Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAISBaustellen sind eine Herausforderung für automatisierte Fahrzeuge: Weil sich in der Regel Fahrspuren verengen, Staus entstehen und Fahrer oftmals unsicher oder gestresst reagieren, kommt es häufiger zu Unfällen. Die Systeme der automatisierten Fahrzeuge sind zudem überfordert von der komplexen Situation: Alte und neue Fahrbahnmarkierungen überlagern sich, begrenzende Baken und Leitkegel sind von der Sensorik schwer zu erfassen. Die Schilder enthalten unterschiedliche Informationen zu erlaubter Geschwindigkeit oder dem Verlauf der Spuren.
Die Zukunftsvision: Kamera ersetzt zahlreiche Sensoren
Zum Einsatz kommt dabei eine Automotive-Kamera, die derzeit 20 bis 25 Bilder pro Sekunde liefert. Direkt während der Fahrt werden diese Bilder analysiert und Informationen zu Hinweisschildern, Fahrspurinformationen oder von LED-Verkehrszeichen herausgelesen und bearbeitet. Eine Zukunftsvision ist, dass diese Kamera künftig als primäre Schnittstelle fungiert und so auf eine Vielzahl an Sensoren verzichtet werden kann.
Mit Deep Learning Muster schneller und effizienter erkennen
Die Technologie ermöglicht es einem System, auch Schilder dieser Art mit hoher Treffsicherheit zu lesen. Die Informationen werden semantisch verarbeitet, inhaltlich verstanden und zur weiteren Verarbeitung verfügbar gemacht. Mit Deep Learning – einer Schlüsseltechnologie für die Zukunft der Automotive Branche soll die Software klassische Muster schneller und effizienter erkennen. So können künftig über das Zusammenspiel von Navigationsgerät und Bordcomputer anders ausgewiesene Autobahn-Ausfahrten auf Baustellen korrekt angesagt, Abstände zu anderen Fahrzeugen optimal bemessen und die Geschwindigkeit rechtzeitig angepasst werden. Was beim assistierten Fahren in Kürze schon für Entspannung und mehr Sicherheit beim Fahren sorgen könnte, soll auf lange Sicht auch von ganz alleine funktionieren.