Autonomes Fahren made in Flacht

Projektdetails 
Kompetenzfeld:

Fahrerassistenzsysteme

Leistungsbereich:

Entwicklung

Branche:

Automotive

Methode/Werkzeug:

Nvidia Jetson, OpenCV, ROS (Robot Operating System), Arduino

Fakten:

Entwicklung, Konstruktion und Aufbau eines Demonstrators für Fahrerassistenzsysteme

Entwicklung
Fahrerassistenzsysteme

Autonomes Fahren made in Flacht

Ausgangssituation:

Die EVOMOTIV GmbH bietet ihren Kunden ein breites Leistungsspektrum im Bereich Fahrerassistenzsysteme. Die entwickelten Funktionen und Systeme in der Automobilbranche besitzen eine zunehmende Komplexität je autonomer die Fahrfunktionen werden. Um in diesem Bereich auch zukünftig erfolgreich tätig zu sein, ist der Aufbau von eigenem Wissen und Kompetenzen für EVOMOTIV von zentraler Bedeutung. Zu diesem Zweck wurde das Projekt „Entwicklung eines Demonstrators für Fahrerassistenzsysteme“ ins Leben gerufen.

Projektauftrag:

Das Ziel des Projektes liegt in der Entwicklung eines intelligenten Demonstrators. Dieser soll im Rahmen von z.B. Kundenpräsentationen selbstständig einen Parcours bewältigen. Dabei können verschiedene Prinzipien des autonomen Fahrens und Funktionen von Fahrerassistenzsystemen veranschaulicht werden.

Umsetzung:

Im Rahmen von Abschlussarbeiten und Praktika bearbeiten Studenten eigenständig einzelne Themenbereiche des Gesamtsystems „Demonstrator“. Dabei enstand ein Demonstrationsprototyp im Maßstab 1:10. Dieser beherbergt die nötige Sensorik (Frontkamera und Ultraschallsensoren) und weitere Hardware wie einen Entwicklungsrechner. Bei der Konzeption lag ein Fokus auf der einfachen Erweiterbarkeit und Skalierbarkeit. Dieses Prinzip wurde auch bei der Software angewendet. Auf der Basis eines „ROS“ (Robot Operating System) und „OpenCV“ entstand eine modular erweiterbare Softwareumgebung zur Bewältigung verschiedenster Fahrsituationen.

Lösung:

Der aktuelle Stand der Projektes erlaubt dem Fahrzeug bereits einen Parcours abzufahren. Dazu werden Fahrspuren mit der Kamera erkannt und in eine Querführung übertragen. Ebenso können Stoppschilder erkannt und Hindernisse vermieden werden. Diese Entwicklungsstufe bildet die Grundlage für weitere Optimierungen der Regelalgorithmen und die Implementierung von weiteren Funktionen.