Verbundprojekt: KISSaF - KI-basierte Situationsinterpretation für das Automatisierte Fahren; Teilvorhaben: Prototypenaufbau und Datengewinnung sowie Klassifizierung von Umwelteinflüssen

Abstract

Ziel des Projektes KISSaF war die Entwicklung einer neuartigen Situationsprädiktion für das automatisierte Fahren. Zur Entwicklung der Prädiktion wurde ein umfangreicher Datensatz mit einem eigens entwickelten Messfahrzeug aufgenommen. Der Datensatz wurde anschließend durch entwickelte Skripte automatisiert validiert und in ein für alle Konsortialpartner nutzbares Format konvertiert. Nach Projektende wurden 865 TB an Messdaten innerhalb von ca. 106 Tkm eingefahren. Im Kontext der Umfeldmodellierung wurden mehrere KI-Algorithmen zur Klassifizierung wetterspezifischer Einflussgrößen entwickelt und auf den Datensatz evaluiert. Die Klassifizierungsgüte bei Modellen mit Einzelsensordaten lag je nach Modell zwischen 83,8 % und 86,7 %. Ansätze mit Fusion mehrerer Sensoren verbessern die Ergebnisse in den meisten Fällen deutlich.

Datei-Upload durch TIB

The goal of the KISSaF project was to develop a new type of situation prediction for automated driving. To develop the prediction, a comprehensive data set was recorded with a specifically developed measurement vehicle. The data set was then automatically validated using developed scripts and converted into a format that could be used by all consortium partners. At the end of the project, 865 TB of measurement data had been collected within approx. 106 Tkm. In the context of environmental modeling, several AI algorithms for the classification of weather-specific influencing variables were developed and evaluated on the data set. The classification quality for models with single sensor data was between 83.8 % and 86.7 %, depending on the model. Approaches with fusion of several sensors improve the results significantly in most cases.