并且根据车轮转速的第二变化识别车道不平部的离开。

在考虑车辆速度的情况下，可以确定车道不平部的长度，办法是，确定在驶过与离开车道不平部之间的时间段中的脉冲的数量。

此外，例如通过确定车轮转速的变化的幅度可以确定车道不平部的深度。深度例如与幅度成比例或者可以借助校准来学习。

此外，例如通过识别是否在每个车轮处或仅在特定的车轮处识别出车道不平部可以确定宽度。

车道不平部还可以在使用机器学习模型和/或统计模型的情况下进行。

此外，关于车道不平部的信息可以被输出到云。借助这些信息可以创建地理地图，在该地理地图中记录了车道不平部。

确定车道不平部可以在车辆内部进行，例如通过机动车101的防抱死系统的控制器件中的计算来进行。然而，车道不平部的确定也可以至少部分在机动车101外部(例如在云中)进行。

Claims (10)

1.一种用于确定和表征车道的车道不平部的方法，所述方法具有步骤：

通过在所述车道上行驶的机动车(101)的至少一个车轮转速传感器(103)和/或至少一个车轮个体的加速度传感器(103)产生(S1)传感器数据；以及

通过计算器件(3)在使用所产生的传感器数据的情况下确定和表征(S2)所述车道不平部，其中，表征所述车道不平部包括确定所述车道不平部的棱边形状。

2.根据权利要求1所述的方法，其中，所述车轮转速传感器(103)根据布置在所述机动车(101)的车轮上的脉冲轮的运动来检测脉冲，其中，所述计算器件(3)根据所检测的脉冲与时间有关的变化确定车轮转速的角形的变化曲线，并且其中，所述计算器件(3)借助所述车轮转速的所确定的角形的变化曲线来确定所述棱边形状。

3.根据权利要求2所述的方法，其中，如果所述车轮转速的角形的变化的绝对值超过第一阈值，则所述计算器件(3)确定车道不平部，并且通过将所述车轮转速的角形的变化的绝对值与至少一个第二阈值进行比较来确定所述棱边形状。

4.根据前述权利要求中任一项所述的方法，其中，所述至少一个车轮个体的加速度传感器的传感器数据包括车轮的竖直加速度，并且其中，所述计算器件(3)根据所述竖直加速度的时间变化曲线确定所述车道不平部的棱边形状。

5.根据权利要求4所述的方法，其中，如果所述竖直加速度的绝对值超过第一阈值，则所述计算器件(3)确定车道不平部，并且通过将所述竖直加速度的绝对值与至少一个第二阈值进行比较来确定所述棱边形状。

6.根据前述权利要求中任一项所述的方法，其中，所述计算器件(3)根据所产生的传感器数据计算车轮转速和/或车轮的竖直加速度的频率特性，并且其中，所述计算器件(3)根据所述车轮转速和/或所述车轮的竖直加速度的所计算的频率特性确定所述车道不平部的棱边形状。

7.根据前述权利要求中任一项所述的方法，其中，所述计算器件(3)在使用接收与所述传感器数据相关的输入数据的机器学习模型和/或统计模型的情况下确定所述车道不平部的棱边形状。

8.根据前述权利要求中任一项所述的方法，其中，所述计算器件(3)是关于所述机动车(101)在外部的计算器件(3)；以及

其中，所述传感器数据经由所述机动车(101)的接口(106)输出到所述计算器件(3)上。

9.根据前述权利要求中任一项所述的方法，其中，所述计算器件(3)是所述机动车(101)的防抱死系统的控制器件。

10.一种用于确定和表征车道的车道不平部的装置(1)，具有：

接口(2)，所述接口被构造用于接收由在所述车道上行驶的机动车(101)的至少一个车轮转速传感器(103)和/或至少一个车轮个体的加速度传感器(103)产生的传感器数据；以及

计算器件(3)，所述计算器件被构造用于在使用所产生的传感器数据的情况下确定和表征所述车道不平部，其中，表征所述车道不平部包括确定所述车道不平部的棱边形状。