Die Erfindung betrifft ein Verfahren zum Überwachen einer Funktion einer

Sensoreinrichtung eines Kraftfahrzeugs, mit einem (a) Erfassen einer Objektinformation über zumindest ein fahrzeugexternes Objekt zu einem ersten Zeitpunkt und zu einem auf den ersten Zeitpunkt folgenden zweiten Zeitpunkt durch zumindest eine Sensoreinheit der Sensoreinrichtung, mit einem (b) Hinterlegen einer internen Objektinformation, welche der zu dem ersten Zeitpunkt erfassten Objektinformation entspricht, in einer Recheneinheit der Sensoreinrichtung, mit einem (c) Prognostizieren einer Objektinformation für den zweiten Zeitpunkt anhand der internen Objektinformation durch die Recheneinheit, mit einem (d) Aktualisieren der prognostizierten Objektinformation zur neuen internen Objektinformation in Abhängigkeit der zu dem zweiten Zeitpunkt erfassten

Objektinformation durch die Recheneinheit, und mit einem (e) Vergleichen der für den zweiten Zeitpunkt prognostizierten Objektinformation mit der aktualisierten

Objektinformation und Berechnen eines Innovationsmaßes für das zumindest eine Objekt in Abhängigkeit eines Ergebnisses des Vergleichens durch die Recheneinheit. Die Erfindung betrifft auch eine entsprechende Überwachungseinrichtung zum Überwachen einer Funktion einer Sensoreinrichtung eines Kraftfahrzeugs.

In Kraftfahrzeugen ist es wichtig, die funktionelle Sicherheit von verschiedenen Bauteilen zu gewährleisten. Davon sind auch Sensoreinrichtungen mit einem oder mehreren Sensoren betroffen. Um die Funktionalität von einem oder mehreren Sensoren

beziehungsweise einer Sensoreinrichtung zu überwachen werden üblicherweise spezielle Überwachungsalgorithmen auf von den Sensoren erfasste Sensordaten angewandt oder spezielle Fehler- oder Überwachungssignale verarbeitet, welche von der jeweiligen Sensoreinrichtung beziehungsweise den jeweiligen Sensoren erzeugt beziehungsweise empfangen werden. Diese Vorgehensweisen erfordern spezielle Algorithmen und damit zusätzliche Rechen-und Speicherkapazitäten seitens einer entsprechenden

Recheneinheit, beispielsweise einer elektronischen Kontrolleinheit (ECU) der

Sensoreinrichtung oder einer entsprechenden Überwachungseinrichtung. Gerade im Bereich multisensorischer Datenfusion, bei welchen Daten einer Vielzahl von Sensoren zusammengeführt und überprüft werden müssen, stößt dieses Konzept an seine

Grenzen.

In der US 746 0951 B2 ist offenbart, das mittels eines Kaiman-Filters basierend auf fusionierten Sensordaten die künftige Position eines Objektes abgeschätzt werden kann. Es ist Aufgabe der vorliegenden Erfindung, eine möglichst einfache, ressourcenschonende Überwachung einer Funktion einer Sensoreinrichtung,

insbesondere einer Sensoreinrichtung mit mehreren Sensoreinheiten, deren Daten fusioniert werden, bereitzustellen, und so den Ansprüchen an eine funktionelle Sicherheit der Sensoreinrichtung gerecht zu werden.

Diese Aufgabe wird durch die Gegenstände der unabhängigen Patentansprüche gelöst. Vorteilhafte Ausführungsformen ergeben sich aus den abhängigen Patentansprüchen, der Beschreibung und den Figuren.

Die Erfindung betrifft ein Verfahren zum Überwachen einer Funktion einer

Sensoreinrichtung eines Kraftfahrzeugs mit einer Reihe von Schritten. Zu diesen

Schritten gehört ein Erfassen einer Objektinformation über zumindest ein

fahrzeugexternes Objekt zu einem ersten Zeitpunkt und zu einem auf den ersten

Zeitpunkt folgenden zweiten Zeitpunkt durch zumindest eine Sensoreinheit der

Sensoreinrichtung. Beispielsweise kann als die Objektinformation über ein

fahrzeugexternes Objekt einen Abstand d(t _n ) eines vorausfahrenden Fahrzeugs (mit dem vorausfahrenden Fahrzeug als fahrzeugexternes Objekt) zu einem ersten Zeitpunkt t _n und zu einem zweiten Zeitpunkt t _n+ i erfasst werden, beispielsweise als Abstand d(t _n )=5m und

Ein weiterer Teil des Verfahrens ist ein Hinterlegen einer internen Objektinformation, welche der zu dem ersten Zeitpunkt erfassten Objektinformation entspricht, in der Recheneinheit der Sensoreinrichtung. Die interne Objektinformation kann die erfasste Objektinformation umfassen oder diese sein und/oder eine von der erfassten

Objektinformation abgeleitete Objektinformation umfassen oder sein. Die interne

Objektinformation kann beispielsweise in Form einer Tabelle oder einer Datenbank hinterlegt sein, in welcher für jeweilige fahrzeugexterne Objekte eine oder mehrere zugeordnete Informationen, beispielsweise über eine Position und/oder einen Abstand und/oder eine Geschwindigkeit, hinterlegt sind. Das Hinterlegen kann insbesondere vor dem zweiten Zeitpunkt erfolgen. Zum Beispiel kann der oben genannte Abstand d(t _n ) als interne Objektinformation vor dem zweiten Zeitpunkt in der Recheneinheit beispielsweise in Form einer Liste, in welcher ein oder mehrere fahrzeugexterne Objekte geführt werden, hinterlegt werden. Ein weiterer Teil des Verfahrens ist ein Prognostizieren einer Objektinformation für den zweiten Zeitpunkt anhand der internen Objektinformation für den ersten Zeitpunkt, welche also dem ersten Zeitpunkt zugeordnet ist, durch die Recheneinheit. Dies kann

beispielsweise mittels eines Kaiman-Filters erfolgen. Das Prognostizieren kann insbesondere vor dem zweiten Zeitpunkt erfolgen. So kann mittels beispielsweise des Kaiman-Filters ausgehend von dem Abstand d(t _n )=5m ein prognostizierter Abstand d'(t _n+ i ) für den zweiten Zeitpunkt t _n+ i prognostiziert und abgeschätzt werden, beispielsweise zu d'(t _n+ i)=3,5m. Bei dem Prognostizieren können zusätzliche Parameter wie beispielsweise eine Geschwindigkeit, eine Geschwindigkeitsveränderung und weitere Aspekte der hinterlegten Objektinformation oder Objektinformationen berücksichtigt werden.

