In Entwicklungsprojekten für Fahrassistenzsysteme (ADAS) und autonomes Fahren (AD) ist es unerlässlich, große Datenmengen aufzuzeichnen, um die gesamte Funktion zu validieren.
So müssen beispielsweise bei einem L2+ Projekt je nach Testaufgabe 2 GB/s oder mehr an Daten aufgezeichnet werden. Diese Daten stammen von Sensoren wie LIDAR und Radar, aber auch von Kameras und der fahrzeuginternen Kommunikation zwischen den Steuergeräten.
Egal ob Sie Ihre ADAS-/AD-Anwendungen in einer realen oder einer virtuellen Umgebung entwickeln: Wir bieten Ihnen umfassende Lösungen in Form von Software- und Hardware-Tools sowie Embedded-Komponenten.
Highlights
- Abgestimmte ADAS/AD-Werkzeugkette: Passende Tools, Softwarekomponenten und Hardware für Ihren Anwendungsfall.
- Ein Testwerkzeug für alle Entwicklungsphasen: Testdefinitionen für Applikationen in einer MIL-, SIL- oder HIL-Umgebung über den gesamten Prozess nutzen.
- Leistungsfähige Sensor- und Steuergeräteanbindung: Erfassen und Loggen von Multisensordaten mit hoher Übertragungsrate und optionaler Datenkompression unter Linux und Windows.
- Effiziente Nutzung von Messdaten: Analyse und Rapid Prototyping von Fahrfunktionen mittels echter Messergebnisse.
- Verifizierung von Sensorobjekten: Sowohl im Videobild der Umgebung als auch in 3D-Szenen durch Objektüberlagerung.
Loggen
Funktionstests sind fester Bestandteil der ADAS-/AD-Entwicklung. Um viele zeit- und kostenintensive Testfahrten mit jeweils neuen Softwareständen zu vermeiden, werden die Sensordaten im Fahrzeug für spätere MiL/SiL/HiL-Läufe und Auswertungen aufgezeichnet. Damit sind jedoch auch Herausforderungen verbunden: Terabytes an Daten müssen in einem rauen Automotive-Umfeld gespeichert werden. Bedingt wird dies unter anderem durch die Vielzahl an Sensortypen (basierend auf Radar-, LIDAR- und Videotechnologie) und den sehr komplexen und umfangreichen Steuergerätedaten, die zeitsynchron geloggt werden müssen. Je nach Anwendungsbereich zuschaltbare Kompressionsverfahren sorgen dabei für einen speicher- und somit kostenoptimalen Betrieb der gesamten Datenpipeline.
Datenanalyse und Funktionsvalidierung
Effektive Datenanalysen spielen eine wichtige Rolle, um die Leistungsfähigkeit eines Systems ermitteln. Für die richtige Auswahl der Messdaten in weiteren Arbeitsschritten sind Metadaten erforderlich. Sie enthalten Informationen über das Fahrzeug, die Fahrsituation und den Softwarestatus. Sind die relevanten Messdatensätze ermittelt, werden diese im zweiten Schritt der eigentlichen Analyse- und Validierungsfunktion zugeführt. Die Analyse selbst kann dabei manuell, teilautomatisch oder vollautomatisch mittels Datamining durchgeführt werden.
Videoanonymisierung
Nicht nur die Erhebung und das Labeling der Daten, sondern auch die richtige Speicherung und Verarbeitung sind relevant. Daten müssen sicher gespeichert, übertragen und ausgewertet werden. Neben technischen Herausforderungen bei der Aufzeichnung großer Datenmengen spielen auch datenschutzrechtliche Anforderungen eine große Rolle. Werden personenbezogene Daten – wie Gesichter oder Kennzeichen – gefilmt, müssen diese zusätzlich unkenntlich gemacht werden, bevor eine Speicherung oder Weiterverarbeitung erfolgen darf.
Visualisierung und Datenauswertung
Daten aus ADAS-Sensoren können entweder als Rohdaten über spezielle, hochbreitbandige Sensorschnittstellen oder als Objektdaten über fahrzeugspezifische Netzwerke (z. B. CAN oder Automotive Ethernet) übertragen werden.
Zur Entwicklung von Fahrerassistenzsystemen und autonom fahrenden Fahrzeugen werden Sensordaten aufgezeichnet, um sie direkt auszuwerten oder später in einer Re-Simulation zum Testen neuer Softwarestände zu nutzen. Passende Software visualisiert dabei aus den Sensordaten eine grafische Entsprechung der erfassten Objekte in einem Referenzbild und einer 2D/3D-Szene, die anschließend zur Auswertung genutzt werden.
Set-up Beispiele
Je nach Komplexität der zu messenden Funktionen unterscheiden sich die Setups im Fahrzeug vor allem in der Menge der eingesetzten Sensoren und der daraus folgenden Komplexität der Netzwerke bzw. Sensorschnittstellen. Allen gemeinsam ist der im Kern identische Messaufbau, der je nach Ausprägung lediglich in einer anderen Skalierung verwendet werden kann.
Geringe Komplexität: L2 SmartCam mit Front- & Seitenradaren
Bei der Entwicklung einer neuen Frontkamera (z.B. für AEB oder LKA) werden zur Überprüfung der richtigen Funktion im Testfahrzeug die Kamera selbst und mehrere Radarsensoren instrumentiert. Zusätzlich zu diesen Sensordaten werden noch die Daten der CAN-Busse aufgezeichnet.
Mittlere Komplexität: 5V5R z.B. für automatisiertes Parken
In einem Parkassistenten kommen mehrere Funktionen zusammen: Erkennen der Umgebung, Bewerten der Situation und Ausführen der Parkfunktion. Um diese zu testen, müssen deutlich mehr Daten erhoben werden. Hierbei werden typischerweise alle verbauten Sensoren erfasst, das heißt eine Frontkamera, ein Front-Radar, vier Umgebungskameras und vier Seitenradare. Wird zusätzlich Automotive Ethernet verwendet, fällt hierdurch beim Logging nochmals eine deutlich höhere Datenrate an als bei CAN.
Sehr hohe Komplexität: Auf dem Weg zum autonomen Fahren
Autonomes oder teil-autonomes Fahren muss zuverlässig fehlerfrei funktionieren, da der Fahrer nach und nach vollständig dem Fahrzeug die Kontrolle übergibt. Für Testfahrten zur Validierung der Funktion kommen daher eine große Menge an Sensoren und Kameras zum Einsatz: Mindestens fünf Radarsensoren, elf Kameras (1x Weitwinkel-Frontkamera, 1x Frontkamera, 4x Seitenkamera, 4x Umgebungskamera, 1x Heckkamera) und ein LIDAR-Sensor auf der Oberseite des Fahrzeugs. Gemeinsam mit der Fahrzeugkommunikation (Automotive Ethernet) ergibt sich nicht nur ein komplexer Messaufbau, sondern auch eine sehr hohe Datenrate. Diese lässt sich mittels Hardwarekompression reduzieren.
