Kooperatives Crowd Mapping für vernetzte autonome Fahrzeuge

• Antragsteller: Professor Dr.-Ing. Claus Brenner; Dr. Martin Lauer
• Fachliche Zuordnung: Automatisierungstechnik, Mechatronik, Regelungssysteme, Intelligente Technische Systeme, Robotik ; Geodäsie, Photogrammetrie, Fernerkundung, Geoinformatik, Kartographie
• Förderung: Förderung von 2015 bis 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 272999320

Ziel dieses Projektes ist es, Algorithmen zu entwickeln, die es erlauben, aus den von vielen Fahrzeugen über einen längeren Zeitraum erfassten Informationen konsistente Modelle des Verkehrsraums sowie typische Bewegungsmuster der Verkehrsteilnehmer abzuleiten. Das auf diese Weise abgeleitete Wissen wird nachfolgenden kooperativen Fahrzeugen zur Verfügung gestellt, so dass diese eine genauere Kenntnis über die Fahrbahnstrukturen sowie über potentielle Gefahrenpunkte haben. Ferner sollen die Verfahren in der Lage sein, systematische Veränderungen gegenüber der bisherigen Datenbasis zu erkennen und ihre Datenbasis inkrementell zu aktualisieren.Zwei Arten sensorieller Information sollen in diesem Projekt in erster Linie genutzt werden, (a) die Bewegungstrajektorien der kooperativen Fahrzeuge selbst (berechnet aus GNSS-Positionsschätzungen sowie aus Stereokamerabildfolgen) sowie (b) Bewegungstrajektorien anderer Verkehrsteilnehmer (Fußgänger, Fahrradfahrer, Straßenbahnen, Kraftfahrzeuge), die von den kooperativen Fahrzeugen mit Hilfe von Stereokamerasystemen erfasst werden. Bei der Wahl der Sensorik verzichten wir bewusst auf serienferne und teure Sensorik (z.B. mehrzeilige, hochgenaue Laserscanner), da derlei Sensoren in einem kooperativen Fahrzeugszenario der Zukunft aus Kostengründen vermutlich nicht zur Verfügung stehen werden. Aus den erfassten Bewegungstrajektorien sollen in diesem Projekt unter anderem folgende Informationen gewonnen werden: Anzahl und Anordnung der Fahrstreifen auf der Fahrbahn, Topologie und Abbiegemöglichkeiten an Kreuzungen, Haltelinien, Zebrastreifen sowie typische Querungsstellen von Fußgängern. Neben diesen eher statischen Informationen sollen die Verfahren in der Lage sein, Abweichungen zu erkennen und somit z.B. gesperrte oder blockierte Fahrstreifen oder ein erhöhtes Fußgängeraufkommen zu detektieren.Als Modelle zur Beschreibung des Verkehrsraums sowie der Bewegungsmuster sollen sowohl deskriptive Ansätze als auch prädiktive Ansätze untersucht werden. Als deskriptive Ansätze sollen semantische Karten genutzt werden, in denen die Beschreibungen des Verkehrsraums mittels einer formalen Grammatik erfolgt. Beispielsweise wird in diesen Karten Aufbau und Struktur von Kreuzungen beschrieben werden, ebenso typische Bewegungsabläufe auf den Kreuzungen. Die prädiktiven Ansätze hingegen sollen zur Vorhersage von Bewegungsabläufen genutzt werden. Mit ihnen wird es beispielsweise möglich sein, das zukünftige Verhalten eines beobachteten Fußgängers vorherzusagen. Ebenso wie die deskriptiven Modelle sollen auch die prädiktiven Modelle räumlich verortet sein, d.h. für jede Kreuzung ein eigenes, kreuzungsspezifisches Verhaltensmodell für Fußgänger schätzen.Zur nachvollziehbaren Evaluation unserer Ansätze werden Benchmarkdatensätze für kooperatives Crowd Mapping erzeugt. Diese werden online auch anderen Forschungsgruppen zur Verfügung gestellt.

• DFG-Verfahren: Schwerpunktprogramme
• Teilprojekt zu: SPP 1835: Kooperativ interagierende Automobile