LIDAR steht für „Light Detection and Ranging“ und spielt eine entscheidende Rolle im Kontext des autonomen Fahrens, da es dem Fahrzeug hochpräzise räumliche Informationen über seine Umgebung liefert. So können die ausgesendeten Laserstrahlen die Entfernung zu Objekten bis zu einer Distanz von 120 m mit einer Genauigkeit von 1 cm erfassen. Die beiden Hesai LIDARe des VW Tiguan rotieren mit einer Frequenz von 10 Hz und senden insgesamt 32 Laserstrahlen in gleichen Abständen bei einem Öffnungswinkel von 30°.
SUV
VW Tiguan
Es handelt sich um einen umgerüsteten und digitalisierten VW Tiguan mit Verbrennungsmotor, der mit 2 3D Lidaren und 5 2D Lidaren, sowie insgesamt 7 Kameras nachgerüstet wurde. Die Kameras und 3D Lidare sind auf einem Rack auf dem Dach angebracht, was uns ermöglicht die Position schnell anzupassen und so eine gute Ausrichtung der Sensoren zu finden. Der Umbau des Fahrzeugs wurde in Zusammenarbeit mit IAV durchgeführt. Mit 25 Jahren Erfahrung in der Modifikation von Fahrzeugen, war IAV ein exzellenter Partner, um die von uns geplanten und simulierten Umbauten vorzunehmen. So wurden 14 Sensoren und 4 Antennen außen am Tiguan befestigt, sowie etwa 30 Bauteile im Kofferraum des Fahrzeugs solide verbaut. Darüber hinaus haben wir Zugriff auf die Daten der im Tiguan bereits verbauten Radare erhalten. Im Fahrzeug sind 2 Monitore verbaut, einer für den Sicherheitsfahrer mit einer rudimentären Ansicht der geplanten Fahrt, sowie einer für den sogenannten Operator, der hinter dem Beifahrer die Fahrt und unser System überwacht.
Die unterschiedlichen Farben der Lidar-Punkte dienen zur Visualisierung der Höhe des gesehenen Objekts. Der Boden ist entsprechend gelb, während die Bäume an der rechten Seite durch in mehreren Laserschichten gesehen werden und deshalb bunt aussehen.
Kameras spielen eine entscheidende Rolle beim autonomen Fahren, da sie dazu beitragen, dem Fahrzeug eine umfassende und präzise Wahrnehmung seiner Umgebung zu ermöglichen.
Die wichtigsten Aufgaben von Kameras für das autonome Fahren sind: Objekterkennung, Spurerkennung und -verfolgung, Verkehrszeichen- und Ampelerkennung, Hinderniserkennung, Fahrbahnerkennung, usw.
Die im Tiguan verbauten Radare senden Radarwellen aus, die von Objekten in der Umgebung reflektiert werden. Anschließend werden diese reflektierten Signale vom Radar empfangen und interpretiert, um Informationen über die Position, Entfernung, Geschwindigkeit und Größe der umgebenden Objekte zu gewinnen.
Die Radarwellen haben eine größere Reichweite als Lidare und sind besonders sinnvoll, um Objekte in der Ferne zu sehen, sowie die Geschwindigkeit von Objekten zu bestimmen. Radar kann nicht nur zur Kollisionsvermeidung und Spurerkennung verwendet werden, sondern auch zur Verkehrsüberwachung und zur Verbesserung des Fahrkomforts.
Software Stack
made by DAI-Labor und GT-ARC
Der von uns entwickelte Software Stack zum autonomen Fahren deckt die gesamte Bandbreite des autonomen Fahrens ab. Wir beginnen bei der Erkennung oder auch Perception, um ein Gesamtbild der Umgebung zu erhalten und Hindernisse zu kennen. Dazu werden die verschiedenen Sensordaten zusammengeführt (Fusion), überdies werden relevante Bereiche der Umgebung erkannt, um beispielsweise Fahrspuren zu erkennen (Segmentation). Die erkannten Objekte werden verfolgt (Tracking) um Vorhersagen auf Basis des Verhaltens machen zu können. Anschließend wir die Trajektorie geplant und mithilfe des Steuerung (Control) umgesetzt.
