用于辅助机动车的驾驶操作的方法、辅助装置及机动车与流程

1.本发明涉及一种用于辅助机动车的至少部分自动的驾驶操作的方法。此外，本发明还涉及一种为这种方法设置的用于机动车的辅助装置，以及配备有该辅助装置并且被设置用于至少部分自动的驾驶操作的机动车。


背景技术：

2.尽管近年来自动驾驶汽车的发展取得了重大进展，但目前尚未结束。随着自动驾驶或机动车自动运行而来的是大量个别问题和挑战。这例如涉及机动车的相应环境的识别和解读、机动车的自动轨迹规划或路径寻找和/或更多类似问题。
3.一种方案例如是wo 2018/104 563 a2中说明的一种用于确定通行于道路网络的车辆的地理位置和定向的方法。其中旨在从与车辆相关联的摄像机获得反映道路网络环境的一系列图像。在此，每个图像都有一个在该处拍摄图像的相关的摄像机位置。基于至少一些图像和相关的摄像机位置将生成表示车辆正在其中移动的道路网络区域的局部地图表示。然后将该局部地图表示与参考地图的相应部分进行比较。然后，基于比较需要确定车辆在道路网络内的地理位置和定向。通过这种方式，自主车辆应能够在世界中自动进行自身定位，以确定安全的行为方式。
4.在us 2019/0 220 011 a1中说明了另一种方法。其中旨在计算车辆的行驶参数，借助于这些参数可使得自主车辆的无人驾驶交通与行进路径共同实现。此外还将观察代表车辆控制单元的控制信号的数据，并且检测事件。然后将触发事件数据的存储，并且确定传输控制标准。然后通过通信网络将事件数据传输到逻辑适配计算平台。由此提供一种用于实现自主控制功能的解决方案，以解决与无人驾驶车辆控制相关的异常问题，而不受传统技术的限制。


技术实现要素：

5.本发明的目的在于，使至少部分自动化的机动车能够特别安全地运行。
6.该目的通过根据本发明的主题来实现。在说明书和附图中公开了本发明的可能的设计方案和改进方案。
7.根据本发明的方法用于辅助机动车的至少部分自动的驾驶操作。由此可以在驾驶机动车时直接辅助机动车的驾驶员，改进机动车的当前自动驾驶操作，和/或辅助或改进该机动车或某个机动车的未来的至少部分自动驾驶操作。根据本发明的方法包括特别是自动执行或可自动执行的多个方法步骤。
8.在根据本发明的方法的方法步骤中，借助于机动车的环境传感器装置记录反映或表征机动车的相应当前环境的原始环境数据。环境传感器装置例如可以是或包括至少一个摄像机、激光雷达、雷达和/或超声设备等。因此，原始环境数据可以是或包括由环境传感器装置直接提供的相应测量数据。原始环境数据也可以已经被部分处理或预处理。特别地，机动车的相应当前环境可以是至少理论上位于机动车环境传感器装置的传感器或检测有效
范围内的区域。
9.在根据本发明的方法的另一方法步骤中，借助于机动车的辅助装置从原始环境数据中生成语义环境数据。对此，将语义对象识别实施或应用于原始环境数据。在本文中，这样的语义对象识别可以是或包括传统的对象检测，例如用于识别其他道路使用者、道路设备、障碍物、建筑物和/或类似物。语义对象识别同样可以是或包括语义分割。因此，本文中的对象例如也可以是环境区域，例如车道、自行车道、人行横道和/或类似物。语义对象识别同样可以是或包括对象跟踪，即对象跟随，或至少构成这种对象跟随的部分步骤。因此，语义环境数据可以表明哪些对象、即哪种类型或种类的对象在机动车环境中的哪个地方被辅助装置识别或检测到。
10.在根据本发明的方法的另一方法步骤中，采集或提供机动车周围环境的预定的语义注释的地图数据。在语义注释的地图数据中说明了环境的静态对象。换言之，在地图数据中存在有(即定位有)形成周围环境的永久组成部分的对象，特别是不可移动的对象，即在对象的类型或种类方面进行了语义标明。因此，地图数据可以包括环境中这种静态对象的坐标或位置说明以及语义标签或注释。
