Fahrversuch in Carissmahalle: Auto f?hrt auf Testhindernis zu

Umfelderfassung

Vorausschauende Sensorik (z.B. Radare) erm?glicht 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 Fu?g?nger bestimmen.

Raderkennung

Die stetig steigende Aufl?sung von Umfeldsensoren wie z.B. Radarsensoren erm?glicht 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, k?nnen zus?tzliche 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 erm?glichen eine sichere Objekterkennung und –verfolgung.

Deshalb wird in C-ISAFE eine Methode entwickelt mit der die Position und Geschwindigkeit von rotierenden Fahrzeugreifen auf Basis des Mikro-Doppler Effekts ermittelt werden kann. Die zus?tzlichen 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 zuverl?ssige Einsatz von Umfeldsensorik bei jeder Umweltbedingung zwingend erforderlich. In C-ISAFE 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 St?reffekte ermittelt und charakterisiert. Es werden Verfahren zur Reduktion von St?rungseinflüssen auf Sensorsysteme sowie Modelle für (Sensor-)St?rgr??en entwickelt, um eine optimale Umfeldwahrnehmung zu erm?glichen.

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 abh?ngt (z.B. Reibwert der Fahrbahnoberfl?che).

Um künftige Sicherheitssysteme auch in diesen Fahrzust?nden durch vorausschauende Sensoren aktivieren zu k?nnen, muss das nahe Fahrzeugumfeld sicher und kontinuierlich erkannt werden. Zus?tzlich stellt die Aktivierung von passiven Sicherheitssystemen (z.B. Airbags) eine fahrsicherheitskritische Entscheidung dar und wird mit unter den h?chsten Automotive Safety Integration Level (ASIL) eingestuft. Zur Robustheits- und Sicherheitssteigerung werden deshalb unabh?ngige 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 C-ISAFE getestet.

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

Fu?g?ngererkennung

Ungef?hr die H?lfte der Verkehrstoten weltweit sind ungeschützte Verkehrsteilnehmer (englisch: Vulnerable Road Users, VRUs) wie Fu?g?nger oder Radfahrer. VRUs sind im Stra?enverkehr bei einer Kollision immer der schw?chere Kollisionspartner. Die Erkennung von VRUs mittels Sensortechnologie ist daher wichtig um den Fahrer optimal zu unterstützen und somit die Sicherheit aller Verkehrsteilnehmer zu erh?hen. Insbesondere hinsichtlich des autonomen Fahrens ist eine robuste Erkennung in jeder Verkehrssituation unabdingbar. Diese muss auch in unübersichtlichen, komplexen Szenarien sowie bei St?rungen wie z.B. schlechten Wetterverh?ltnissen zuverl?ssig funktionieren.

In C-ISAFE werden hierzu radarbasierte Methoden untersucht um die robuste und schnelle Klassifikation von VRUs zu erm?glichen. Eingesetzt werden hierbei hochaufl?sende Radarsensoren für das Nahfeld. Durch Auswertung des Mikrodoppler-Effekts (Geschwindigkeitsverteilung durch Bewegungen der Extremit?ten) sowie hochaufl?sender Abstandsinformationen k?nnen zus?tzlich zur verfeinerten Klassifikation auch wichtige Erkenntnisse zum Verhalten des VRUs gewonnen werden. Es werden Frühindikatoren untersucht um frühzeitig eine ?nderung des Bewegungsablaufs (z.B. Richtungs?nderung) zu registrieren. Darauf aufbauend werden Methoden entwickelt um diese in eine Pfadpr?diktion mit einzubeziehen. Dies ist insbesondere wichtig, da das Verhalten des Fu?g?ngers entscheidend dafür ist, ob sich eine gef?hrliche Situation ergibt. Die Pfadpr?diktion für alle relevanten Objekte ist daher wichtig um frühzeitig in einer gef?hrlichen Situation entsprechend reagieren zu k?nnen.

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

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 enth?lt der Datensatz mehr als 17.000 Fahrzeugbilder und etwa 18.000 labelled Nummernschilder, die unter verschiedenen Winkeln, Entfernungen, Beleuchtungs- und Wetterbedingungen aufgenommen wurden.

Für weitere Informationen folgen Sie dem Link: www.thi.de/go/license-plate-detection

Ansprechpartner: Prof. Dr. Alessandro Zimmer