传感器目标数据的自动对象标记和/或部段标记的方法、应用、计算模块和系统

技术领域

本发明涉及一种用于至少一个车辆目标传感器的传感器目标数据的自动的对象标记和/或部段标记的方法，其中，所述车辆具有至少一个车辆摄像机和间距传感器。本发明也涉及根据本发明所标记的传感器目标数据用于训练机器识别方法的使用。此外，本发明涉及一种包括指令的计算机程序，在由计算机实施程序时，所述指令促使该计算机实施该方法的根据本发明的步骤。此外，本发明涉及一种控制设备或者一种中央的或者区域性的计算模块，该计算模块具有计算单元，该计算单元这样配置，使得它实施根据本发明的方法的步骤。

背景技术

隆德学生参考文献第1版的第532页的文章Gustafsson，F.(2010)的《统计传感器合并(Statistical sensor fusion)》公开了两个或者多个传感器的信息的合并。

在交互式自适应学习(IAL)研讨会(Workshop on Interactive AdaptiveLearning)，ECML PKDD中的Bieshaar，M.等人(2021)的文章《通过跨域标签转移实现在自动驾驶中的感知的高度自动化的预标记的概念(AConcept for Highly AutomatedPreLabeling via Cross-Domain Label Transfer for Perception in AutonomousDriving)》公开了：通过受训练的机器识别方法或者受训练的对象探测器、尤其是神经网络针对基于摄像机图像的相应的传感器目标数据和/或基于激光雷达传感器的传感器目标数据对对象进行自动的预分类。在此，除了对预分类的识别之外，也可以确定相应的三维的边界框的坐标和大小以及偏航角。可以设置，对所识别的对象的所求取的基于不同的传感器类型的检测对象的预分类以及它们的被分配的概率进行相互比较或者合并。

在本发明意义下的车辆的周围环境中的静止的对象是例如树木、灌木、停放的车辆、交通信号灯、灯杆、护柱、路边石、侧柱、支柱、石块等等。静态的对象有利地具有相对于车辆相同或者更小的尺寸。静态的对象至少在当前的时间点不运动(如停放的车辆)或者原则上不可以运动(如交通信号灯或者灯杆)。

在本发明的意义下的车辆的周围环境中的动态的对象是例如人或者行人和/或其他的运动的对象、尤其是行驶的机动车、自行车、球、动物等等。

在本发明的意义下的车辆的周围环境中的部段(Segmente)是例如对于车辆而言可通行的路面(如例如道路和/或停车场表面)、周围环境的不可通行的部分(如例如绿地或者被占用的停车场)、其他的停放车辆、建筑物部分、天空等等。

基于车辆的定向周围环境的摄像机的图像的、自上而下视图或者从垂直向下的鸟瞰视角的视图是已知的。在此，典型地，在图像点之间使用固定的分配规则，以便基于光学系统的已知的特性将检测的图像转换为自上而下视图的所显示的图像。这些分配规则或者坐标变换或者查找表格或者变换矩阵校正例如广角摄像机的广角光学系统的图像并且有利地改变观察视角。也已知虚拟的观察视角的转变，例如在车辆中的环绕视图模型的视图中。

发明内容

本发明的任务在于，改进对所检测的传感器目标数据的自动的对象标记和/或部段标记。

根据本发明，以上的任务通过根据本发明的用于至少一个车辆目标传感器的传感器目标数据的自动的对象标记和/或部段标记的方法、根据所述的方法所标记的传感器目标数据用于训练机器识别方法的使用、计算机程序、控制设备或者中央的或者区域性的计算模块和系统来解决。

本发明涉及一种用于至少一个车辆目标传感器的传感器目标数据的自动的对象标记和/或部段标记或者用于其自动的贴标签的方法。该车辆包括至少一个车辆摄像机。车辆摄像机优选是至少一个单摄像机或者立体摄像机。该车辆也包括至少一个间距传感器，其中，该间距传感器是例如激光雷达传感器、雷达传感器和/或超声传感器。间距传感器优选是有源的传感器，所述有源的传感器发射出辐射信号，例如激光束、雷达信号或者超声信号。间距传感器有利地接收对于所发射的辐射信号在车辆的周围环境中的对象上反射的信号。有利地，可以从被反射的信号或者反射信号的传播时间来求取在车辆和对象点之间的间距和/或在车辆的周围环境中的对象的对象点的位置。

