Skip to main content

2022 | OriginalPaper | Buchkapitel

39. KI-basiertes Virtuelles Testen von Sicherheitskritischen Fahrfunktionen in Kombination mit Realtests

verfasst von : Marius Kütemeyer, Janis Lapins, Alexander Thieß, Kun Gao, Thomas Riemer, Samuel Hekeler, Hans-Christian Reuss

Erschienen in: Transforming Mobility – What Next?

Verlag: Springer Fachmedien Wiesbaden

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Zusammenfassung

Welche Konstellationen von äußeren Einflussfaktoren wie Helligkeit, Gegenlicht, Reflexionen, Unschärfe etc. resultieren in sicherheitskritischen Situationen für das autonome Fahrzeug, Insassen und andere Verkehrsteilnehmer? Stellt dies wirklich das sicherheitsrelevanteste Szenario dar? Wie groß ist die Wahrscheinlichkeit bzw. Restunsicherheit, dass doch ein relevantes Szenario nicht betrachtet wurde? Um diese Fragen zu beantworten sind derzeit deterministische Vorgehensweisen in Anwendung, mit abdeckenden Parameterkombinationen.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Literatur
Zurück zum Zitat Gewinner, H., & Wachenfeld, W. (2013). Absicherung automatischen Fahrens. Gewinner, H., & Wachenfeld, W. (2013). Absicherung automatischen Fahrens.
Zurück zum Zitat Kaehler, G. B. (2000). The OpenCV Library. In: Dr. Dobb’s journal of software tools, 3. Kaehler, G. B. (2000). The OpenCV Library. In: Dr. Dobb’s journal of software tools, 3.
Zurück zum Zitat Karen Simonyan, A. Z. (2015). Very Deep Convolutional Networks for Large-Scale Image Recognition. Karen Simonyan, A. Z. (2015). Very Deep Convolutional Networks for Large-Scale Image Recognition.
Zurück zum Zitat Köllner, C. (2019). Wie künstliche Intelligenz Autos fit für die Zukunft macht. In: Springer Professional. Köllner, C. (2019). Wie künstliche Intelligenz Autos fit für die Zukunft macht. In: Springer Professional.
Zurück zum Zitat Lipinski, D. (2019). Wie gut ist genug? - Pegasus Projekt. Lipinski, D. (2019). Wie gut ist genug? - Pegasus Projekt.
Zurück zum Zitat Neven, D., Brabandere, B. D., Georgoulis, S., Proesmans, M., & Gool, L. V. (2018). Towards End-to-End Lane Detection: an Instance Segmentation Approach. Neven, D., Brabandere, B. D., Georgoulis, S., Proesmans, M., & Gool, L. V. (2018). Towards End-to-End Lane Detection: an Instance Segmentation Approach.
Zurück zum Zitat Pedregosa, et al. (2011). Scikit-learn: Machine Learning in Python. JMLR, 12, 2825–2830. Pedregosa, et al. (2011). Scikit-learn: Machine Learning in Python. JMLR, 12, 2825–2830.
Zurück zum Zitat T. Chen, C. Guestrin. (2016). XGBoost: A Scalable Tree Boosting System. In: Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. ACM. S. 785–94. (KDD '16). http://doi.acm.org/https://doi.org/10.1145/2939672.2939785 T. Chen, C. Guestrin. (2016). XGBoost: A Scalable Tree Boosting System. In: Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. ACM. S. 785–94. (KDD '16). http://​doi.​acm.​org/​https://​doi.​org/​10.​1145/​2939672.​2939785
Zurück zum Zitat Till Menzel, G. B. (2018). Scenarios for development, test and validation of automated vehicles. Till Menzel, G. B. (2018). Scenarios for development, test and validation of automated vehicles.
Zurück zum Zitat Wang, Z., Ren, W., & Qiu, Q. (2018). LaneNet: Real-Time lane detection networks for autonomous driving. Wang, Z., Ren, W., & Qiu, Q. (2018). LaneNet: Real-Time lane detection networks for autonomous driving.
Zurück zum Zitat Zou, Q., Jiang, H., Dai, Q., Yue, Y., Chen, L., & Wang, Q. (2020). Robust lane detection from continuous driving scenes using deep neural networks. Zou, Q., Jiang, H., Dai, Q., Yue, Y., Chen, L., & Wang, Q. (2020). Robust lane detection from continuous driving scenes using deep neural networks.
Metadaten
Titel
KI-basiertes Virtuelles Testen von Sicherheitskritischen Fahrfunktionen in Kombination mit Realtests
verfasst von
Marius Kütemeyer
Janis Lapins
Alexander Thieß
Kun Gao
Thomas Riemer
Samuel Hekeler
Hans-Christian Reuss
Copyright-Jahr
2022
DOI
https://doi.org/10.1007/978-3-658-36430-4_39

Premium Partner