用于运行至少部分自动化的车辆的方法和系统与流程

1.本发明涉及一种用于运行车辆的方法。本发明还涉及一种用于运行车辆的系统。本发明还涉及一种计算机程序产品。


背景技术：

2.在技术系统承担人类任务的情况下不仅必须至少等效地实施人类的光学能力和声学能力，而且也应至少等效地补偿可能的错误反应或者对在运行方面的负面影响的匹配，在运行方面的负面影响例如是眩光、阴影形成等。已知的安全系统基于诊断和冗余度，所述诊断和冗余度在比较器中开启或者直接操控相应的促动器。在飞机技术中已知在设备层面上的投票(voting)(选择方法)，该投票需要三重冗余的电子装置，其中，针对专门的安全任务使用基于微型计算机装置的投票系统。
3.已知的环境识别系统(英语：environmental sensing，环境感知)具有许多技术不足或具有以正确数字数据反映现实情况的限制，并且通常还在外部环境影响和基础设施影响方面具有显著缺陷。通常性地，基于雷达、激光、摄像机等的传感器系统是纯技术检测系统，所述纯技术检测系统仅根据经验检测结构对典型应用情况(例如行驶空间识别、对象识别等)进行匹配，例如学习、校准、缩放等。
4.de 10 2017 218 438 a1公开了一种用于运行车辆的方法和系统以及还涉及一种计算机程序产品。公开了一种传感器设备，该传感器设备具有至少两个技术上多样化的传感器装置，其中，借助该传感器设备检测环境信息，在可信度方面以限定的方式分析处理由技术多样化的传感器装置所检测到的环境信息，并且在使用以限定的方式分析处理所检测到的环境信息而得到的结果的情况下以限定的方式使用所述环境信息。
5.de 10 2014 112 194 a1公开了一种用于电动车辆的电动马达的控制器及其方法，其中，该控制器主要具有投票控制模块和跨接模块，其中，该投票控制模块从其他两个模块中的一个模块获得错误信号。如果两个模块都发送错误信号，则该投票控制模块生成跨接命令并且将该跨接命令转发给跨接模块，该跨接模块实施该命令。


技术实现要素：

6.本发明的任务在于，提供一种改善的用于运行车辆的系统。
7.该任务根据第一方面用一种用于运行至少部分自动化车辆的方法解决，该方法具有下述步骤：
[0008]-向至少三个彼此独立的ai计算装置输送通过传感器所检测到的环境数据；
[0009]-从所述环境数据中生成涉及至少一个对象的数据；
[0010]-借助多数投票对所述数据进行相互的可信度检验；和
[0011]-使用经可信度检验的数据用于至少部分自动化地控制对该至少部分自动化的车辆的横向引导和/或纵向引导。
[0012]
以这种方式在自动化驾驶的安全性上下文中执行多数投票，其中，生成涉及由传
感器设备所检测到的空间的数据。由所提供的方法使用多数投票器，而非常见的安全机制，该多数投票器被馈以受预训练的ai计算装置的初始数据。多数投票的目标是所检测到的对象的性能，例如空地的位置、对象的位置或者对象的矢量的延伸尺度、运动方向等。借助多数投票检查所述数据是否在内容上彼此一致。如果存在两个相同的数据，则这些一致的数据被视为可信的数据。
[0013]
该任务根据第二方面用一种至少部分自动化地控制对至少部分自动化的车辆的横向引导和/或纵向引导的系统解决，该系统具有：
[0014]-至少一个输入端，所述至少一个输入端设置为用于接收通过传感器所检测到的环境数据，所述环境数据已由三个彼此独立的ai计算装置分析处理成涉及至少一个对象的数据；
[0015]-多数投票器，该多数投票器构造为用于借助多数投票对所述数据进行相互的可信度检验以形成对象数据；和
[0016]-输出端，该输出端用于提供所述对象数据来部分自动化地控制对该至少部分自动化的车辆的横向引导和/或纵向引导。
[0017]
本方法的有利扩展方案能够通过在优选实施方式中所列举的措施实现。
[0018]
该方法的一种有利扩展方案设置，借助ai计算装置基于所述数据执行对空地的识别和/或对所述至少一个对象的光流的识别和/或对所述至少一个对象的运动矢量连同其不清晰度的创建和/或自由空间识别。以这种方式由独立的ai算法生成有用信息，所述有用信息随后借助多数投票被分析处理。
[0019]