该方法包括借助于车辆的车辆摄像机对至少一个摄像机图像序列的第一检测。接着，根据至少一个所检测的摄像机图像序列产生车辆的周围环境的至少二维的地图或者周围环境表示，例如通过基于图像的从运动恢复结构(Structure from Motion)方法或者通过基于图像的立体方法产生。所产生的周围环境表示或者地图包括大量的周围环境表示点或者地图点，所述周围环境表示点或者地图点分别表示在车辆的周围环境中的对象的点的位置、尤其是相对于车辆的位置。周围环境表示的点或者地图点的位置根据相应的对象点到车辆的所求取的基于摄像机的间距确定，其中，对象点的基于摄像机的间距根据至少一个所检测的摄像机图像序列求取。该方法也具有通过受训练的机器识别方法根据摄像机图像的至少一个摄像机图像序列对在车辆的周围环境中的至少一个静态的或者动态的对象和/或部段的识别。接着，根据所检测的摄像机图像序列的至少一个摄像机图像求取在车辆的周围环境中所识别的静态的或者动态的对象的估计位置和/或所识别的部段的方位区域。对估计位置的这种求取根据已知的现有技术进行。估计位置可以例如通过垂足点确定(Fuβpunktbestimmung)来求取或者通过一种另外的受训练的机器识别方法来识别。然后，对所产生的周围环境表示的至少一个点或者所产生的地图的地图点的分类基于至少一个所识别的对象并且根据所识别的对象的所求取的估计位置和/或基于所识别的部段并且基于部段的所求取的方位区域进行，其中，将分类分配给相应的点或者地图点并且对其进行存储。换言之，周围环境表示具有点或者地图具有地图点，所述地图点表示离车辆的周围环境中的对象点的间距信息，其中，地图点被分配所属的、所识别的对象的和/或所属的部段的分类。可选地，可以设置，周围环境表示或者地图具有多个层或者包括多个子地图、例如用于静态的对象的第一子地图和/或用于动态的对象的第二子地图和/或用于部段的第三子地图。可选地，可以设置，周围环境表示或者地图和/或第一、第二和/或第三子地图是列表形式的，其中，将地图点的坐标与在相应的列表中的相应的分类一起存储。第二子地图可以以列表形式包括例如相应的动态的对象的至少一个当前的位置、当前的运动方向和/或当前的速度。此外，该方法包括借助于至少一个间距传感器的、间距数据的第二检测，其中，该第二检测尤其连续地并且与第一检测同时地进行。第二检测尤其是借助于有源的间距传感器进行。优选地，设置借助于至少两个间距传感器的、间距数据的第二检测，其中，间距传感器有不同的传感器型式，例如在车辆上设置雷达传感器、激光雷达传感器和/或超声传感器作为间距传感器。根据本发明，接着，根据所检测的间距数据匹配或者改变所产生的周围环境表示或者地图。换言之，周围环境表示或者地图基于车辆摄像机的所检测的摄像机数据产生并且基于至少一个间距传感器的所检测的间距数据匹配，由此，周围环境表示的点的方位(Lage)或者作为在车辆的周围环境中的对象点的表示的地图点的方位比周围环境表示或者地图仅仅根据车辆摄像机会确定地更准确地求取。换言之，有利地，通过基于摄像机产生的地图与间距数据的信息的组合有利地导致传感器合并，由此，可以更准确地求取或者证实周围环境表示的点或者地图点的位置并且地图或者周围环境表示总体上优选得以改进。然后，基于经匹配的周围环境表示或者经匹配的地图求取或者从虚拟的观察视角计算周围环境的合成的图像，其中，虚拟的观察视角表示车辆目标传感器在车辆上的方位和取向，所述车辆目标传感器的所检测的传感器目标数据自动地被标记。所计算的合成的图像尤其是包括用于关于相应的像素的深度信息和周围环境表示的点或者地图点的分类作为关于合成的图像的相应的相对应的像素的附加信息。合成的图像有利地附加地、但非必须地具有周围环境的与车辆目标传感器的光学系统相应的失真。在现有技术中，当从周围环境模型上的其他的观察视角求取视图时，到目前为止，没有分类或者关于像素的附加信息被传递或者确定。接着，由车辆目标传感器所检测的传感器目标数据基于所计算的合成的图像被标记，尤其是基于合成的图像的相应的像素的附加信息被标记，所述附加信息相应于周围环境表示的相对应的点或者地图点的深度信息和/或分类。因此，由本发明产生车辆目标传感器的传感器目标数据的自动的和精确的标记或者分类，尤其是在车辆的周围环境中的现有的动态的或者静态的对象以及部段方面或者在所检测的传感器目标数据中，所述传感器目标数据描绘车辆的周围环境。在此，车辆目标传感器优选地是附加的传感器，所述附加的传感器与相对应第一检测和第二检测同时地且连续地检测进一步的传感器目标数据，例如，车辆目标传感器是布置在车辆上的单车辆摄像机。该方法优选地借助于高分辨的车辆摄像机和大量的间距传感器执行，以便产生经标记的传感器目标数据作为用于用于车辆目标传感器的传感器目标数据的机器识别方法的高质量的训练数据。

