Umgebungserfassung und Umfeldmodellierung (UEM)

In seiner Komplexität überfordert der Verkehrsraum „Stadt“ die zum heutigen Zeitpunkt verfügbaren Wahrnehmungs- und Beurteilungssysteme bei weitem. Voraussetzung für leistungsfähige, Unfall vermeidende Systeme im urbanen Bereich ist, dass sie ein verlässliches und umfassendes „Bild“ von ihrer Umgebung haben und darauf aufbauend auch schwierige Situationen mit vielen Akteuren und Randbedingungen „verstehen“. Das erfordert neben einer leistungsfähigen Rundumsicht eine ebenso effiziente Modellierung der statischen wie dynamischen Fahrzeugumgebung – unabhängig von den vielfältigen Applikationen, die auf dieser Beschreibung aufsetzen werden.

Diese Aufgabe verlangt nach einem querschnittlich angelegten Teilprojekt, dessen Aufgabe die Erarbeitung der Grundlagen einer integralen Rundumsicht und präzisen Modellierung als Basis für die applikativen Teilprojekte des Vorhabens UR:BAN-KA ist. Ziel ist die Realisierung generischer Repräsentationen, die die intelligente Sensorik von den Applikationen entkoppelt, was eine Vielzahl von Sensor-Varianten und Anordnungen zulässt und gleichzeitig ein stabiles Fundament für zukünftige Fahrerassistenzsysteme darstellt.

Unterschiedliche Repräsentationen der raum-zeitlichen Wahrnehmung

Erstmals wird die Umgebungswahrnehmung im querschnittlichen Teilprojekt UEM konsequent „rundherum“ durchgängig durchgeführt. Das Ziel ist es, applikationsübergreifende 360 Grad Umgebungsmodelle aufzubauen, die nicht nur die Informationen der eingesetzten Sensoren sondern auch Daten zukünftiger Karten und anderer Informationsquellen integrieren können.

Komplexe Situationen im innerstädtischen Bereich sind häufig dadurch gekennzeichnet, dass sich relevante Objekte partiell gegenseitig verdecken. Ihre Detektion und das zur Bestimmung eines präzisen Bewegungszustandes notwendige Tracking stellt ein bis heute nicht gelöstes Problem dar. Von „UEM“ werden an dieser Stelle wichtige Fortschritte erwartet. Gleiches gilt für die systematische Behandlung von Unsicherheiten in der Signalverarbeitung vom Rohsignal bis zur Repräsentation. Die aktuell meist eingesetzten Heuristiken werden den Anforderungen an sicherheitskritische Systeme der Zukunft nicht gerecht. Die nachfolgenden Schritte Fusion, Interpretation und Prognose benötigen verlässliche Konfidenzmaße, die sowohl die Unsicherheit als auch die Glaubwürdigkeit der Messungen beschreiben.