Mobile-Menu

Autonome und assistierte Fahrzeuge Das KI-System erkennt Radfahrer im toten Winkel

Von Dipl.-Ing. (FH) Hendrik Härter 2 min Lesedauer

Anbieter zum Thema

Carl von Ossietzky Universität Oldenburg
Micro-Epsilon Messtechnik GmbH & Co. KG
MicroConsult Academy GmbH
IBR Leiterplatten GmbH & Co. KG

Um Radfahrer im Straßenverkehr zuverlässig zu erkennen, reicht eine einfache Kamera oft nicht aus. Ein Forschungsteam der Universität Oldenburg hat für das Projekt BikeDetect verschiedene Sensoren evaluiert und ein multimodales KI-Assistenzsystem entwickelt.

Im Projekt BikeDetect führte das Team mit einem prototypischen Sensorsystem Feldtests in Osnabrück durch.(Bild: BikeDetect / Johannes Schering)
Im Projekt BikeDetect führte das Team mit einem prototypischen Sensorsystem Feldtests in Osnabrück durch.
(Bild: BikeDetect / Johannes Schering)

Der Schutz sogenannter Vulnerable Road Users (VRU), darunter auch Verkehrsteilnehmer wie Radfahrer, ist ein entscheidender Baustein bei der Entwicklung von Fahrerassistenzsystemen (ADAS). Das Projekt BikeDetect unter Leitung der Universität Oldenburg hat in den vergangenen 18 Monaten untersucht, mit welchen Sensortechnologien und Machine-Learning-Modellen sich Fahrräder im toten Winkel oder beim Überholvorgang zuverlässig und möglichst kostengünstig detektieren lassen. Beteiligt waren zudem das Unternehmen Iotec und die Stadt Osnabrück.

Welche Sensoren liefern brauchbare Daten?

Das Projektteam montierte für Feldtests im Osnabrücker Stadtverkehr einen speziellen Sensorträger an der Beifahrerseite eines Testfahrzeugs. Um eine robuste Abstandsmessung und Objekterkennung zu realisieren, wurde ein breites Spektrum an Sensorik evaluiert: 3D-Kameras, Wärmebildsensoren, Ultraschall, Radar und ein 360-Grad-Lidar-System.

Die Ergebnisse der Machbarkeitsstudie liefern Entwicklern wertvolle Erkenntnisse für künftige Systemarchitekturen: Während herkömmliche Ultraschallsensoren bei der dynamischen Erfassung von Radfahrern keine verwertbaren Daten für die Abstandsmessung lieferten, zeigten Radarsensoren sowie das 360-Grad-Lidar das größte Potenzial für eine präzise Erfassung des Umfelds.

Sensorfusion verbessert KI-Modelle signifikant

Auf Basis der gesammelten Rohdaten trainierte das Team mehrere KI-Modelle. Videodaten bildeten eine gute Grundlage, zeigten jedoch in bestimmten Edge Cases Schwächen. „Fehleranfällig waren die Systeme vor allem, wenn die Radfahrenden in einer Gruppe fuhren, teilweise von Bäumen verdeckt waren oder wenn die Abstände zwischen Auto und Fahrrad extrem groß oder sehr gering ausfielen“, erklärt Projektleiter Johannes Schering von der Universität Oldenburg.

Hier zeigte sich der Vorteil der Sensorfusion: Die Forscher konnten nachweisen, dass sich die Detektionsrate und Zuverlässigkeit der neuronalen Netze deutlich steigern ließ, wenn die visuellen Daten mit den Werten zusätzlicher Sensoren – insbesondere von Wärmebildkameras – kombiniert wurden.

Über das Projekt „BikeDetect“

Zielsetzung: Entwicklung eines KI-basierten, multimodalen Sensorsystems zur Erkennung von Radfahrern und zur Abstandsmessung für Pkw/Lkw.
Leitung: Universität Oldenburg (Abt. Wirtschaftsinformatik/VLBA, Prof. Dr. Jorge Marx Gómez).
Partner: iotec GmbH (Osnabrück), Stadt Osnabrück (assoziierter Praxispartner).
Förderung: Das Projekt wurde im Rahmen der Innovationsinitiative mFUND durch das Bundesministerium für Digitales und Verkehr (BMDV) gefördert, die datenbasierte Mobilitätsprojekte unterstützt.

Adaptive KI für wechselnde Umgebungsbedingungen

Eine weitere Erkenntnis aus dem 22 Kilometer langen Testparcours: Die KI-Performance schwankt stark mit den Umweltbedingungen. Wetter, Lichtverhältnisse und der dynamische Zustand des Ego-Fahrzeugs (Fahrt vs. Stillstand an der Ampel) beeinflussten das Detektionsergebnis. Schering zieht daraus ein klares Fazit für das Embedded-Software-Design künftiger ADAS: „In einem späteren Assistenzsystem sollten unterschiedliche KI-Modelle eingesetzt werden, die adaptiv an verschiedene Umweltbedingungen oder Verkehrssituationen angepasst sind.“ (heh)

(ID:50836287)

Jetzt Newsletter abonnieren

Verpassen Sie nicht unsere besten Inhalte

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung

Weiterführende Inhalte