Steigerung der Wahrnehmung autonomer Straßenfahrzeuge
Einst waren autonome Straßenfahrzeuge lediglich in die Science-Fiction einzuordnen. Doch nun werden sie schnell zu einem Teil unseres Alltags und ihr Markt wird in den kommenden Jahren voraussichtlich exponentiell wachsen. Obwohl bei der Entwicklung autonomer Straßenfahrzeuge große Fortschritte erzielt wurden, sind sie unter anderem aufgrund von schlechter Objekterkennung und Fehlalarmen für den Betrieb auf öffentlichen Straßen noch immer nicht sicher genug. Um diese Sicherheitsbedenken auszuräumen, wurden bei der Fahrzeugentwicklung kostspieligere Sensoren mit höherer Auflösung eingesetzt. Das Problem der schlechten Wahrnehmung konnte jedoch auch damit nicht angemessen angegangen werden. VayaVision, ein Unternehmen von LeddarTech und führender Anbieter von Sensorfusions-Software, hat sich im Rahmen des EU-finanzierten Projekts STV mit der Entwicklung einer Lösung zur Objekterkennung basierend auf einer innovativen Architektur und einem neuartigen Softwaredesign befasst. Die Lösung ist skalierbar und unterstützt alle vom Verband der Automobilingenieure (SAE) entwickelten Ebenen des automatisierten Fahrens. „Darüber hinaus wollten wir im Projekt STV eine Demonstrationseinheit aufbauen, um die Architektur der Rohdaten-Sensorfusion von VayaVision mit führenden europäischen und globalen Automobilpartnern zu testen und zu erforschen: Erstausrüster und direkte Automobilzulieferer“, erläutert Projektkoordinator Youval Nehmadi.
Auf dem Weg zu sichereren autonomen Straßenfahrzeugen
„Im Rahmen des Projekts STV entwickelte VayaVision LeddarVision, eine umfassende, hochmoderne Technologie zur Rohdaten-Sensorfusion und Wahrnehmung, die modular, anpassbar und sensorunabhängig ist“, betont Nehmadi. Seine Architektur unterstützt mehrere Sensortypen, verschiedene Sensorsätze und benutzerdefinierte Sensorkonfigurationen. Diese Struktur ermöglicht es VayaVision, seiner Kundschaft eine maßgeschneiderte Wahrnehmungslösung zu bieten, die den Technik- und Budgetanforderungen ihrer Anwendung entspricht. Überdies erstellt die LeddarVision-Software ein umfassendes 3D-Umgebungsmodell, das in Echtzeit wichtige Informationen über die sich dynamisch verändernde Umgebung rund um das Fahrzeug liefert und so ein sichereres und zuverlässigeres autonomes Fahren gewährleistet. Es erzielt eine erstklassige Leistung und wurde sowohl anhand von öffentlichen Datenbanken als auch von großen Erstausrüstern und direkten Automobilzulieferern erprobt. Das Modell erreichte zudem auch bei der größten Herausforderung von nuScenes die besten Ergebnisse für eine Lösung auf der Grundlage von Radar und Kameras. „Das System ist durch seine integrierten Redundanzen extrem robust und erzeugt das 3D-Umgebungsmodell auch dann, wenn einige der Eingangssensoren aufgrund von Fehlfunktionen und/oder Umgebungsbedingungen (Schmutz oder Nebel) nicht optimal funktionieren oder komplett ausfallen“, ergänzt Nehmadi. Diese Erfolge haben VayaVision die Tür für die Zusammenarbeit bei Automatisierungsprojekten in Europa, Asien und den Vereinigten Staaten geöffnet.
Fortsetzung der Arbeit: Lösungen zur Sensorfusion
Zur Zukunft erklärt Nehmadi: „Kurzfristig erwarten wir, dass die Architektur von VayaVision erschwingliche Lösungen zur Sensorfusion auf der Grundlage von Radar und Kameras bieten wird, um die erweiterten Funktionen der Fahrerassistenzsysteme auf SAE-Ebene 2 und 2+ zu unterstützen.“ VayaVision arbeitet derzeit mit führenden direkten Automobilzulieferern in Europa zusammen, um Anwendungsfälle für die Fusion von Kamera- und Radarsensoren und die Wahrnehmung zu entwickeln. „Gemeinsam mit diesen direkten Automobilzulieferern prüfen wir ein kommerzielles Angebot der Ebene 2-Lösung. Außerdem untersuchen wir die Möglichkeit, ein europäisches Konsortium aus anderen führenden Unternehmen auf dem Gebiet der Sensorfusion, Wahrnehmung und Entscheidungsfindung für autonome Straßenfahrzeuge ins Leben zu rufen“, so Nehmadi abschließend. Langfristig wird erwartet, dass die Technologie Lösungen zur Lasererfassung und Entfernungsmessung, zur Sensorfusion auf der Grundlage von Radar und Kameras und zur Wahrnehmung auf den Weg bringen wird, um vollständig autonome Anwendungen der Ebenen 3 bis 5 wie den Autopilot für Autobahnen, autonome Busse und Mobility-as-a-Service-Anwendungen zu unterstützen. Davon abgesehen sollen aber auch Off-Road-Anwendungen wie automatisierte Schwermaschinen in der Landwirtschaft, im Bauwesen und im Bergbau gefördert werden.
Schlüsselbegriffe
STV, VayaVision, Sensorfusion, Objekterkennung, 3D-Umgebungsmodell, autonome Straßenfahrzeuge, autonomes Fahren, LeddarVision, LeddarTech
