rosshaf

Robustheit von Sensoren und Sensorsystemen gegenüber Umweltbedingungen für hochautomatisiertes Fahren

Forschungsprojekt - rosshaf

Robustheit von Sensoren und Sensorsystemen gegenüber Umweltbedingungen für hochautomatisiertes Fahren

Das Projekt rosshaf leistet einen maßgeblichen Beitrag zur Entwicklung innovativer Sensorik und angepasster Testverfahren für hochautomatisiertes Fahren (HAF) unter Schlechtwetterbedingungen. Aktuell arbeiten Assistenzsysteme nicht bei widrigen Witterungsbedingungen. Für das Fahren ab SAE-Level 4 muss die HAF-Umfeldsensorik auch unter Schlechtwetterbedingungen uneingeschränkt funktionieren. Um dies zu erreichen, werden in rosshaf zum einen Einzeltests verschiedener Sensoren durchgeführt. Zum anderen werden Sensorgesamtsysteme dynamisch getestet und mithilfe KI-basierter Verfahren und Cloud-Anbindung optimiert. Parallel dazu werden die einzelnen Sensoren virtuell abgebildet und unter Schlechtwetterbedingungen simuliert. Die virtuell erzeugten Daten werden mit den Realdaten in einer zu entwickelnden Datenbank fusioniert und verarbeitet. Darauf aufbauend wird eine virtuelle Testplattform für HAF-Umfeldsensorik entwickelt, welche das Testen von Sensorsystemen frühzeitig in der Entwicklung ermöglicht. Zusätzlich werden verschiedene Maßnahmen zur Robustheitssteigerung entwickelt, welche die Funktionsfähigkeit von Sensorsystemen in der Entwicklung und im Fahrbetrieb gewährleisten.

Projektlaufzeit: 2021-2024

Projektpartner

Mobilität von morgen

Smart Mechatronics und Paderborner Wissenschaftler sowie Industriepartner erforschen robuste Umfeldsensoren für vollautonome Fahrzeuge

Kameras, Radar, Lidar, Ultraschall – moderne Autos verfügen über immer mehr Sensoren. Sie unterstützen beim Einparken, überwachen tote Winkel und helfen, den Abstand zum vorausfahrenden Fahrzeug einzuhalten. Bei autonomen Fahrzeugen müssen die Sensoren über komfortable Hilfestellungen hinausgehen und die komplette Umgebung zuverlässig erfassen. Doch unterschiedliche Witterungsverhältnisse stellen die Technik vor große Herausforderungen. Denn: Starkes Gegenlicht, Schneefall oder dichter Nebel können dazu führen, dass Hindernisse, andere Fahrzeuge oder Personen von den Systemen zu spät oder gar nicht erkannt werden. Um die sichere Nutzung von automatisierten Fahrfunktionen auch bei widrigen Umwelteinflüssen zu ermöglichen, arbeiten wir daran, die Robustheit von Sensoren und Sensorsystemen gegenüber Umweltbedingungen wie Schlechtwetter oder Verschmutzung zu erhöhen. Dafür werden virtuelle Umgebungen entwickelt, in denen eine verlässliche Umfeldsensorik für hoch- und vollautonome Fahrzeuge getestet wird, um diese auf Basis der Ergebnisse zu verbessern.

Das Projekt ist im April 2021 gestartet und wird vom Bundesministerium für Wirtschaft und Energie (BMWi) mit 2,81 Millionen Euro gefördert.

Sicherheit bei jedem Wetter!

Vom Fahrassistenten bis hin zu selbst fahrenden Autos

Fahrzeuge können ihre Umgebung heute mehr oder weniger umfangreich mithilfe von unterschiedlichen Sensoren wahrnehmen. Je höher die Automatisierungsstufe der Fahrzeuge – kenntlich gemacht durch die von der Society of Automotive Engineers (SAE) definierten Unterteilung in SAE-Level – desto höher die Anforderungen, die an das Auto gestellt werden. Neben einer komplexen technischen Ausstattung ist auch eine hohe Robustheit der Systeme erforderlich. Besonders die Umfeldsensorik stellt hier einen kritischen Faktor dar. Sie ist ausschlaggebend für die Erkennung von Objekten, die sich in der Umgebung des Fahrzeugs befinden. Mit zunehmender Automatisierungsstufe steigt die Abhängigkeit der Fahrzeuge von einer jederzeit funktionierenden Sensorik.

Beispielsweise finden sich Fahrzeuge des SAE-Level 3, also Fahrzeuge mit bedingter Automatisierung, mittlerweile immer häufiger auf öffentlichen Straßen. Bei ihrer Verwendung ist es allerdings zu jeder Zeit notwendig, dass der Fahrer einsatzbereit ist und die Steuerung übernehmen kann. Das ist erforderlich, wenn bestimmte Sensoren des Fahrzeugs defekt oder gestört sind. Da diese Störungen durch Regen, Schnee oder Nebel ausgelöst werden können, sind sie besonders bei den Witterungsverhältnissen in Deutschland keine Seltenheit. Fahrzeuge des SAE-Level 5 dagegen, also vollautomatisierte, müssen allerdings immer und überall auf der Welt funktionieren, ganz ohne dass ein Eingriff durch den Insassen erforderlich wird.

Sensorfusion und Nutzung KI-basierter Verfahren

Edge- und Cloud-Anwendungen

An dieser Stelle setzt das Projekt an. Sensoren autonomer Fahrzeuge sollen so robust gestaltet werden, dass sie für die SAE-Level 4 und 5, also für hoch- und vollautomatisierte Fahrzeuge, genutzt werden können. Das Projekt wird einen Beitrag dazu leisten, solche Fahrzeuge zu entwickeln und in Zukunft auf die Straßen zu bringen.

Ein Schwerpunkt der Smart Mechatronics in diesem Projekt werden Forschungsarbeiten zur Steigerung der Störresistenz von HAF-Sensorik sein. Dazu sind verschiedene Sensoren zu fusionieren und im System zu betrachten. Zur Auswertung und Verarbeitung der im Rahmen des Projektes erhobenen Daten werden KI-basierte Verfahren evaluiert und deren Verwendbarkeit geprüft. Hierfür werden sowohl Edge- als auch Cloud-Berechnungen durchgeführt. Um eine intelligente Interpretation der Situation und somit eine optimierte Umfelderfassung zu erreichen, müssen sich die Sensoren gegenseitig unterstützen und so ihre Performanz steigern. Hierbei sind gerade für die Fahrzeugsensorik Echtzeitanforderungen zu berücksichtigen. Die zusätzliche Einbindung externer Informationen muss ebenfalls bedarfsgerecht und im Abgleich mit der eigenen Erfassung der Sensoren erfolgen. Hierfür sind entsprechende Methoden zu entwickeln und zu validieren. Die so im Projekt umgesetzte datengestützte Steigerung der Störresistenz realisiert somit neuartige Verfahren der Datenfusion und -verarbeitung und Berücksichtigung verschiedenster Anforderungen des hochautomatisierten Fahrens.


Haben Sie Fragen? Kontaktieren Sie uns!

Sie interessieren sich für die Forschungsprojekte und möchten mehr darüber erfahren? Vereinbaren Sie einen unverbindlichen Termin mit unseren Technical Specialist. 

Darüber hinaus erweitern wir regelmäßig unser Fellow-Netzwerk und freuen uns über Anfragen weiterer Forschungseinrichtungen. 
Sie möchten ebenfalls über Neuigkeiten aus unserem Netzwerk informiert werden, dann kontaktieren Sie uns!