优选地，周围环境表示或者地图的匹配通过在距离传感器到相应的点或者地图点的检测方向上改变周围环境表示的点或者地图点的位置，根据所检测的间距数据的在该检测方向上所检测的间距和/或根据所检测的间距数据在该检测方向周围的区域中统计平均的间距进行。由此产生这样的优点：基于与基于摄像机的间距检测相比在该检测方向上借助于间距传感器更准确地求取的间距来匹配地图或者周围环境表示，其中，在角度分辨率中基于摄像机的更高的准确度通过基于摄像机的间距确定方法保留。由此，在表示对象点的点或者地图点的位置方面的信息变得更准确，从而以改进的方式标记传感器目标数据。

在本发明的一种拓展方案中，至少一种反射特性根据所检测的间距数据求取，其中，反射特性尤其是表示用于动态的或者静态的对象和/或部段的存在的概率并且根据所接收的反射信号从间距数据求取。所接收的反射信号有利地包括关于反射源地点的信息，例如，视间距传感器的传感器型式而定地反射信号的所接收的幅度和/或时间变化曲线和/或在反射信号中的频率分布有所不同，尤其是与所发射的辐射信号相比有所不同，这取决于反射是在墙壁上、在停放的车辆上、在树木上、在植物上还是在行人上进行。同样地，间距传感器的不同的传感器型式的不同传感器数据对于对象类别或者动态的或者静态的对象和/或部段类别或者部段而言可以具有反射特性的不同的特征性的组合。例如，典型地，超声信号和雷达传感器在行人身上的反射与在墙壁上的反射相比可以相对于所发射的超声信号减小地存在，而作为间距传感器的激光雷达传感器的所接收的在行人身上的反射信号在振幅上不减小。可选地，至少一种反射特性可以根据所检测的间距数据通过受训练的机器识别方法、尤其是神经网络在反射源地点的概率方面被评估。换言之，基于至少一个所求取的反射特性自动地识别或者求取，反射源地点是动态分的对象或者静态的对象和/或部段的概率是否高，并且，如果是，有利地，反射源地点属于哪个部段。接着，附加地根据至少一种所确定的反射特性进行对周围环境表示或者地图的匹配，其中，仅仅在这时根据间距匹配点或者地图点的位置：当在该点上的间距数据的反射特性与周围环境表示的点或者地图点的被分配的分类相关联时。由此产生这样的优点：周围环境表示的点或者地图点不会被错误地匹配，例如，这可能在当行人在路边移动并且因此来自周围环境区域的反射信号来自于静态的和动态的对象时发生。换言之，在该拓展方案中，改进了相应的反射信号与反射源地点的关联并且因而提高周围环境表示或者地图的准确性，从而可以基于更准确的周围环境表示更可靠地或者有所改进地标记传感器目标数据。