该方法的另一有利扩展方案设置，借助所检测到的至少一个对象的专门的、能测量的、通过传感器所检测到的标识参数来检验所述ai计算装置。借助能测量的标识参数，使用可以通过简单的方式分析处理和检验的关键参数。借助这些关键参数能够以高效的方式检验由传感器装置提供的环境数据。
[0020]
该方法的另一有利扩展方案设置，借助诊断装置执行对执行该方法的系统的诊断。
[0021]
该方法的另一有利扩展方案设置，从该诊断装置的数据中提供声明该系统在怎样的程度上可靠的数据。由此能够借助降级来声明该系统在怎样的程度上可靠。以这种方式能够关于专门的传感器装置做出专门的声明，例如声明摄像机的数据不再是值得信任的。这例如可能是由于摄像机的前透镜上的呈雾、雨、雪形式的湿气所导致的，由此可能显著地降低该摄像机的功能能力而需要对摄像机进行清洁或修理。
[0022]
该方法的另一有利扩展方案设置，在车辆内使用所述数据和/或将所述数据传输给传输装置，该传输装置将所述数据无线地传输给该至少部分自动化的车辆。由此有利地提供所述数据的不同使用可能性。例如可以直接将所述数据用于在至少部分自动化的车辆内运行，或者将所述数据传输给基础设施，该基础设施将所述数据以控制数据的形式无线地传输给该至少部分自动化的车辆。
[0023]
该方法的另一有利扩展方案设置，所述ai计算装置在数据技术上和系统技术上彼此独立地构造。有利地，由此支持所述ai计算装置的独立性，由此在结果上能够从不同方面获得对由传感器所检测到的环境数据的观点。由传感器装置提供的环境数据的可信度能够以这种方式显著地提高。
[0024]
该方法的其他有利扩展方案设置，向ai计算装置输送唯一传感器类型的环境数据。
[0025]
该方法的其他有利扩展方案设置，向ai计算装置输送技术多样化的传感器类型的环境数据。以所提到的方式方法有利地检测来自特定的发送装置的环境数据，由此支持传感器设备的针对特定的应用的高构型自由度。
[0026]
该方法的其他有利扩展方案设置，另外还使用地图数据和/或定位数据。有利地，能够以这种方式方法使传感器的位置信息与地图信息和/或时间点相关。由此以有利的方式也将对于周围环境的静态视角包括在内。对整个系统的诊断以这种方式更进一步地得到改善。
附图说明
[0027]
以下根据多个附图以其他特征和优点详细地描述本发明。这些附图主要旨在表明本发明的基本原理，而不必按比例实施。
[0028]
所公开的方法特征类似地由相应的所公开的相应设备特征得出并且反之亦然。这尤其意味着，涉及该方法的特征、技术优点和实施方案以类似的方式由涉及该系统的相应的实施方案、特征和优点得出并且反之亦然。
[0029]
在附图中示出：
[0030]
图1：具有所提出的方法的原理性示意图的概图；
[0031]
图2：所提出的方法的另一实施方式的示意图；和
[0032]
图3：所提出的用于运行至少部分自动化的车辆的方法的原理性流程图。
具体实施方式
[0033]
在下文中，术语“借助多数投票进行可信度检验”理解为对数据的检查，在所述检查中，数据中的多数表明所述数据的正确性。在此尤其不将多数投票理解为逻辑式投票或可信度检验。
[0034]
表述“至少部分自动化地引导”包括下述情况下中的一种或者多种情况：受辅助的引导、部分自动化的引导、高度自动化的引导、全自动化的引导。
[0035]
受辅助的引导意味着，机动车的驾驶员持续地实施机动车的横向引导或者纵向引导。对应另一行驶任务自动地执行(即控制机动车的纵向引导或者横向引导)。这意味着，在受辅助地引导机动车时，或者横向引导或者纵向引导被自动地控制。
[0036]
部分自动化的引导意味着，在特定状况下(例如：在高速公路上行驶、在停车场内行驶、超过对象、在通过车道标记特定的车道内行驶)和/或对于特定的时间段自动地控制机动车的纵向引导和横向引导。机动车的驾驶员不必自行手动地控制机动车的纵向引导和横向引导。但驾驶员必须持续地监视对纵向引导和横向引导的自动控制，以便在需要时能够手动地干预。驾驶员必须随时准备着完全接管机动车引导。
[0037]
高度自动化引导意味着，对于特定的时间段在特定状况下(例如：在高速公路上行驶、在停车场内行驶、超过对象、在通过车道标记特定的车道内行驶)，自动地控制机动车的纵向引导和横向引导。机动车的驾驶员不必自行地手动控制机动车的纵向引导和横向引导。驾驶员不必持续地监控对纵向引导和横向引导的自动控制，以便在需要时能够手动地