11.本文中的静态对象可以是或包括例如交通路线、车道边界、车道标记、道路设备(如交通信号设备、交通标志、防撞护栏和/或类似物)、建筑物或房屋、绿化带和/或类似物。地图数据特别是仅可以指定这样的静态对象，而无法指定动态对象。本文中的动态对象可以是仅暂时存在于环境中的可移动对象，例如其他道路使用者。地图数据特别是可以是或包括所谓的高清地图，即高精度地图。地图数据越精确、分辨率越高且越详细，则根据本发明的方法越可以更好地工作，而对此对于本发明的应用或适用性没有特定的硬性限制。地图数据可以优选地具有在厘米到米范围内的分辨率和/或被完全注释，也就是为所有区域分配语义注释或分类。
12.地图数据的检测例如可意味着或包括从数据存储器、通过接口或从例如车辆外部的服务器设备对其进行的调用或加载。地图数据的这种检测可以在记录原始环境数据之前、期间或之后立即进行。
13.在根据本发明的方法的另一方法步骤中，将所检测的语义注释地图数据与相应的语义环境数据进行比较。在此，在语义环境数据中尽可能(即在语义环境数据中说明的范围内)标识地图数据的静态对象。换言之，将在地图数据中或由地图数据指定的对象分配或尝试分配给语义环境数据的部分、区域或对象。因此，可以将地图数据或其中指定的对象映射或匹配到语义环境数据，即可以进行辅助设备的感知或场景理解。为此相应使用的地图数据可以例如借助机动车在全球固定坐标系中的相应当前位置(例如借助于卫星支持的定位系统自动确定)和/或借助基于特征或细节的分配(特征映射)来确定或选择。
14.在地图数据与语义环境数据的这种比较中，可以确定在地图数据或地图数据中说明的对象与语义环境数据(即由辅助装置借助于原始环境数据识别的对象)之间的差异，即偏差或不一致性。借助于在地图数据和语义环境数据之间的一个或多个所检测到的这种差异，在根据本发明的方法的另一方法步骤中，可以识别出辅助装置的感知错误。因此，如果辅助装置的语义对象识别或相应的场景理解特别是关于至少一个静态对象(例如其位置和/或语义分配或分类，即其类型或种类)具有或产生与地图数据的矛盾或偏差，则可能有感知错误。例如，如果辅助装置没有识别出环境中的至少一个对象或在语义上错误地进行
了解读或标记等，则可能存在这种感知错误。
15.在根据本发明的方法的另一方法步骤中，响应于所识别的感知错误，自动执行预定的安全措施。这例如可以意指或包括：发出警告提示(例如显示机动车的辅助功能无法或仅受限地工作或可用)，发出接管请求以便由驾驶员接管机动车的手动控制，切换到安全驾驶模式，变换到可使机动车至少安全地、特别是无碰撞地停车的安全轨迹，触发所基于的原始环境数据或/或语义环境数据的单独或持久存储等。
16.总体而言，根据本发明的方法可以被理解为用于自动检测或识别车载辅助系统的自动场景理解的错误的方法。在此，本发明基于以下认知，即至少迄今可用的机动车辅助系统绝不会完美地工作或具有百分之百的可靠性，而是会反复犯错，并且用于相应环境的语义注释地图数据可以用作地面实况，即用于识别此类错误或误解读的可靠参考。这例如在与对照方案的对比中可以看出，在对照方案中基于在车辆侧执行的对象或环境识别来生成或更新相应的地图数据。后者可能导致将相应车载辅助系统中的错误嵌入到地图数据中并且可能使得无法可靠地识别辅助系统的这种错误。