可以设置，车辆目标传感器(该车辆目标传感器的传感器目标数据被标记)是车辆摄像机和/或间距传感器和/或尤其是车辆的其他的有源的或者无源的传感器。换言之，车辆目标传感器原则上可以是布置在车辆上并且监测或者检测车辆的周围环境的各种传感器。如果车辆目标传感器是车辆的其他的有源的或者无源的传感器，则借助于其他的有源的或者无源的传感器进行对车辆的周围环境的传感器目标数据的附加的进一步地检测。特别有利地，车辆目标传感器是附加的单车辆摄像机，其中，车辆摄像机是立体摄像机，该立体摄像机尤其包括两个高分辨的车辆摄像机。附加地或者替代地，车辆目标传感器优选地可以是间距传感器中的至少一个。换言之，通过该方法可以有利地同时获得针对不同的传感器型式或者相应的车辆目标传感器的传感器安装位置的多个标记的传感器目标数据，尤其是作为用于受训练的机器识别方法的训练数据。

在该方法的一种另外的实施方案中，提供地图服务的地图数据，其中，地图服务的地图数据或者从存储器加载或者从服务器设备接收。接着，基于第一和/或第二检测或者周围环境检测产生的周围环境表示或者地图附加地根据所提供的地图数据匹配，其中，周围环境表示的匹配根据所提供的地图数据进行，优选地附加地根据车辆的世界位置进行。世界位置有利地通过基于全球导航卫星系统(GNSS)和/或基于车辆的测距数据的位置求取来确定和/或通过其他的已知的定位方法来确定。通过这种实施方案提高经匹配的周围环境表示的准确度并且可以将附加的信息存储在由环境检测所创建的周围环境表示中，尤其是关于静态的对象或者部段的，例如也关于部段的状态的附加信息(如对于行车道部段而言的薄冰层危险)，或者对于静态的或者动态的对象而言例如更准确的型式信息和/或接触信息，从而可以以改进的方式标记传感器目标数据。

在本发明的一种其他的构型中，车辆目标传感器的所标记的传感器目标数据作为关于对于车辆的使用者而言的周围环境的信息的显示尤其是在车辆的周围环境模型中或者环绕视图模型中进行。在这种显示中，标记或者附加信息例如在周围环境模型的显示中向使用者展示。在此，可以设置例如环绕视图系统的至少四个车辆目标摄像机，其中，环绕视图系统的这些车辆目标摄像机的传感器目标数据由经匹配的地图标记，所述经匹配的地图由一个附加的立体摄像机作为车辆摄像机产生并且基于至少一个激光雷达传感器和/或雷达传感器和超声传感器作为间距传感器匹配。附加信息可以在该示例的所显示的环绕视图中例如通过基于对于当前的驾驶情形所求取的相关性对在环绕视图中所显示的纹理或者图像进行色彩适配、明暗处理或者柔化。附加地或者替代地，环绕视图模型(纹理投影在所述环绕视图模型上)的投影表面可以根据深度信息和附加信息改变，其中，例如投影表面的偏移在静态的对象处发生，但是在动态的对象处不发生。取而代之地，动态对象可以作为合成的对象从电子存储器加载和嵌入。由此，有利地实现对于使用者而言容易理解的、对周围环境模型的显示。

在一种优选的实施方案中，合成的图像的计算通过固定的或者预给定的分配规则、例如通过变换矩阵从虚拟的观察角度基于经匹配的周围环境表示或者地图来进行。典型地，车辆目标摄像机在车辆上在固定的安装位置上具有检测区域的固定的取向地布置。车辆目标摄像机的该安装位置和取向决定分配规则，也就是说，分配规则由此被规定或者预给定。车辆目标摄像机的固定的布置和取向实现，从二维的或者三维的周围环境表示或者地图计算周围环境的、来自虚拟的观察视角的、优选二维或者三维的合成的图像，所述虚拟的观察视角相应于车辆目标摄像机在真实的车辆上的安装位置上的取向。因此，来自虚拟的观察视角的合成的图像具有可以直接地传输到所检测的传感器目标数据的信息，也就是说，合成的图像包含这样的信息、尤其是基于像素的信息：哪个对象和/或部段在传感器目标数据中存在于哪个间距处。合成的图像可以根据在车辆目标传感器中所使用的光学系统来创建或者计算，也就是说，合成的图像可以例如模仿广角摄像机的失真或者包含它。因此，周围环境的来自虚拟的观察视角的合成的图像包含对用于标记传感器目标数据的附加信息的像素准确的分配。

