Verbundprojekt: Erhöhte Verkehrssicherheit mittels Intelligenter Detektionstechnologien - VIDETEC-2

Abstract

Vulnerable Road Users (VRUs) - Fußgänger, Radfahrer und Motorradfahrer - sind in Verkehrsunfällen überproportional stark vertreten. Allein in der Europäischen Union machten VRUs im Jahr 2022 fast 50 % aller Verkehrstoten aus, was für die Gesellschaft hohe Kosten in Form von Todesopfern, medizinischen Ausgaben und eingeschränkter Mobilität großer Bevölkerungsgruppen bedeutet. Moderne Advanced Driver Assistance Systems (ADAS) und automatisierte Fahrsoftware - Architekturen mildern das Problem, indem sie Daten verschiedener Sensoren – z. B. LiDAR, Kameras und Radar, die am Fahrzeug montiert sind - fusionieren. Ihre räumliche Wahrnehmung ist jedoch grundsätzlich auf die Sichtlinie des Träger-Fahrzeugs beschränkt. Hindernisse durch andere Verkehrsteilnehmer, feste Infrastruktur oder Vegetation sowie ungünstige Wetterbedingungen (z. B. Regen, Nebel, Schnee) und schwaches Licht können die Kamera- und LiDAR-Erkennung stark beeinträchtigen. Deshalb plädiert eine wachsende Forschungsgruppe für eine infrastrukturbasierte Umgebungs-Wahrnehmung als ergänzende Sicherheitsebene aus, die eine ungehinderte Sicht auf kritische Unfallstellen, wie beispielsweise ampelgeregelte Kreuzungen ermöglichen kann. Jede Sensorsorte bringt dabei eigene Stärken und Schwächen mit: Kameras liefern umfangreiche semantische Informationen (Erscheinungsbild, Farbe, detaillierte Objektklassen), die für ein hohes Maß an Szenenverständnis notwendig sind. Gleichzeitig bringen sie zwei wesentliche Probleme mit sich: (i) Sie reagieren stark auf Änderungen der Beleuchtung, Blendungen und Niederschlag, und (ii) die dabei entstehenden Video-Streams erzeugen Datenschutz-Herausforderungen nach DSGVO, die teure Anonymisierungsverfahren erfordern und die Erkennungsleistung beeinträchtigen können. Im Gegensatz dazu arbeitet ein Frequency Modulated Continuous Wave (FMCW-) Radar im Millimeter-Wellen-Bereich und ist robust von Beleuchtung und Wetterbedingungen. Er liefert präzise Reichweiten- und Doppler-Messungen und kann sich bewegende Objekte selbst bei teilweisen Verdeckungen erkennen. Radar hat jedoch eine begrenzte Winkelauflösung, und seine Messungen besitzen nicht die semantische Detailtiefe von Kameradaten. Derzeit wird geprüft, ob Radar die kamerabasierte Sensorik ersetzen kann; erste Studien zeigen, dass aus den Reichweiten-Doppler-Messungen Objektklassen und Zielgrößen ermittelt werden können. Ultra-Wideband (UWB) Transceiver sind preisgünstige, energiearme Geräte, die kurze, breitbandige Impulse senden. Durch das Aufzeichnen der vollständigen Kanalimpulsantwort (CIR) auf vielen Verbindungen kann ein dichtes, statisches Mesh für gerätefreie Lokalisierung, mehrwegeverstärkte Sensorik und in Kombination mit Kommunikation für Communication-Localization and Sensing (CLS)-Anwendungen genutzt werden. UWB-CLS liefert eine grobe räumliche Auflösung. Das im Projekt VIDETC-2 aufgenommenes multimodales UWB-Radar-Kamera-Datenset, adressiert gezielt den Mangel an öffentlich verfügbaren Benchmarks, die ergänzende Funk- und Bildsensoren in einem realistischen, im Freien befindlichen Verkehrsumfeld kombinieren. Die meisten Open-Source-Sammlungen für intelligente Verkehrssysteme (ITS) und autonomes Fahren sind fahrzeugzentriert und bieten synchronisierte Kamera-, LiDAR- und teilweise Automotive-Radar-Streams vom Ego-Fahrzeug (z. B. nuScenes, Waymo Open oder Argoverse). Öffentliche Datensätze zur Wahrnehmung von Straßeninfrastruktur sind deutlich seltener und umfassen meist nur Kamera- und LiDAR-Daten. Keiner der genannten Benchmarks enthält UWB-CIR-Messungen oder stationäre FMCW-Radar-Reichweiten-Doppler-Karten, die für datenschutzfreundliche, witterungsunabhängige Sensorik und die Erforschung von JCAS-Konzepten essentiell sind. Zudem fehlen häufig gezielte Fußgänger-/Radfahrer-Daten, und die vorhandenen Bounding-Box-Labels bieten keine hochpräzisen Positions- und Geschwindigkeits-Trajektorien. Deshalb lassen sich solche Datensätze nicht zur quantitativen Bewertung von VRU-Lokalisierung und - Tracking nutzen. Das durch VIDETEC-2 erzeugtes Datenset, zeichnet sich durch die gleichzeitige Aufzeichnung eines dichten statischen UWB-Meshes, infrastrukturgelagerter FMCW-Radare, mehrerer hochauflösender Kameras und zentimetergenauer GNSS-RTK-Ground-Truth-Daten für VRUs an einer realen Kreuzung aus. Es eignet sich besonders für Forschungsarbeiten zu gerätefreier Lokalisierung und Ausnutzung von Mehrwegausbreitungs-Effekten mittels UWB-CIRs, robuster Geschwindigkeit- und Reichweitenbestimmung mit stationärem FMCW-Radar, datenschutzfreundlichen Wahrnehmungspipelines, die semantische Kamerainformationen mit Funkmessungen fusionieren, sowie JCAS-Algorithmen, die Kommunikation und Sensorik gemeinsam optimieren. Daraus lässt sich auf die potenziellen Nutzer dieses Systems zurückschließen. Diese sind Forscher, die Sensor-Fusions- und Tracking-Algorithmen zum Schutz von VRUs entwickeln; Ingenieure, die Datenschutz-bewusste, infrastrukturbasierte Wahrnehmungssysteme für Smart-Cities konzipieren; Entwickler von JCAS-Protokollen, die realistische multimodale Verkehrsdaten zur Bewertung von Trade-offs zwischen Datenrate und Sensorgenauigkeit benötigen; sowie Lehrpersonal, das ein umfassendes, Open-Source-Benchmark für fortgeschrittene Kurse zu intelligenten Verkehrssystemen bereitstellen wollen. Durch die Bereitstellung synchronisierter, präzise vermessener und annotierter Aufnahmen senkt das VIDETEC-2 multimodales Datenset die Hürde für reproduzierbare Forschung und erleichtert die Überführung von RF-zentrierten Wahr-nehmungskonzepten in einsetzbare Sicherheitslösungen.