Intelligente Lichtfunktion 'Markierendes Licht' - Detektion und Klassifikation von zu markierenden Objekten

摘要

In [1] erhobene, aktuelle Unfallstatistiken zeigen deutlich auf, dass die Zahl der Verkehrstoten im nachtlichen Strassenverkehr uber die letzten Dekaden kontinuierlich verringert werden konnte. Dieser positive Trend ist nicht zuletzt auf den Einsatz stetig verbesserter Technologien im Kraftfahrzeug hinsichtlich passiver sowie aktiver Sicherheit fur den Insassen sowie Dritte im Verkehrsraum zuruckzufuhren. Intensive Unfallanalysen von Expertenteams, wie in [2, 3] beschrieben, geben klare Indikationen auf, mit welchen technologischen Funktionen dem Fahrzeugfuhrer bei Dunkelheit noch weiter assistiert werden muss. Besonders kritisch sind, neben Unfalltypen bedingt durch inadaquat angepasste Geschwindigkeit, diejenigen Kollisionsarten, bei welchen Fussganger, Fahrradfahrer oder aber auch Wild bei nachtlichen Fahrten involviert sind. Gerade bei Kollisionen mit Personen, welche statistisch gesehen vermehrt im suburbanen bis ausserstadtischen Umfeld auftreten, ist die situationsbedingte Sterblichkeit sehr hoch. Eine aus dieser negativen Erscheinung abgeleitet und in [4] vorgestellte Innovation im Bereich der intelligenten Lichtverteilung im Kraftfahrzeug ist das "Markierende Licht". Hierbei werden durch z.B. thermografische Sensoren (vgl. passive Nachtsicht-Systeme) kollisionskritische Objekte detektiert, uber eine Zeit verfolgt und klassifiziert. Nach der erfolgten Klassifizierung wird in einer strategischen Analyse entschieden, ob eine Kollision innerhalb einer "Time-To-Collision (TTC)" bevorsteht. Wird eine hohe Wahrscheinlichkeit errechnet, kann die Aufmerksamkeit des Fahrzeugfuhrers gezielt auf das sensierte Objekt geleitet werden um zeitnahe Gegenmassnahmen einleiten zu konnen. Im Beitrag wird ein in diesem fachlichen Fokus stehendes Gesamtsystem vorgestellt, welches final als "erfahrbarer" Erprobungstrager zur Durchfuhrung von Probandenstudie genutzt werden soll. Integriert sind auf der Sensorseite eine Warmebildkamera, eine "Inertial Measurement Unit (IMU)" sowie Schnittstellen zur CAN-Kommunikation. Auf der Aktorseite steht ein am Institut fur Mess- und Regelungstechnik konzipiertes und realisiertes Prototypenscheinwerferpaar zur Verfugung, welches neben der Bi-Xenon-Einheit ein weiteres Leuchtenmodul auf LED-Basis fur die markierende Komponente integriert. Der Hauptteil des Beitrages befasst sich mit der Detektion und der nachgelagerten Klassifizierung von zu markierenden Objekten (Fokus: Fussganger, Fahrradfahrer, Wild). Hierzu wird auf die dafur benotigten Detektionsalgorithmen sowie auf das Klassifikationsframework eingegangen, was mehrere gelernte Instanzen ("Support Vector Machines") beinhaltet. Eine abschliessende probabilistische Meta-Klassifikation gibt die Wahrscheinlichkeit der Objektklassen aus, welche fur eine differenzierte Markierungsstrategie (vgl. HMI-Auslegung) essentiell ist. Ein Trackingalgorithmus auf Basis des "Mean Shift"-Algorithmus minimiert final die "False Positive"-Rate des Gesamtsystems. Im Ausblick wird das weitere Vorgehen aufgezeigt, was u.a. eine Untersuchung zur Zielgenauigkeit, sprich der zu minimierenden Blendung der markierten Objekte, aus einem sich bewegenden Koordinatensystem (hier: Erprobungstrager) thematisiert.