Ein weiterer Schritt des Verfahrens ist ein Aktualisieren der prognostizierten

Objektinformation zur (dann neuen) internen Objektinformation in Abhängigkeit der zu dem zweiten Zeitpunkt erfassten Objektinformation und insbesondere auch in

Abhängigkeit der prognostizierten Objektinformation durch die Recheneinheit. Die nicht- aktualisierte prognostizierte Objektinformation kann dabei weiterhin in der Recheneinheit hinterlegt sein. In dem obigen Beispiel kann so die als oder mit einem Abstand d(t _n ) hinterlegte interne Objektinformation in Abhängigkeit der zu dem zweiten Zeitpunkt erfassten Objektinformation, hier dem Abstand d(t _n+ i ) , aktualisiert werden. Beispielsweise kann so ein Abstand d(t _n +i ) für den Zeitpunkt t _n+ i mit 3,0m festgelegt werden. In

Abhängigkeit der prognostizierten Objektinformation und insbesondere einer weiteren Information, beispielsweise einer Zuverlässigkeit der entsprechenden Sensorinformation, könnte aber auch eine von der erfassten Objektinformation abweichende

Objektinformation, beispielsweise ein Abstand d(t _n+ i)=3,1 m hinterlegt werden.

Schließlich erfolgt ein Vergleichen der für den zweiten Zeitpunkt prognostizierten

Objektinformation mit der aktualisierten, neuen (internen) Objektinformation und ein Berechnen eines jeweiligen Innovationsmaßes für das zumindest eine Objekt in

Abhängigkeit eines Ergebnisses des Vergleichens durch die Recheneinheit. Bei dem Vergleichen kann so beispielsweise die prognostizierte Objektinformation d'(t _n+ i)=3,5m mit der anhand der zum zweiten Zeitpunkt erfassten Objektinformation d(t _n+ i)=3m aktualisierten Objektinformation d"(t _n+ i)=3,1 m verglichen werden, und das

Innovationsmaß l(t), beispielsweise in Form einer Differenz, vorliegend zum Beispiel von l(tn ₊ i)=d'(t _n+ i)-d"(t _n+ i ) , berechnet werden, das sich hierzu l(t _n+ i)=0,4m ergibt. Das

Innovationsmaß bezieht sich hier auf die Innovation oder Veränderung von

prognostizierter zu aktualisierter Objektinformation und somit auf den Schritt des

Aktualisierens. Sie dient somit dem Überprüfen des Aktualisierungsvorgangs, wie im Folgenden deutlich wird. Bei dem Innovationsmaß kann es sich um die im Kontext der Prädiktion mittels eines Kaiman-Filters geläufige sogenannte Innovation handeln oder diese umfassen oder auch allgemein ein Maß für einen Unterschied beispielsweise auch in einer euklidischen Differenz einer beispielsweise als Wert oder Vektor vorliegenden Objektinformation für ein spezifisches fahrzeugexternes Objekt genutzt werden.

Nachdem sich das Vergleichen auf jeweilige Objektinformationen, nämlich die

prognostizierte und die erfasste Objektinformation zu einem gleichen Zeitpunkt, nämlich dem zweiten Zeitpunkt bezieht, kann das beschriebene Verfahren auch als„in-sequence" Überwachung oder„in-sequence-monitoring" bezeichnet werden.

Wichtig ist hier, dass das Innovationsmaß durch die Recheneinrichtung auf eine

Plausibilität überprüft wird. Dies kann beispielsweise mittels einer in der Recheneinheit hinterlegten Information wie einer Liste von plausiblen Werten für das Innovationsmaß oder Rechenvorschrift wie einem Vergleich mit einem abgespeicherten Vergleichswert erfolgen. In der Liste kann jedem fahrzeugexternen Objekt beispielsweise eine eineindeutige Identifikationsnummer zugeordnet werden, sodass die zu unterschiedlichen Zeitpunkten und/oder von unterschiedlichen Sensoreinheiten erfassten Komponenten der Objektinformation den jeweiligen fahrzeugexternen Objekten fehlerfrei zugeordnet werden können. So kann beispielsweise in dem beschrieben Beispiel ein Innovationsmaß I für den Zeitpunkt t _n+ i , welches hier einer zeitlichen Veränderung eines Abstands des Objektes entspricht, welches beispielsweise l(t _n+ i)=30m beträgt, als unplausibel erkannt werden, da, in einer realen Anwendung (selbstverständlich in Abhängigkeit der beiden Zeitpunkte t _n , t _n+ i , beziehungsweise einer Differenz der beiden Zeitpunkte) eine derartig große Abstandsänderung in einem kurzen Zeitintervall beispielsweise für ein als kraftfahrzeugexternes Objekt aller Erfahrung nach unmöglich ist. In diesem Fall würde das Überprüfen der Plausibilität des Innovationsmaßes durch die Recheneinrichtung somit ein negatives Ergebnis liefern. Das Innovationsmaß von l(t _n+ i)=0,4m hingegen könnte zu einem positiven Ergebnis für den Zeitpunkt t _n+ i führen. Falls das Überprüfen ein negatives Ergebnis liefert, wird hier eine Fehlermeldung durch die Recheneinrichtung ausgegeben. So deutet beispielsweise eins plötzliche Veränderung des Abstands um 30m daraufhin, dass eine Funktion der Sensoreinrichtung des Kraftfahrzeugs gestört ist. Somit kann anhand der Fehlermeldung die Funktion der Sensoreinrichtung überwacht werden.