在本发明的一种可选的构型中，基于所计算的合成的图像对所检测的传感器目标数据的标记由此进行：将合成的图像分配给传感器目标数据的至少一个检测周期。换言之，有利地，合成的图像以预给定的频率产生或者求取，其中，优选地，第一检测和第二检测以比预给定的频率更高的频率执行。优选地，合成的图像的附加信息基于像素坐标传递到传感器目标数据上，尤其是以预给定的频率传递。优选地，传感器目标数据的标记同样地以预给定的频率或者以比预给定的频率更低的频率进行。通过这种可选的构型以非常高的质量产生标记后的传感器目标数据，尤其是用于作为用于机器识别方法的训练数据使用。

此外，有利地设置，基于所计算的合成的图像对所检测的传感器目标数据的标记具有时间延迟地进行。换言之，所检测的传感器目标数据保存在电子存储器中并且具有时间延迟地或者在延迟时段之后基于所计算的合成的图像标记。在延迟时段期间，执行直至合成的图像的计算为止的其他的方法步骤，尤其是地图的产生和匹配以及合成的图像的计算。

本发明也涉及按照根据本发明的方法所标记的传感器目标数据用于训练机器识别方法、尤其是神经网络的使用。

此外，本发明涉及一种计算机程序，其包括指令，在由计算机实施该程序时，所述指令促使该计算机实施根据本发明的方法的步骤。

此外，本发明涉及一种控制设备或者中央的或者区域性的计算模块，其包括用于提供第一信号的第一信号输入端，该第一信号表示至少一个借助于车辆摄像机所检测的摄像机图像序列。控制设备或者中央的或者区域性的计算模块此外包括用于提供第二信号的第二信号输入端，该第二信号表示借助于至少一个间距传感器所检测的间距数据。此外，控制设备或者中央的或者区域性的计算模块具有计算单元，尤其是处理器，所述计算单元这样配置，使得它实施根据本发明的方法的步骤。

本发明还涉及一种系统、尤其是车辆，其包括根据本发明的控制设备或者根据本发明的中央的或者区域性的计算模块。

附图说明

参照附图从对实施例的随后的说明得出另外的优点。

图1示出车辆。

图2示出方法流程。

图3示出具有地图点的地图。

图4示出虚拟的观察者视角和合成的图像。

具体实施方式

在图1中示意性地示出车辆100。车辆100具有作为车辆摄像机110的立体摄像机111和三种型式的间距传感器120，其中，设置激光雷达传感器121和雷达传感器122和多个超声传感器123作为间距传感器120。在该实施例中，车辆100使用于生成用于单车辆摄像机的训练数据，在该实施例中，所述车辆摄像机朝向前方定向并且因此被作为车辆目标传感器130使用。换言之，在该示例中，单车辆摄像机的摄像机图像被根据本发明的方法标记为车辆目标传感器130的传感器目标数据。在车辆100运动时，根据作为车辆摄像机110的立体摄像机111的摄像机图像连续地产生或者扩展地图或者周围环境表示。根据间距传感器120的间距数据连续地匹配所产生的该地图或者所产生的该周围环境表示。例如，对象190存在于车辆100周围环境中。对象190例如是行人。对象190借助于车辆摄像机110或者立体摄像机111检测，因为对象190位于车辆摄像机110的检测区域中。基于车辆摄像机110的摄像机图像，由神经网络将对象190识别或者分类为行人并且求取所识别的对象190的估计位置，其中，为了分类，例如求取概率。此外，周围环境表示与周围环境表示的点、尤其是地图与地图点相对于车辆100产生，其中，这些点或者地图点表示例如所检测的对象点191a，192a和193a和它们相应的到车辆100的间距。对象点191a，192a和193a的间距可以通过立体方法求取，其中，尤其是执行在两个同时检测的摄像机图像中的像素的关联和三角测量，因为在立体摄像机111的两个摄像机之间的距离或者间距是已知的。将所识别的对象分配给地图点作为分类。附加地，例如借助于作为间距传感器120的雷达传感器123来检测对象190。在此，例如，所发射的雷达信号在对象点191a，192a和193a上被反射并且作为反射信号被雷达传感器123接收。由从雷达信号的发射直到反射信号的接收的传播时间可以求取对象点191a，192a和193a的间距。然后，尤其是根据对象点191a，192a和193a在相应的检测方向191b，192b或者193b上的所求取的间距来使地图点的位置或者方位偏移或者对其进行匹配，因为雷达传感器123或者间距传感器120的所求取的间距数据比由立体方法所求取的间距更准确并且更与天气无关。典型地，反射信号具有不同的特性，这取决于它在哪个对象上被反射。例如，在灌木丛上的反射信号的幅度典型地比在壁上的反射信号更小。例如，多重的反射发生在具有多个边和平坦的表面的对象上，如在路边石上。通过考虑在匹配时的反射特性，被分类的地图点与作为间距传感器120的雷达传感器122的相应的间距数据的关联可以被验证或者被阻止；这尤其是通过机器识别方法、例如神经网络进行。即，换言之，有利地，仅仅在当作为间距传感器120的雷达传感器122的距离测量的反射特性可以与地图点的分类相关联时，进行对地图点到车辆的间距的匹配。

