Umfelderfassung

Umfelderfassung

Vorausschauende Sensorik (z.B. Radare) ermöglicht eine adaptivere Aktivierung von Airbagsystemen kurz vor einer Kollision. Voraussetzung ist eine sichere und schnelle Erfassung des nahen Fahrzeugumfelds in allen Verkehrslagen - auch unter widrigen Umwelteinflüssen. Die Herausforderung besteht in der Maximierung der Genauigkeit bei gleichzeitiger Minimierung von Sensorzykluszeiten unter Berücksichtigung von Witterungseinflüssen auf Sensoren (z.B. Regen, Nebel) und in hochdynamischen Fahrsituationen (z.B. Schleudern vor einer Kollision). Dazu werden neue Methoden der Signalverarbeitung erforscht, die die crashrelevanten Parameter eines bevorstehenden Unfalls mit einem anderen Fahrzeug oder einem Fußgänger bestimmen.

Raderkennung

Die stetig steigende Auflösung von Umfeldsensoren wie z.B. Radarsensoren ermöglicht eine kontinuierliche Steigerung der Objekterkennungsgüte und -details. Gerade in der Pre-Crash-Phase, in denen der Abstand von Sensoren und den potentiellen Kollisionsobjekten gering ist, können zusätzliche Informationen gesammelt und ausgewertet werden. Besonders vorteilhaft sind Objektmerkmale, deren Position sich statisch innerhalb des Objekts befinden, z.B. die Position der Fahrzeugreifen. Diese markanten Punkte ermöglichen eine sichere Objekterkennung und –verfolgung.

Deshalb wird in CARISSMA eine Methode entwickelt mit der die Position und Geschwindigkeit von rotierenden Fahrzeugreifen auf Basis des Mikro-Doppler Effekts ermittelt werden kann. Die zusätzlichen Informationen werden mit Kamera- und Lidarsensordaten fusioniert und stellen eine robuste und erweiterte Beschreibung der erfassten Objekte dar.

Ansprechpartner: Prof. Dr.-Ing. Thomas Brandmeier, Dr. Dagmar Steinhauser

Robustheit gegenüber Umwelteinflüssen

Zur Steigerung der Sicherheit und des Komforts durch Fahrerassistenzsysteme bis hin zum automatisierten Fahren ist der zuverlässige Einsatz von Umfeldsensorik bei jeder Umweltbedingung zwingend erforderlich. In CARISSMA wird hierfür die Performance von Sensorsystemen unter reproduzierbaren Randbedingungen in einer definierten Versuchsumgebung durch Verwendung von Witterungsanlagen getestet. Für die unterschiedlichen Sensortypen (Kamera, Radar, Lidar) werden je nach Umwelteinfluss (Regen, Nebel, Licht) verschiedenartige Störeffekte ermittelt und charakterisiert. Es werden Verfahren zur Reduktion von Störungseinflüssen auf Sensorsysteme sowie Modelle für (Sensor-)Störgrößen entwickelt, um eine optimale Umfeldwahrnehmung zu ermöglichen.

Ansprechpartner: Prof. Dr.-Ing. Thomas Brandmeier, Dr. Dagmar Steinhauser

Robuste Objektverfolgung

Knapp jeder 6. Unfall eines Personenkraftwagens mit verletzten Insassen weist trotz moderner ESP-Systeme ein Schleudern in der PreCrash-Phase auf (Quelle: GIDAS). Ursachen hierfür sind z.B. unangemessene 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 (z.B. Reibwert der Fahrbahnoberfläche).

Um künftige Sicherheitssysteme auch in diesen Fahrzuständen durch vorausschauende Sensoren aktivieren zu können, muss das nahe Fahrzeugumfeld sicher und kontinuierlich erkannt werden. Zusätzlich stellt die Aktivierung von passiven Sicherheitssystemen (z.B. Airbags) eine fahrsicherheitskritische Entscheidung dar und wird mit unter den höchsten Automotive Safety Integration Level (ASIL) eingestuft. Zur Robustheits- und Sicherheitssteigerung werden deshalb unabhängige Plausibilisierungsmethoden der Umfeldinformationen von vorausschauenden Sensoren entwickelt und mit neuen Methoden der Objekterkennung und -verfolgung in kritischen Fahrsituationen erforscht, diese auf Prototypenfahrzeugen implementiert und unter realen Umweltbedingungen in CARISSMA getestet.

Ansprechpartner: Prof. Dr.-Ing. Thomas Brandmeier, Robert Naumann

Fußgängererkennung

Ungefähr die Hälfte der Verkehrstoten weltweit sind ungeschützte Verkehrsteilnehmer (englisch: Vulnerable Road Users, VRUs) wie Fußgänger oder Radfahrer. VRUs sind im Straßenverkehr bei einer Kollision immer der schwächere Kollisionspartner. Die Erkennung von VRUs mittels Sensortechnologie ist daher wichtig um den Fahrer optimal zu unterstützen und somit die Sicherheit aller Verkehrsteilnehmer zu erhöhen. Insbesondere hinsichtlich des autonomen Fahrens ist eine robuste Erkennung in jeder Verkehrssituation unabdingbar. Diese muss auch in unübersichtlichen, komplexen Szenarien sowie bei Störungen wie z.B. schlechten Wetterverhältnissen zuverlässig funktionieren.

In CARISSMA werden hierzu radarbasierte Methoden untersucht um die robuste und schnelle Klassifikation von VRUs zu ermöglichen. Eingesetzt werden hierbei hochauflösende Radarsensoren für das Nahfeld. Durch Auswertung des Mikrodoppler-Effekts (Geschwindigkeitsverteilung durch Bewegungen der Extremitäten) sowie hochauflösender Abstandsinformationen können zusätzlich zur verfeinerten Klassifikation auch wichtige Erkenntnisse zum Verhalten des VRUs gewonnen werden. Es werden Frühindikatoren untersucht um frühzeitig eine Änderung des Bewegungsablaufs (z.B. Richtungsänderung) zu registrieren. Darauf aufbauend werden Methoden entwickelt um diese in eine Pfadprädiktion mit einzubeziehen. Dies ist insbesondere wichtig, da das Verhalten des Fußgängers entscheidend dafür ist, ob sich eine gefährliche Situation ergibt. Die Pfadprädiktion für alle relevanten Objekte ist daher wichtig um frühzeitig in einer gefährlichen Situation entsprechend reagieren zu können.

Ansprechpartner: Prof. Dr.-Ing. Thomas Brandmeier, Patrick Held

Nummernschilderkennung

Der THI-Kennzeichendatensatz (TLPD) wurde ursprünglich erstellt, um die Entwicklung eines Algorithmus zu unterstützen, der in der Lage ist Nummernschilder zu anonymisieren, die mit einem Dashboard Kamera gesammelt wurden. Heute enthält der Datensatz mehr als 17.000 Fahrzeugbilder und etwa 18.000 labelled Nummernschilder, die unter verschiedenen Winkeln, Entfernungen, Beleuchtungs- und Wetterbedingungen aufgenommen wurden. Der Datensatz ist kostenlos zugänglich und kann ausschließlich zu Forschungszwecken verwendet werden.

Für weitere Informationen und zum Herunterladen des Datensatzes folgen Sie dem Link: www.thi.de/go/license-plate-detection

Ansprechpartner: Prof. Dr. Alessandro Zimmer