Baustellen 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. Fraunhofer-Forscher entwickeln daher Technologien zur Echtzeitinterpretation solcher Hinweisschilder, über die sie auf der Cebit in Hannover vom 20. bis 24. März 2017 informieren.
Mit Deep Learning Muster schneller und effizienter erkennen
"Unsere Technologie ermöglicht es einem System, auch Schilder dieser Art mit hoher Treffsicherheit zu lesen", erklärt Stefan Eickeler, zuständig für das Thema Objekterkennung am Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS in Sankt Augustin. Die Informationen werden semantisch verarbeitet, inhaltlich verstanden und zur weiteren Verarbeitung verfügbar gemacht. "Mit Deep Learning – einer Schlüsseltechnologie für die Zukunft der Automotive Branche – bringen wir der Software bei, die klassischen Muster schneller und effizienter zu erkennen."
So könnten 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, erklären die Forscher. "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: Dann werden automatisierte Fahrzeuge eigenständig reagieren", erläutert Eickeler.
Kamera ersetzt zahlreiche Sensoren
Zum Einsatz komme dabei eine Automotive-Kamera, die derzeit 20 bis 25 Bilder pro Sekunde liefere, so die Wissenschaftler. Direkt während der Fahrt ließen sich die Bilder analysieren und Informationen zu Hinweisschildern, Fahrspurinformationen oder von LED-Verkehrszeichen herauslesen und bearbeiten. Eine Zukunftsvision sei, dass diese Kamera künftig als primäre Schnittstelle fungiert und so auf eine Vielzahl an Sensoren verzichtet werden könne.