Seit mehr als zehn Jahren wird die Entwicklung autonomer Fahrzeuge immer stärker vorangetrieben. Die Entwickler und Enthusiasten autonomer Fahrzeuge glauben, dass sie einem breiten Spektrum von Bürgern ein sichereres und effizienteres Verkehrsmittel zur Verfügung stellen können. Autonome Fahrzeuge werden durch den Einsatz einer breiten Palette von Technologien ermöglicht.
Eine der wichtigsten technologischen Komponenten eines autonomen Fahrzeugs sind die sensorischen Systeme, die dem Fahrzeug helfen, seine Umgebung und den Kontext in seinem Inneren zu verstehen. Typische Sensorsysteme, die die Außenseite des Fahrzeugs schmücken, umfassen eine Vielzahl von Kameras, Lasern und Ultraschallsystemen. Im Inneren des Fahrzeugs und für den Laienpassagier nicht sichtbar ist eine Reihe von Datenverarbeitungs- und Analysefähigkeiten, die die Eingaben der Sensoren interpretieren und die Ergebnisse dieser Analyse nutzen, um an der Stelle eines menschlichen Bedieners Entscheidungen zu treffen. Eine Schlüsselkomponente dieses zentralisierten Systems ist die inertiale Messeinheit (IMU), das System, das die sich dynamisch ändernden Bewegungen des Fahrzeugs überwacht.
Oxford Technical Solutions (OxTS) bietet seit fast 20 Jahren inertiale Messtechnik für den Automobilmarkt an. In diesem Zeitraum hat OxTS Inertialsysteme an verschiedene Entwicklungsprojekte für autonome Fahrzeuge geliefert, wie z. B. die DARPA-Challenges (2005 und 2007), den selbstfahrenden Volkswagen Golf 53 1 im Jahr 2006, das unbemannte Fahrzeug "Wildcat" von BAE Systems; zusammen mit zahlreichen Systemen für das Militär und mehrere führende Automobilhersteller. OxTS ist daher gut aufgestellt, um zu veranschaulichen, warum eine inertiale Messeinheit für den sicheren und erfolgreichen autonomen Betrieb unerlässlich ist.
Ausgereiftheit der Mechanismen für die Fahrerassistenz
Unternehmen wie Google entwerfen von Grund auf völlig autonome Fahrzeuge, die nicht zum Fahren, sondern zum Mitfahren bestimmt sind. Viele der eingesetzten Sensorfähigkeiten werden bereits in den Fahrassistenzsystemen (ADAS) implementiert, die von vielen der großen Automobilhersteller entwickelt werden. Bildgebende Systeme (wie Kameras und LiDAR) werden in der Regel zur Erkennung von Objekten am Horizont eingesetzt, sei es, um einfach aufkommende harte Strukturen zu erkennen oder sogar die Anwesenheit von Fußgängern oder andere potenzielle Kollisionsgefahren in der Fahrbahn des Fahrzeugs zu erkennen. Als die "Augen" des Fahrzeugs werden die auf einem einzelnen Fahrzeug eingesetzten Abbildungssysteme sowohl in ihrer Anzahl als auch in ihrer Ausgereiftheit immer weiter ausgebaut. In einem kürzlich erschienenen Bericht über die Marktgröße sagt Yole Développement (Yole) voraus, dass der Wert des Marktes für Sensoren an autonomen Fahrzeugen bis Ende 2015 bei 2,6 Milliarden Dollar liegen und bis 2030 auf 36 Milliarden Dollar (wobei 12 Milliarden Dollar allein auf bildgebende Sensoren entfallen) steigen wird. Während jedoch bildgebende Systeme die Beurteilung von Form und Gestalt der Objekte und des Abstands zwischen dem Fahrzeug und den erfassten Objekten ermöglichen, muss ein autonomes Fahrzeug immer noch wissen, wo es sich in der Umgebung befindet und wie es sich durch seine Umgebung bewegt, damit Entscheidungen und Maßnahmen rechtzeitig getroffen werden können, um darauf zu reagieren. Die Berücksichtigung der Fahrzeugbewegungen (Fahrzeugdynamik) validiert nicht nur die Informationen der bildgebenden Sensoren, sondern gewährleistet auch die sichere Durchfahrt des autonomen Fahrzeugs zwischen den gesehenen Hindernissen und entlang seiner vorgesehenen Route.
Kontext, Kontext, Kontext
Ein autonomes Fahrzeug muss eine Reihe von Dingen im Auge behalten, während es sich auf einer Strecke vom Start bis zum Ziel sicher bewegt. Auf der höchsten Ebene muss das autonome Fahrzeug den Gesamtfortschritt auf der Strecke verfolgen. Dies kann durch globale Satellitennavigationssysteme (GNSS) unterstützt werden. Das GNSS kann Informationen über die Fahrzeuggeschwindigkeit liefern, ist jedoch nicht zuverlässig genug, um kontinuierlich genaue Informationen über den genauen Standort und die Geschwindigkeit zu liefern.
