2017

11. Uni-DAS e.V. Workshop Fahrerassistenz und automatisiertes Fahren: 29.03.2017 bis 31.03.2017

Im März 2017 fand der 11. Uni-DAS e.V. Workshop Fahrerassistenz in Walting (Altmühltal) statt. Wie bei den vergangenen Workshops wurden neuste Konzepte und Entwicklungen im Bereich der Fahrerassistenzsysteme und des automatisierten Fahrens vorgestellt und diskutiert. Die Kernthemen der Fachvorträge umfassten die Bereiche:

  • Test- und Absicherungsmethoden
  • Lokalisierung und Sensorik
  • Der Mensch beim assistierten und automatisierten Fahren
  • Machine Learning

In einem Gastvortrag referierte Dr. Sven Beiker von McKinsey & Company zum Thema "Das automatisierte Fahren als langfristiges Geschäftsmodell und kurzfristige Marktdifferenzierung".
Im Workshopteil wurden in mehreren Kleingruppen die Anwendungsfälle und der Zeithorizont des Fahrens auf dem SAE-Automationslevel 5 diskutiert.

Programm - Download als PDF

Tagungsband - Download als PDF

Organisation

Prof. Dr. Klaus Bengler
Lehrstuhl für Ergonomie
Technische Universität München
Boltzmannstraße 15
D–85747 Garching

Veröffentlichungen beim Workshop

Folgende Beiträge wurden bei diesem Workshop veröffentlicht:

Abstract: The Simultaneous Localization and Mapping (SLAM) problem is one of the key problems on the way to autonomous driving. This paper provides a cost-efficient and robust method with great accuracy in both localization and mapping. Therefore, a particle based localization algorithm combined with 2D occupancy grid mapping is used. The algorithm uses an odometer to obtain information about the vehicle movement and four radar sensors to get a 360° coverage of the environment. The algorithm is evaluated on a dynamically changing parking lot scenario and a driveway scenario. For each scenario, the algorithm is compared with a highly accurate ground truth system. In certain situations, the algorithm achieves a RMS error of less than 0.2 m. The results prove the performance of the algorithm.

Zur Veröffentlichung - Download als PDF

Abstract: Scene labeling approaches which perform pixel-wise classification of images have become a very popular method for vehicle environment perception. They provide rich semantic information about objects in the surroundings which is oftentimes not available from other sensors. Yet, labeled images do not yield object-level information and object hypotheses incorporating object position and motion in a 3D world have to be retrieved through post-processing, e.g. tracking. This paper presents a vehicle tracking approach which combines the semantic information from scene labeling with precise range and Doppler data obtained from radar sensors. Thus, the respective strengths of both information sources are combined and an improved performance is achieved. By employing multi-object methods based on random finite sets, the proposed method is able to track multiple vehicles and to consider interdependencies. It is demonstrated using data from an experimental vehicle.

Zur Veröffentlichung - Download als PDF

Zusammenfassung: Zentimetergenaue Lokalisierung ist für das hochautomatisierte Fahren fundamental. Videobasierte Ansätze, die eine vorab erzeugte Karte verwenden, ermöglichen eine Lokalisierung in Gebieten, in denen globale Satellitennavigationssysteme aufgrund von Abschattung und Mehrwegeausbreitung unzuverlässig sind. Jedoch hat eine einmalig erzeugte Karte nur eine begrenzte Gültigkeitsspanne, da sich die Umgebung aufgrund ¨außerer Einflüsse verändert. In dieser Arbeit wird eine Methode zur Erzeugung langzeitstabiler Punktmerkmalskarten für die zentimetergenaue Eigenpositionschätzung in sechs Freiheitsgraden präsentiert. Dazu werden ausschließlich mehrere am Fahrzeug angebrachte Kameras verwendet. Eine existierende Karte wird bei erneuter Befahrung zur Lokalisierung verwendet. Danach wird die Karte mit den aufgezeichneten Bildern der Wiederbefahrung aktualisiert und verbessert. Die iterative Integration neuer Befahrungen ermöglicht eine beliebig lange Gültigkeitsspanne der Karte und steigert die Güte der in ihr gespeicherten Informationen.