17.另一方面，本发明通过将车辆侧的场景理解与通常更可靠的(即错误特别少或甚至无错误的)语义注释地图数据进行比较可以实现机动车的特别可靠且安全的至少部分自动的驾驶操作。对此，可以立即识别出差异，即在车辆侧执行的语义对象识别的不一致性或错误，这使得可至少基本上实时地(即在进行中的驾驶操作期间)立即做出相应适配的反应。附加地或替代地，这些差异或感知错误的识别可以实现对辅助装置或语义对象识别特别成问题的数据(即所谓边界情况)的特别有效和高效的收集。然后，这些数据(即例如相关的或所基于的原始环境数据和/或语义环境数据)可以用作错误分析的基础，以用于辅助装置或语义对象识别的后续改进和/或用于相应改进的辅助装置的训练数据的生成。因此，后者使得可以在未来以改善的安全性进行机动车的至少部分自动的驾驶操作，因为可以借助于所收集的过去导致差异或感知错误的数据来训练相应的辅助装置。
18.在本发明的一个可行的设计方案中，为了进行比较，将地图数据的至少一部分投射到相应的环境数据或由语义环境数据生成的相应环境的环境模型中。在此基础上，即基于地图数据和语义环境数据的组合，确定所产生的逐个对象的重叠。在此，例如可以使用根据各个语义环境数据中的地图数据所期望的对象或具有对地图数据中指定的对象进行定位的空间坐标的相应对象数据。因此，如果地图数据描述的区域超出了由语义环境数据所描述的区域，则可以通过仅使用与由语义环境数据实际描述的空间区域相关的地图数据来节省数据处理工作量。
19.将地图数据或地图数据的相应部分投射到语义环境数据或环境模型中例如可以包括相应的坐标变换、旋转(即视角的调整)、透视变形、尺寸调整或缩放和/或更多的类似操作，以便至少在这方面实现地图数据和环境数据的一致性。因此，地图数据或地图数据中说明的对象会与语义环境数据或环境模型重叠。于是，理想情况下，地图数据中说明的对象与通过语义对象识别所识别且在语义环境数据中或相应地在环境模型中说明的对象应当完全重叠。然而，辅助装置的差异或感知错误可能导致地图数据中说明的对象与语义环境数据或环境模型中说明的对象仅部分重叠。如果通过语义对象识别没有识别到特定对象，则可能导致完全不重叠，即重叠度为0，因为在语义环境数据或环境模型中在由地图数据说明的对象的位置处没有说明或定位对象，或者说明或定位了以不同语义注释或分类的对
象。可以逐个对象地确定重叠，即单独为地图数据中说明的每个对象确定重叠，以便识别差异。在此提出的用于比较的方法可以实现对差异的特别鲁棒的识别和差异位置的特别精确的定位。
20.在本发明的一个可行的改进方案中，如果地图数据中的对象与语义环境数据或由语义环境数据生成的模型在相应位置处存在的对象之间的重叠度小于预定的阈值，则相应地识别出差异和/或感知错误。在此，阈值可以以绝对形式或相对形式预设。因此，通过在此提出的阈值可以忽略相应较小的差异。这可以促使数据处理工作量减少并且机动车的驾驶操作对用户更友好或更舒适，而不会显著降低其安全性。在此提出的本发明的设计方案基于以下认知，即只要相应的对象被识别为至少基本上语义正确并且在正确的位置处，则相应微小的差异最终对于机动车的安全驾驶或操作通常不重要。例如，如果对象被识别(被分类)为语义正确，或本来就设置了几米的安全距离，则对象的百分位数量级的像素或区域的错误语义分配或者以厘米量级误差确定的对象位置实际上可能无关紧要。因此，通过忽略或滤除相应较小的差异，可以减少许多最终不必要执行的安全措施。
21.如前所述，不仅可以根据位置或空间坐标来确定重叠，还可以同样考虑到语义。例如，如果一个对象虽然已通过语义对象识别在空间上(即在空间位置或维度方面)被正确识别或定位，但被分类为语义错误，则仍然可以确定重叠度为0，因为此时存在相应的局部区域语义差异。
