Technische Hochschule Augsburg

KI-Produktionsnetzwerk

Umfeldwahrnehmung im urbanen Umfeld

THA_ired

Projektbeschreibung

Im Projekt „Umfeldwahrnehmung im urbanen Umfeld“ wird im Rahmen des KI-Produktionsnetzwerks von Prof. Dr.-Ing. Carsten Markgraf der Fakultät für Elektrotechnik der Technischen Hochschule Augsburg an der Verarbeitung von Sensordaten zur Erkennung und Klassifikation von Objekten, der Fahrspurerkennung und der Free-Space Segmentierung.

Die sichere und zuverlässige Umfeldwahrnehmung spielt eine wichtige Rolle bei der Zulassung von automatisierten Fahrzeugen für den öffentlichen Straßenverkehr sowie für das industrielle Umfeld. Dies ist besonders dann der Fall, wenn bei zunehmendem Automatisierungsgrad die Verantwortung für die Fahrzeugführung vom Menschen auf das Fahrzeug übergeht und kein Sicherheitsfahrer mehr vorhanden sein muss. Dies betrifft sowohl Individualverkehr, Shuttlebetrieb sowie den Bereich des Warentransport.

Beteiligte Schwerpunkte des KI-Produktionsnetzwerks an der Hochschule Augsburg: KI zur sicheren Umfeldwahrnehmung bei autonomen Fahrzeugen

Die Verarbeitung von Sensordaten hat drei Hauptziele: Objekterkennung und Klassifikation, Fahrspurerkennung und Free-Space Segmentierung. Hierzu werden mehr und mehr Deep Neural Networks (DNN) eingesetzt, deren Ergebnisse zur Fusionierung für die Verhaltens- und Bahnplanung verwendet werden.

Für die Integration ins Fahrzeug spielt die Echtzeitfähigkeit bzw. die ressourcensparende Umsetzung zur Optimierung von Rechenzeit und Speicherverbrauch eine entscheidende Rolle. Innerhalb des Projekts soll die vollständige Pipeline von der Datenerfassung über das Labeling bzw. Training bis hin zum Applizieren des gesamten Netzwerkes in Echtzeit abgebildet werden.

Von 2022 bis 2024 ist die Verwendung der Pipeline im Rahmen des Projektes MCube/Testkreuzung geplant, wobei verschiedene Use-Cases für autonome Fahrten im Zusammenhang mit den sogenannten Vulnerable Road Users (VRU), wie Fußgänger und Radfahrer im geschlossenen Regelkreis untersucht werden.

Für den weiteren Verlauf des Projekts ist die Optimierung der Erkennungsqualität und Zuverlässigkeit geplant.