Das hat den Vorteil, dass die Funktion der Sensoreinrichtung mit einer geringen

Prozessorlast und auf besonders einfache, ohne zusätzlichen Implementierungsaufwand oder mit wenig zusätzlichem Implementierungsaufwand realisiert werden kann. Das beruht darauf, dass die Erfindung im Wesentlichen bereits existierende Daten, vorliegend die erfasste und abgeschätzte, prognostizierte Objektinformation oder Daten nutzt, welche von Algorithmen der Sensoreinrichtung, insbesondere Algorithmen zu

Sensordatenfusion einer Sensoreinrichtung mit mehreren Sensoren, bereits unabhängig von beschriebenen Verfahren berechnet werden. Damit wird das Erzeugen einer zusätzlichen Prozessorlast in einem Steuergerät oder einer ECU beziehungsweise einer Recheneinheit der Sensoreinrichtung verhindert oder minimiert sowie ein

Entwicklungsaufwand reduziert. Zugleich wird dabei die Funktionssicherheit der

Sensoreinrichtung überwacht, ohne dass die Objektinformation redundant erfasst werden müsste, beziehungsweise eine Sensorfusion redundant und damit mit großem

Rechenaufwand in der Recheneinheit realisiert werden müsste. Dabei ist das

beschriebene Verfahren zum Überwachen der Funktionssicherheit nicht nur für multisensorische Datenfusion geeignet, sondern auch für das Überwachen der

Funktionalität von einzelnen Sensorelementen oder Sensoreinrichtungen mit nur einem Sensor oder nur Sensoren einer Modalität wie beispielsweise Lidar, Radar oder optischen Systemen. Das vorgeschlagene Verfahren benutzt also Daten, welche grundsätzlich in jeder zielverfolgenden oder objektverfolgenden (object tracking) Sensoreinrichtung oder in den üblichen Sensoreinrichtungen mit einer multisensorischen Datenfusion bereits ohnehin erzeugt und verarbeitet werden müssen. Der zusätzliche Rechenaufwand erschöpft sich also darin, einen Vergleich von Datensätzen durchzuführen, welche bereits bestehen, beispielsweise in Form von Zwischenergebnissen.

In dem Verfahren werden also drei Zwischenergebnisse, welche in einer normalen Sensorverarbeitung mit einem oder mehreren Sensoren oft bereits erstellt werden genutzt: die interne Objektinformation, die prognostizierte Objektinformation und die aktualisierte Objektinformation beziehungsweise das Innovationsmaß, welches ein Maß für den Unterschied zwischen der prognostizierten Objektinformation und der aktualisierten Objektinformation ist. Das Innovationsmaß ist inhärent bereits in vielen genutzten Aktualisierungsalgorithmen verfügbar, beispielsweise in dem Kalman-Filter oder den verschiedenen bekannten Varianten wie beispielsweise dem erweiterten (extended) und dem

unzentrierten (uncentered) Kalman-Filter und weiteren Varianten. Entscheidend für die Anwendung des hier beschriebenen Verfahrens ist nur die Verwendung der internen, der prognostizierten und der aktualisierten Objektinformation und der Berechnung einer Metrik zum Vergleich von prognostizierter und aktualisierter Objektinformation. Welche Verfahren zur Prognostizierung und Aktualisierung rechentechnisch eingesetzt werden ist dabei unerheblich. Über eine einfache Logik kann entsprechend für die Unterschiede zwischen den drei genannten Größen für einen Abstand und/oder eine Position und/oder ei- ne Geschwindigkeit und/oder jegliche weitere Eigenschaft des entsprechenden fahrzeugexternen Objekts, welches erfasst und dessen Repräsentation in der Sensoreinrichtung über die Objektinformation aktualisiert wird, einfach eine Grenze definiert werden, jenseits derer das Verhalten der Sensoreinrichtung als unplausibel klassifiziert wird und die Fehlermeldung ausgeben wird.

In einer vorteilhaften Ausführungsform ist vorgesehen, dass das Verfahren iterierend oder fortlaufend durchgeführt wird. Insbesondere entspricht der zweite Zeitpunkt einer Iteration oder einer Iterationsstufe des Verfahrens dabei dem ersten Zeitpunkt einer

darauffolgenden weiteren Iteration oder Iterationsstufe des Verfahrens. Das hat den Vorteil, dass die funktionelle Sicherheit der Sensoreinrichtung lückenlos und somit ständig überwacht wird. Über dies erfolgt die Überwachung auf besonders effiziente Weise, da beispielsweise die aktualisierte Objektinformation als interne Objektinformation der darauffolgenden Iteration direkt weiter genutzt werden kann. Damit ist die

Überwachung auch auf eine besonders ressourcenschonende Weise realisiert.

In einer weiteren, besonders vorteilhaften Ausführungsform ist vorgesehen, dass die Objektinformation mehrere fahrzeugexterne Objekte betrifft, sich also auf mehrere fahrzeugexterne Objekte bezieht oder die Eigenschaften mehrerer fahrzeugexterner Objekte repräsentiert. Das hat den Vorteil, dass die Statistik des Überprüfens der Plausibilität verbessert werden kann, indem beispielsweise eine Pool von mehreren jeweiligen Innovationsmaßen auf Plausibilität überprüft werden kann, wie es weiter unten ausgeführt ist. Des Weiteren ist das auch günstig für eine Sensoreinrichtung mit mehreren unterschiedlichen Sensoreinheiten, da von diesen oft unterschiedliche oder zumindest teilweise unterschiedliche Objekte erfasst werden können. Es kann somit in einem realen Szenario, in welchem typischerweise in einer Umgebung des Kraftfahrzeugs mehrere Objekte vorhanden sind, die funktionelle Sicherheit der Sensoreinrichtung besonders einfach und ohne beispielsweise einen Auswahlprozess, welcher die

Objektinformation auf ein einziges fahrzeugexternes Objekt eingeschränkt, durchgeführt werden.

