OEM & Lieferant - Ausgabe 1/2021

26 IT und Automotive Die autonome Navigation ist eine wesent- liche Voraussetzung für die Funktionalität eines fahrerlosen Fahrzeugs. Um selbststän- dig navigieren zu können, muss das Fahrzeug mithilfe eines sogenannten Schätzers (engl. Estimator) seine Position einschätzen und seine Umgebung wahrnehmen. Die Zustandsschätzung Die Zustandsschätzung umschreibt den Pro- zess, aus einer physikalischen Menge typi- scherweise verrauschter Messungen den besten Wert zu bestimmen. Messungen be- zeichnet man als verrauscht, weil Sensoren nicht perfekt bzw. nichtlinear sind: Werden Messungen wiederholt in gleicher Anzahl durchgeführt, erhält man nicht jedes Mal die gleichen Messwerte. Aus der Kombination all dieser verrauschten Messungen lässt sich im Rahmen der Zustandsschätzung die wahre Sensormessung ableiten. Für jedes Gerät, das mindestens einen Sensor beinhaltet, ist die Zu- standsschätzung also von grundlegender Be- deutung. Diese Schätzung kann mithilfe des SLAM-Algorithmus erfolgen. Simultaneous Localization and Mapping (SLAM) In den vergangenen fünf bis zehn Jahren hat SLAM als Forschungsthema für praktische Anwendungsfälle im Bereich der Robotik und des autonomen Fahrens für Aufsehen ge- sorgt. SLAM liegen zwei Aufgaben zugrunde: das Mapping und die Lokalisierung. Mapping meint die in Echtzeit stattfindende Integra- tion von Informationen in eine spezifische schematische Darstellung der Umgebung. Es ist intuitiv durch die Frage „Wie sieht die Welt um mich herum aus?“ beschreibbar. Zentrale Aspekte beimMapping sind die grafische Wie- dergabe der Umgebung und die Interpretation der Sensordaten. Bei der Lokalisierung geht es hingegen darum, die Position des Fahrzeugs innerhalb der Karte zu schätzen. Mit anderen Worten: Das Fahrzeug muss die Frage „Wo bin ich?“ beantworten. Diese beiden Aufgaben können nicht unabhängig voneinander, son- dern nur in Kombination gelöst werden. In den vergangenen Jahrenwurdenmehrere Ansätze zur Lösung des SLAM-Problems und zur exak- teren Ermittlung der Schätzwerte entwickelt. Dazu gehören Kalman-Filter, Partikel-Filter und Graph-basiertes SLAM. Optimierung der Zustands- schätzung: Sensorfusion Um einen möglichst genauen Schätzer zu erstellen, sollte das Fahrzeug mit vielen ver- schiedenen Sensortypen ausgestattet sein, zumal Sensoren verschiedene Arten vonDaten in unterschiedlichen Geschwindigkeiten lie- fern. Um nun die bestmögliche Einschätzung des Fahrzeugzustands zu erhalten, müssen die verschiedenen Informationen aller Sensoren kombiniert werden. Dieser als Sensorfusion bezeichnete Prozess ist eine der wichtigsten Techniken für selbstfahrende Fahrzeuge. Im Rahmen der Sensorfusion werden die Ergeb- nisse einzelner oder mehrerer dynamischer Lokalisierungssysteme algorithmisch fusio- niert, d. h. zusammengeführt, um eine voll- ständige und genaue Zustandsschätzung zu erhalten. Um die Vorteile der Redundanz bei der Zustandsschätzung zu nutzen, muss der Input jedes Sensors zum geschätzten Gesamt- zustand in Abhängigkeit von der Genauigkeit des Sensors und des vorherigen Zustandswis- sens quantifiziert werden. Fokus auf Kundenanforderungen infoteam treibt die Entwicklung des automati- sierten und autonomen Fahrens voran. Umdie Funktionale Sicherheit zu gewährleisten, wer- den die für das komplexe Thema relevanten spezifischen Kundenanforderungen akribisch analysiert und unter Beachtung der jeweils gültigen Normen softwareseitig umgesetzt. Herausforderung der Autonomie Von Riadh Dhaoui, infoteam Software AG Der motorisierte Transport hat unser Leben verändert. Autonome Fahrzeuge stehen kurz davor, dies noch einmal zu tun. Die Evolution unseres Transports – von Pferden und Kutschen über Autos hin zu fahrerlosen Fahrzeugen – treibt technologische Innovationsfaktoren voran. Bild: © kinwun/stocl.adobe.com Infoteam Software AG https://infoteam.de Webseite T E I L E N Riadh Dhaoui, Software Engineer bei der infoteam Software AG Bild: © infoteam https://t1p.de/0pfj