干预。在需要时，自动地向驾驶员输出接管请求以便接管对纵向引导和横向引导的控制，尤其是带有足够的时间余量地输出。因此，驾驶员必须潜在地能够接管对纵向引导和横向引导的控制。横向引导和纵向引导的自动控制的极限被自动地识别。在高度自动化的引导的情况下不能实现在各种初始状况下自动地达到风险最小的状态。
[0038]
全自动化引导意味着，在特定状况下(例如：在高速公路上行驶、在停车场内行驶、超过对象、在通过车道标记特定的车道内行驶)自动地控制机动车的纵向引导和横向引导。机动车的驾驶员不必自行地手动控制机动车的纵向引导和横向引导。驾驶员不必监控对纵向引导和横向引导的自动控制，以便能够在需要时手动地干预。在对横向引导和纵向引导的自动控制结束之前，自动地进行对驾驶员发出请求用以接管行驶任务(对机动车的横向引导和纵向引导的控制)，尤其是带有足够的时间余量地进行。如果驾驶员不接管驾驶任务，则自动地返回到风险最小的状态中。自动地识别对横向引导和纵向引导的自动控制的极限。在所有状况下能够实现自动地返回到风险最小的系统状态下。对纵向引导和横向引导的自动控制的界限被自动识别到。在任何状况下都能够实现自动返回到风险最小的系统状态中。
[0039]
已知的投票系统通常基于无源的电子装置或者微控制器，所述无源的电子装置或者微控制器最初不是为专门的安全任务而开发的，并且仅评估施加在投票器上的电信号的功能效应。例如，当两个独立的电信号表达促动器应提高其功率并且另一电信号要求降低该功率时，简单的3取2投票将由此提高该促动器的功率。
[0040]
在下文中，ai理解为已知其计算深度的非确定性算法。这可以是机器学习的算法或者别的计算模式。每个单个ai本身可以具有另外的学习效应，然而，这些ai不协同地彼此训练。以这种方式支持各个ai的独立工作方式。有利地，这些ai可以在运行时间期间通过本身已知的方式总是继续学习。
[0041]
提出一种方法，在该方法中，例如在3取2投票的情况下，在两个相同的错误信息的情况下或者在与特定标准、正常值或极限值或者类似物(例如在很大程度上不受干扰的平均交通流量的情况下将车辆的速度恒定地保持为50km/h)有偏差的情况下，也能够尽可能阻止受控制的车辆的危险情况。一旦存在与该特定正常值的偏差，则这是以限定的形式影响系统行为的违规情况。借助投票器，人们也能够很好地按照依据iso 26262的asil d来描述对多重错误的管理，因为在投票器中以及在向投票器提供的三个或者更多的数据流中考虑不同层面上的不同标准。
[0042]
功能性投票也可以以有条件的方式应用，使得人们在特定的条件下向投票器输送用于“投票”的不同信息。对于高度可用的系统，投票器也可以冗余地实施，这里应注意，两个投票器不同时由于外部情况(例如电压消失)而失效。以这种方式确保排除可能的错误后果。
[0043]
因此，有条件的多数投票器可以任意配置，并且可以基于极其不同的参数分析处理各种不同的数据流并且因此能够根据不同因素安全地操控促动器。这样的区别可能与下述状态有关：
[0044]-车辆的运行状态(车辆加速、制动等)
[0045]-系统状态(例如控制器处于初始化中、重新配置、损坏等)
[0046]-交通状况(例如高速公路行驶、热闹的街道等)
[0047]
尤其是在环境传感装置的情况下在可能的技术不足的情况下可以将系统切换到更好的系统或者分析处理算法上。因此，除了传感器的和分析处理算法的技术不足之外，也能够匹配来自环境中的可能的下述错误影响，例如：
[0048]-温度、污垢等可能使测量结果失真
[0049]-雨、雪、雾可能限制识别能力
[0050]-电气故障和公差(构件噪声、emv等)可能使结果失真
[0051]-与特定标准有偏差
[0052]
技术系统可以在时间上可变地校准或者配置，使得多数投票器在特定的时间段内“隐没”或不考虑呈环境传感器形式的技术元素的结果。
[0053]
所提出的方法的主要优点基于以下事实：安全性证明不再基于载体系统(包括系统在内)的错误完整性，而是仅涉及对车辆安全性的可能影响。因此，诊断装置30、融合装置20和多数投票器10以及促动器操控装置根据安全性要求来实现。由经预训练的ai计算装置1a
