Validierung der Umfelderkennung für hochautomatisiertes Fahren · © VIRTUAL VEHICLE...

© VIRTUAL VEHICLE

Validierung der Umfelderkennung für hochautomatisiertes Fahren

VIRTUAL VEHICLE Research Center

Dr. Christian Schwarzl | Head of Dependable Systems Group

© VIRTUAL VEHICLE

Virtual Vehicle

Virtual Vehicle Forschungszentrum in Graz

(ca. 200 Mitarbeiter)

Expertise in numerischer

Simulation und experimenteller

Absicherung

Fokus Automatisiertes Fahren

Dependable Systems Group Functional safety

Verifikation und Validierung

© VIRTUAL VEHICLE

Automatisiertes Fahren

Beispiel – Uber Auto Sicherheit hat höchste Priorität für Kundenakzeptanz

http://orf.at/stories/2384924/2384925/

© VIRTUAL VEHICLE

Automatisiertes Fahren

Wirtschaftliche Randbedingungen

www.ey.com/Publication/vwLUAssets/Autonomes_Fahren_-_die_Zukunft_des_Pkw-Marktes/$FILE/EY-Autopilot-2013-Praesentation.pdf

© VIRTUAL VEHICLE

Automatisiertes Fahren

Automatisiertes Fahren Beibehaltung der Unfallwahrscheinlichkeit

• Subjektives Sicherheitsgefühl bleibt gleich

• Pro Fahrzeugmodell ~200Mio. Testkilometer notwendig

Herausforderung Verifikation und Validierung Testfahrten alleine nicht wirtschaftlich

• Verschiebung von Tests in Simulation

Simulation alleine ist unzureichend

• Berücksichtigen nur einen Teil der Realität

Virtual Vehicle – Test eines selbstfahrenden Fahrzeugs. https://blogs.nvidia.com/blog/2017/08/23/testing-self-driving-cars/

© VIRTUAL VEHICLE

Automatisiertes Fahren

Übersicht Funktionen Umfelderkennung in unterschiedlichen Bereichen notwendig

© VIRTUAL VEHICLE

Automatisiertes Fahren

Verwendete Sensoren Vollständige Abdeckung durch Verwendung verschiedener Sensortechnologien

© VIRTUAL VEHICLE

Automatisiertes Fahren

Beispiel – Fahrzeugarchitektur für Umfelderkennung

RADAR

Camera

Sensor Data Fusion

and

Decision Making

Vehicle Control Gateway

CAN CAN

Sense Control Act

LiDAR

http://intconsyst.com/en/wp-content/uploads/2015/08/04_R-GQT50R_Large.jpg

https://blog.kitware.com/velodyne-lidar-and-kitware-inc-announce-the-release-of-veloview-1-0/

http://larpix.com/guanli/images/upfile/2013092318532821487.jpg

https://blogs.nvidia.com/blog/2017/04/04/pace-award-drive-px-2/

https://www.bosch-mobility-solutions.com/en/products-and-services/passengr-cars-and-light-commercial-vehicles/connectivity-solutions/central-gateway-cgw/index.html

https://www.xilinx.com

© VIRTUAL VEHICLE

Automatisiertes Fahren – Umfelderkennung

Beispiel – Fehlerkennung durch Optische Illusion Falsche Erkennung mit kamerabasierten

Systemen möglich

Mögliche Fehlreaktionen des Fahrzeugs

• Durchführung einer Notbremsung, oder

• Ausweichen

Sicherstellung der funktionalen Sicherheit

• ISO PAS 21448 – Safety of the intended functionality (SOTIF)

• Behandlung von Fehlern die auf technische Schwächen zurückzuführen sind

Beispiel einer optischen Illusion das ein kamerabasiertes System täuschen könnte. https://www.bostonglobe.com/metro/2017/11/09/floating-sidewalks-children-running-street-can-

optical-illusions-trick-drivers-into-slowing-down/D9Lm0v6rbG3hZm9IimWaLI/story.html

© VIRTUAL VEHICLE

Verifikation der Umfelderkennung

Testplattformen Software in the Loop

• Test von Software in Umgebungssimulation

Hardware in the Loop

• Test von Steuergeräten in Umgebungssimulation

Teststrecke

• Test des Fahrzeugs in kontrollierter Umgebung

Testfahrt

• Test des Fahrzeugs unter realen Bedingungen

Software in the Loop (SiL) Hardware in the Loop (HiL) Teststrecke Testfahrt

MiL

• Hohe Abstraktion

• Geringe Kosten

• Hohe Kontrolle bei Testdurchführung

Testfahrt

• Realität

• Hohe Kosten

• Geringe Kontrolle bei Testdurchführung

https://www.youtube.com/watch?v=YKdu49RWeMQ

http://sine.ni.com/cs/app/doc/p/id/cs-14716

http://koreabizwire.com/wp/wp-content/uploads/2017/05/hyundai-mobis.png

https://media.kleinezeitung.at/images/uploads_520/c/b/a/5315770/DA180282-36E5-4517-8FB3-2634F157CF2E_v0_l.jpg