Auf der nächsttieferen Ebene gibt es einen eher lokalen Kontext und umfasst die Dinge, die ein Fahrer vom Fahrersitz aus mit seinen Augen beobachten könnte. Auf dieser Ebene muss das autonome Fahrzeug die unmittelbare Umgebung des Fahrzeugs im Zusammenhang mit festen und beweglichen Merkmalen, die sich in der Nähe befinden oder bald befinden werden, verstehen. Zu den festen Merkmalen gehören Dinge wie Fahrbahnmarkierungen, Bordsteine, Verkehrskontrolle und geparkte Autos. Bewegliche Merkmale können andere sich bewegende Verkehrsteilnehmer und Fußgänger in Bewegung sein. Die auf der Oberseite des autonomen Fahrzeugs montierten Sensorsysteme sehen in der Regel nach außen, um diesen Zusammenhang zu verstehen, und umfassen Kameras, LiDAR- und Ultraschallsysteme.
Schließlich muss der Kontext des Fahrzeugs und seine Bewegung durch die unmittelbare Umgebung verstanden werden. Es gibt eine Vielzahl von Sensoren an Bord des Fahrzeugs, die dabei helfen, einschließlich eines sehr kritischen Systems, der IMU. Die IMU ist ein eigenständiger Sensor, der Daten über die Fahrzeugdynamik liefert, so dass wichtige Berechnungen zu Änderungen der Fahrzeugtrajektorie verwendet werden können, um Sicherheitsfragen (z. B. Änderungen des Schräglaufwinkels) zu antizipieren.
Die IMU liefert auch Informationen zum besseren Verständnis der Position der anderen Sensorsysteme im Zusammenhang mit der aktuellen Position des Fahrzeugs. Die IMU liefert einen Teil der Informationen, um die von den verschiedenen Sensoren gelieferten Daten in Bezug auf die räumliche und zeitliche Dynamik des Fahrzeugs zum Zeitpunkt der Übermittlung eines Messwertes an die Echtzeitanalysesysteme des autonomen Fahrzeugs korrekt zu korrelieren. Wenn man nicht in der Lage ist, verschiedene Sensormesswerte in Kombination auf der Grundlage der Fahrzeugdynamik zu korrelieren und zu berechnen, ist dies gefährlich und kann zu Sicherheitsproblemen führen und zu einem schlechten Fahrerlebnis beitragen.
Folgen des Nicht-Verstehens der Fahrzeugdynamik
Autonome Fahrzeuge müssen nicht nur die Fahrzeugdynamik in Bezug auf Position, Ausrichtung, Richtung und Geschwindigkeit des Fahrzeugs verstehen, sondern auch, ob Veränderungen in der Beziehung zwischen diesen Faktoren zu einer unsicheren Situation entweder für die Fahrzeuginsassen, für Umstehende oder für andere Verkehrsteilnehmer führen. Die sicherste Fahrt ist die stabilste Fahrt. Um die Gesamtstabilität bei der Fahrzeugbewegung zu gewährleisten, ist eine indikative Maßnahme, die als erste vorbeugende Maßnahmen für sicheres Fahren warnen kann, der Schräglaufwinkel.
Der Schräglaufwinkel ist das Maß, das die Winkel zwischen dem Vorwärtsgeschwindigkeitsvektor und dem Kurs vergleicht, d. h. der Winkel zwischen der tatsächlichen Fahrtrichtung eines rollenden Rades und der Richtung, in die es zeigt. Eine Zunahme des Schräglaufwinkels kann durch jede der kontinuierlichen Veränderungen in der Beziehung zwischen dem Fahrzeug, der Straßenoberfläche und -struktur oder durch Interaktionen zwischen anderen Verkehrsteilnehmern verursacht werden.
Eine Änderung des Schräglaufwinkels um 0,5° kann so signifikant sein, dass Schleudern, Drehen oder Überschlagen (insbesondere bei Geländewagen oder größeren Lastwagen) ausgelöst wird, wenn nicht rechtzeitig korrigierend eingegriffen wird. Die sichere Fahrt des Fahrzeugs wird in der Regel beeinträchtigt, wenn das Fahrzeug in eine andere als die vorgesehene Richtung fährt. Zu den Folgen können (neben Schleudern, Drehen und Überschlagen) eine erhöhte Wahrscheinlichkeit der Kollision mit anderen als den vom Bildgebungssystem auf der Strecke identifizierten Hindernissen sowie Aufpralle auf Teile des Fahrzeugs wie z. B. Türen gehören, die nicht gut für einen Aufprall ausgelegt sind.