…
1d提供的多样性功能仅遭受对共同原因的错误的分析，但在道路交通中不必作为已实现的安全性机制。就本专利申请而论，术语“多样性”理解为“基于不同原理”。因此，多样性功能或多样性算法是基于不同计算原理或分析处理原理的功能或算法。
[0054]
以这种方式也能够应对异常影响，因为这些异常影响被多数投票器10识别为异常(例如存在不合逻辑的组合)，并且例如然后可以使至少部分自动化的车辆在其功能方式方面相应地降级(例如其方式是将该车辆制动、引导到别的路段上等)。
[0055]
如果例如至少两个、优选至少三个有意义的、在ai计算装置1a
…
1n上运行的ai算法可供使用，所述ai算法跟踪可比较的目标，例如：
[0056]-对象检测
[0057]-空地检测
[0058]-提供光流(对象跟踪或者对身体(3d元素)的运动矢量的检测)则可以由多数投票器10从三个不同的、在ai计算装置1a
…
1n上运行的、作为多样性算法的ai算法中提供如下逻辑式信息：至少部分自动化的车辆是否能够驶过环境的相关区域。
[0059]
由于通常大多存在多个环境传感器，因此，系统hw错误可能由于系统比较而要么交叉地(
ü
berkreuz)、要么在叠加的系统中出现。在人工智能ai(英语：artificial intelligence，例如呈神经网络、机器学习系统或者类似物的形式)的情况下，与运行所述功能的硬件的关联和所提到的硬件的系统错误将不再是可追溯的。对“真实世界”的检测不能借助诊断来检测，并且不能够检验或者甚至不能够在安全技术上来论证。
[0060]
然而，这与在人工智能ai的情况下一样可以通过逻辑功能或者传感器的不同视角通过可靠的方式或“安全地”执行，在所提出的方法中充分利用这一点。
[0061]
以这种方式能够从环境数据中提取关于对象的信息，例如连同颜色在内的交通信号灯、空地、交通信号灯的颜色变化的序列(红-黄-绿)等。
[0062]
由于诊断大多是耗费时间的并且数据可以首先在监视中分析，因此，所提出的多数投票架构也可以用于在逻辑上可信的值的情况下仅路由(durchrouten)数据，而不根据要等待的诊断结果对数据进行进一步处理。
[0063]
因此，3取2投票器(两个结果一致，第三个结果不同)的结果能够是，必须等待诊断的信息，而3取3投票器的结果表示可以放弃诊断的信息。
[0064]
借助这种类型的多数投票器10，例如能够低开销地实现快速的asil-d路由器或者用于至少部分自动化驾驶功能的无线电调制解调器。
[0065]
提出，不是对由一个或者多个环境传感器所检测到的数据进行多数投票，而是对从传感器信息中借助经预训练的ai计算装置1a
…
1n所生成的信息进行多数投票。经预训练的ai计算装置1a
…
1n能够评估通过一个或多个环境传感器(或者相应的数据源)所形成的环境数据d的状态性上下文，或能够对相应的对象数据oda
…
odn进行相互的可信度检验，由此能够高效地利用由传感器装置s1…
sn所检测到的环境数据d。
[0066]
在当前情况下这意味着，由传感器装置s1…
sn所检测到的环境数据d对于真正的投票过程仅起次要作用。至少三个不同的、基于不同训练原理和不同ai算法的ai计算装置1a
…
1n，能够以这种方式在系统100中以及在感知“真实世界信息”的情况下根据投票器10的结果评估错误。在各个通向投票器10的支线中，也可以纳入别的(也是不同的)传感器，所述传感器像在人类情况下那样在开发期间和在运行时间期间的学习阶段中才有助于进行学习，使得所述结果的源在开发时甚至可能是未知的。
[0067]
图1示出提出的系统100的一种实施方式的原理方框图，具有功能块以及功能块彼此之间的逻辑相关性。看到具有传感器装置s1的传感器设备，该传感器装置例如呈摄像机的形式，该摄像机提供摄像机数据。传感器装置也可以构造为雷达、激光雷达等。由传感器装置s1所检测到的环境数据d能够在很大程度上彼此独立地在冗余地独立的分析处理系统中处理，所述分析处理系统具有投票器10、融合装置20和诊断装置30。
[0068]
在此，融合装置20将由ai装置1a
…
1n提供的对象数据oda
…
