Für den Fortschritt des autonomen Fahrens ist das Testen der Fahrzeuge in virtuellen Simulationsumgebungen ein zentrales Element. Hierbei muss insbesondere die Sensorik so realistisch wie möglich simuliert werden. In diesem Projekt sollen daher reale Sensordaten aus Testfahrten mittels maschinellen Lernens in die Simulation integriert werden.
Virtuelle Simulationsumgebungen für autonomes Fahren enthalten oft nur idealistische Sensorimplementierungen, die typische Sensorartefakte nicht abbilden können. LiDAR-Sensoren senden beispielsweise rotierende Infrarotlichtstrahlen aus und messen die Entfernungen zu den getroffenen Oberflächen, wodurch ein Modell der Umgebung in Form einer Punktewolke erfasst wird. Transparente, spiegelnde oder weit entfernte Objekte führen dabei zu Fehlstellen oder falschen Messpunkten, die in einer Simulation so nicht auftreten. Dadurch erhalten Algorithmen, die für die Steuerung des Fahrzeuges zuständig sind, in der Simulation unrealistische Eingaben. Dabei gibt es noch eine Vielzahl weiterer Effekte, die sich auf das Verhalten der Sensoren auswirken und in der Simulation nur sehr schwer nachgebildet werden können.
rechts: eine grob vereinfachende Simulation – Stand der Technik (Quelle: FAU Erlangen-Nürnberg, Technische Fakultät Department Informatik, Lehrstuhl für Graphische Datenverarbeitung, Elektronische Fahrwerksysteme GmbH)
Die Zielsetzung des Vorhabens ist es, Sensorverhalten direkt aus Realdaten abzuleiten und in der Simulation nachzubilden. Dazu werden im Rahmen des Projekts Messfahrten durchgeführt, um verschiedene Sensordaten aufzuzeichnen. Es werden Methoden entwickelt, um aus dem so aufgenommenen Strom von Kamerabildern und LiDAR-Daten ein 3D-Modell der durchfahrenen Welt zu rekonstruieren. Auf Basis dieses Modells soll dann das Verhalten der verbauten Sensoren mittels neuronaler Netze erlernt und auf virtuelle Sensoren in einer Simulationsumgebung übertragen werden. Das resultierende Simulationssystem wird somit deutlich realistischere Sensordaten erzeugen und dazu beitragen, die Effektivität von virtuellen Tests zu steigern und so die Entwicklung von autonomen Fahrfunktionen in Bayern voranzutreiben.
