Multisensor-Fusion für unbemannte, autonome Fahrzeuge: Pro und Kontra

^{Eines Tages werden wir auch an selbstfliegenden Autos arbeiten.}

Wenn Sie an Ihre Kindheit zurückdenken, wie sah die Zukunft in Ihrer Vorstellung aus? Raumschiffe, fliegende Autos,Besteck mit Internetverbindung?Vieles von dem, was wir uns erträumten, ist inzwischen wahr, aber vor allem die Autos hinken noch hinterher. Ich erwartete fliegende Autos, die durch die Luft rasen, oder fahrerlose Wagen auf den Straßen. Ich habe keine Lösung für den Mangel an fliegenden Autos, aber es gibt etwas, das unbemannte, autonome Fahrzeuge zur Realität macht. Multisensor-Fusion ist die Antwort auf die strengen Sicherheitsvorgaben und unzuverlässigen Fahrfähigkeiten selbstfahrender Autos. Allerdings sollten Designer noch immer die breite Palette von Pro- und Kontra-Argumenten zu dieser Art der Instrumentierung in Betracht ziehen.

Warum Multisensor-Fusion nötig ist

Als Ingenieure wissen wir, dass das richtige Werkzeug für die jeweilige Aufgabe unerlässlich ist. Ohne dieses Werkzeug wird die Arbeit schnell frustrierend oder gar unmöglich. Für autonome Fahrzeuge scheint „das richtige Werkzeug“ eine Verschmelzung mehrerer kleiner Werkzeuge zu sein. Jedem Auto begegnen unterschiedliche Straßenbedingungen, die am besten mit unterschiedlichen Sensoren verarbeitet werden. Ein gutes Beispiel sind Rückfahrkameras, die ab 2018 in den USA Pflicht für neue Autos werden. In der Vergangenheit haben diese Kameras dem Fahrer einfach gezeigt, was hinter dem Fahrzeug passiert. Inzwischen haben Designer die Kameras mit Ultraschallsensoren kombiniert, um eigenständiges Parken zu ermöglichen. Ultraschallsensoren messen Entfernungen perfekt ab, und Kameras erkennen Hindernisse. Gemeinsam ermöglichen sie es, dass das Auto selbst einparken kann.

Autos benötigen eine breite Palette von Sensoren, um Ihre Umgebung vollständig zu verstehen. Mit Ultraschall lässt sich, zumindest auf kurze Entfernungen (ca. 5-10 m), die Entfernung zwischen dem Auto und Objekten in der Umgebung abschätzen. Radar findet Objekte auf lange Entfernungen und unabhängig vom Wetter, hat aber eine niedrige Auflösung. LIDAR hat eine hohe Auflösung, ist aber bei starken Schnee- und Regenfällen in seiner Sichtweite eingeschränkt. Jeder Sensor hat seine Stärken und Schwächen, aber zusammen ergeben sie ein leistungsfähiges Gesamtsystem. Das ist eine attraktive Lösung, die aber auch einige Herausforderungen mit sich bringt.

^{Dank mehrerer Sensoren erhält Ihr Auto ein besseres Bild seiner Umgebung.}

Vorteile

Viele Argumente sprechen für die Multisensor-Fusion. Der Hauptvorteil liegt in der Minderung des Risikos falsch positiver oder negativer Entscheidungen.