In einer weiteren vorteilhaften Ausführungsform ist vorgesehen, dass die

Objektinformation über mehrere unterschiedliche Sensoreinheiten erfasst wird, welche insbesondere eine oder mehrere unterschiedliche Modalitäten aufweisen, und bevorzugt jeweils eine unterschiedliche Modalität aufweisen. Beispielsweise kann die

Sensoreinrichtung so jeweils eine oder mehrere Sensoreinheiten eines Lidars, beispielsweise eine Lidars mit Laserscanner oder eines Lidars ohne Laserscanner, und/oder eines Radars und/oder eines Kamerasystems (mit einer oder mehreren

Kameras als Sensoreinheiten) und/oder eines Ultraschallsystems (mit einem oder mehreren Ultraschallsensoren als Sensoreinheiten) umfassen. Damit kann durch die Sensoreinrichtung eine multisensorische Datenfusion realisiert werden oder muss für eine bestmögliche Verwertung der Objektinformation sogar erfolgen. Entsprechend ist das vorgeschlagene Verfahren hier besonders vorteilhaft, da die konventionellen bekannten Ansätze für eine Überwachung der Funktion einer Sensoreinrichtung in einem Szenario mit mehreren unterschiedlichen Sensoreinheiten besonders aufwendig sind, das heißt die eingangs erwähnten Nachteile eines hohen Implementierungsaufwandes oder zusätzlich erforderlicher Sensoren aufweisen.

In einer anderen vorteilhaften Ausführungsform ist vorgesehen, dass die

Objektinformation eine Information über eine Position und/oder über eine

Geschwindigkeit und/oder über eine Beschleunigung und/oder über einen Abstand und/oder über eine Klassifizierung des (oder der) betreffenden fahrzeugexternen Objekts (oder Objekte) umfasst. Beispielsweise kann so für das eine, oder mehrere, insbesondere sämtliche fahrzeugexternen Objekte, die in der Objektinformation repräsentiert sind, in Form eines Vektors die jeweiligen Informationen hinterlegt sein. Die Wahl eines Vektors als Repräsentation ist hier besonders vorteilhaft, da eine Veränderung oder eine Differenz zwischen verschiedenen Vektoren besonders leicht mathematisch handhabbar und quantifizierbar ist. Die genannten Informationen bieten den Vorteil, dass sie die fahrzeugexternen Objekte besonders gut charakterisieren und gerade für diese wichtigen Informationen, im Rahmen der funktionellen Sicherheit jeweils sichergestellt werden sollte, dass sie korrekt sind, also zum Beispiel das Aktualisieren der Objektinformation in der vorgesehenen Weise funktioniert.

In einer besonders vorteilhaften Ausführungsform ist vorgesehen, dass das Überprüfen ein Vergleichen des berechneten Innovationsmaßes mit einem Grenzwert oder einem Grenzmaß, beispielsweise auch einem Vektor oder Grenzvektor, umfasst und

insbesondere ein Ergebnis des Überprüfens negativ ist, falls das berechnete

Innovationsmaß größer ist als der Grenzwert, und positiv, falls das berechnete

Innovationsmaß kleiner ist als der Grenzwert. Das Vergleichen kann hier beispielsweise über eine Differenzbildung wie im Kaiman-Filter oder das Bilden einer euklidischen Differenz realisiert werden. Das hat den Vorteil, dass mit einem simplen, wenig rechenressourcenbindenden Vergleich die Plausibilität des Innovationsmaßes überprüft werden kann. In einer anderen vorteilhaften Ausführungsform ist vorgesehen, dass das Innovationsmaß für mehrere fahrzeugexterne Objekte, welche die Objektinformation betrifft, berechnet wird, insbesondere für alle fahrzeugexternen Objekte, welche die Objektinformation betrifft, und/oder für mehrere Zeitpunkte, für welche die Objektinformation aktualisiert wird, berechnet wird, insbesondere für alle Zeitpunkte, für welche die Objektinformation aktualisiert wird. Es werden somit mehrere jeweilige Innovationsmaße l _k für mehrere jeweilige Objekte k berechnet. Das hat den Vorteil, dass eine Fehlfunktion der

Sensoreinrichtung besonders zuverlässig und effizient detektiert werden kann, da aller Wahrscheinlichkeit nach eine funktionelle Fehlfunktion nicht nur einmal zu einem einzigen Zeitpunkt und/oder bei einem einzigen fahrzeugexternen Objekt auftritt, sondern sich typischerweise systematisch wiederholt und/oder für mehrere fahrzeugexterne Objekte zugleich auftritt. Über entsprechend Korrelationen in den jeweiligen Innovationsmaßen l _k (t) kann somit eine Fehlfunktion der Sensoreinrichtung besonders gut nachgewiesen werden.

In einer besonders vorteilhaften Ausführungsform ist dabei vorgesehen, dass das Überprüfen ein negatives Ergebnis liefert, falls das jeweilige Innovationsmaß

(insbesondere für einen oder mehrere vorgegebene Zeitpunkte) einer vorgegebenen Mindestanzahl von fahrzeugexternen Objekten und/oder eines vorgegebenen

Mindestanteils der in der Objektinformation repräsentierten fahrzeugexternen Objekte größer ist, als ein vorgegebener Grenzwert oder der vorgegebene Grenzwert, und/oder falls das Innovationsmaß für ein Objekt wiederholt, beispielsweise gemäß einem erkennbaren Muster oder aber auch unregelmäßig, größer ist als der vorgegebene Grenzwert und/oder falls sich die Anzahl der fahrzeugexternen Objekte um mehr als eine vorgegebene Anzahl (die auch Null sein kann) verändert, für welche das jeweilige Innovationsmaß größer als der vorgegebene Grenzwert ist. Es hat sich herausgestellt, dass mit den genannten Bedingungen für das Innovationsmaß eine Fehlfunktion der Sensoreinrichtung besonders zuverlässig überwacht werden kann, da sich systemische Fehler in der Sensoreinrichtung sehr schnell beziehungsweise in sehr offensichtlicher Weise in einer Veränderung der genannten Kriterien niederschlagen.

