ADAS-Sensortests mit künstlich erzeugtem Regen – Digitrans Testcenter für automatisiertes Fahren

Erste erfolgreiche ADAS-Sensortests mit künstlich erzeugtem Regen im Digitrans Testcenter für automatisiertes Fahren

Das Institut für Fahrzeugtechnik der Technischen Universität Graz führte gemeinsam mit KS Engineering, Magna Steyr, dem Institut für Fahrzeugsicherheit der TU Graz und IPG Automotive auf der Teststrecke in St. Valentin im Digitrans Testcenter für automatisiertes Fahren in rund 306 Fahrversuchen erstmals Regentests mit ADAS-Sensoren in künstlich reproduziertem Regen durch.  

Ziel der gefahrenen Testszenarien auf der Teststrecke in St. Valentin war es, die Performance laserbasierter Ground Truth Referenzierung zu ermitteln sowie die Leistungsfähigkeit von Radar- LiDAR- und Kamerasensorik bei unterschiedlichen Wetterbedingungen wie etwa Regen, bei Tag als auch bei Nacht, zu messen.  

Damit sollen künftig virtuelle Sensormodelle entwickelt und validiert werden, um die Absicherung automatisierter Fahrfunktionen in Simulation und im Prüfstandsversuch realistischer zu gestalten. 

Durchgeführte ADAS - Sensortests bei Regen

Auf der Outdoor-Beregnungsanlage im Digitrans Testcenter für automatisiertes Fahren wurden im Rahmen des Projektes InVADE rund 306 „konzertierte“ Fahrversuche abgewickelt. Die komplexen Testszenarien wurden auf 3 Fahrspuren und mit insgesamt 4 Versuchsfahrzeugen gleichzeitig durchgeführt. Die Fahrversuche wurden sowohl bei Tag als auch in der Nacht mit künstlichem Licht abgewickelt.  

Die Auswahl der Fahrszenarien basierte darauf, möglichst viele Effekte der ADAS-Sensorik abzudecken, welche auch Fehlfunktionen auslösen können, wie beispielsweise Objektseparierung und Fahrstreifenerkennung.

Bei mehreren Testszenarien wurden unterschiedliche  „Cut-In-Manöver“ mit mehreren Fahrzeugen durchgeführt. Die Erkennung der Umgebung sowie der sich bewegenden Objekte durch die ADAS-Sensoren wurde mit Referenzdaten der Umgebung und des ausgeführten Testszenarios abgeglichen.
 

Unter anderem wurde bei den Fahrversuchen auch die Erkennung der Fahrbahnmarkierungen durch die ADAS-Sensoren in Abhängigkeit von der Regenintensität und der Qualität der Fahrbahnmarkierungen überprüft.   

ADAS-Sensortests auf der Outdoor-Beregnungsanalge im Digitrans Testcenter: Cut-In-Manöver bei Tag und bei Nacht © TU-Graz

Infos zu den Testfahrzeugen die bei den ADAS-Sensortests zum Einsatz kamen

Messtechnik und Ausstattung des Ego-Testfahrzeuges: 

  • DEWETRON CAPS (kombinierte RTK-GPS und IMU Messung der dynamischen Fahrzeugzustände und der gefahrenen Trajektorie) 
  • Ground Truth Messsystem der Fa. Robosense basierend auf einem hochauflösenden Lidar. 
  • Verschiedene automotive ADAS Sensoren die Zugang zu den Objektlisten und teilweise auch Rohdaten zulassen: 
    – 2 mal Continental 3 Serie (kombinierter Fern- und Nahbereichsradar) 
    – 2 mal Continental 4 Serie (kombinierter Fern- und Nahbereichsradar) 
    Robosense 16 strahliger Laserscanner 
    Mobileye Videokamera 
    – Cohda MK-4 Car2Car Kommunikation 
  • Datenlogger mit hoher Aufzeichnungsrate von dspace 

ADAS equipped base vehicle – BMW 640 und BMW 530 PHEV mit Robosense System © TU-Graz

Ziel der ADAS-Sensortests bei Regen

Das Ziel der Sensortests in künstlich reproduzierbarem Regen war einerseits die Performance laserbasierter Ground Truth Referenzierung herauszufinden, aber auch die Leistung von Radar, Lidar und Kamera Sensorik bei unterschiedlichen Wetterbedingungen und Niederschlagsintensitäten zu messen.  

