15.11.2024, Stuttgart – Für die Zulassung automatisierter Fahrzeuge muss sichergestellt werden, dass diese in kritischen Situationen angemessen und verkehrssicher reagieren. Um dies zu testen, sind sogenannte Edge Cases, also selten auftretende und potenziell gefährliche Verkehrssituationen, von großer Bedeutung. Solche Grenzfälle lassen sich besonders gut mit Verkehrskameras erfassen, da sie Langzeitaufnahmen einer Fahrstrecke ermöglichen. Im Kooperationsprojekt ScenarioEye wurden hierfür neuartige Ansätze entwickelt, die eine hochgenaue Extraktion dieser Szenarien ermöglichen (siehe Abbildung 1). Mit Abschluss des Projekts stehen nun marktreife Methoden zur Verfügung, die die Testmöglichkeiten automatisierter Fahrzeuge maßgeblich verbessern.
Bundesminister für Digitales und Verkehr, Dr. Volker Wissing:
"Mit dem Projekt ScenarioEye haben wir einen bedeutenden Schritt in Richtung sicheres autonomes Fahren gemacht. Die innovative Technologie zur Extraktion von Fahrszenarien aus Verkehrskameras eröffnet völlig neue Möglichkeiten für das Testen und Validieren automatisierter Fahrfunktionen. Durch den Einsatz von KI und Deep Learning können wir nun kritische Verkehrssituationen präzise erfassen und analysieren. Dies ist ein Durchbruch für die Entwicklung autonomer Fahrzeuge und unterstreicht Deutschlands Führungsrolle in diesem zukunftsweisenden Bereich. Mit Projekten wie ScenarioEye schaffen wir die Grundlage für sichere und effiziente Mobilität von morgen und stärken gleichzeitig den Innovationsstandort Deutschland."
Das Projekt ScenarioEye wird im Rahmen der Innovationsinitiative mFUND mit insgesamt rund 643.000 Euro durch das Bundesministerium für Digitales und Verkehr gefördert.
Durchbruch beim Einsatz auf deutschen Autobahnen
Im Rahmen des Forschungsprojekts wurde unter Verwendung neuartiger Verfahren der Bildverarbeitung, wie beispielsweise Deep Learning, eine Signalkette zur Verarbeitung von Aufnahmen aus Verkehrskameras aufgebaut. Zu den Hauptaktivitäten gehörten die Entwicklung von Algorithmen zur Rekonstruktion der statischen Szene, Kalibrierung der Kamera und Extraktion aller bewegten Objekte aus dem Bild. Diese neu aufgebaute Signalverarbeitungskette konnte erfolgreich anhand von mehreren Stunden Aufnahmen deutscher Autobahnen demonstriert werden (siehe Abbildung 2). Dieser Durchbruch verspricht die Skalierbarkeit der Algorithmen auf beliebige Verkehrskameras weltweit, wodurch sich neuartige Möglichkeiten für die Datenerfassung zum Testen, Entwickeln und Validieren automatisierter Fahrzeuge ergeben.
Neue Einsatzmöglichkeiten im Bereich der Parkraumüberwachung
Die im Forschungsprojekt entwickelte Technologie findet auch in anderen Bereichen Anwendung, wie beispielsweise in der Überwachung von Parkplätzen. DeepScenario exploriert hierzu u.a. mit Intel mögliche Einsatzgebiete und kann bereits erste Erfolge vorweisen. Weitere Details dazu sind hier zu finden.
Einladung zum Projektabschluss am 17. Dezember
Der öffentliche Projektabschluss findet am Dienstag, 17. Dezember 2024, um 10 Uhr virtuell statt. Um an der Veranstaltung teilzunehmen, senden Sie bitte eine E-Mail an info@deepscenario.com.
Über den mFUND des BMDV:
Im Rahmen der Innovationsinitiative mFUND fördert das BMDV seit 2016 datenbasierte Forschungs- und Entwicklungsprojekte für die digitale und vernetzte Mobilität der Zukunft. Die Projektförderung wird ergänzt durch eine aktive fachliche Vernetzung zwischen Akteuren aus Politik, Wirtschaft, Verwaltung und Forschung und durch die Bereitstellung von offenen Daten auf der Mobilithek. Weitere Informationen finden Sie unter www.mFUND.de.