In einer weiteren vorteilhaften Ausführungsform ist vorgesehen, dass ein zusätzliches Vergleichen der für den ersten Zeitpunkt hinterlegten Objektinformation, also der internen Objektinformation des ersten Zeitpunkts, mit der aktualisierten Objektinformation (des zweiten Zeitpunktes) erfolgt sowie ein Berechnen eines Abweichungsmaßes für das zumindest eine fahrzeugexterne Objekt in Abhängigkeit eines Ergebnisses des

Vergleichens durch die Recheneinheit erfolgt. Dabei dient das Abweichungsmaß dem Überprüfen des Prognostizierens in ähnlicher Weise, wie das Innovationsmaß dem Überprüfen des Aktualisierens dient. Das Abweichungsmaß wird daher für eine gegebene aktualisierte Objektinformation im Allgemeinen größer sein als das Innovationsmaß.

Entsprechend erfolgt auch ein Überprüfen einer Plausibilität des Abweichungsmaßes durch die Recheneinrichtung sowie ein Ausgeben einer Fehlermeldung durch die

Recheneinrichtung, falls das Überprüfen ein negatives Ergebnis liefert, also das

Abweichungsmaß nicht plausibel ist. In dem eingangs beschriebenen Beispiel würde so beispielsweise der Abstand d(t _n ) mit dem aktualisierten Abstand verglichen und somit beispielsweise für das Abweichungsmaß A _k (t _n+ i)=d(tn)-d(t _n+ i)=2m berechnet werden.

Hieran ist besonders vorteilhaft, dass wie bereits in dem eingangs beschriebenen

Verfahren nur die sowieso bereits vorhandenen Objektinformationen ausgewertet werden, sodass keine zusätzlichen Daten generiert oder erfasst werden müssen. Da das

Abweichungsmaß mit einem gleichen oder ähnlichen Algorithmus wie das

Innovationsmaß berechnet werden kann, nur eben ausgehend von unterschiedlichen Objektinformationen, werden auch hier keine neuen aufwendigen Schritte bei der

Implementierung notwendig. Beispielsweise kann so bei dem Vergleichen eine Differenz wie im Kalman-Filter für die Innovation bekannt oder eine euklidische Differenz berechnet werden. Da das Vergleichen auf Objektinformationen unterschiedlicher Zeitpunkte oder mit unterschiedlichen Zeitstempels basiert, kann dies im Gegensatz zu dem Überprüfen anhand des Innovationsmaßes als„out-of-sequence" Überwachung oder„out-of- sequence-monitoring" bezeichnet werden.

Auch für die out-of-sequence-Überwachung gelten jedoch die eingangs für die in- sequence- Überwachung beschriebenen Vorteile. Entsprechend lassen sich analog zu den Ausgestaltungen des Verfahrens in Bezug auf das Vergleichen, Berechnen und Überprüfens des Innovationsmaßes auch das Vergleichen und das Berechnen und das Überprüfen des Abweichungsmaßes weiter vorteilhaft ausgestalten. Dies wird im

Folgenden dargelegt. Die dadurch erzielten Vorteile entsprechen mutatis mutandis den entsprechenden Vorteilen bei dem Vergleichen, Berechnen beziehungsweise Überprüfen des Innovationsmaßes. Diese können bei gleichzeitigem Vorhandensein der

entsprechenden Merkmale auch synergetisch zusammenwirken. Grundsätzliche wäre das out-of-sequence-Monitoring auch unabhängig von dem in-sequence- Monitoring realisierbar, da allerdings das Abweichungsmaß für sich wie erläutert eine gröbere Überwachung liefert, macht die Implementierung zusammen mit der in-sequence- Überwachung Sinn, da so Fehler im Prognostizierungsprozess und im Aktualisierungsprozess voneinander getrennt in ihrem Einfluss beobachtet werden können.

In einer vorteilhaften Ausführungsform ist dabei vorgesehen, dass das Überprüfen der Plausibilität des Abweichungsmaßes ein Vergleichen des berechneten

Abweichungsmaßes mit einem weiteren Grenzwert, insbesondere einem Grenzwert der größer ist als der eine Grenzwert für das Innovationsmaß, umfasst und insbesondere eine Ergebnis des Überprüfens negativ ist, falls das berechnete Abweichungsmaß größer ist als der weitere Grenzwert, und positiv, falls das berechnete Abweichungsmaß kleiner ist als der weitere Grenzwert.

In einer weiteren, besonders vorteilhaften Ausführungsform ist dabei vorgesehen, dass das Abweichungsmaß für mehrere, insbesondere alle, fahrzeugexterne Objekte, welche die Objektinformation betrifft, und/oder für mehrere, insbesondere alle, Zeitpunkte, für welche die Objektinformation aktualisiert wird, berechnet wird. Es werden somit mehrere jeweilige Abweichungsmaße A _k für die jeweiligen Objekte k berechnet.

Dabei kann hier in einer weiteren vorteilhaften Ausführungsform vorgesehen sein, dass das Überprüfen ein negatives Ergebnis liefert, falls das jeweilige Abweichungsmaß (insbesondere für einen oder mehrere Zeitpunkte) für eine vorgegebene Mindestanzahl von fahrzeugexternen Objekten und/oder einen vorgegebenen Mindestanteil der fahrzeugexternen Objekte größer ist als ein anderer vorgegebener weiterer Grenzwert oder der vorgegebene weitere Grenzwert und/oder falls das Abweichungsmaß für ein Objekt wiederholt, beispielsweise gemäß einem vorgegebenem Muster oder auch unregelmäßig, größer ist als der vorgegebene weitere Grenzwert und/oder falls sich die Anzahl der Objekte um mehr als eine vorgegebene Anzahl verändert, für welche das jeweilige Abweichungsmaß größer als der vorgegebene weitere Grenzwert ist.

