Verbundprojekt STADT:up - Solutions and technologies for automated driving in town: An urban mobility project; Teilvorhaben: Human Factors, Umgebung und Kontext, Situationsanalyse und Planung und automatisiertes Fahren

Abstract

Im Rahmen des Teilvorhabens „Human Factors, Umgebung und Kontext, Situationsanalyse und Planung sowie automatisiertes Fahren" des Verbundprojekts STADT:up wurden Forschungs- und Entwicklungsarbeiten zur Weiterentwicklung automatisierter Fahrfunktionen im urbanen Umfeld durchgeführt. Die Arbeiten adressierten zentrale Herausforderungen der Innenraumerfassung, Umfeldwahrnehmung, Datenverarbeitung, Situationsanalyse, Verhaltensvorhersage, Fahrplanung und Systemintegration. Im Bereich Human Factors wurden Verfahren zur kontaktlosen Erfassung von Vitalparametern, zur dreidimensionalen Körperposenschätzung sowie zur Analyse von Fahrer- und Insassenzuständen entwickelt und evaluiert. Hierzu wurden neuartige Methoden zur kamerabasierten Herz- und Atemfrequenzmessung sowie zur hochpräzisen Erzeugung von Referenzdaten für die 3D-Posenschätzung untersucht. Im Themenfeld Umgebung und Kontext wurden datengetriebene Verfahren für die radarbasierte Umfeldwahrnehmung, die Erkennung unterfahrbarer Objekte, die Open-World-Perzeption sowie die Generierung von Karteninformationen auf Fahrspurebene entwickelt. Ergänzend wurden Verfahren zur Erkennung unbekannter Objekte und zur Bewertung der Generalisierungsfähigkeit moderner KI-basierter Kartierungsansätze untersucht. Im Bereich Situationsanalyse und Planung standen die Modellierung von Verkehrsinteraktionen, die kooperationsbewusste Verhaltensvorhersage sowie datengetriebene Planungsverfahren für komplexe urbane Verkehrsszenarien im Mittelpunkt. Darüber hinaus wurden umfangreiche Arbeiten zur Nutzung großer Datenbestände, zur automatisierten Szenarioerkennung, zur Datenselektion, zur Generierung von Trainingsdaten und zum Aufbau skalierbarer Entwicklungs- und Evaluierungsumgebungen durchgeführt. Die entwickelten Verfahren wurden schrittweise in einen Demonstrator für automatisiertes Fahren integriert und unter realitätsnahen Bedingungen erprobt. Die Ergebnisse leisten einen Beitrag zur Weiterentwicklung datengetriebener Fahrerassistenz- und Automatisierungsfunktionen sowie der dafür notwendigen Daten-, Entwicklungs- und Evaluierungsprozesse.