Forschung zum automatisierten Fahren an der TU Dortmund - Wie kann die individuelle Mobilität in der Zukunft aussehen?
In den kommenden Wochen werden Niklas Stannartz und Manuel Schmidt, beide vom Lehrstuhl für Regelungssystemtechnik unter Leitung von Professor Torsten Bertram, mit einem umgebauten Nissan Leaf und einem Smart den Großraum um die Universität erkunden. In den Fahrzeugen sammeln sie Daten für das automatisierte Fahren, genauer die Daten dienen unter anderem dem maschinellen Lernen von Fahrfunktionen bzw. von komplexen Verkehrssituationen.
Ziel der beiden ist, dass bei Wind und Wetter die Umgebung – Fahrzeuge, Busse, Fahrräder, Fußgänger, Tiere, Schilder oder andere Gegenstände – vom Rechner eines automatisiert fahrenden Fahrzeuges eindeutig erkannt und klassifiziert werden, nur so ergibt sich ein vollständiges Umgebungsmodell. Dafür hatten die beiden zuvor den Nissan Leaf, ein Elektrofahrzeug, mit umfangreicher Mess- und Rechentechnik aufgerüstet. Auf dem Dach haben sie sechs Kameras angebracht, die jederzeit einen 360-Grad-Blick rund um das Fahrzeug ermöglichen. Der Mensch ist hierzu nicht in der Lage. Ergänzt werden die Kameras durch einen Laserscanner, der zentral zwischen ihnen angebracht ist. Der Scanner gibt den zweidimensionalen Bildern der Kameras eine dritte Dimension, die für die richtige Einschätzung einer Verkehrssituation wichtige Information über Entfernungen. „Mit dem Laserscanner erzeugt die Technik auf dem Dach des Nissans ein originalgetreues Abbild des Raums in der virtuellen Welt, den der Testwagen durchfährt,“ so Niklas Stannartz. Zusätzlich wird über eine Antenne auf dem Dach, die das GPS-Signal ergänzt, der Standort des Wagens zentimetergenau lokalisiert, hier kommt auch der Smart zum Einsatz, er dient als Referenzfahrzeug mit eigener Messtechnik. Alle Messdaten werden jeweils in die Recheneinheiten eingespeist, die im Kofferraum der Wagen untergebracht sind. Selbstverständlich wird die Einhaltung des geltenden allgemeinen Persönlichkeitsrechts sichergestellt. Dies wird dadurch erreicht, dass sämtliche aufgezeichneten Messdaten vollständig anonymisiert werden.