Sichere Umfelderkennung

Urbane sowie ländliche Szenarien stellen teil-, hoch- und vollständig automatisierte Fahrzeuge vor große Herausforderungen. Insbesondere die Vielzahl an unterschiedlichen, komplexen Umgebungen, Verkehrsteilnehmern und Umweltbedingungen erfordert eine genaue und zuverlässige Umfelderfassung durch die fahrzeuginternen Umfeldsensoren Kamera, LiDAR und Radar. Zusätzlich zum Einsatz für Fahrerassistenzsysteme und Systeme des automatisierten Fahrens kann die vorausschauende Umfeldwahrnehmung auch dazu verwendet werden, die Robustheit von Systemen der Passiven und Integralen Sicherheit weiter zu verbessern und ihre Funktionalität zu erweitern. Ist eine Kollision unvermeidlich, werden reversible und irreversible Sicherheitssysteme frühzeitig ausgelöst, um Verletzungen oder Todesfälle von allen Verkehrsteilnehmern zu vermindern bzw. zu vermeiden. Umfassende Anforderungen an die Umfeldwahrnehmung im Nahfeld wie minimale Fehlerquote und hohe Genauigkeit sind hierfür zwingend notwendig. Infolgedessen ist es essenziell, eine schnelle, zuverlässige und vertrauenswürdige Umfelderfassung in allen Verkehrssituationen zu realisieren. Herausforderungen liegen dabei unter anderem bei einer genauen und detaillierten Objekterkennung, der Minimierung von Zykluszeiten sowie der Absicherung der Umfelderkennung, wenn einzelne Sensoren beispielsweise durch Regen gestört werden.

Mit Hilfe von Radar, Kamera und LiDAR können moderne Fahrzeuge das Umfeld des Fahrzeugs wahrnehmen. Alle drei Sensortechnologien arbeiten dabei mit unterschiedlichen Messprinzipien, wodurch sie unterschiedliche Stärken und Schwächen aufweisen. So ist der Radar beispielsweise robust gegenüber Witterungseinflüssen, die Objekterkennung kann aber durch Mehrfachreflektionen und hierdurch erzeugte Geisterobjekte gestört werden. Die Kamera ist unter anderem sehr gut geeignet für die Objektklassifikation, allerdings ist sie anfällig für Über- und Unterbelichtung, etwa bei tiefstehender Sonne. Der LiDAR ermöglicht beispielsweise eine genaue Abstandsmessung, wird jedoch gestört durch Witterung. C-ISAFE nutzt die spezifischen Eigenschaften und forscht an Methoden zur Verbesserung der Performance der einzelnen Sensoren sowie von Sensorsystemen. Der Fokus liegt hierbei auf der robusten und detaillierten Erkennung im Nahfeld für Fahrzeugsicherheitssysteme.

Die stetig steigende Auflösung und Performance von Umfeldsensoren ermöglicht eine fortschreitende Verbesserung der Objekterkennungsgüte und -details. Gerade in der Pre-Crash Phase, in der der Abstand von Sensoren und den potenziellen Kollisionsobjekten gering ist, können zusätzliche Informationen gesammelt und ausgewertet werden. Beispielsweise ist bei einem (potenziellen) Crash mit einem anderen Fahrzeug eine genaue Bestimmung relevanter Parameter wie Größe, Entfernung, Annäherungswinkel und Geschwindigkeit erforderlich, um eine sichere Prädiktion des Unfallgeschehens zu ermöglichen. Von besonderem Interesse sind Objektmerkmale, deren Position sich statisch innerhalb des Objekts befindet, z.B. die Position der Fahrzeugräder. Diese markanten Punkte ermöglichen eine sichere und genaue Objekterkennung und -verfolgung. In C-ISAFE wurde eine radarbasierte Methode entwickelt und patentiert, mit der die Position und Geschwindigkeit von rotierenden Fahrzeugrädern auf Basis des Mikro-Doppler Effekts ermittelt und getrackt werden können. Dieses Vorgehen der Ermittlung von markanten Teilbereichen eines Fahrzeuges wurde durch eine feature-basierte Extraktionsmethodik mittels eines KI-Verfahrens für die Kamerasensorik adaptiert und erweitert. Kombinatorisch können hieraus crashrelevante Objektparameter des Gesamtfahrzeugs bestimmt werden. Mittels LiDAR können ergänzende Informationen über die Geometrie von Objekten ermittelt werden, wie beispielsweise eine Konturbestimmung von Fahrzeugen. Neben der Erfassung von Fahrzeugen in Hinsicht auf Pkw-Pkw-Crashs werden weitere Verkehrsteilnehmer objektspezifisch betrachtet. Ein Schwerpunkt des Forscherteams liegt hierbei auch im Fußgängerschutz.

Um künftige Sicherheitssysteme durch vorausschauende Sensoren aktivieren zu können, muss das nahe Fahrzeugumfeld sicher und kontinuierlich erkannt werden. Zusätzlich stellt die Aktivierung von irreversiblen, passiven Sicherheitssystemen eine fahrsicherheitskritische Entscheidung dar und wird in der höchsten Absicherungsstufe eingeordnet. Neben der Entwicklung von sensorspezifischen Methoden ist ein Schwerpunkt des Forscherteams daher auch durch Sensorfusion die Objekterkennung, insbesondere hinsichtlich der Robustheit, zu verbessern. Mit Hilfe von KI-Algorithmen können Sensoren auf verschiedenen Ebenen fusioniert werden. Insbesondere wird in C-ISAFE eine Deep-Learning Architektur für eine frühe Fusion entwickelt, um die unterschiedlichen Wirkungen von Störgrößen auf die einzelnen Sensoren optimal berücksichtigen zu können. Aktuelle Forschungsthematik ist hierbei die Sicherheit unter widriger Witterung. Darüber hinaus werden zur Robustheits- und Sicherheitssteigerung Absicherungskonzepte und unabhängige Plausibilisierungsmethoden von vorausschauenden Sensoren entwickelt.

Knapp jeder sechste Unfall eines Personenkraftwagens mit verletzten Insassen weist trotz moderner ESP-Systeme ein Schleudern in der Pre-Crash Phase auf. Ursachen hierfür sind z. B. unkoordinierte Fahrereingriffe in sicherheitskritischen Fahrsituationen oder eine rutschige Fahrbahn durch Schnee und Eis. Schleudern stellt eine spezielle, nichtlineare Fahrzeugbewegung dar, welche stark von externen Umweltbedingungen abhängt, etwa dem Reibwert der Fahrbahnoberfläche.  

In C-ISAFE werden neue Methoden der Objekterkennung und -verfolgung in kritischen Fahrsituationen wie Schleudern erforscht, diese in Prototypenfahrzeuge implementiert und unter realen Umweltbedingungen getestet.