Fahrerssistenzsysteme einfacher entwickeln und validieren

Anbieter zum Thema

MES Electronic Connect GmbH & Co. KG

IBR Leiterplatten GmbH & Co. KG

Eurocircuits GmbH

Philosys Software GmbH

Beliebig miteinander kombinierbare ADTF-Filter

Eine ADTF-Anwendung wird mit ADTF-Filtern realisiert. Jeder Filter hat mindestens einen Eingabe- oder einen Ausgabe-Pin. Möchte man etwa die Daten einer Videokamera aufzeichnen, benutzt man einen Kamerafilter (Bild 2). Dieser liest die Daten von der Schnittstelle an die die Kamera angeschlossen ist, konvertiert die Bildinformation in ein ADTF-Bildformat und gibt dann zeitsynchron jedes Bild über den Ausgabe-Pin des Kamerafilters als so genanntes MediaSample aus.

Das MediaSample ist hier ein Container der beliebige Daten enthalten kann, in diesem Fall ein einzelnes Videobild. Einer oder mehrere verbundene Verarbeitungsfilter nehmen dieses MediaSample an ihren Eingabe-Pins über ein Ereignis (Event) entgegen, verarbeiten die Daten und geben ihre Verarbeitungsergebnisse wiederum weiter, bis am Ende vielleicht ein Ausgabefilter das gesamte Verarbeitungsergebnis in Echtzeit ausgibt. Es können auch 1:N, N:1 und N:N Verbindungen hergestellt werden. Den Kombinationsmöglichkeiten sind dabei fast keine Grenzen gesetzt, solange die Datenformate der verbundenen Pins übereinstimmen.

ADTF Services stellen den Filtern zusätzlich zentrale Funktionalität bereit. So kann man eine gemeinsame grafische Oberfläche für das Parametrisieren und das Bedienen realisieren. Im Prinzip lassen sich Services über ihre bereitgestellten Schnittstellen wie Bibliotheken nutzen. Ein Beispiel für die Nutzung von Filter und Services zeigt Bild 3.

Label Editor als Beispiel für die Anwendung von ADTF

Für die Validierung der Algorithmen von bildbasierten Fahrerassistenzsystemen nutzt man den Vergleich zu den Ergebnissen die der Mensch liefert. Dazu werden die gleichen Videoszenen, die das Assistenzsystem verarbeitet, auch durch den Menschen bewertet und so genannte Ground-Truth-Daten erzeugt („Labeln“). Diese beschreiben dann z.B. die Position von Objekten im Videobild und verschiedene Attribute, wie Informationen über das Objekt selbst und Umweltbedingungen wie Wetterphänomene. Um diese Ground-Truth-Daten zu erfassen benötigt man effiziente Tools, wie den Philosys Labeleditor (Bild 4). Bei ihm wurden die einzelnen Fenster der Oberfläche mit ADTF Services und Qt realisiert. Für die Darstellung des aktuellen Bildes und der Objektmarkierungen wird OpenGL verwendet.

Vorhandene ADTF-Filter lassen sich direkt nutzen

Die Services tauschen Daten mit ADTF Services aus. Die Steuerung der Videowiedergabe erfolgt über die ISampleStream-Schnittstelle des Harddisk_Players. Die Implementierung mit ADTF hat den Vorteil, dass die direkte Nutzung von bereits vorhandenen ADTF-Filtern bei der Aufbereitung der Videodaten möglich ist. So ist es nicht notwendig, die Daten für die Erzeugung der Ground-Truth Daten nochmal zu konvertieren. Dies spart in Anbetracht der großen Datenmengen nicht nur viel Zeit sondern auch Speicherplatz. Auch können mit entsprechenden Filtern nützliche Zusatzinformationen, etwa aus CAN-Daten, mit in das Videobild eingeblendet werden. Der Ablauf beim „Labeln“ wird durch die automatische Übernahme der Daten aus dem aktuellen Bild mit Extrapolation in das nächste Bild deutlich beschleunigt. Das Ergebnis ist dann eine XML-Datei die für jedes Bild im Video die relevanten Objekte mit den jeweiligen Attributen beschreibt. In der Validation werden dann diese Daten in SIL- und HIL-Tests automatisch verglichen.

Erfahrungen aus vielen Kundenprojekten im ADTF-Umfeld

In die Entwicklung des Labeleditors sind die umfangreichen Erfahrungen von Philosys aus einer Vielzahl von Kundenprojekten im ADTF-Umfeld eingeflossen. So wurden für ihn verschiedene Filter und Services, mit oder ohne GUI-Oberfläche (Qt und OpenGL) entwickelt. Das gesammelte Knowhow ist auch die Basis für das breite Dienstleistungsangebot, wie ADTF-Softwareentwicklung, ADTF-Hotline und kundenspezifische ADTF-Workshops. Philosys unterstützt so Automobilhersteller und deren Zulieferer nicht nur beim Einstieg in das Thema ADTF, sondern sorgt durch Übernahme von ADTF-Entwicklungs- und -Validierungsaufgaben mit ADTF-Tools auch dafür, dass sich die Assistenzsystementwickler auf ihre Kernkompetenz – die Entwicklung und Verbesserung neuer Algorithmen – konzentrieren können.

Entwicklung auf mehrere Unternehmen verteilbar

Mit ADTF steht den Herstellern von Assistenzsystemen ein leistungsfähiges Tool zur Verfügung, das den Bereich von der Forschung bis zum fertigen Fahrerassistenzsystem abdecken kann. Aufgrund der festgelegten Schnittstellen lassen sich Teile des gesamten Entwicklungsprozesses auf mehrere Unternehmen verteilen. Durch den möglichen Austausch von Komponenten und Daten können Mehrfachentwicklungen für Tools vermieden und so Kosten gespart werden und die Qualität unternehmensübergreifend einheitlich geprüft werden. Dieses einheitliche Konzept erleichtert es letztlich auch völlig neue Ideen für Assistenzsysteme zu verwirklichen.

* * Emil Näpflein ist Geschäftsführer von Philosys, Unterschleißheim.

(ID:31204330)