In einer weiteren vorteilhaften Ausführungsform ist vorgesehen, dass beide Zeitpunkte, der erste und der zweite Zeitpunkt, direkt aufeinander folgende Zeitpunkte sind. Das hat nicht nur den Vorteil einer engmaschigen Überwachung der Funktion der

Sensoreinrichtung, sondern auch den Vorteil, dass die zu erwartenden Veränderungen und somit das Innovationsmaß und auch das Abweichungsmaß betragsmäßig kleiner sind als bei Zeitpunkten mit einer großen zeitlichen Differenz, und eventuelle Mess- oder Prädiktionsfehler einer geringeren Einfluss haben, sodass die Funktion der

Sensoreinrichtung besonders genau und präzise überwacht werden kann. Die Erfindung betrifft auch eine Sensoreinrichtung eines Kraftfahrzeugs. Die

Sensoreinrichtung weist dabei eine Sensoreinheit zum Erfassen einer Objektinformation über zumindest ein fahrzeugexternes Objekt zu einem ersten Zeitpunkt und zu einem auf den ersten Zeitpunkt folgenden weiteren zweiten Zeitpunkt auf. Dabei ist die

Sensoreinrichtung ausgelegt zum Hinterlegen der zu dem ersten Zeitpunkt erfassten Objektinformation als eine interne Objektinformation in einer Recheneinheit der

Sensoreinrichtung. Die Recheneinheit ist dabei ausgelegt zum Prognostizieren einer Objektinformation für den zweiten Zeitpunkt anhand der internen Objektinformation, sowie zum Aktualisieren der prognostizierten Objektinformation zur neuen internen

Objektinformation in Abhängigkeit der zu dem zweiten Zeitpunkt erfassten

Objektinformation und zum Vergleichen der für den zweiten Zeitpunkt prognostizierten Objektinformation mit der aktualisierten Objektinformation und schließlich zum Berechnen eines Innovationsmaßes für das zumindest eine Objekt in Abhängigkeit eines

Ergebnisses des Vergleichens. Wichtig ist hier, dass die Recheneinrichtung ausgelegt ist, eine Plausibilität des Innovationsmaßes zu überprüfen und eine Fehlermeldung auszugeben, falls das Überprüfen ein negatives Ergebnis liefert.

Die Erfindung betrifft auch eine Sensoreinrichtung, die zum Durchführen eines

erfindungsgemäßen Verfahrens oder einer vorteilhaften Ausführungsform des

erfindungsgemäßen Verfahrens ausgebildet ist.

Vorteile und vorteilhafte Ausführungsformen der Sensoreinrichtung entsprechend hier Vorteilen und vorteilhaften Ausführungsformen des Verfahrens zum Überwachen einer Funktion einer Sensoreinrichtung eines Kraftfahrzeugs.

Die Erfindung betrifft auch ein Kraftfahrzeug mit einer solchen Sensoreinrichtung.

Die vorstehend in der Beschreibung genannten Merkmale und Merkmalskombinationen sowie die nachfolgend in der Figurenbeschreibung genannten und/oder in den Figuren alleine gezeigten Merkmale und Merkmalskombinationen sind nicht nur in der jeweils angegebenen Kombination, sondern auch in anderen Kombinationen verwendbar, ohne den Rahmen der Erfindung zu verlassen. Es sind somit auch Ausführungen von der Erfindung als umfasst und offenbart anzusehen, die in den Figuren nicht explizit gezeigt und erläutert sind, jedoch durch separierte Merkmalskombinationen aus den erläuterten Ausführungen hervorgehen und erzeugbar sind. Es sind auch Ausführungen und

Merkmalskombinationen als offenbart anzusehen, die somit nicht alle Merkmale eines ursprünglich formulierten unabhängigen Anspruchs aufweisen. Es sind darüber hinaus auch Ausführungen und Merkmalskombinationen, insbesondere durch die oben dargelegten Ausführungen, als offenbart anzusehen, die über die in den Rückbezügen der Ansprüche dargelegten Merkmalskombinationen hinausgehen oder von diesen abweichen.

Ausführungsbeispiele der Erfindung werden nachfolgend anhand schematischer Zeichnungen näher erläutert.

Dabei zeigen:

Fig. 1 eine schematische Darstellung eines Kraftfahrzeugs mit einer

beispielhaften Ausführungsform einer Sensoreinrichtung; und

Fig. 2 eine schematische Darstellung eines Flussdiagramms einer beispielhaften

Ausführungsform eines Verfahrens zum Überwachen einer Funktion einer Sensoreinrichtung eines Kraftfahrzeugs.

Gleiche oder funktionsgleiche Merkmale werden dabei in den Figuren mit den gleichen Bezugszeichen versehen.

Fig. 1 zeigt eine schematische Darstellung eines Kraftfahrzeugs mit einer beispielhaften Ausführungsform einer Sensoreinrichtung. Das Kraftfahrzeug 1 umfasst vorliegend eine Sensoreinrichtung 2, die zumindest eine, vorliegend zwei Sensoreinheiten 3, 4 unterschiedlicher Modalität aufweist. Vorliegend ist dabei die erste Sensoreinheit 3 als Ultraschallsensoreinheit zum Erfassen eines Abstandes d zu einem fahrzeugexternen Objekt k ausgeführt und die zweite Sensoreinheit 4 als Kamera zum Erfassen des Abstands d und einer Position eines fahrzeugexternen Objektes k. Die Sensoreinrichtung 2 weist auch eine Recheneinheit 5 auf, in welcher eine interne Objektinformation O _k (Fig. 2), welche einer erfassten Objektinformation o _k (Fig. 2) entspricht, hinterlegt werden kann. Des Weiteren ist die Recheneinheit 5 zum Prognostizieren einer Objektinformation 0' _k (Fig. 2) anhand der internen Objektinformation O _k ausgebildet sowie zum

Aktualisieren der prognostizierten Objektinformation 0' _k (Fig. 2) zur neuen internen Objektinformation O _k in Abhängigkeit einer erfassten Objektinformation o _k . Dabei kann durch die Recheneinheit 5 ein Vergleichen der prognostizierten Objektinformation 0' _k mit der aktualisierten hinterlegten Objektinformation O _k sowie ein Berechnen eines Innovationsmaßes l _k (Fig. 2) für das zumindest eine von der Objektinformation repräsentierte Objekt k in Abhängigkeit eines Ergebnisses des Vergleichens berechnet werden. Wichtig ist dabei, dass die Recheneinrichtung 5 ausgelegt ist, eine Plausibilität des Innovationsmaßes l _k zu überprüfen und eine Fehlermeldung auszugeben, falls das Überprüfen ein negatives Ergebnis liefert, um so eine Überwachung der funktionellen Sicherheit der Sensoreinrichtung 2 zu realisieren.