在图2中将用于车辆目标传感器的传感器目标数据的自动的对象标记和/或部段标记的方法流程作为实施例的方框图示意性地示出。该方法包括借助于车辆摄像机110对至少一个摄像机图像序列的第一检测210。接着，在步骤220中，根据所检测的摄像机图像序列产生车辆100的周围环境表示、尤其是车辆100的周围环境的地图，尤其是相对于车辆100产生周围环境表示或者地图并且随着车辆100的运动而连续地对其进行扩展。此外，该方法包括通过所受训练的机器识别方法、尤其是神经网络根据车辆摄像机110的至少一个所检测的摄像机图像对在车辆100的周围环境中的至少一个静态的或者动态的对象和/或部段的识别230。此外，对在车辆100的周围环境中所识别的静态的或者动态的对象的估计位置和/或所识别的部段的方位区域的求取231分别根据至少一个摄像机图像进行。然后，在步骤240中，基于所识别的对象和所识别的对象的所求取的估计位置和/或基于所识别的部段和该部段的所识别的方位区域对环境表示的至少一个点或者所产生的地图的一个地图点进行分类。换言之，基于所识别的对象的所求取的估计位置将所识别的对象分配给周围环境表示的相应的点或者所产生的地图的地图点并且对其进行存储，和/或基于所述部段的所求取的方位区域将所识别的部段分配给周围环境表示的相应的点或者所产生的地图的地图点并且对其进行存储。在一种另外的方法步骤250中，借助于至少一个间距传感器120执行间距数据的第二检测。在可选的步骤251中，可以设置，根据所检测的间距数据求取或者确定至少一种反射特性。然后，在步骤260中，根据所检测的间距数据匹配所产生的周围环境表示或者地图。在步骤260中，可以可选地根据所求取的反射特性来匹配所产生的周围环境表示或者地图。例如，仅仅在当间距数据在该点的反射特性与地图点的所分配的基于摄像机的分类相关联时，通过改变周围环境表示的点或者地图点的位置而根据间距进行对地图的匹配260。即，有利地，当通过摄像机图像和间距传感器将相同的对象或者部段分配给该地图点时，也就是说，当彼此间的关联是可能的或者经证实的时，有利地进行匹配260。对周围环境表示或者地图的这种匹配260可以有利地通过在相应的间距传感器120到相应的点或者地图点的相应的检测方向191b，192b，193b上改变周围环境表示的点或者地图点的位置，根据所检测的间距数据的在该检测方向上所检测的间距和/或根据相应的间距传感器的所检测的间距数据的在该检测方向附近的区域中的统计平均的间距进行，其中，不同的间距传感器120的间距数据可以可选地平均或者视天气信息而定地加权重。例如，天气信息被接收或者被电子存储器加载。此外，可以可选地设置，所产生的周围环境表示或者地图的匹配260附加地根据所提供的地图数据进行。地图服务的地图数据的可选的提供252尤其是通过从存储器加载地图数据或者从服务器设备接收地图数据进行。接着，在步骤270中，基于所匹配的地图从虚拟的观察视角计算周围环境的合成的图像，其中，虚拟的观察视角表示在车辆100上的车辆目标传感器130的方位和取向。在此，在步骤270中所计算的合成的图像也包括对地图点的分类和/或距离信息或者深度信息作为对合成的图像的相应的、在地图点处相对应的像素的附加信息。有利地，合成的图像的计算270通过在虚拟的观察视角的固定的分配规则基于经匹配的地图、基于车辆目标传感器130的固定的安装位置和其固定的取向来进行。然后，传感器目标数据的标记280基于所计算的合成的图像进行。车辆目标传感器130的传感器目标数据被标记，所述车辆目标传感器130优选地是车辆摄像机110和/或至少一个间距传感器120和/或车辆100的其他的传感器。在车辆目标传感器130是车辆100的其他的传感器、例如单车辆摄像机的情况下，借助于车辆目标传感器130执行对车辆100的周围环境的传感器目标数据的可选地检测275。替代地，传感器目标数据因此尤其可以是车辆摄像机110的摄像机图像或者间距传感器120的间距数据。基于所计算的合成的图像对所检测的传感器目标数据的标记180有利地由此进行：合成的图像至少在检测时段期间被分配给传感器目标数据，其中，合成的图像的附加信息基于像素坐标被传递到传感器目标数据上。基于所计算的合成的图像对所检测的传感器目标数据的标记280优选地具有时间延迟地进行。在接着的可选的步骤290中，可以为车辆100的使用者进行车辆目标传感器130的所标记的传感器目标数据的显示。优选地，通过该方法标记的传感器目标数据被使用于训练机器识别方法、尤其是神经网络。

