Verbundprojekt: Entwicklung eines robusten Positioniersystems für autonome Fahrzeuge auf der Grundlage erfasster Umgebungsinformationen und GNSS/IMU-Daten - AutoMap; Teilvorhaben: Leibniz Universität Hannover

Abstract

In dem Projekt „AutoMap” wurde untersucht, inwieweit frei verfügbare 3D-Stadtmodelle der Detailstufe LoD2 und digitale Geländemodelle (DTM) als Grundlage für die Lokalisierung autonomer Fahrzeuge in GNSS-kritischen urbanen Umgebungen genutzt werden können. Zu diesem Zweck wurden zunächst die Grenzen abstrakter Karten in einer Simulationsumgebung analysiert. Anschließend wurde ein multimodales Sensorsystem aus LiDAR, Kameras, einem Inertialnavigationssystem und einer Datenerfassungsinfrastruktur entwickelt. Auf dieser Grundlage entstand eine semantisch-geometrische Verarbeitungspipeline zur Merkmalsextraktion sowie ein zweistufiger Lokalisierungsansatz, der eine Scan-zu-Scan-Odometrie und eine globale Scan-to-Map-Verfeinerung kombiniert. Ergänzend wurde ein mehrstufiges Human-in-the-Loop-(HITL)-Verfahren zur Generierung belastbarer Referenzdaten und zur Qualitätssicherung entwickelt. In realen Messfahrten in Hannover mit einer Streckenlänge von 7,72 km und 1,13 TB an Sensordaten konnte gezeigt werden, dass abstrakte Open-Data-Karten grundsätzlich eine belastbare Alternative zu proprietären HD-Karten darstellen. Die entwickelte Merkmalsextraktionspipeline erreichte eine Präzision von 95,04 Prozent und einen Recall von 83,74 Prozent. Für die Lokalisierung wurde gegenüber dem HITL-Benchmark ein mittlerer absoluter Trajektorienfehler von 0,27 Metern erzielt. Damit konnte die grundsätzliche Machbarkeit eines offenen, skalierbaren Lokalisierungsansatzes, der nicht auf proprietäre Karteninfrastrukturen angewiesen ist, erfolgreich nachgewiesen werden, auch wenn für einen vollwertigen Echtzeitbetrieb weitere Optimierungen erforderlich sind.