Der zunehmende Einsatz von automatisierten Fahrfunktionen in urbanen Gebieten erfordert eine lückenlose ?berwachung der Fahrzeugumgebung durch den Einsatz verschiedener Fahrzeugsensoren. Nicht nur die Erkennung von pl?tzlich auftauchenden Objekten, wie einem Kind, das einem Ball hinterherl?uft, sondern auch die hohe Dynamik von Verkehrs- und Wetterszenarien, wie z. B. Regen und dadurch entstehende Reflexionen, k?nnen gro?e Herausforderungen für Erkennungsalgorithmen darstellen. Ziel von SAVE-ROAD ist daher die Entwicklung eines Systems zur Umfelderkennung zur zuverl?ssigen Vorhersage der m?glichen Unfallschwere. Zu diesem Zweck werden KI-Fusionsmethoden wie neuronale Netze, die auf Sensorrohdaten von Radar, Kamera und LiDAR basieren, untersucht und verglichen. Die Robustheit dieser Methoden wird unter wechselnden Wetterbedingungen wie Regen und Nebel in der CARISSMA eigenen Versuchshalle getestet und bewertet. Diese Analyse wird für die Entwicklung eines Sicherheitskonzepts verwendet, dessen Aufgabe es ist, die Qualit?t der gelieferten Signale zu kontrollieren. Das KI-Fusionsmodul übergibt dann Informationen über detektierte Objekte an ein Unvermeidbarkeitsmodell, welches m?gliche Kollisionspartner sowie dazugeh?rige Parameter wie die Auftreffgeschwindigkeit zwischen den Fahrzeugen pr?diziert. Abschlie?end werden diese Daten genutzt, um sowohl anhand einer physikalischen Modellierung als auch mit KI-Auswertungen von Datenbanken die Schwere eines Unfalls abzusch?tzen. Als Projektabschluss wird ein Demonstrator aufgebaut, mit dem eine Verifizierung dieser Algorithmen unter realen Bedingungen einschlie?lich Regen und Nebel umsetzbar ist.
Projektpartner: PCO AG, EFS - Elektronische Fahrwerksysteme GmbH
F?rdergeber: Bayerische Forschungsstiftung
F?rderkennzeichen: AZ-1355-18