odn融合，其中，诊断装置30借助环境数据d的关键参数执行对所提到的对象数据oda
…
odn的诊断，所述环境数据也被ai计算装置1a
…
1n所使用。投票器10的呈对象数据od形式的输出数据以这种方式由融合装置20和诊断装置30监控。所提到的输出数据od例如可以在至少部分自动化的车辆内用于促动器操控。由投票器10提供的对象数据od例如可以也传输给基础设施装置(英语：road site units，路侧单元，rsu)，所述基础设施装置将对象数据od无线地传输给至少部分自动化的车辆。在输入端生成关键参数，然后在输出端检查所述关键参数。所述关键参数代表使ai可被监控的机制，其中，以这种方式使ai可被评估。结果是，能够借助关键参数确定ai的品质。
[0069]
以这种方式能够在很大程度上排除随机hw错误以及所使用的传感器装置s1...sn和实施所述ai的计算单元的系统错误，因为系统错误的同时性可以用作无可能性的判定标准。例如，emv问题不能以相同的效果同时影响传感器装置s1...sn的两个不同的信号。
[0070]
借助融合装置20对所处理的环境数据d进行的传感器融合以及例如通过具有ai算法的ai计算装置1a
…
1c实现的信息获得(例如用于对象检测、对象跟踪、光流的生成、车辆环境中的自由空间的识别等目的)，优选在彼此独立的、在物理上不同的电子计算单元上实施，其中，通过比较冗余的结果能够发现随机硬件错误。
[0071]
在例如构造为摄像机的传感器装置s1…
sn的情况下的硬件和软件能够提供诊断信息，所述传感器装置具有三个下游的、多样化的ai计算装置1a
…
1c。传感器装置1a
…
1c通常具有其各自的弱点，例如雷达传感器或者激光雷达传感器不能够识别颜色，而摄像机通常在检测对象的距离和速度方面具有弱点。
[0072]
在ai计算装置1a
…
1c的输入端和输出端看到标示为关键的关键参数，借助所述关
键参数检验提供给ai计算装置1a
…
1c的环境数据d和由ai计算装置1a
…
1c求取的对象数据oda
…
odn。所检测到的环境数据的关键参数可以是不同类型的：
[0073]-作为真实世界的参数的值，例如对象的尺寸、特性、距离、空地、运动矢量的特性等。
[0074]-来自于状态性上下文的参数，例如时间、序列、顺序等，
[0075]-由数据流的特性得出的数据技术参数，例如分离值、安全性掩体信任值，或
[0076]-涉及错误或者(例如黑客进行的)错误干预如入侵等的参数。
[0077]
系统100若要能够满足涉及可用性的安全要求(例如用于在高度自动化驾驶操作的情况下的转向机动动作)，则对车辆的促动器操控应优选经由冗余的投票器(未示出)进行，该投票器能够执行同步化分析和同时性分析。在此有利的是，尽可能不影响朝向投票器10的冗余路段，以便不由于所谓的共因效应(基于共同原因的效应)而沿着所提到的作用链出现错误。在风险分析中，作为单个错误原因的后果或者单个事件的后果出现的、多个部件或者系统的失效，被称为基于共同的原因的失效(德语：versagen aufgrund gemeinsamer ursache，ausfall infolge gemeinsamer ursache，gemeinsam verursachte英语：common cause failures，共因失效)。因此，其失效行为在统计学上是彼此有关的。
[0078]
至少部分自动化的车辆(未示出)可以具有车载环境检测系统(英语：onboard-perception，车载感知)来执行所提出的方法，该车载环境检测系统例如是用于检测车辆的环境信息的视频传感装置和/或激光雷达传感装置和/或雷达传感装置和/或超声波传感装置。此外，所提到的环境检测系统还可以至少部分地布置在车辆环境中的基础设施中。
[0079]
因此，图1的系统100的所提出的布置示出对三个多样化的ai计算装置1a
…
1c的输出数据的多数投票以及借助融合装置20和连同逻辑式监控的诊断装置30(英语：predictive health monitoring，预测性健康监控)对所述输出数据进行的监控。
[0080]
以这种方式能够借助系统100高效地检验从传感器装置s1…
sn的环境数据d中所生成的对象数据oda