22.在本发明的另一可行的设计方案中，基于比较，即基于比较的结果，和/或可能已识别的差异，为语义环境数据逐个对象地分配置信度值。换言之，语义环境数据或在语义环境数据中说明的对象或相应的对象识别被相应地注释或标记。作为置信度值或者说标签或注释，例如可以使用“正确”、“错误”、“不确定”，或相应的例如百分比的置信度值或区间。后者可以例如根据在其他位置处描述的所确定的例如百分比重叠度来确定。然后可以在辅助装置和/或另一车辆内部或车辆外部装置的进一步或后续的处理或决策流水线中考虑在此提出的置信度值。例如，根据置信度值可以分配适当的权重和/或可以做出决策。例如，如果存在多个用于控制或驾驶机动车的可能性，则可以选择至少主要基于被标记为“正确”的对象或区域的可能性。这同样可以实现更可靠和/或更安全的至少部分自动化的机动车驾驶操作。
23.在本发明的另一可行的设计方案中，除了静态对象的语义标识(即语义命名或类型说明)以及空间位置或定位之外，地图数据还包括关于静态对象的其他说明。由此，地图数据例如可以说明对象的相应尺寸。然后在比较中和/或在机动车的至少部分自动的驾驶操作中考虑关于静态对象的这些其他说明。其他说明例如还可以包括或涉及诸如交通标志或指引提示等的对象的材料或反射性、必要时预期存在的时间段、相关性或有效性的时间段和/或更多类似物。这可以实现对差异或感知错误的特别可靠、鲁棒和相关的识别。
24.例如，如果通过辅助装置没有正确识别在有限时间内有效的交通标志，则可以在地图数据中说明的有效时间段之外不采纳相应的差异或相应的感知错误，即可以省去执行相应的安全措施。在另一示例中，如果地图数据说明相应对象的反射率特别高，则例如在识别出差异或感知错误的情况下可以首先假设眩光效应，该眩光效应可能从其他视角、即机动车的其他位置不会出现。于是，在这种情况下例如可以延迟安全措施的触发，以便等待来自机动车其他位置的可能正确的对象识别。同样，在反射率被说明为特别高或特别低的情
况下，则例如可以自动使用其他的或附加的环境传感器装置来记录相应的对象或环境区域，以便仍然可以实现正确的对象识别。因此，总体而言，其他说明可以给出对象的附加数据或信息或元数据，这可以实现机动车的更鲁棒、更可靠和/或更安全的至少部分自动化驾驶操作。
25.在本发明的另一可行的设计方案中，基于在不同时间和/或从机动车的不同位置所记录的原始环境数据，至少在预定时间段内多次地和/或至少在超过机动车行驶的预定距离时多次地识别出相应差异，才识别出感知错误。换言之，不是基于差异的单次观察或单个实例或环境的瞬间记录来识别感知错误，而是仅当在一定时间内、从不同的视角或从不同的位置多次存在或确认差异时，才识别为这样的感知错误，并且才相应地执行或触发安全措施。由此，例如可以避免或减少安全措施的最终不必要的执行，例如由于相应静态对象仅在短时间内被动态对象覆盖或由于仅从特定视角或从特定位置出现的对象识别错误，例如由于眩光效应、镜反射或不利的反射特性。因此，在此提出的本发明的设计方案可以实现对感知错误的更鲁棒的识别，从而可以实现机动车的相应鲁棒且舒适的至少部分自动驾驶操作。
26.在本发明的另一可行的设计方案中，基于所识别的差异和/或感知错误自动估计或确定各个环境的场景复杂度。例如，在较大数量和/或较大程度或较大严重性的差异和/或感知错误的情况下将确定较高的场景复杂度。然后可以提供所估计或所确定的场景复杂度，即例如相应的程度值或评级，以用于其他目的。例如，场景复杂度可以用作进一步决定机动车的至少部分自动驾驶操作的基础。