Zur Veröffentlichung - Download als PDF

Abstract: In this work, we present a Reinforcement Learning (RL) based approach for autonomous driving in highway scenarios, including interaction with other vehicles. The method used is Fitted Q-iteration with Extremely Randomized Trees as a function approximator.
We demonstrate that Reinforcement Learning based concepts can be successfully applied and can be used to teach a RL agent to drive autonomously in an intelligent way, by following traffic rules and ensuring safety. By combining RL with the already established control concepts, we managed to build an agent that achieved promising results in the realistic simulated environment.

Zur Veröffentlichung - Download als PDF

Zusammenfassung: Digitale Karten sind in der Entwicklung des autonomen Fahrens von großer Bedeutung. Die Schwierigkeit besteht dabei aufgrund ständiger Änderungen in der Umwelt eine Karte aktuell zu halten. Der Einsatz von hochgenauen Referenzfahrzeugen zur Kartierung ist mit einem enormen Aufwand verbunden, weswegen in dieser Arbeit eine selbstlernende Karte vorgestellt wird. Hier erfolgt unter Einsatz vieler einfacher Agenten die Kartierung mit dem Labeled-Multi-Bernoulli-Filter und die gleichzeitige Monte-Carlo-Lokalisierung, indem aufgenommene Messungen und der derzeitige Kartenausschnitt als Random-Finite-Set modelliert werden. Erste simulative Ergebnisse zeigen bereits Verbesserungen der Karte infolge der Informationsfusion einzelner Agenten. Das vorgestellte Verfahren wird zusätzlich mit Realdaten evaluiert.

Zur Veröffentlichung - Download als PDF

Zusammenfassung: In hochautomatischer Fahrzeugführung soll die Fahrzeugkontrolle mittels einer Übernahmeaufforderung zurück an den Fahrer gegeben werden, wenn das Fahrzeug eine Systemgrenze detektiert. Im Rahmen der Studie wurde untersucht, ob das Übernahmeverhalten eines Fahrers von seiner Erwartungshaltung bzgl. des Systemverhaltens bei einer Systemgrenze abhängt. Hierfür wurde eine Studie im Fahrsimulator mit N = 48 Personen durchgeführt, in der zwei kritische Situationen präsentiert wurden. Die dabei erhobenen Parameter zur Beschreibung des Fahrerverhaltens weisen darauf hin, dass die Probanden eine situativ unterschiedliche Erwartungshaltung ausbilden. Die Berücksichtigung der Erwartungshaltung eines Fahrers könnte somit potenziell die Übernahmezeit verbessern.

Zur Veröffentlichung - Download als PDF

Zusammenfassung: Der empfundene Fahrstil übt einen entscheidenden Einfluss auf die Kundenwertigkeit und -akzeptanz hochautomatisierter Fahrfunktionen aus, wodurch diese gezielt gesteigert werden können. Mit Hilfe einer Realfahrzeugstudie auf einem Versuchsgelände wurde der Einfluss der Spurwechseldynamik und des Ablenkungsgrades durch fahrfremde Tätigkeiten auf die Komfort- und Sicherheitswahrnehmung analysiert. Hierbei konnte ein verringertes Toleranzniveau gegenüber Querdynamik bei erhöhter Ablenkung festgestellt werden. Aus den Ergebnissen wird die Notwendigkeit einer manuellen Adaptionsfähigkeit der Längs- und Querdynamik hochautomatisierter Fahrfunktionen aufgrund des breit gefächerten Wahrnehmungsspektrums und der individuellen Dynamiksensibilität der Nutzer deutlich.

Zur Veröffentlichung - Download als PDF

Abstract: During partially automated driving, the driver must have a good awareness of the automation system’s state to fulfill his supervising task sufficiently. In this contribution, a concept for feeding back state transitions and intentions of the automation is presented. The feedback is not communicated visually, as usual, but instead via vehicle movements, strictly speaking active pitch motions. Feedback through active pitch motions is shown to test persons in four selected test scenarios in a driving study. Thereby, the design of these pitch motions as feedback for state transitions and intentions of the automation is evaluated.

