CeBIT 2017: Automatisiertes Fahren: Sicheres Navigieren im Baustellenbereich

Auf dem Weg zum automatisierten Fahren: Eine Kamera liest während der Fahrt Bilder und Informationen zu Hinweisschildern, Fahrspurinformationen oder von LED-Verkehrszeichen heraus. Fraunhofer IAIS

Baustellen sind eine Herausforderung für automatisierte Fahrzeuge: Weil sich in der Regel Fahrspuren verengen, Staus entstehen und Fahrer oftmals unsicher oder gestresst reagieren, kommt es häufiger zu Unfällen.

Die Systeme der automatisierten Fahrzeuge sind zudem überfordert von der komplexen Situation: Alte und neue Fahrbahnmarkierungen überlagern sich, begrenzende Baken und Leitkegel sind von der Sensorik schwer zu erfassen. Die Schilder enthalten unterschiedliche Informationen zu erlaubter Geschwindigkeit oder dem Verlauf der Spuren.

Mit Deep Learning Muster schneller und effizienter erkennen

»Unsere Technologie ermöglicht es einem System, auch Schilder dieser Art mit hoher Treffsicherheit zu lesen«, erklärt Stefan Eickeler, zuständig für das Thema Objekterkennung am Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS in Sankt Augustin.

Die Informationen werden semantisch verarbeitet, inhaltlich verstanden und zur weiteren Verarbeitung verfügbar gemacht. »Mit Deep Learning – einer Schlüsseltechnologie für die Zukunft der Automotive Branche – bringen wir der Software bei, die klassischen Muster schneller und effizienter zu erkennen.«

So können künftig über das Zusammenspiel von Navigationsgerät und Bordcomputer anders ausgewiesene Autobahn-Ausfahrten auf Baustellen korrekt angesagt, Abstände zu anderen Fahrzeugen optimal bemessen und die Geschwindigkeit rechtzeitig angepasst werden. »Was beim assistierten Fahren in Kürze schon für Entspannung und mehr Sicherheit beim Fahren sorgen könnte, soll auf lange Sicht auch von ganz alleine funktionieren: Dann werden automatisierte Fahrzeuge eigenständig reagieren«, erläutert Eickeler.

Die Zukunftsvision: Kamera ersetzt zahlreiche Sensoren

Zum Einsatz kommt dabei eine Automotive-Kamera, die derzeit 20 bis 25 Bilder pro Sekunde liefert. Direkt während der Fahrt werden diese Bilder analysiert und Informationen zu Hinweisschildern, Fahrspurinformationen oder von LED-Verkehrszeichen herausgelesen und bearbeitet.

Eine Zukunftsvision ist, dass diese Kamera künftig als primäre Schnittstelle fungiert und so auf eine Vielzahl an Sensoren verzichtet werden kann.

Auf der CeBIT stellt das Fraunhofer IAIS in einem virtuellen Rundgang mehrere Projekte im Bereich Big Data und Machine Learning vor – unter anderem zu den Themen »Automatisiertes Fahren im Baustellenbereich«, »Digitale Assistenten und Echtzeit-Empfehlungssysteme« oder »Wissensgraphen für datengetriebene Geschäftsmodelle«.

https://www.fraunhofer.de/de/presse/presseinformationen/2017/maerz/sicheres-navi…

Media Contact

Silke Loh Fraunhofer Forschung Kompakt

Alle Nachrichten aus der Kategorie: CeBIT

Zurück zur Startseite

Kommentare (0)

Schreiben Sie einen Kommentar

Neueste Beiträge

Biologischer Abbau von Mikroplastik durch „PlasticWorms“

An der Fakultät Bioingenieurwissenschaften der Hochschule Weihenstphan-Triesdorf (HSWT) wird ein innovatives biologisches Verfahren entwickelt, bei dem Würmer und Mikroorganismen Mikroplastik in Kläranlagen abbauen können. Mikroplastik ist in aller Munde und…

Goldene Kugelmühlen als grüner Katalysator

Ein mit Gold beschichteter Mahlbecher für Kugelmühlen hat sich in der Forschungsarbeit der Anorganischen Chemie der Ruhr-Universität Bochum als wahrer Wundertopf erwiesen: Ganz ohne Lösungsmittel und umweltschädliche Chemikalien konnte das…

Optimal getrackte PV-Anlagen durch Deep Learning

Nachführende Photovoltaik-Anlagen mit Trackern führen zu einem Ertragsgewinn von 20 bis 30 Prozent im Vergleich zu fest montierten PV-Freiflächenanlagen. Zusätzlich könnten sie weitere Kriterien in ihrer Ausrichtung berücksichtigen, beispielweise den…

Partner & Förderer