27.附加地或替代地，基于场景的复杂度，可以收集(即存储)与被分级为特别复杂的场景或情况(即已被估计或确定其场景复杂度高于预定阈值的场景或情况)相关的数据，例如相关的或所基于的原始环境数据或语义环境数据和/或描述机动车在相应时间点的给定状态的状态数据。然后，这些可以用作之后的错误分析、辅助装置的改进的基础和/或用于机器学习设备等的训练数据的生成。基于差异和/或感知误差所估计或确定的场景复杂度作为收集或存储这些数据的准则或标准，在此使得可以特别有效且高效地收集或存储特别重要的数据，例如相对少见的边界情况等。这样的数据通常不可靠，或者只有通过巨大努力才能获得。由此，在此提出的本发明的设计方案提供了一种特别有效且高效的可能性，以最终改善机动车的至少部分自动驾驶操作的安全性。
28.在本发明的另一可行的设计方案中，在机动车的驾驶操作期间，即当机动车移动时，从车辆外部的服务器设备陆续地自动调用与当前的或者随后的(或者说前方的)行程路段相关的地图数据，即加载到机动车中。这样的车辆外部服务器设备例如可以是后端、云服务器等，其中存储有所有可用的语义注释地图数据。
29.在此，各个相关的地图数据分别描述了以预定的有限范围超出机动车的环境传感器装置的有效范围的周围环境，该环境传感器装置被设置用于记录原始环境数据。在此，特别是以下地图数据被视为相关：如果地图数据描述了当前或未来特别是在当前驾驶操作期间、即在机动车的当前行程期间位于或预计位于环境传感器装置的有效范围内的环境或区域。因此，相关的地图数据可以描述如下环境或区域，即例如在机动车各个当前位置周围的预定范围中，在其行驶方向前方直到预定的距离，或者沿着机动车的当前或规划的行驶路线在预定宽度的通道中。换言之，存储在车辆外部服务器设备中的所有语义注释地图数据
的在当前驾驶操作期间相关或预计将变得相关的子集可以根据需要被加载到机动车中。
30.这使得地图数据能够以有限的、可实际管理的硬件复杂性用于机动车。这是由于以下认知，即语义注释地图数据可能需要相当多的存储空间，其在地图数据的相应详细注释和相应较高细节度的情况下可能远远超过传统地图数据的存储空间需求。然而，可能不是在每辆机动车中都能切实可行且经济地提供相应的数据存储容量。可以通过无线数据链路、例如移动无线电连接等来调用或传输地图数据。
31.与相应已驶过的行程路段相关的地图数据，即在当前驾驶操作期间至少预计不再需要的地图数据，可类似地在驾驶操作期间陆续地在机动车或机动车的数据存储器中或者从机动车或机动车的数据存储器中被删除。然而，在此这些地图数据保留在服务器设备中，以便在以后的时间点(例如机动车在同一空间区域中以后的行驶操作期间)必要时对其再次调用。
32.本发明的另一方面是一种用于机动车的辅助装置。根据本发明的辅助装置具有至少一个用于采集原始环境数据和语义注释地图数据的输入接口、用于处理原始环境数据和地图数据的数据处理装置以及用于输出所产生的结果信号的输出接口。在此，根据本发明的辅助装置被设置为特别是自动地执行根据本发明的方法的至少一个变型方案或实施方式。为此，数据处理装置例如可以包括计算机可读数据存储器和与之连接的处理器装置，例如微处理器、微芯片或微控制器，以用于执行存储在数据存储器装置中的程序代码。作为这样的程序代码，可以在数据存储器装置中例如存储如下操作程序或计算机程序，即其代表、编码或实施根据本发明的方法的流程、方法步骤或措施并且可以由处理器装置运行，以便实现相应方法的执行。
33.本发明的另一方面是一种机动车，其具有用于记录原始环境数据的环境传感器装置和与之连接的根据本发明的辅助装置。因此，根据本发明的机动车可以被设置用于特别是自动地执行根据本发明的方法的至少一种变型方案或实施方式。根据本发明的机动车特别地可以是结合根据本发明的方法和/或结合根据本发明的辅助装置所述的机动车。