图3示意性地示出具有地图点310的地图300作为周围环境表示，如该地图例如在步骤220中基于驾驶情形产生，如在图1中所示出地。地图点310具有坐标(x，y)或者位置，尤其是，该位置相对于车辆100定义，尤其是相对于车辆100的中心定义，其中，地图点310首先根据在步骤210中所检测的摄像机图像求取或者产生，例如通过立体方法基于立体摄像机的摄像机图像产生，或者通过从运动恢复结构方法基于在车辆100运动时的摄像机图像序列产生。在此，二维的视图仅仅示例性地可见，因为周围环境表示或者地图可以有利地产生为具有基于像素的高度信息的三维的示图。因此，地图点310表示在车辆100的周围环境中的静态的和/或动态的对象190的对象点191a，192a，193a。可以设置，产生用于部段分配的地图点310并且将分类分配给它。部段分配可以代表行车道或者路面，也就是说，地图300的地图点310不必代表在周围环境中的该位置的占用，而是也可以代表用于给在该位置的部段进行分类的纯信息。地图300尤其是相对于车辆100的运动连续地匹配或者改变。首先基于摄像机求取或者产生的地图点310在相对于车辆100的纵轴线199的角位置α(参见图1)上具有高的准确度或者低的定位误差。相反地，基于摄像机求取的地图点310典型地具有在到车辆100的间距320方面相对大的定位误差。因此，地图点310的所求取的位置有利地根据在步骤250中所检测的间距数据在步骤260中匹配，由此，减小相应地图点310的与到车辆100的间距320相关的定位误差。优选地，地图点310的位置的校正分别在相应的间距传感器120的检测方向191b，192b，193b上进行。在图3中，区域390在地图的中心划成虚线地示出，该区域表示车辆100的位置。

在图4中示意性地以三维的侧视图示出在地图300的二维的地图片段400上的虚拟的观察者视角410作为周围环境表示。虚拟的观察者视角410表示在车辆100上的车辆目标传感器130的取向或者检测的视角、尤其是其角度位置β和安装位置、尤其是高度H和竖直位置VX。周围环境表示或者地图300或者地图片段400在步骤120和150之后是已知的。车辆目标传感器130的取向和安装位置由于它在车辆100上的安装而同样是已知的。虚拟的观察者的视角410表示该取向和安装位置并且因此由它们定义或者设定或者预给定。合成的图像420代表借助于车辆目标传感器130对检测区域430的所检测的图像。合成的图像根据虚拟的观察者视角410和周围环境表示或者地图300计算。然后可以用合成的图像420来标记传感器目标数据。因此，尤其是可以将关于静态的和/或动态的对象的附加信息自动化地分配给传感器目标数据；可选地，附加信息可以包括深度信息(取决于车辆目标传感器130)。