Preis für Arbeit über autonomes Fahren

Für ihre Arbeit zu Fahrbereichs- und Fahrspurerkennungssysteme für die autonome Fahrzeugnavigation in anspruchsvollen Fahrsituationen haben Andreas Nüchter und sein Team einen Preis gewonnen. (Foto: privat)

Autonomes Fahren ist eine sehr aktuelle Entwicklung in der Fahrzeugtechnik. Hoch-automatisierte Autos müssen in der Lage sein, selbstständig die Fahrbahn zu erkennen, um dieser sicher folgen zu können. Diese Aufgabe ist herausfordernd, da Fahrbahnmarkierungen unterschiedlich sein können und unter Umständen ganz fehlen.

Verschiedene Straßenbeläge müssen ebenso Berücksichtigung finden. Zusätzlich ist das Erkennen der Fahrbahn stark von Wettersituationen abhängig: Sonne, Schattensituationen, Regen, Nebel, Dämmerung und Dunkelheit müssen beachtet werden.

Ein zuverlässiges System ist technologisch machbar. Dazu müssen die Daten aus verschiedenen Sensoren kombiniert werden. Wie das funktioniert, zeigt ein Paper über ein Fahrbereichs- und Fahrspurerkennungssystem für die autonome Fahrzeugnavigation in anspruchsvollen Fahrsituationen.

Daten aus Kamera und Scanner kombiniert

Darin entwickelten Professor Andreas Nüchter, Professor für Telematik am Lehrstuhl für Informatik VII der Julius-Maximilians-Universität, und sein Team einen Algorithmus, der die Daten von zwei Kameras mit den Daten dreier Laserscanner kombiniert.

Jeder Laserscanner tastet die Umgebung mithilfe eines Drehspiegels und Laserimpulsen ab. Um die Daten zusammenzuführen, werden die Lasermesspunkte in die Kamerabilder projiziert. Anschließend kann das System Bordsteine und Fahrbahnränder mithilfe künstlicher Intelligenz erkennen. In den Scandaten sucht es dann ebene Bereiche und erkennt Fahrbahnen.

Andreas Nüchter wurde dafür nun mit dem Best Paper Award der IEEE Vehicular Technology Society (Institute of Electrical and Electronics Engineer) ausgezeichnet.

Das preisgekrönte Paper hat Nüchter in Zusammenarbeit mit Forschern aus Wuhan (China) verfasst. Die Kooperation wurde 2010 mit Unterstützung des Chinesisch-Deutschen Zentrums der Deutschen Forschungsgemeinschaft (DFG) initiiert. Nüchter wurde 2011 Fellow der National Science Foundation, dem Äquivalent der DFG in China. In den Folgejahren wurde die Zusammenarbeit mithilfe des China Scholar Council und des Deutschen Akademischen Austauschdienstes (DAAD) fortgeführt. Die Ergebnisse der langjährigen Zusammenarbeit sind in etlichen Papers veröffentlicht, darunter auch das ausgezeichnete. Die Experimente für das System führte das Team in China durch.

Auszeichnung in Chicago überreicht

Andreas Nüchter nahm den Preis, mit dem das beste Journal-Paper der vergangenen fünf Jahre ausgezeichnet wurde, auf der IEEE Vehicular Technology Konferenz in Chicago im Namen aller Autoren entgegen.

Prof. Dr. Andreas Nüchter, Professur für Telematik, Lehrstuhl für Informatik VII (Robotik und Telematik), T.: +49-177-7951270, andreas.nuechter@uni-wuerzburg.de

A Sensor-Fusion Drivable-Region and Lane-Detection System for Autonomous Vehicle Navigation in Challenging Road Scenarios, Qingquan Li, Long Chen, Ming Li, Shih-Lung Shaw and Andreas Nüchter, https://robotik.informatik.uni-wuerzburg.de/telematics/download/tvt2013.pdf

Media Contact

Marco Bosch idw - Informationsdienst Wissenschaft

Weitere Informationen:

http://www.uni-wuerzburg.de

Alle Nachrichten aus der Kategorie: Förderungen Preise

Zurück zur Startseite

Kommentare (0)

Schreiben Sie einen Kommentar

Neueste Beiträge

Erstmals 6G-Mobilfunk in Alpen getestet

Forschende der Universität Stuttgart erzielen leistungsstärkste Verbindung. Notrufe selbst in entlegenen Gegenden absetzen und dabei hohe Datenmengen in Echtzeit übertragen? Das soll möglich werden mit der sechsten Mobilfunkgeneration – kurz…

Neues Sensornetzwerk registriert ungewöhnliches Schwarmbeben im Vogtland

Das soeben fertig installierte Überwachungsnetz aus seismischen Sensoren in Bohrlöchern zeichnete Tausende Erdbebensignale auf – ein einzigartiger Datensatz zur Erforschung der Ursache von Schwarmbeben. Seit dem 20. März registriert ein…

Bestandsmanagement optimieren

Crateflow ermöglicht präzise KI-basierte Nachfrageprognosen. Eine zentrale Herausforderung für Unternehmen liegt darin, Über- und Unterbestände zu kontrollieren und Lieferketten störungsresistent zu gestalten. Dabei helfen Nachfrage-Prognosen, die Faktoren wie Lagerbestände, Bestellmengen,…

Partner & Förderer