…
odn(例如车辆、人、静止对象、交通标志、交通面等)，由此有利地支持传感器设备s1…
sn的尽可能无错误的工作方式。在结果上由此能够安全地运行借助系统100所操控的自动化车辆。
[0081]
可看出，在所提出的系统100中整个传感装置s1…
sn的环境数据d在很大程度上彼此独立地被读入到冗余的分析处理系统中。以这种方式能够在很大程度上排除传感装置s1…
sn的随机硬件错误和/或系统错误。
[0082]
在功能上并且示例性地，借助所提出的系统能够实现冗余的3取2投票器在技术上的实现，其中，将条件和诊断、完整性、状态作为用于投票器配置的输入来使用。投票器矩阵决定将哪些值用于所述投票。在结果上由此能够执行例如对传感器装置s1…
sn的和/或对所述传感器装置的输入端的交叉诊断。
[0083]
在功能上能够借助所提出的系统100执行逻辑上的可信度检验、诊断和状态确定，其中，借助投票器矩阵能够决定实际上使用哪些传感器数据。有利地，由此例如每个传感器装置能够在任意功能方面用作另一传感器的外部监控装置。
[0084]
在对由技术多样化的传感器装置s1…
sn所检测到的环境数据d在可信度方面进行所限定的分析处理时，能够以限定的方式相互执行分析处理算法，由此能够实现对传感器
数据的可信度的相互检查。
[0085]
尤其是在环境传感装置的情况下在可能的技术不足的情况下能够将系统切换到更好的系统或者分析处理算法上。因此，除了传感器的和分析处理算法的技术不足之外，也识别并且由此能够匹配来自环境中的可能的错误影响，例如：
[0086]-温度、污垢等可能使测量结果失真
[0087]-雨、雪、雾等可能限制识别能力
[0088]-电气故障和公差(例如构件噪声、emv等)可能使传感器数据的结果失真
[0089]
技术系统可以在时间上可变地校准或者配置，使得投票器10在该时间段内隐没这些技术元素的结果。
[0090]
图2示出所提出的系统100的一种有利的扩展方案，其中，为投票补充了另外的传感器装置s2。传感器装置s2例如可以构造为雷达传感器，该雷达传感器的所检测到的环境数据d借助ai计算装置1d处理成对象数据odd，所述对象数据连同构造为摄像机的传感器装置1a的对象数据oda一起提供给投票器10。
[0091]
此外看出，还使用数字地图50的地图数据kd和(例如gps系统的)定位数据vd。定位数据vd和地图数据kd在此是确定性元素，所述确定性元素将对象数据oda
…
odn彼此联系起来。地图数据kd和定位数据vd在此被提供给证明装置40，该证明装置将投票器10的对象数据od与地图数据kd和定位数据vd彼此联系起来。与图1的实施方式相似，也在这里借助诊断装置30处理关键参数，由此求取用于对象数据od的降级值。
[0092]
例如可以使用所提出的系统100以在自动化驾驶的区域中操控至少部分自动化的车辆的促动器。替代地或者附加地可以将系统100的对象数据oda
…
odn纳入到模拟过程中。
[0093]
所提出的系统100例如能够在路侧单元(rsu)上在车对x通信基础设施(c2x)的框架中实现。在此，例如能够交换关于道路状态、交通流、拥堵、可能的危险如事故、迎面而来的车辆或者停住的车辆等的信息。路侧单元能够获得所提到的关于车对基础设施通信的信息并且能够转发给正确的交通参与者。
[0094]
图3示出所提出的方法的一种实施方式的原理流程。
[0095]
在步骤200中，向至少三个彼此独立的ai计算装置1a
…
1n输送通过传感器所检测到的环境数据d。
[0096]
在步骤210中，从环境数据中生成涉及至少一个对象的数据(oda
…
odn)。
[0097]
在步骤220中，借助多数投票对数据oda
…
odn进行相互的可信度检验。
[0098]
在步骤230中，使用经可信度检验的数据od用于至少部分自动化地控制对至少部分自动化的车辆的横向引导和/或纵向引导。
[0099]
有利地，所提出的方法能够以具有适合的程序代码单元的软件程序的形式实现，该软件程序在用于运行车辆的系统100上运行。以这种方式能够实现该方法的简单的可适配性。
[0100]
本领域技术人员可以对本发明的特征进行适当改动和/或者相互组合，而不偏离本发明的核心。