Umfeldsensorsysteme und deren Validierung als Enabler für autonomes Fahren

Advanced Driver Assistence Systems (ADAS) sind die Grundlage des autonomen Fahrens. Sie basieren auf Sensortechnologien und bilden die Verbindung zwischen situativer Erkennung des Umfeldes und der Fahrzeugsteuerung. Grundlage für das Funktionieren dieser Systeme ist die exakte und kontinuierliche Erfassung des vollständigen Fahrzeugumfeldes. Entsprechend dieses Real-Time-Modells werden kontinuierlich Fahrmanöver gesteuert. Die Berechnung des Umfeldmodells basiert auf Daten, die mit unterschiedlichen Sensoren erfasst werden. Hierzu zählen Kamera, LiDAR und Radar, welche auf Grund der unterschiedlichen Technologien eine optische bzw. elektromagnetische Abtastung der Umgebung durchführen.

Die verschiedenen Sensortechnologien unterscheiden sich sowohl hinsichtlich ihrer Charakteristika für Reichweite und Öffnungswinkel als auch in ihrer Sensitivität gegenüber störenden Einflussfaktoren wie Licht- und Witterungsverhältnissen.

Ein optimales und vollständiges Umfeldmodell erhält man durch die Kombination der unterschiedlichen Technologien. Dieses Verfahren bezeichnet man als Sensor-Fusion. Allerdings erkauft man sich hiermit auch eine hohe Komplexität sowie hohe Performance Anforderungen bei der Verarbeitung der Daten.

Diese Anforderungen spiegeln sich auch in den Prozessen und Verfahren zur Qualitätssicherung für ADAS wider. Für die Validierung der Systeme ist nämlich ein digitales Abbild der realen Umgebung als Referenz für die spätere Qualitätsbewertung – die sogenannte Ground-Truth – erforderlich. Im Rahmen von Testfahrten über viele Tausende Kilometer werden Validierungsdaten erzeugt. Dabei fallen pro Sekunde ca. 10 GB an Sensordaten an. Diese enormen Datenmengen müssen für die Validierung der Systeme verarbeitet, gespeichert und analysiert werden. Dieser „Labeling“-Prozess erfolgt in wesentlichen Teilen manuell, was aber auf Grund der steigenden Datenmengen einerseits und der kürzer werdenden Innovationszyklen, eine immer größere Herausforderung darstellt.

An dieser Stelle setzt das Forschungsprojekt AI-4-ADAS an. Hier werden KI-basierte Technologien verwendet, um den Prozess der Ground-Truth-Bestimmung auf Basis von Multi-Sensor-Daten zu automatisieren.

Die Lösung ist modular aufgebaut und kann mit Kamera-, Radar- und LiDAR-Sensor-Daten umgehen. Das automatisierte Labeling der Daten unter Einsatz künstlicher Intelligenz sowie einer hardwarebeschleunigten Prozessierung trägt dazu bei, dass die Entwicklungsprozesse und damit der Faktor time-to-market verkürzt werden.

In einem weiteren Blogartikel gehen wir im Detail auf das Forschungsprojekt AI-4-ADAS ein.