KI-Mobilitäts-OS
Damit die Vielfalt der Fahrzeuge mit dem gleichen System verwendet werden kann, mussten wir ein flexibles und dynamisches System entwickeln, dass für eine Vielzahl von Fahrzeugtypen und Hardwarearchitekturen mit verschiedenen Sensorsetups genutzt werden kann. Hierzu werden Sensordaten vereinheitlicht, um ein übergeordnetes Datenformat zu verwenden, welche von dem System verarbeitet werden kann.
Mehr erfahren
ADAS++ Fahrfunktionen
Unter dem Begriff ADAS++ vereinen wir Fahrfunktionen, die das Fahren der Zukunft angenehmer machen und in eine Software-Gesamtlösung einbetten.
- Autonomes Ein- und Ausparken in erkannten Parkplätzen
- Smart Parking mit Erkennung der Parkplatzbelegung
- Valet PArking
- V2X-Kommunikation
- Platooning
- BeDriven
- GLOSA
Automatisierungslevel für das Autonome Fahren
- Level 1 – Assistiertes Fahren: Einzelne Assistenzsystem unterstützen bei bestimmten Fahraufgaben
- Level 2 – Teilautomatisiertes Fahren: Unter definierten Bedingungen kann das Fahrzeug manche Aufgaben zeitweilig selbst ausführen, z.B. Spur halten, bremsen und beschleunigen
- Level 3 – Hochautomatisiertes Fahren: Der Fahrer darf sich vorübergehend von bestimmten Fahraufgabe und dem Verkehr abwenden. Auf Anforderung durch das System muss der Fahrer kurzfristig übernehmen.
- Level 4 – Vollautomatisiertes Fahren: Das Fahrzeug bewältigt Fahrten auf bestimmten Strecken (z.B. Autobahn, Parkhaus) völlig selbstständig, es darf dort auch ohne Insassen fahren.
- Level 5 – Autonomes Fahren: Es gibt nur noch Passagiere ohne Fahraufgabe. Die Technik im Auto bewältigt alle Verkehrssituationen
Für weitere Informationen siehe „Autonomes Fahren: Die 5 Stufen zum selbst fahrenden Auto“ vom ADAC.
Vernetzte, Kooperative und Automatisierte Mobilität (CCAM)
CCAM bezieht sich auf die Integration von fortschrittlichen Kommunikations-, Kooperations- und Automatisierungstechnologien in Verkehrssysteme. Dies umfasst vernetzte Fahrzeuge, die miteinander und mit der Straßeninfrastruktur kommunizieren, kooperative Systeme, die Informationen teilen, und automatisierte Fahrzeuge, die teilweise oder vollständig autonom agieren können.
Dadurch kann die Verkehrssicherheit gesteigert, Verkehrsflüsse optimiert, Reduktion des Umwelteinflusses, effizientere Nutzung der Verkehrsinfrastruktur und -raumnutzung umgesetzt, und höhere Barrierefreiheit ermöglicht werden.
Umgebungswahrnehmung (Perception)
Die Umgebungswahrnehmung autonomer Fahrzeuge spielt eine entscheidende Rolle für ihre sichere und effiziente Navigation im Verkehr. Dieser Prozess beinhaltet die Wahrnehmung (Sensing), Segmentierung, Erkennung (Detection), das Verfolgen (Tracking) und Vorhersage (Prediction) von Objekten in der Umgebung, sodass autonome Fahrzeuge ihre Umgebung verstehen, antizipieren und angemessen und rechtzeitig darauf reagieren können.
ADAC Teststrecke
Berlin Tegel
