« Forschungslandschaft: Projekte

Für hochverfügbares automatisiertes Fahren ist eine robuste Straßeneinschätzung unerlässlich. Um die Herausforderungen dieser Aufgabe zu bewältigen, verwenden viele Arbeiten eine Fusion mehrerer Quellen, z. B. visuell erkannte Fahrbahnmarkierungen, vorausfahrende Fahrzeuge, digitale Karten, usw. Jede Quelle hat jedoch je nach Einsatzszenario bestimmte Vor- und Nachteile. Die Annahme vieler bestehender Ansätze, dass die Quellen für den Fusionsprozess immer gleich zuverlässig sind, ist unangemessen. Daher wird in dieser Arbeit in Zusammenarbeit mit VW ein neuartiges Konzept vorgeschlagen, bei dem die Verlässlichkeit in die Multi-Source-Fusion einbezogen wird, so dass die Straßenschätzungsaufgabe abwechselnd nur die verlässlichsten Quellen auswählen kann. Dabei wird die Zuverlässigkeit für jede Quelle online mit Hilfe von Klassifikatoren geschätzt, die mit den Sensormessungen, der vergangenen Leistung und dem Kontext trainiert wurden. Anhand von realen Datenaufzeichnungen zeigen experimentelle Ergebnisse, dass die vorgestellte zuverlässigkeitsbewusste Fusion die Verfügbarkeit des automatisierten Fahrens erhöht.