12. Uni-DAS e.V. Workshop Fahrerassistenz und automatisiertes Fahren: 26.09.2018 bis 28.09.2018

Im September 2018 fand der 12. Uni-DAS e.V. Workshop Fahrerassistenz und automatisiertes Fahren in Walting (Altmühltal) statt. Wie in den Jahren zuvor wurden neuste Konzepte und Entwicklungen im Bereich der Fahrerassistenzsysteme und des automatisierten Fahrens vorgestellt und diskutiert. Dabei bot der Workshop ein Forum für Universitäts- und Forschungseinrichtungen sowie Industrieunternehmen, sich mit Menschen für die gleiche Zielsetzung, dem sicheren und zuverlässigen, assistierten und automatischen Fahren, auseinanderzusetzen. Neben wissenschaftlichen Fachvorträgen boten die Diskussionsrunden die Möglichkeit, sich ausgiebig über die Trends und Visionen des assistieren und automatisierten Fahrens in Forschung und Industrie auszutauschen. Den allgemeinen Themenbereich für den Workshop finden Sie hier.

Walting 20180927 02

Programm - Das Programm zum Download als pdf.

Tagungsband - Download als PDF

 

Organisation

Prof. Dr. Hermann Winner
Fachgebiet Fahrzeugtechnik
Technische Universität Darmstadt
Otto-Berndt-Straße 2
D–64287 Darmstadt

 

Veröffentlichungen beim Workshop

Folgende Beiträge wurden bei diesem Workshop veröffentlicht:

Zusammenfassung: Szenarienbasierte Testkonzepte, vorrangig für Simulationsumgebungen, können einen Beitrag zur Freigabe und Markteinführung automatisierter Fahrzeuge leisten. Kernbestandteil der Ansätze sind relevante Betriebsszenarien, welche in vielfältiger Variation die Repräsentativität der simulierten Testfälle gegenüber der realen Einsatzumgebung erhöhen. Die notwendigen Szenarien können durch Messfahrten, Expertenanalysen oder systematische Prozesse gewonnen werden. Eine breite Variation umfassend beschriebener Szenarien kann im Rahmen von Expertenanalysen oder Messfahrten nur mit hohem manuellem Aufwand erzeugt werden. In diesem Beitrag werden Ansätze zur Formalisierung von Wissen und zur wissensbasierten automatisierten Szenariengenerierung für Betriebsszenarien auf deutschen Autobahnen vorgestellt.

Zur Veröffentlichung - Download als PDF

Zusammenfassung: Szenarienbasierte Entwicklungs- und Testprozesse stellen einen vielversprechenden Ansatz für die Verifkation und Validierung automatisierter Fahrfunktionen dar und sind somit voraussichtlich im Stande, einen Beitrag zur Freigabe automatisierter Fahrzeuge zu leisten. Um diesen Beitrag dokumentieren und bewerten zu können, müssen Szenarien nachverfolgbar entlang des Entwicklungs- und Testprozesses erstellt werden. In den frühen Entwicklungsphasen liegen die Betriebsszenarien des Entwicklungsgegenstandes üblicherweise in einer abstrakten sprachlichen Beschreibungsform vor. Spätestens im Rahmen einer Testfallableitung für den simulativen Test müssen die sprachlich dokumentierten Betriebsszenarien in eine Parameterraumdarstellung überführt und in die Formate für die jeweilige Simulationsumgebung konvertiert werden. Dieser Schritt bedeutet zur Zeit einen hohen manuellen Aufwand. Zudem ist bei einer manuellen Überführung von sprachlich beschriebenen Szenarien in die Formate für die Simulationsdurchführung durch unterschiedliche Bearbeiter nicht sichergestellt, dass eine einheitliche Interpretation und Umsetzung der Szenarien erfolgt. In diesem Beitrag wird ein Ansatz zur automatisierten Überführung von stichwortbasierten Szenarien in eine Parameterraumdarstellung sowie die Konvertierung in die Formate OpenDRIVE (Beschreibung des Streckennetzes) und OpenSCENARIO (Beschreibung der Verkehrsteilnehmer und Umweltbedingungen) am Beispiel von Szenarien auf deutschen Autobahnen vorgestellt.

