Impulsprojekt 12: AURORA - Functionalsafety for Automotive Objekt Recognition of Optical sensors by state monitoring of CameRAs

Fahrzeugsensoren, die für die Erkennung sicherheitsrelevanter Umgebungen entscheidend sind, verschlechtern sich mit der Zeit. Das von Prof. Elger geleitete AURORA-Projekt basiert auf der vorausschauenden ?berwachung des Fahrzeugzustands, um dessen Verschlechterung vorzubeugen und die Sicherheit zu erh?hen. Die Car2X-Kommunikation, ein zentrales Merkmal, liefert umfassende Daten, sowohl intern als auch extern. Das Projekt zielt nicht nur darauf ab, die SelfX-Diagnosefunktion zu verfeinern, sondern auch fortgeschrittene Algorithmen des maschinellen Lernens einzusetzen. Diese Algorithmen sind darauf ausgelegt, potenzielle Sensorfehlfunktionen frühzeitig zu erkennen und so den Betrieb des Fahrzeugs weiter zu sichern.

WP1 und WP2: Entwicklung von ?berwachungssystemen für Linsen und optische Module
Derzeit wird ein umfassendes Messsystem entwickelt, das sowohl den Zustand der Linse als auch die ?berwachung der optischen Module umfasst. Diese Systeme sind so konzipiert, dass sie Schlüsselindikatoren wie Sch?rfe und Abbildungsfehler verfolgen, insbesondere bei Temperatur?nderungen in gealterten Komponenten. Auf der Grundlage der in diesen Arbeitspaketen erzeugten Daten wird WP4 einen Algorithmus zur Vorhersage der Restnutzungsdauer (RUL) von Linsen und optischen Modulen trainieren.

WP3 Einfluss der Kameraeigenschaften auf die Objekterkennung
In diesem Arbeitspaket wird der Einfluss der Kamerabedingungen auf die Bilddefokussierung und die Objekterkennung untersucht. Optische Simulationen werden in einer DOE-Studie durchgeführt und der entsprechende Effekt bzw. der aktuelle Stand der Technik bei der Objekterkennung wird an diesen simulierten Bildern getestet. Eine Validierungsstudie wird durchgeführt, bei der das Objektiv auf der optischen Achse bewegt wird, um die Defokussierung im System zu emulieren und Szenarien mit gef?hrdeten Verkehrsteilnehmern zu erfassen.

WP4 Zustandsüberwachung der optischen Module
Es wird ein Algorithmus entwickelt, der den Zustand des optischen Moduls auf der Grundlage der Daten aus WP1 und WP2 bewertet. Die Schlüsselindikatoren von Linsen und optischen Modulen bestimmen deren Zustand und RUL.

WP5 Montage des Linsen- und Linsenhalter-PCB-Pakets
Ein Montagesystem verbindet ein Objektiv und das zugeh?rige Imager-PCB-Geh?use durch passive optische Ausrichtung. Das Objektiv wird mit einem Hexapod ausgerichtet und am Geh?use befestigt. Dies tr?gt zur Entwicklung eines vereinfachten Montageprozesses für optische Module bei.

WP6 ?berwachung der Feldsch?rfe
Die optischen Module aus dem Arbeitspaket 3.2.5 werden in ein Forschungsfahrzeug integriert. Diese Module werden kontinuierlich ausgelesen, wobei die Daten in eine Cloud übertragen werden. Anhand dieser Daten und Algorithmen werden Schlüsselindikatoren bestimmt. Maschinelle Lernalgorithmen aus WP4, die auf sicherheitsrelevante Metriken trainiert sind, werden den Zustand der optischen Module bewerten.

Grafische Darstellung eines Lebensdauermodells

Auf der Grundlage von Labordaten wird ein " 0 lifetime model" in den Fahrzeugen installiert, das den Zustand der Sensoren anhand von Gesundheitsindikatoren bewertet. Diese Daten werden an die " Reliability Cloud " gesendet, wo ein trainierter Algorithmus Anomalien erkennt und die Lebensdauer des " 1 Model " sch?tzt. Relevante Daten werden extrahiert und im Trainingsdatenpool verwendet, wobei das "0-Model" durch das "1-Model" ersetzt wird. Ausfall- und Lebensdauerdaten werden dem OEM und dem Hersteller zur Verbesserung mitgeteilt und auch dem Fahrzeugnutzer zur Verfügung gestellt. Das Lebensdauermodell wird in regelm??igen Abst?nden trainiert und als "n-Model" aktualisiert.

Ansprechpartner

Leiter des Fraunhofer Anwendungszentrums "Vernetzte Mobilit?t und Infrastruktur"; Forschungsprofessor für Aufbau- und Verbindungstechnik
Prof. Dr. Gordon Elger
Tel.: +49 841 9348-2840
Raum: A114
E-Mail: Gordon.Elger@thi.de