Falsch positive und negative Entscheidungen lassen selbstfahrende Systeme scheitern. Egal, wie gut der Prozessor programmiert ist – fehlerhafte Daten führen immer zu falschen Entscheidungen. Der tödliche Unfall eines Tesla-Modells vor einiger Zeit ist ein Beispiel für die Folgen von zu wenigen Sensoren. Bei Teslas System müssen das Radar und das passive visuelle System übereinstimmen, um Ausweichmaßnahmen einzuleiten. Das Radar des Autos erkannte den vorausfahrenden Anhänger, das passive visuelle System aber nicht. Deshalb fuhr das Auto weiter. Hätte Tesla ein LIDAR-Array genutzt, wäre der Unfall mit einer ⅔-Sensorübereinstimmung vermeidbar gewesen. Mit drei oder mehr Sensoren kann der Prozessor bestimmen, wann einer der Sensoren falsch liegt. Außerdem geben zusätzliche Sensoren mehr Umgebungsinformationen weiter. Wenn das LIDAR-Signal gestreut wird und das passive visuelle System nur weiß zeigt, befindet sich das Auto vielleicht in einem Schneesturm. In diesem Fall kann das Fahrzeug so programmiert werden, dass es sich stärker auf sein Radar und seine Ultraschallsensoren verlässt. Insgesamt hilft die Verwendung von drei oder mehr Sensoren Ihrem Prozessor dabei, die Genauigkeit der eingehenden Daten einzuschätzen. Es ist klar, dass mehrere Sensoren für den Grad an Redundanz nötig sind, die selbstfahrende Autos benötigen werden.

Herausforderungen

Multisensor-Fusion bringt allerdings auch eine komplexe Vielzahl von Problemen mit sich. Die schwierigsten Hürden sind hohe Kosten, hohe Rechenanforderungen und erhöhte Systemkomplexität.

Als erstes wird Ihnen beim geplanten Einsatz mehrerer Sensoren der Preis in die Quere kommen. Passive visuelle Systeme sind nicht teuer, aber Ultraschall- und Radar-Arrays kosten schon mehr. Und natürlich gibt es noch die LIDAR-Technik, deren Hersteller jüngst einige Fortschritte verbuchen konnten, deren Sensoren aber immer noch sehr teuer sind. Momentan würden die Sensoren einer Komplettausrüstung mehr kosten als das gesamte Auto.

^{Wenigstens muss man das hier nicht an Autos anbauen.}

Wahrscheinlich bemühen Sie sich bereits, Ihren Code so effizient wie möglich zu schreiben, um Rechenleistung zu sparen. Mehr Sensoren werden aber noch schnellere Prozessoren erfordern. Die aktuell erhältlichen Prozessoren sind um einige Nummern zu klein für die Anforderungen vollautonomer Systeme. Die Branche braucht fortschrittlichere Prozessoren, um unbemannte, autonome Fahrzeuge zu realisieren.

Der Hunger nach Rechenleistung hat immer mehr Entwickler dazu veranlasst, mit zentralisierten Mikrocontrollern (MCUs) anstelle von verteilten elektronischen Steuereinheiten (ECUs) zu arbeiten. Diese MCUs bieten ebenfalls einige Herausforderungen, darunter die Frage nach dem Speicher. Da alle Systeme denselben Speicher nutzen, ist eine Speicherschutzeinheit (MPU) nötig, um die Sicherheitsanforderungen zu erfüllen. Diese MPUs sind schwierig in der Handhabung, wenn die richtigen Werkzeuge fehlen. Man muss den Umgang mit MCUs erlernen, wenn man die Multisensor-Fusion nutzen will. Sie werden wahrscheinlich auch Hilfe mit den Bibliotheken brauchen, um die Sensordaten zu verarbeiten. Sicherlich können Sie eine Bibliothek für ein LIDAR-Array oder einen Ultraschallsensor schreiben, aber Bibliotheken für mehr als zwei Sensoren zu erstellen, dauert eine Ewigkeit. Sie müssen gute, optimierte und normierte Bibliotheken nutzen, um Daten aus den Instrumenten effektiv zu verarbeiten.

Vollautonome Fahrzeuge sind ohne eine große Bandbreite von Sensoren unmöglich zu realisieren. Diese Sensoren sorgen für Redundanz und können einander bei Fehlfunktionen ersetzen. Sensorentwickler arbeiten bereits jetzt an der Kostensenkung ihrer Produkte. Sie sollten sich darauf einstellen, mehr über MCUs und MPUs zu lernen, denn diese sind unerlässlich für eine Multisensor-Fusion.

Haben Sie noch Fragen zum Thema Multisensor-Fusion? Rufen Sie einen Experten bei Altium an.