Weiters sollen damit virtuelle Sensormodelle entwickelt und validiert werden, mit denen die Absicherung automatisierter Fahrfunktionen in Simulation und im Prüfstandsversuch realistischer gestaltet werden können. 

Weitere Anwendungsfelder der Outdoor-Beregnungsanlage
für Sensortests bei Regen: 

  • Leistungsbewertung von Systemen zur Umfeldwahrnehmung (LiDAR/Radar/Camera) 
  • Leistungsbewertung von Fahrbahnmarkierungssystemen  
  • Datengenerierung für Umfeldsensorikmodelle für virtuelle ADAS-Tests 
  • Datengenerierung für Benchmarks von Systemen zur Umfeldwahrnehmung 

Der einzigartige Aufbau der Outdoor-Beregnungsanlage im Digitrans Testcenter in St. Valentin ermöglicht erstmals das systematische und reproduzierbare Testen von ADAS-Sensoren in Regen unter realen Bedingungen.“   

Assoc.Prof. Dipl.-Ing. Dr.techn. Arno Eichberger – Institute of Automotive Engineering / Head of the research area Vehicle Dynamics – Graz University of Technology 

Portrait Eichberger TU Graz

Erfahrungen und Output der ersten ADAS-Sensortests im Regen:

Die Outdoor-Beregnungsanlage im Digitrans Testcenter für automatisiertes Fahren auf der Teststrecke in St. Valentin, Österreich hat sich im Projekt InVADE schon in der ersten Auswertungsphase aufgrund der Wiederholbarkeit der Regentests mit exakt den gleichen Einstellungen äußerst bewährt.  

  1. Ermittlung präziser Messdaten anhand der durchgeführten ADAS-Sensortests bei Regen

    Die 306 Fahrversuche (davon 278 auswertbar), die im Digitrans Testcenter für automatisiertes Fahren bei unterschiedlichen Bedingungen, sowohl bei Tag als auch bei Nacht bei unterschiedlichen Regenintensitäten durchgeführt wurden, liefern die Basis um Sensormodelle zu entwickeln. Das Ziel der Sensormodellentwicklung am Institut für Fahrzeugtechnik der technischen Universität Graz (FTG) sind phänomenologische und datengetriebene Modellierungsansätze, weswegen eine Vielzahl an präzisen Messdaten nötig sind. Diese Messdaten konnten aufgrund der durchgeführten ADAS-Tests auf der Beregnungsanlage im Digitrans Testcenter für automatisiertes Fahren in St. Valentin nun ermittelt werden.  

  2. Bewertung der Prognosefähigkeit simulierter Sensormodelle als weiterer Schritt

    Um die Qualität der Sensormodelle zu belegen bzw. mit anderen Ansätzen zu vergleichen wurde am Institut für Fahrzeugtechnologie der technischen Universität Graz die Methode der DGT-SMV entwickelt –  siehe https://www.mdpi.com/1996-1073/15/7/2545 . Diese Methode wird im Zuge des Projektes weiterentwickelt. Es handelt sich um eine exakte Re-Simulation der gefahrenen Fahrversuche im Simulationsprogramm IPG CarMaker. Mit einem statistischen Vergleich der Messdaten des realen und des simulierten Sensors kann die Prognosefähigkeit von Sensormodellen bewertet werden.  

Das könnte Sie auch interessieren

Weitere Insights

Sie haben Fragen zum autonomen Transport der Zukunft?

Wir beraten Sie!