02_360° Umfelderkennung und Situationsprädiktion

Die 360° Rundumerkennung und das Situationsverständnis sind Kernkomponenten für das automatisierte Fahren. Bisher existieren hierzu keine durchgängigen und mathematisch fundierten Konzepte, welche insbesondere die Übergänge der verfolgten Objekte zwischen verschiedenen Sensortypen und Sensorerfassungsbereichen modellieren.

Ziel des Projektes ist es daher ein derartiges 360° Umgebungsmodell mit Rundumsicht um das eigene Fahrzeug zu entwickeln. Es soll für jedes erfasste Objekt die zeitliche und räumliche Genauigkeit von Position und Geschwindigkeit, eine Existenzwahrscheinlichkeit sowie die Wahrscheinlichkeit einer Klassenzugehörigkeit (LKW, Automobil, Fußgänger etc.) ermitteln.

Das 360° Umgebungsmodell basiert auf zwei Komponenten: Einem Multi-Objekt-Tracking- Modul für die zeitliche Filterung der Bewegungen aller dynamischen Objekte sowie einem rasterbasierten Ansatz für die Erkennung statischer Objekte.

 

Das zu entwickelnde Multi-Objekt-Tracking-Modul soll auf der Random Finite Set (RFS) Theorie basieren, um eine explizite Datenassoziation zu vermeiden. Der Tracking-Algorithmus soll ferner in der Lage sein, Messungen von unterschiedlichen Sensoren und Sensortypen (Kamera, Stereokamera, Lidar, Radar) direkt mit möglichst geringer Vorverarbeitung zu verarbeiten. Eine Herausforderung und bisher nicht gelöste Fragestellung stellt hierbei u.a. die Berechnung der Unsicherheiten für ausgedehnte Objekte dar.
Des Weiteren soll der Algorithmus in der Lage sein, widersprüchliche Informationen zu behandeln und unter Zuhilfenahme von Redundanzen Sensorfehler oder die Leistungsdegradationen einzelner Sensoren auszugleichen.


Die Rasterkarte für die statische Umgebung soll ebenfalls auf Basis von individuellen oder fusionierten Kamera-, Lidar- oder Radarsensordaten erstellt werden. Als Resultat werden frei befahrbare Bereiche, Fahrstreifenmarkierungen und Infrastrukturelemente wie Ampeln erkannt. Jedes statische Element erhält ebenfalls ein individuelles, räumliches Zuverlässigkeitsund Existenzmaß. Hierzu sind dynamische Rasterverfahren zu entwickeln, die über den Stand der Technik hinausgehen.
In der Kombination realisieren das Multi-Objekt- Tracking und die Rasterkarte ein komplettes neuartiges 360° Umgebungsmodell, dessen aktuelle Zuverlässigkeit kontinuierlich bewertet werden kann und das damit die Grundlage der darauf aufbauenden Situationsbewertung darstellt.

Tech Center a-drive Partner:

Universität Ulm - Institut für Mess-, Regel- und Mikrotechnik

FZI Forschungszentrum Informatik - Abteilung Mobile Perception Systems