Die Sensoreinrichtung kann damit für eines der Verfahren, wie sie anhand von Fig. 2 erläutert werden, geeignet sein.

Fig. 2 zeigt ein schematisches Flussdiagramm des beispielhaften Verfahrens zum Überwachen einer Funktion einer Sensoreinrichtung. Zunächst erfolgt hier ein Erfassen 10a - 10g einer Objektinformation o _k (t _n ; t _n+ i ) über zumindest ein fahrzeugexternes Objekt k. Das Erfassen 10a - 10g erfolgt dabei mindestens zu einem ersten Zeitpunkt t _n und zu einem auf den ersten Zeitpunkt t _n folgenden zweiten Zeitpunkt t _n+ i . Dabei kann beispielsweise ein erstes Erfassen 10a durch eine erste Sensoreinheit 4 (Fig. 1 ), beispielsweise eine Kamera, erfolgen und beispielsweise ein weiteres, vorliegend sechsfaches, Erfassen 10b - 10g durch eine zweite Sensoreinheit 3 (Fig.1 ) erfolgen, die zum Beispiel als Ultraschallsensoreinheit ausgeführt sein kann. Damit kann im weiteren Verfahren eine multimodale Datenfusion realisiert sein.

Ein nächster Schritt ist dabei ein Hinterlegen 1 1 einer internen Objektinformation 0(t _n ) welche der für den ersten Zeitpunkt t _n erfassten Objektinformation o(t _n ) entspricht, also diese beispielsweise umfasst oder von dieser abgeleitet ist, in der Recheneinheit 5 der Sensoreinrichtung 2. Darauf folgt ein Prognostizieren 12 einer Objektinformation 0'(t _n+ i ) für den zweiten Zeitpunkt t _n+ i anhand der internen Objektinformation 0(t _n ) durch die Recheneinheit 5. In einem weiteren Schritt erfolgt sodann ein Aktualisieren 13 der prognostizierten oder prädizierten Objektinformation 0'(t _n+ i ) zur neuen internen

Objektinformation 0(t _n+ i). Dieses Aktualisieren 13 erfolgt in Abhängigkeit der zu dem zweiten Zeitpunkt t _n+ i erfassten Objektinformation o(t _n+ i ) durch die Recheneinheit 5 und liefert eine aktualisierte Objektinformation 0(t _n+ i). Diese aktualisierte Objektinformation 0(t _n+ i) kann von der Recheneinheit 5 an weitere Einheiten bereitgestellt werden, wie dies durch den Pfeil 14 symbolisiert ist. Gleichzeitig kann bei einem iterativen oder fortlaufenden Durchführen des Verfahrens die aktualisierte interne Objektinformation 0(t _n+ i) auch als neue Ausgangs-Objektinformation für die nächste Iteration genutzt werden, wie dies durch den Pfeil 15 symbolisiert dargestellt ist. Dies ist jedoch nicht zwingend erforderlich, da das Erfassen 10a - 10g sowohl zu dem ersten Zeitpunkt t _n als auch zu dem zweiten Zeitpunkt t _n+ i erfolgt. Somit sind zu jedem Zeitpunkt t _n+ i stets beide erfassten Objektinformationen o(t _n ), o(t _n+ i ) von dem Zeitpunkt t _n und t _n+ i verfügbar, wie dies durch den Pfeil 1 6 symbolisiert ist. Das Aktualisieren 13 kann basierend auf dem Kaiman-Algorithmus berechnet werden. Es erfolgt nun ein Vergleichen 1 7 der für den zweiten Zeitpunkt t _n+ i prognostizierten Objektinformation 0'(t _n+ i ) mit der aktualisierten Objektinformation 0(t _n+ i ) sowie ein Berechnen eines Innovationsmaßes l _k [0' _k (t _n+ i ) ;

O _k (t _n+ i )] für das zumindest eine Objekt k in Abhängigkeit eines Ergebnisses des

Vergleichens durch die Recheneinheit 5. Sodann erfolgt durch die Recheneinrichtung 5 ein Überprüfen 18 einer Plausibilität des Innovationsmaßes l _k [0' _k (t _n+ i ) ; O _k (t _n+ i )] sowie ein Ausgeben 1 9 einer Fehlermeldung, falls das Überprüfen 1 8 ein negatives Ergebnis liefert.

Beispielsweise kann bei dem Überprüfen 18 eine Abweichung zwischen der

prognostizierten Objektinformation 0'(t _n+ i ) und aktualisierter Objektinformation 0(t _n+ i ) mit einem vorgegebenen Grenzwert verglichen werden und eine Fehlermeldung ausgegeben werden, wenn die Abweichung größer ist als der vorgegebene Grenzwert. Alternativ oder ergänzend können auch andere Kriterien überprüft oder vorgegeben werden. Damit ist der zusätzliche Aufwand, welcher für ein Überwachen der Sensoreinrichtung 2 betrieben werden muss, nur ein einfaches Vergleichen 1 7 mit einem Minimum an zusätzlichem Rechenaufwand. Da das Vergleichen 17 sich hier auf Objektinformationen O, O' des gleichen Zeitpunktes t _n+ i bezieht, kann diese Überwachung als„in-sequence"- Überwachung bezeichnet werden.

