Problemstellung

Zur Freigabe eines automatisierten Fahrzeugs muss dessen Sicherheit in relevanten kritischen Szenarien nachgewiesen werden. Dabei spielen insbesondere selten auftretende Edge Cases, also Härtefälle, eine wichtige Rolle. Zur Erfassung dieser eignen sich insbesondere Verkehrskameras, da sie eine Langzeitbeobachtung des Verkehrs ermöglichen. Für die Extraktion der Szenarien aus den Aufnahmen sind jedoch neuartige Bildverarbeitungsverfahren notwendig, die die geforderte Genauigkeit einer Rekonstruktion erzielen.

Projektziel

Im Rahmen dieses Projekts soll eine neuartige Signalverarbeitungskette aufgebaut werden, die eine hochgenaue 4D-Rekonstruktion (3D im Raum, 1D in der Zeit) von Aufnahmen aus monokularen Verkehrskameras ermöglicht. Die daraus gewonnenen Verkehrsszenarien sollen anschließend so aufbereitet werden, dass sie in einem virtuellen Entwicklungsprozess zur Freigabe und zum entwicklungsbegleitenden Testen automatisierter Fahrfunktionen genutzt werden können.

Durchführung

Zu den zentralen Aktivitäten dieses Vorhabens gehört die Entwicklung von Algorithmen zur 3D-Rekonstruktion der statischen Szene, zur Kalibrierung der Kamera und zur 3D-Extraktion aller bewegten Objekten aus den Aufnahmen. Dabei wird auf neueste Verfahren der Bildverarbeitung (Deep Learning) zurückgegriffen und diese werden so weiterentwickelt. Die damit gewonnenen Verkehrsszenarien werden abschließend so aufbereitet, dass sie zum Testen und Validieren automatisierter Fahrfunktionen in einem Simulator eingesetzt werden können.

Verbundkoordinator	DeepScenario GmbH, München 19F2222A
Projektvolumen (zum Bewilligungszeitpunkt)	643.169,34 €, davon 77,74 % Förderung durch BMDV
Projektlaufzeit (zum Bewilligungszeitpunkt)	01/2023 – 12/2024
Projektpartner	TU München, Lehrstuhl für Bildverarbeitung und Künstliche Intelligenz, München 19F2222B
Ansprechpartner	DeepScenario GmbH Dr. Holger Banzhaf 0176 47151211‬ holger@deepscenario.com