Zur Veröffentlichung - Download als PDF

Zusammenfassung: Visuell informierende und warnende Fahrerassistenzsysteme (FAS) weisen bei Blickabwendung und in Situationen hoher Belastung des Fahrers Schwächen auf. Ein Ansatz zur Verbesserung der Informationsaufnahme besteht in der Erschließung bisher wenig genutzter Übertragungskanäle. Ein etablierter, jedoch von FAS bisher kaum genutzter Weg ist die Informationsübertragung mittels der Fahrzeugaufbaubewegung. Dieser Beitrag untersucht exemplarisch, ob gezielt in den Fahrzeugaufbau eingebrachte Bewegungen als Informationsträger in informierenden und warnenden FAS genutzt werden können.

Zur Veröffentlichung - Download als PDF

Zusammenfassung: Die Fahrzeugautomatisierung ermöglicht es dem Fahrer zunehmend Fahraufgaben zu delegieren. Dadurch ist der Fahrer verstärkt auf Systemrückmeldungen über Systemzustand und Systemabsicht der Automation angewiesen, die ihm in kritischen Situationen helfen sollen schnell und richtig einzugreifen. Dabei stellen Fehlfunktionen des Systems eine Herausforderung dar. Diese Probandenstudie untersucht deshalb den Einfluss eines kontaktanalogen Head-Up Displays (MIT_kHUD und OHNE_kHUD) auf das Übernahmeverhalten des Fahrers bei einer wiederholten Fehlfunktion (FF1 und FF2) der Fahrzeugautomation. Statistisch lässt sich bei der verwendeten Stichprobengröße kein Einfluss der Art der Anzeige und der Wiederholung der Fehlfunktion (Lerneffekt) auf die Häufigkeit der Kollisionen und die Eingriffsart (Bremsen, Lenken, Kombiniert) nachweisen. Die Art der Anzeige hat keinen Einfluss auf die Übernahmezeit und die minimale Time to collision. Durch die Wiederholung der Fehlfunktion nimmt bei den beiden Gruppen MIT_kHUD und OHNE_kHUD die Übernahmezeit ab und die Time to collision zu. Eine Blickauswertung zeigt, dass mindestens 75 % der Probanden MIT_kHUD zum Zeitpunkt der Fehlfunktion das kHUD wahrnehmen konnten.

Zur Veröffentlichung - Download als PDF

Zusammenfassung: Mit Hilfe von aufgezeichneten Videosequenzen von Beinaheunfällen zwischen Fußgängern, Radfahrern und Fahrzeugen in Japan wird das Verhalten von Vulnerable Road Users (VRUs) in kritischen Situationen untersucht. Dabei interessiert in Hinblick auf eine Intentionserkennung und Verhaltensprädiktion besonders das Blickverhalten der VRUs, sowie die Umgebungsbedingungen.

Zur Veröffentlichung - Download als PDF

Summary: In order to keep up with the growing complexity of safety-critical driver assistance systems, testing methods need to advance alike. Virtual testing represents a controlled and deterministic environment, which is scalable with rising computing power. However, to obtain a valuable simulation, the realism of the simulated vehicular perception is crucial. This paper describes a method for modeling a sensor, which adapts to the behavior of sensor and reference measurements. The statistical framework enables generic use, as different environment and sensor-output types can be treated within the same model. To prove this flexibility, various quantities of different sensors are modeled. Presented models envelop the field of view, the estimated position, the estimation of other vehicles’ dimensions and a point cloud model.