Zur Veröffentlichung - Download als PDF

Zusammenfassung: Ein statistischer Sicherheitsnachweis für hochautomatisiertes Fahren ist mit aktuellen Methoden, wie der Felderprobung, nicht möglich. Neuartige Methoden, bspw. szenario-basiertes Testen, könnten helfen dieses Dilemma zu lösen. Trotzdem führen die Vielzahl an Einflussparametern und deren Werteraum zu einer riesigen Menge an möglichen Kombinationen innerhalb des Parameterraums. Da es aktuell noch zu wenig Erfahrung mit automatisierten Fahrfunktionen gibt, kann der benötigte Testraum nicht durch wissensbasierte Testfallerstellung reduziert werden. Partikuläres Testen mittels Funktionaler Dekomposition der Fahrfunktion kann potentiell dazu beitragen, diese Parameterraumexplosion zu überwinden. Basierend auf Beispielszenarien und Annahmen für die benötigte Testraumabdeckung und Diskretisierungsstufen der Einflussparameter scheint damit eine Reduktion des Testumfanges um bis zu zwei Größenordnungen möglich.

Zur Veröffentlichung - Download als PDF

Abstract: One of the major challenges for enabling market introduction of automated driving is to identify risks and benefits of these functions. For this purpose, a new framework for assessing the safety impact of automated driving functions has been investigated. The developed framework takes the characteristics of automated driving functions into account. Automated driving functions - in contrast to active safety systems - continuously control the behaviour of the vehicle. Thus, it is possible that automated driving functions will get involved less frequently in accident scenarios playing a major role at human driving, e.g. rear-end accident scenarios. On the other hand, it is likely that other previously irrelevant accident types will rise. Therefore, besides investigating the change of severity of an accident by using accident re-simulations, the changes of frequency of occurrence of driving scenarios induced by automated driving are considered as well. These changes in frequency of occurrence of driving scenarios are analysed by using traffic simulations. After determining the effectiveness of the automated driving function, it is projected and depicted over the whole territory of the Federal Republic of Germany. The methodology is applied on five generic automated driving functions as for example a generic “Motorway-Chauffeur” (SAE level 3) and a generic “Urban Robot-Taxi” (SAE level 4). This paper provides the results of the safety impact assessment of these automated driving functions.

Zur Veröffentlichung - Download als PDF

Zusammenfassung: Dieser Beitrag beschreibt ein Konzept für ein Fehlermodell für Fahrerverhaltensmodelle zum Test hochautomatisierter Fahrfunktionen. Das vorgestellte Konzept basiert auf Ergebnissen der Unfallforschung. Ziel des Fehlermodells ist es, dem Fahrerverhaltensmodell in der Verkehrssimulation die gleichen Fähigkeiten zu geben, wie sie der reale Mensch besitzt. Das Absichern und Freigeben hochautomatisierter Fahrfunktionen stellt für die Automobilhersteller große Herausforderungen dar. Das Erproben derartiger Systeme ist ohne unterstützende Tests in einer virtuellen Umgebung aufgrund wirtschaftlicher Betrachtungen, technologischer Restriktionen oder aus Sicherheitsgründen nicht umsetzbar. Daher werden für die sinnvolle Anwendung von Verkehrssimulationen neue Konzepte benötigt.

Zur Veröffentlichung - Download als PDF

Zusammenfassung: Kooperatives Fahren erleichtert an Auffahrten und Kreuzungen das Einfahren anderer Fahrzeuge, indem für diese eine Lücke erstellt wird. Dies kann durch eine technische Kommunikation und Abstimmung zwischen den beteiligten Fahrzeugen unterstützt werden. Die Probandenstudie im Fahrsimulator evaluiert verschiedene Konzepte von Mensch-Maschine-Schnittstellen eines Assistenzsystems für manuelles und automatisiertes kooperatives Fahren beim Auffahren auf die Autobahn und Linkseinbiegen auf Landstraßen. Die Evaluationsergebnisse zeigen, dass alle untersuchten Systemvarianten hilfreich und verständlich sind. Allerdings bevorzugen die Fahrer eine Darstellung, die das natürliche Blickverhalten unterstützt, indem Informationen in der Windschutzscheibe und der Fahrumgebung angezeigt werden. Insgesamt führt das System zu häufigeren erfolgreichen kooperativen Interaktionen.

