Zurück Vor

Detailergebnis zu DOK-Nr. 77108

Automated Driving Sensor Testfahrzeug (Forschungsprojekt ASTRA 2019/004) (Orig. engl.: Automated driving sensor testing vehicle)

Autoren	C. Hohl D. Milojevic M. Elser J. Zraggen N. Vulin
Sachgebiete	6.1 Verkehrserhebungen, Verkehrsmessungen 6.7.2 Verkehrsbeeinflussung außerorts, Verkehrsmanagement, Fahrerassistenzsysteme 0.8 Forschung und Entwicklung

Zürich: Schweizerischer Verband der Straßen- und Verkehrsfachleute (VSS), 2021, 151 S., zahlr. B, T, 33 Q, Anhang (Bundesamt für Straßen (Bern) H. 1703)

Der Bericht aus der Schweiz dokumentiert die Aktivitäten und Ergebnisse aus dem Projekt "Automated Driving – Sensor Testing Vehicle". Das Projekt wurde gestartet, um Verfahren zur Sicherheitsvalidierung für automatisiertes Fahren zu verstehen und aufzubauen. Sensoren spielen eine entscheidende Rolle im Automated Driving (AD)-Stack, da sie die relevanten Informationen aus der Umgebung liefern. Das Projekt konzentrierte sich auf die Evaluierung von AD-Sensoren mit Feldtests während des realen Fahrens auf einer Teststrecke und den Vergleich der Ergebnisse mit Daten aus experimentellen Labortests. Zu diesem Zweck wurde ein Lexus RX 450h-Fahrzeug mit einem handelsüblichen Satz der wichtigsten AD-Sensoren, das heißt Lidar, Kamera und Radar, ausgestattet. Weiterhin wurde eine Teststrecke mit Testobjekten aufgebaut. Für die Bewertung der Leistungsfähigkeit der Sensoren wurde der sogenannte funktionsszenariobasierte Testansatz verwendet. Bei diesem Verfahren wird eine bestimmte Wahrnehmungsfunktion im AD, zum Beispiel die Objekterkennung, in einem entworfenen realen Fahrszenario getestet. Dieser Testansatz ermöglicht sowohl die Wiederholbarkeit von Feldtests als auch ein genaues Verständnis des Szenarios. Mit verschiedenen Szenarien wurde die Objekterkennung, die Distanzschätzung, Tracking und Lokalisierungsleistung der Mobileye-Kamera, des Delphi ESR-Radars und des Velodyne VLP-16-Lidars getestet. Da es sich bei einigen der Sensoren, zum Beispiel bei der Mobileye-Kamera, um Black-Box-Systeme handelt, wurden neue Bewertungsspezifikationen entwickelt, zum Beispiel die Tracking-Ratio, welche angibt, wie empfindlich beziehungsweise robust die Objekttrackingfunktionalität über die Zeit ist. Das Design der Szenarien ermöglichte es, präzise Informationen über die Sensorleistung zu erhalten, zum Beispiel die Falsch-Negativ-Rate der Objekterkennung bei unterschiedlichen Objektabständen. Die Feldtests wurden unter verschiedenen Wetterbedingungen und mit verschmutzten Sensoren durchgeführt. Unsere Analysen ergaben unter anderem, dass die Mobileye-Kamera bei der Objekterkennung eine hohe Wetterabhängigkeit aufweist und große Leistungseinbußen bei verschneiten und regnerischen Wetterbedingungen zeigt.