Zur Veröffentlichung - Download als PDF

Zusammenfassung: Die Norm ISO 26262 stellt in der Fassung von 2011 den Stand der Technik für eine funktional sichere Entwicklung von sicherheitskritischen elektrischen/elektronischen Systemen für Kraftfahrzeuge dar. Dazu gehören Fahrerassistenzsysteme und Fahrzeugführungssysteme. Im Entwicklungsprozess der Norm ISO 26262 kann in mehreren Prozessschritten eine szenarienbasierte Sichtweise zur Generierung der von der Norm geforderten Arbeitsergebnisse für die funktionale Absicherung der Systeme genutzt werden. Szenarienbasierte Ansätze werden dafür in mehreren Prozessschritten für unterschiedliche Betrachtungen verwendet, woraus sich widersprüchliche Anforderungen an die Darstellung der Szenarien ergeben. Dieser Beitrag definiert aufbauend auf vorherigen Veröffentlichungen zur Begriffsdefinition die Anforderungen an Darstellungsweisen von Szenarien und sich daraus ergebende Abstraktionsebenen und zeigt auf, wie sich diese Szenarien entlang des Entwicklungsprozesses nach Norm ISO 26262 ineinander überführen lassen.

Zur Veröffentlichung - Download als PDF

Zusammenfassung: Der Einsatz maschinell gelernter und lernender Algorithmen verstärkt sich im Bereich der Fahrerassistenzsysteme zunehmend basierend auf den hieraus resultierenden Vorteilen wie der Individualisierung des Systems oder der Identifikation komplexer Zusammenhänge. Bei leistungsfähigen maschinell gelernten Algorithmen handelt es sich jedoch zumeist um Modelle mit einer hohen Komplexität, die einer Black-Box gleichzusetzen sind. Dies stellt besondere Herausforderungen an die Absicherung der Assistenzsysteme. Werden darüber hinaus im Fahrbetrieb weiterlernende Modelle eingesetzt, besteht nicht nur die Herausforderung in der einmaligen Absicherung dieser Algorithmen zum Auslieferungszeitpunkt, sondern zusätzlich in der ständigen Absicherung des geänderten Verhaltens im Betrieb. Die bisher bekannten Lösungsansätze dieser Problematik werden vorgestellt sowie kritisch im Hinblick auf ihren Einsatz zur Absicherung von Fahrerassistenzsystemen diskutiert.

Zur Veröffentlichung - Download als PDF

Zusammenfassung: Bei der Freigabe automatisierten Fahrens ist eine der Herausforderungen der Nachweis, dass das Risiko im Straßenverkehr durch die Einführung nicht zunimmt. Der szenariobasierte Freigabeansatz basiert auf dem Test besonders kritischer Fahrsituationen unter der Annahme, dass der Großteil einer typischen Fahrt keine besondere Kritikalität aufweist und daher Tests dieser Fahrtanteile nur wenig zum Sicherheitsnachweis beitragen. Um die kritischen Situationen und Szenarien aus Messdaten automatisch zu identifizieren, sind Metriken, die die Kritikalität beschreiben, nötig. In diesem Paper wird ein neuer Metrikansatz für diese Bewertung vorgestellt. Dazu wird zunächst die Kritikalität allgemein definiert und anschließend eine Berechnungsmethode sowie ein Vorschlag zur Kalibrierung vorgestellt.

Zur Veröffentlichung - Download als PDF

Zusammenfassung: Um den Absicherungsaufwand für hochautomatisierte Fahrfunktionen zu reduzieren, werden neue Ansätze für die Absicherungsmethodik benötigt. Als zielführend kann dabei eine Verknüpfung bestehender Methoden und Werkezeuge zu einem ganzheitlichen Ansatz angesehen werden. Im Projekt PEGASUS wird dazu eine Datenbank entwickelt, mit deren Hilfe relevante Verkehrsszenarien für die Absicherung nutzbar gemacht werden. Hierzu werden Daten aus unterschiedlichen Quellen (Unfalldatenbanken, Feldversuche, Simulation, etc.) zunächst harmonisiert und anschließend mit einer einheitlichen Prozesskette weiterverarbeitet. Auf diese Weise können Testspezifikationen für die Freigabe von hochautomatisierten Fahrfunktionen basierend auf einer Clusterung der in den Datenquellen enthaltenen konkreten Szenarien abgeleitet werden.

Zur Veröffentlichung - Download als PDF

Adresse

Uni-DAS e. V.

Otto-Berndt-Straße 2
64287 Darmstadt

Telefon: +49 241 80 26533