34.本发明的其他特征可以从权利要求、附图和附图说明中得出。前文在说明书中提到的特征和特征组合以及下文在附图说明中和/或仅在附图中示出的特征和特征组合不仅可用于各个指定的组合，而且可用于其他组合或单独使用，而不脱离本发明的范围。
附图说明
35.在图1中示出了示意性的概览图，以说明对机动车的自动驾驶操作的基于地图的辅助。
具体实施方式
36.图1示出了示意性概览图，具有道路10，机动车12在道路10上以辅助的或至少部分自动的驾驶模式移动。机动车12可以至少暂时地由驾驶员14控制，但被设置用于至少部分自动的驾驶操作。为此，机动车12在此具有辅助装置16。
37.在机动车12的环境中存在有不同的对象，这些对象在此分为静态环境对象18和动态环境对象20。在此，静态环境对象18例如是道路设施的一部分、车道标记和建筑物。动态环境对象20例如可以是可移动的行人等，即不是相应环境的永久部分。
38.此外，在此还示出了车辆外部的服务器设备22，这将在别处讨论。
39.机动车12的相应环境的准确感知或检测和解读对于安全的自动驾驶操作至关重要。为此，机动车12包括环境传感器装置24。通过环境传感器装置24可以记录描述或表征机动车12的相应环境的原始环境数据，在理想情况下包括静态环境对象18以及必要时包括动态环境对象20。这些原始环境数据可以由辅助装置16通过输入接口26采集，然后被处理。为此，如在此示意性所示，辅助装置16包括计算机可读数据存储器28和与之连接的处理器30。辅助装置16借此可以执行所谓的计算机视觉，即原始环境数据的语义数据处理或将其应用于所检测的原始环境数据。例如，为此可以在数据存储器28中存储相应训练的模型，例如人工神经网络等。由此可以执行对象识别、对象跟随和/或语义分割等，以便从所采集的原始环境数据中生成相应环境的语义感知或场景理解。
40.然而，可观察到的是，迄今可用的此类模型偶尔会出错，例如无法、不完全或错误地识别对象或对其进行分类。为了应对这个问题，在此使用预定的高清地图，即各个环境的高度细节化的语义注释地图。这样的地图例如可以存储在数据存储器28中和/或通过辅助装置16从服务器设备22调用。后者在此示意性地表示为地图数据32从服务器设备22到机动车12的相应信号传输。
41.地图数据32说明了相应环境的、至少包含在其中的静态环境对象18的可靠的、即假定为真实的描述。由此，地图数据32可以用作参考以确定辅助装置16基于所采集的原始环境数据的场景理解是否正确或者与地图数据32中说明的关于相应环境的数据或信息是否一致。虽然地图数据32在此通常无法描述动态环境对象20，但其可描述静态环境对象18，即例如与机动车12的驾驶操作或引导相关的区域或细节，例如行驶车道路线、交通标志、障碍物、建筑物和/或更多类似物。然后可以借助于与地图数据32的比较，检测由辅助装置16基于由环境传感器装置24采集的原始环境数据对这些区域或细节或对象的错误分类。
42.由地图数据32描述的静态环境对象18在此是不可改变的或者仅可以相对缓慢改变的细节，例如至少不是每天或每周改变。相比而言，至今可用的语义环境检测或对象识别的模型可能会更频繁地出错。因此，在辅助装置16的基于所采集的原始环境数据的场景理解和地图数据32之间的比较或一致性检验使得可以自动识别辅助装置16的错误或设置用于语义环境识别的模型的错误中的至少一些错误。
43.这种错误识别在此可以特别可靠，因为所描述的方法不仅依赖于辅助装置16或辅助装置的模型或者环境传感器装置24或由环境传感器装置采集的原始环境数据，即相应的可用传感器输入，而是以地图数据32的形式使用无论情况如何都鲁棒的且特别可靠的参考数据。由此，错误识别可以依赖于例如手动注释的真实数据(基本事实数据)，而不是仅使用动态预测，即在机动车12的驾驶操作期间自动生成的预测。