Die Überwachung des Schräglaufwinkels ist eine Möglichkeit, mit der ein ADAS oder ein völlig autonomes Fahrsystem beurteilen kann, ob vorbeugende Maßnahmen wie Änderungen des Lenkwinkels oder Notbremsmechanismen eingesetzt werden sollten. Es kann bildgebungsbasierte Leit- und Kollisionsvermeidungssysteme am Fahrzeug geben, aber wenn die Dynamik des Fahrzeugs zu extrem wird, könnte ein Vorfall wie ein Schleudern oder ein Drehen vor den Warnungen der bildgebenden Sensoren stattfinden. Sobald ein Zwischenfall ausgelöst wird, kann es zu spät sein, um sich zu erholen, unabhängig davon, ob die Position von Hindernissen bekannt ist.
Inertiale Messeinheiten zur Überwachung der Fahrzeugdynamik
Wie bereits beschrieben ist die sichere Funktion jedes automatisierten Fahrsystems davon abhängig, dass die Dynamik des Fahrzeugs in Bezug auf Standort, Position auf der Straße, Richtung, Orientierung und Geschwindigkeit des Fahrzeugs ständig bekannt ist. Die Messung dieser Eigenschaften erfordert die Verwendung einer inertialen Messeinheit (IMU).
Die IMU besteht aus einer Baugruppe von Gyroskopen und Beschleunigungsmessern und wird einen kontinuierlichen Datenstrom über die lineare Beschleunigung des Fahrzeugs auf drei Hauptachsen zusammen mit den drei Sätzen von Rotationsparametern (Neigung, Rollen und Steuerkurs) liefern. Die Daten von der IMU werden zusätzliche Messungen in Bezug auf die vom autonomen Fahrzeug zurückgelegte Strecke liefern, die:
- Berücksichtigt die wahrscheinlichste Position des Fahrzeugs, wenn in schwierigen GNSS-Umgebungen keine GNSS-Daten verfügbar sind.
- Liefert Daten über die Geschwindigkeit und das Ausmaß der Beschleunigung auf Hindernisse, die von bordeigenen Bildgebungssystemen erfasst werden.
- Misst Winkeldaten zwischen der Richtung, in die das Fahrzeug zeigt (Kurs) und der tatsächlichen Fahrtrichtung (Spur).
Warum eine IMU in einem autonomen Fahrzeug verwenden?
Am wichtigsten ist, dass die IMU die Daten liefert, die es einem automatisierten Fahrsystem ermöglichen, nicht nur zu wissen, wo es sich befindet, sondern auch, wie es sich bewegt. Dies ist für jede Sensortechnologie notwendig, um Wege und Hindernisse zu erkennen und dem Fahrsystem die erforderliche Rückmeldung zu geben, damit es seine Parameter kontinuierlich anpassen kann, um eine Strecke sicher zu fahren.
Um diese Anforderungen zu erfüllen, bieten die Inertialmesssysteme von OxTS die Möglichkeit, in Echtzeit kontinuierlich zu streamen und Orientierungen und Positionen zentimetergenau und die Geschwindigkeit mit einer Genauigkeit von 2 cm/s zu messen. Durch den Einsatz von Algorithmen, die Inertialdaten mit verfügbaren GNSS-Rohdaten zu einem einzigen, ununterbrochenen Strom zuverlässiger und genauer Navigationsnachrichten verschmelzen, erhält das autonome System kontinuierlich die erforderlichen Informationen zu Position, Orientierung, Richtung und Geschwindigkeit. Wichtig ist, dass OxTS-Technologien diese Auslassungen überbrücken, wenn GNSS nicht verfügbar ist oder Informationen von bildgebenden Sensoren fehlen, und dennoch den erforderlichen kontinuierlichen Datenstrom für das autonome Fahrsystem bereitstellen. Wenn man die Nutzung dieser Informationen in Verbindung mit den Informationen von den bildgebenden Sensoren an Bord des autonomen Fahrzeugs in Betracht zieht, machen es die vom OxTS-System gelieferten inertialen Daten möglich:
- Bereitstellung von Navigationsdaten für Bildverarbeitungsalgorithmen mit einer Abtastfrequenz von mindestens 100 Hz.
- Bereitstellung von Algorithmen, die in ADAS-Systemen verwendet werden, um zu verstehen, ob und mit welcher Geschwindigkeit sich das Fahrzeug tatsächlich auf ein Hindernis oder einen Gegenstand zu bewegt.
- Informieren Sie die Notfallsysteme des Fahrzeugs über dynamische Situationen, die Korrekturmaßnahmen erfordern (z. B. Schleudern), bevor ein Alarm von den bildgebenden Sensoren an Bord ausgelöst wird.
- Die OxTS-Technologien werden entweder als schlüsselfertige Inertial- und GNSS-Navigationslösungen wie der RT3000 oder als kundenspezifische Integration unter Verwendung derselben xOEM IMU eingesetzt, die den Kern der OxTS-Systeme bildet.
Unabhängig von der Art des Einsatzes erhält das autonome Fahrsystem mit einem OxTS-System an Bord die Informationen, die es für einen sicheren "Go-Anywhere"-Einsatz benötigt.