Zur Veröffentlichung - Download als PDF

Zusammenfassung: Aktuell gelten für aktiv in die Querführung eingreifende Assistenzsysteme geschwindigkeitsabhängige Grenzwerte, welche die Wirksamkeit im Nutzenfall beschränken. Die Grundlage dieser Grenzwerte bilden Toleranzgrenzen für fahrdynamische Kennwerte, die anhand von subjektiven Bewertungen der Kontrollierbarkeit von Falschauslösungen ermittelt wurden (Toleranzansatz). Um die Wirksamkeit neuer Systeme zu maximieren, sind jedoch höhere Eingriffsstärken und Grenzwerte notwendig. Vorliegende Befunde zur Kontrollierbarkeit von höheren Grenzwerten sind allerdings sehr heterogen und wenig vergleichbar. In einer Realfahrzeugstudie mit N = 65 wurde daher die Anwendung des Toleranzansatzes zur Bewertung der Kontrollierbarkeit überprüft. Die Ergebnisse zeigen einerseits, dass der Toleranzansatz geeignet ist, um höhere Eingriffsstärken zu untersuchen und andererseits, dass unter Berücksichtigung bestimmter Gestaltungsmerkmale höhere Eingriffsstärken toleriert und beherrscht werden können.

Zur Veröffentlichung - Download als PDF

Abstract: One of the safety critical problems for conditional automated vehicles appears during the transition phase. Whenever the system is about to reach its boundaries the take-over request triggers the transition of the driving task to the driver. This transition is often designed by simply switching off the automation. Therefore, this paper proposes to design the transition phase cooperatively in order to establish a higher driving performance throughout the whole process. Further, recommendations for a proper cooperative transition phase are given.

Zur Veröffentlichung - Download als PDF

Zusammenfassung: Vor dem Hintergrund der Entwicklung automatisierter Fahrsysteme, bei denen Fahrer bisweilen die Fahraufgabe wieder übernehmen müssen, stellt sich die Frage ob und inwiefern Systeme zur Erfassung des Fahrerzustands als notwendige Voraussetzung betrachtet werden müssen um eine sichere Übergabe zu gewährleisten. In dem vorliegenden Kapitel soll zunächst diskutiert werden, welche minimalen Anforderungen an den Zustand des Fahrers in Abhängigkeit der Stufe der Automatisierung gestellt werden müssen. Anschließend wird diskutiert, ob die Detektion eines übernahmebereiten Fahrers durch Beobachtung und Messung auf bestimmten Stufen überhaupt valide möglich ist. Alternativ wird diskutiert, dass zunächst die Detektion einer fehlenden Übernahmebereitschaft bereits sehr viel einfacher zu realisieren ist. Dieses wird untermauert mit empirischen Ergebnissen einer Fahrsimulationsstudie bei der die Sollreaktion des Fahrers auf einen Take over Request (TOR) empirisch erfasst und mit der Übernahmeleistung in Verbindung gebracht wird.

Zur Veröffentlichung - Download als PDF

Zusammenfassung: Für eine sichere Übergabe der Fahraufgabe oder adaptive Warnstrategien sind Informationen über die Wahrnehmung einer Situation durch den Fahrer unerlässlich. In dieser Arbeit wurde ein Multi-Hypothesen Multi-Modell Tracking-Algorithmus entworfen, um das Aufmerksamkeitsziel des Fahrers zu schätzen und zeitlich zu verfolgen. Dabei werden sowohl Objektbewegungen als auch raumzeitliche Modellannahmen des menschlichen Blickverhaltens explizit in den Übergangsschritt eines probabilistischen Filters integriert, was zu einer robusten Schätzung des Blickziels führt. Durch die Verwendung dynamischer und statischer potenzieller Blickziele aus einer Objektliste bzw. einem Freiraum-Spline ist der Algorithmus prinzipiell unabhängig von der verwendeten Sensoranordnung. Die Ergebnisse des Filters werden anhand einer beispielhaften Szene aus realen Testdaten analysiert. Zusätzlich wird der Typ des Blickziels mit Hilfe semantischer Segmentierung im Kamerabild bestimmt und das Verfahren mit einem rein bildbasierten Ansatz ohne Tracking verglichen.