44.辅助装置16的场景理解(即语义环境感知或知觉)与地图数据32的比较可以例如通过相应的预定模型自动执行。这种模型例如可以包括或使用人工深度神经网络、占用网格。
45.如果在地图数据32中说明了特定的静态环境对象18，则可以将静态环境对象映射到对应的原始环境数据或由其生成的语义环境数据或由其生成的环境模型，最终至少也间接地例如映射到相应的摄像机图像、激光雷达记录、雷达记录等。例如，可以将地图数据32中说明的静态环境物体18投射到相应的rgb摄像机图像或激光雷达点云中，然后与由辅助
装置16基于所采集的原始环境数据所检测或识别的对象进行比较。在此，例如可以逐个对象地确定相应的重叠度。如果至少一个对象的这种重叠度低于预定的阈值，则可以将相应的对象理解为、即例如相应地标记为：未正确分类或未正确识别。
46.基于所采集的原始环境数据，辅助装置16例如由于覆盖物(在此例如由于动态环境对象20)或者由于所使用的识别或检测模型的错误而无法识别静态环境对象18或错误地进行分类。在这两种情况下，在此提出的方法可以自动识别出：辅助装置16的基于所采集的原始环境数据的语义感知(即场景理解)可能是受限的，即不一定代表或者实现相应环境或场景的全面正确的识别或理解。
47.附加地或替代地，通过辅助装置16基于所采集的原始环境数据的语义场景理解与地图数据32的比较可以确定或评估辅助装置16的性能或者其识别、检测或感知模块或模型的性能。由此，特别是尽管在地图数据32中仅说明了静态环境对象18，可以评估超出在地图数据32中说明的静态环境对象18的正确检测或识别之外的性能。如果辅助装置16基于所采集的原始环境数据没有、不完全或错误地识别在地图数据32中说明的这种静态环境对象18，则可以估计到传感器遮蔽的可能性增大、环境传感器装置24的损坏、不利的环境或天气条件、存在所谓的分布外输入等。后者表示位于为其设置或训练辅助装置16的带宽或频谱之外的输入、数据或情况。于是，相应地也可估计到对动态环境对象20的识别性能下降。然后，这可相应地通过如下方式被考虑，即例如不再提供机动车12的基于这种对象识别的相应自动驾驶或操作功能、向驾驶员14发出接管请求和/或类似行为。
48.在辅助装置16基于所采集的原始环境数据的语义场景理解与地图数据32之间的不一致性同样可以被用作估计场景复杂度的度量或基础。根据该场景复杂度，例如如果其高于预定的阈值，则可以自动采取或实施相应的预定对策或安全措施，例如自动切换到安全驾驶模式等。
49.根据不同的情况，辅助装置16可以生成所得到的结果信号或控制信号并通过输出接口34将其输出，例如以用于控制车辆系统36。根据辅助装置16的预定功能，车辆系统36可以最终是机动车12的几乎任何装置，例如传动系的一部分或用于向驾驶员14输出信号或警告的输出装置等。
50.总体而言，所述示例示出了如何通过观察或识别与预定高清地图的差异或不一致性来实现对车辆辅助系统中感知错误或场景理解错误的自动检测，以便可以实现至少部分自动驾驶车辆的特别安全的运行。
51.附图标记
52.10 道路
53.12 机动车
54.14 驾驶员
55.16 辅助装置
56.18 静态环境对象
57.20 动态环境对象
58.22 服务器设备
59.24 环境传感器装置
60.26 输入接口
61.28 数据存储器
62.30 处理器
63.32 地图数据
64.34 输出接口
65.36 车辆系统