© VIRTUAL VEHICLE

Verifikation der Umfelderkennung

Umgebungssimulation – 3D Welten Virtuelle Abbildung der Realität

• Bewegung eines Fahrzeuges durch Virtuelle 3D Landschaft

• Sensormesswerte werden berechnet

Standard in Computerspielen

• Fokus ist Darstellung von 3D Objekten

• Automobilkontext fehlt

Umgebungssimulation

• Detaillierter Straßenverlauf

Anzahl der Fahrstreifen, Straßenmarkierungen, …

• Verkehrszeichen, Ampeln, …

• C2X Kommunikation

• Sensorsimulation

• Einfluss von Umweltbedingungen

https://www.rockstargames.com/newswire/article/52217/Grand-Theft-Auto-Online-Spring-Updates

© VIRTUAL VEHICLE

Verifikation der Umfelderkennung

Sensorsimulation Berechnung von Messwerten aus Umgebungssimulation

RViz Simulation Gazebo Simulation

Reflektionen

an Objekten

© VIRTUAL VEHICLE

Verifikation der Umfelderkennung

Umgebungssimulation

https://vires.com/vtd-vires-virtual-test-drive/

Komplexe

Straßenverläufe

Änderungen im

Straßenverlauf

Ändernde

Umweltbedingungen

Unterschiedliche

Straßenbeschaffenheit

© VIRTUAL VEHICLE

Kartenerzeugung

Erzeugung Karten für Umgebungssimulation Anforderungen

• Positionen von Umgebungsobjekten

Häuser, Bäume, Lärmschutzwände, Leitplanken, Gehwege, …

• Straßenverlauf inkl. Bodenmarkierungen

• Positionen von Elementen zur Verkehrsregelung

Ampeln, Schilder, Richtungsanzeigern, …

Objekterkennug aus Sensordaten

• Eingangsdaten sind Punktwolken

Menge von Punkten im 3D-Raum

• Verwendung Algorithmus

Erkennung von Objekten, Straßenverläufen, …

Berechnung der Position und Größe (Umriss)

• Speicherung der Karte

Format des Simulationstools

LiDAR Punktwolke von Ausfahrt Graz West A9/ A2 (Farbe entspricht Höhe)

© VIRTUAL VEHICLE

Automatisiertes Fahren

Erzeugung 3D Landschaft

Graz Webling

3D LiDAR Punktwolke

(Farbe von UltraCam

Panoramabildern)

© VIRTUAL VEHICLE

Automatisiertes Fahren

Erzeugung 3D Landschaft

LiDAR Punktwolke und Bilddaten

A2 zwischen Graz West

und Flughafen Graz

(Farbe der Punktwolke

entspricht Höhe)

© VIRTUAL VEHICLE

Umfelddatenerfassung und Karten

Relevante FFG geförderte Projekte

ACTIVE – Hochgenaue Lokalisierung mit Infrastrukturunterstützung

DGT – Referenzmessungen zur Qualitätsbestimmung der Umfelderkennung

LiDcAR – Bewertung verschiedener LiDAR Technologien.

Enable-S3 – Verifikation und Validierung von automatisierten Fahrzeugen

© VIRTUAL VEHICLE

Umfelddatenerfassung und Karten

Zusammenfassung Automatisiertes Fahren benötigt robuste Umfelderkennung

• Fehlverhalten durch falsche Interpretation der Situation muss verhindert werden (SOTIF)

Verifikation und Validierung ist eine große Herausforderung

• Tests auf unterschiedlichen Testplattformen notwendig

Umgebungssimulation

• Verifikation der Umfelderkennung in Simulation notwendig

• Erstellung von Karten technisch komplex

© VIRTUAL VEHICLE

Kompetenzzentrum - Das virtuelle Fahrzeug,

Forschungsgesellschaft mbH

www.v2c2.at

DANKE FÜR IHRE

AUFMERKSAMKEIT.

Dr. Christian Schwarzl christian.schwarzl@v2c2.at

+43 664 883 71317