Zur Veröffentlichung - Download als PDF

Abstract: The problem of personalization in Advanced Driver-Assistance Systems (ADAS) has been addressed in different studies. In general personalization is an approach which aims to develop a system that can adapt on the driver's behavior and thus improve the prediction performance. The individuality of such a system can be used to improve driving experience and comfort. High prediction performance also means that the model can better foresee driver's actions and accordingly raises a warning in case of hazard. In this work, we investigate in the dependency between different maneuvers. We propose an approach to extract information from past maneuver executions and use it as input for predicting impending maneuvers. In particular, we apply our method to predict which gap will be taken at a left-turn scenario where the driver has to wait for an appropriate gap before turning. The results show that by incorporating the previous maneuver execution the prediction performance can be increased by more than 9 % in term of F1 score. By running our approach using different types of past maneuver for a specific application, we can compare the amount of individual information of drivers contained in each type of maneuver.

Zur Veröffentlichung - Download als PDF

Abstract: The detection and modeling of drivable free space is a major challenge for autonomous driving. A novel approach is to use high resolution cameras especially in order to get semantic information of the environment. However, most approaches fail to use a suitable representation of the free space which is indispensable for subsequent processes like the behavior and motion planning. This paper presents a generic framework for detecting and compactly modeling free space based on fused camera data. For the detection, the disparity image and pixel classification of a stereo-camera are used. Based on that, a new continuous semantic free space model including temporal filtering is introduced. First evaluations show impressive results even in challenging scenarios.

Zur Veröffentlichung - Download als PDF

Abstract: We propose an effcient approach to enhance the measurement likelihood of differentiable star-convex extended target models to mitigate unlikely association processes due to self-occlusion. Our approach allows us to retain an effcient computation of likelihoods and hence the correction step for extended targets while simultaneously penalizing unlikely measurement to target associations. In combination with a filter that is able to process multi-modal distributions we find that this leads to a significant increase in tracking performance, in particular during the initialization of the filter. We demonstrate an implementation based on the recently proposed Gaussian process extended target model and show how our redefined likelihood improves real-world tracking performance using automotive LIDAR data.

Zur Veröffentlichung - Download als PDF

Abstract: We present a novel architecture for intermediate fusion of Lidar and camera data for neural network-based object detection. Key component is a transformer module which learns a transformation of feature maps from one sensor space to another. This allows large parts of the multi-modal object detection network to be trained unimodally, reducing the required amount of costly multi-modal labeled data. We show effectiveness of the transformer as well as the proposed fusion scheme.

Zur Veröffentlichung - Download als PDF

Abstract: As a continuation of learned object detection in dynamic occupancy grid maps, this work aims on long-term prediction of individual objects of interest using deep learning. The algorithms focus on a complex shared space scenario including cars, bikes and pedestrians. A main advantage of the approach is that no manual labeling is required for both, object detection and prediction, due to acausal object track and shape refinement. Predicting future occupancy of single objects given the whole perceived scene, special attention is paid on the interactive in uence between dynamic objects and also the peripherals.

Zur Veröffentlichung - Download als PDF

Zusammenfassung: Autonomes Fahren in immer komplexeren Umgebungen stellt nicht nur an die Bewegungsplanung, sondern auch an die Trajektorienstabilisierung immer höhere Anforderungen. Es geht nicht mehr nur darum eine Querablage zu einer Referenzbahn und eine longitudinale Abweichung von einer Geschwindigkeitsvorgabe zu minimieren, sondern es muss die Gesamtabweichung des Fahrzeugzustands von einer idealen Vorgabe betrachtet werden. In diesem Beitrag stellen wir ein Optimierungsverfahren, basierend auf Differentieller Dynamischer Programmierung, vor. Das Verfahren optimiert eine initiale Stellgrößenfolge, um ein exaktes Folgen einer Referenztrajektorie zu ermöglichen. Die Optimierung basiert auf einer Vorhersage der zukünftigen Regelabweichungen. Dazu können generisch verschiedene Fahrzeugmodelle verwendet werden. Anstatt das Optimierungsproblem als ein Gesamtproblem zu betrachten, teilt das vorgestellte Verfahren das Optimierungsproblem auf und löst es iterativ. Die Optimierung selbst kann jederzeit mit einer suboptimalen Lösung abgebrochen werden, was es besonders für Echtzeit-Anwendungen attraktiv macht.

Zur Veröffentlichung - Download als PDF

Adresse

Uni-DAS e. V.

Otto-Berndt-Straße 2
64287 Darmstadt

Telefon: +49 (0)721 9654-256
Telefax: +49 (0)721 9654-257