Robustheit von Sensoren und Sensorsystemen gegenüber Umweltbedingungen für HochAutomatisiertes Fahren Akronym: RoSSHAF

Abstract

Das Forschungsprojekt RoSSHAF untersuchte die Leistungsfähigkeit und Zuverlässigkeit von Sensoren für hochautomatisiertes Fahren (SAE-Level 4 und 5) unter widrigen Umweltbedingungen. Ziel war es, die Robustheit der Sensortechnologien wie Kamera, Lidar, Radar und Ultraschall gegenüber Wetterphänomenen wie Regen, Schnee oder Nebel zu verbessern, um eine sichere Fahrzeugsteuerung ohne menschliches Eingreifen zu gewährleisten. Dazu wurden Umwelteinflüsse analysiert, Sensortechnologien optimiert und Test- sowie Simulationsumgebungen entwickelt. Eine fahrzeugfeste und eine ortsfeste Sensorplattform ermöglichten umfassende Datenerhebungen, sowohl unter realen Wetterbedingungen als auch in kontrollierten Testumgebungen. Die gewonnenen Daten dienten der Validierung von Sensor- und Wettermodellen sowie der Entwicklung KI-basierter Algorithmen, die Sensorausfälle bei schwierigen Bedingungen kompensieren. Das Projekt basierte auf intensiver wissenschaftlicher Recherche und Erkenntnissen früherer Forschungsarbeiten. Die entwickelten Lösungen liefern einen Beitrag zur sicheren Nutzung hochautomatisierter Fahrfunktionen und stärken die Basis für zukünftige Innovationen in diesem Bereich.

Datei-Upload durch TIB

The RoSSHAF research project investigated the performance and reliability of sensors for highly automated driving (SAE levels 4 and 5) under adverse environmental conditions. The aim was to improve the robustness of sensor technologies such as cameras, lidar, radar and ultrasound against weather phenomena such as rain, snow or fog in order to ensure safe vehicle control without human intervention. To this end, environmental influences were analysed, sensor technologies optimised and test and simulation environments developed. A vehicle-mounted and a stationary sensor platform enabled comprehensive data collection, both under real weather conditions and in controlled test environments. The data obtained was used to validate sensor and weather models and to develop AI-based algorithms that compensate for sensor failures in difficult conditions. The project was based on intensive scientific research and findings from previous research work. The solutions developed contribute to the safe use of highly automated driving functions and strengthen the basis for future innovations in this area.