Bei der in-sequence-Überwachung wird das Innovationsmaß l _k [0' _k (t _n+ i ) ; O _k (t _n+ i )]

vorliegend für alle Objekte k, die von dem Aktualisieren 1 3 betroffen sind berechnet. Dies kann beispielsweise bereits bei einem Verwenden des Kaiman-Algorithmus bereits im Rahmen des Prognostizierens 12 implizit in Form des Berechnens der sogenannten Innovation erfolgen. Daher ist das Innovationsmaß l _k [0' _k (t _n+ i ) ; O _k (t _n+ i )] für jedes detektierte Objekt k zu jedem Teilschritt t verfügbar. Für jedes Innovationsmaß l _k [0' _k (t _n+ i ) ; O _k (t _n+ i )] eines Objekts k zum Zeitpunkt t _n+ i kann nun beispielsweise überprüft werden, ob es über einen Grenzwert Di liegt. Ein Zähler N kann beispielsweise die Anzahl der Objekte k zu einem Zeitpunkt t _n+ i zählen, für welche das Innovationsmaß l _k [0' _k (t _n+ i ) ; O _k (t _n+ i )] größer Di ist. Damit kann beispielsweise für jeden Zeitschritt t überprüft werden, welcher Anteil der Objekte k ein Innovationsmaß l _k [0' _k (t _n+ i ) ; O _k (t _n+ i )] größer D, aufweist und/oder was die Gesamtzahl von Objekten k mit solch einer großen Abweichung ist. Ausgehend von diesen Daten kann nun bestimmt werden, ob das Innovationsmaß Innovationsmaß l _k [0'k(t _n+ i ) ; O _k (t _n+ i )] beziehungsweise die Innovationsmaße l _k [0' _k (t _n+ i ) ; O _k (t _n+ i )] plausibel sind. Die Plausibilität kann daher nicht nur für jedes Objekt k im einzelnen Zeitschritt t _n überprüft werden, sondern ergänzend auch über die nachfolgenden Zeitschritte t _n+ i , t _n+2 , usw.

Beispielsweise kann das Überprüfen 18 der Innovationsmaße l _k [0' _k (t _n+ i ); O _k (t _n+ i )] negativ sein, wenn ein gleiches Objekt k, welches bereits in einem vorherigen Zeitschritt t, ein Innovationsmaß l _k [0' _k (ti); O _k (t,)] größer als D, aufweist dieses auch in einem oder mehreren darauffolgenden Zeitschritten t _i+ i , t _i+j aufweist. Auch kann unabhängig oder ergänzend überprüft werden, ob sich die Gesamtzahl N über der Zeit verändert. Mit diesen beiden Maßen kann entschieden werden, ob eine Verarbeitung der

bereitgestellten oder erfassten Objektinformationen o _k (t _n ;t _n+ i ), insbesondere eine Fusion in der von unterschiedlichen Sensoreinheiten 3,4 bereitgestellten oder erfassten

Objektinformationen o _k (t _n ;t _n+ i ), korrekt erfolgt oder nicht. Dies kann dabei sowohl für einzelne Zeitschritte oder Zeitpunkte erfasst und quantifiziert werden als auch über einen Zeitverlauf hin. Damit kann auch eine graduelle Verschlechterung einer Verarbeitung der Objektinformationen o _k (t _n ;t _n+ i ), beispielsweise einer Sensorfusion im Verlauf der Zeit überwacht und detektiert werden.

Ganz ähnlich kann zusätzlich zu der in-sequence-Überwachung eine sogenannte out-of- sequence-Überwachung realisiert werden. Hierfür erfolgt ein zusätzliches Vergleichen 20 der internen Objektinformation O _k (t _n ) eines Objekts k zum Zeitpunkt t _n mit der

aktualisierten Objektinformation O _k (t _n+ i) des Objekts k zum Zeitpunkt t _n+ i . Hierbei wird in Abhängigkeit des Vergleichens 20 ein Abweichungsmaß A _k [O _k (t _n ); O _k (t _n+ i)] berechnet. Dies kann in einer ähnlichen Weise und beispielsweise sogar mit dem gleichen oder ähnlichen Algorithmus oder mit einem gleichen oder ähnlichen algorithmischen

Framework erfolgen wie das Innovationsmaß l _k [0' _k (t _n+ i ); O _k (t _n+ i )] berechnet wird. Dabei ist zu berücksichtigen, dass das Abweichungsmaß A _k [O _k (t _n ); O _k (t _n+ i)] insbesondere für dieses Objekt k jeweils größer ist als das diesem Objekt k zugeordnete Innovationsmaß l _k [0' _k (t _n+ i) ; O _k (t _n+ i)]. Dementsprechend ist es vorteilhaft, falls ein entsprechendes

Überprüfen 21 der Plausibilität des Abweichungsmaßes A _k [O _k (t _n ); O _k (t _n+ i)] ein Vergleichen mit einem weiteren Grenzwert umfasst, diesen weiteren Grenzwert D _A größer zu wählen als den Grenzwert D, für das Innovationsmaß l _k [0' _k (t _n+ i) ; O _k (t _n+ i)]. Abweichungsmaß A _k [O _k (t _n ); O _k (t _n+ i )] und Innovationsmaß l _k [0' _k (t _n+ i ); O _k (t _n+ i )] können für die

Fehlerbehandlung oder Fehleranalyse dabei kombiniert ausgewertet werden.

Dabei kann bei dem Berechnen des Abweichungsmaßes A _k [O _k (t _n ); O _k (t _n+ i )] eine zusätzliche Konsistenzprüfung zwischen den jeweiligen internen Objektinformationen O _k zum Zeitpunkt t _n und den internen Objektinformationen O _k zum Zeitpunkt t _n+ i vorgesehen sein. Dies kann entsprechend einem vorgegebenen Akzeptanzkriterium erfolgen.

Beispielsweise kann diese Überprüfung einfach durch ein Nutzen einer

Assoziationsinformation des Aktualisierens 13 erfolgen, die beispielsweise aus einem Kalman-Filter bereits bekannt ist. In der genannten Art sind auch weitere Kombinationen von verfügbaren Daten für das Vergleichen zum Berechnen des Innovationsmaßes l _k [0' _k (t _n+ i) ; O _k (t _n+ i)] und des Abweichungsmaßes A _k [O _k (t _n ); O _k (t _n+ i)] denkbar. Diese hängen dann von spezifischen Bedingungen der jeweiligen Umgebung ab sowie von der vorhandenen Rechenkapazität der Recheneinrichtung 5.