Autonomes Fahren & Intelligente Mobilität

Im Themenbereich „Unmanned Vehicles & Smart Mobility“ geht es um die Anwendung von Machine Learning und Data Science im Kontext von Mobilität. Diese KI-Techniken können zur Sensorauswertung, zur Umfeldanalyse und zur Entscheidungsfindung von Fahraufgaben einer Vielzahl von Fahrzeugen eingesetzt werden. Diese Fahrzeuge können Automobile, Drohnen, sowie Spezialfahrzeuge unter Tage sein. Aus intelligenten Fahrzeugen wird intelligente Mobilität durch die Verknüpfung von Fahrzeugen untereinander, sowie durch die Verknüpfung mit Infrastrukturelementen. Ein Beispiel für Letzteres sind beispielsweise AGVs (Automated Guided Vehicles) im Kontext von Industrie 4.0. Im Hinblick auf den Einsatz solcher Systeme in der Master-Ausbildung ist es vorteilhaft hier auf möglichst realistische Modelle und Simulationen zu setzen. Eine leistungsfähige Modellumgebung für autonome Fahrzeuge sind beispielsweise die am Institut vorhandenen Modelle des Audi Autonomous Driving Cups (siehe Bild).

Ziel dieses Eigenforschungsprojektes ist das Etablieren und Erweitern des Themas Autonome Fahrzeuge an der Hochschule Bochum (und hier insbesondere in der Ausbildung der Masterstudiengänge). Die Mitglieder des AKIS verfügen insgesamt über 5 Versuchsfahrzeuge (Maßstab 1:10) des Audi Autonomous Driving Cups, mit denen in geeigneten Modellumgebungen komplexe Fahraufgaben durchgeführt werden können. Die Modellfahrzeuge werden schwerpunktmäßig in den passenden Hochschul-Kursen, sowie bei Abschlussarbeiten eingesetzt.

Vorlesungen hierzu:

• Einführung in die KI (Bachelor Informatik)
• Computer Vision für Autonomes Fahren (Master Informatik)

Abschlussarbeiten:

• "Entwicklung einer Android Applikation zur verbesserten Nutzung und Fernsteuerung eines autonom fahrenden Elektrofahrzeugs im Maßstab 1 zu 10", Benjamin Jan Boron (Masterarbeit, Juni 2020)
• "Entwicklung und Evaluation eines Spurhalte- und Notbremsassistenten für ein autonomes Modellauto", Tian-Chen Xu (Bachelorarbeit, Februar 2020)
• "Entwicklung einer Verkehrsschilderkennung für ein autonom fahrendes Elektroauto im Maßstab 1:10", Manuel Geusen (Bachelorarbeit, Februar 2020)

Fachaufsätze:

• "Vision-based Detection of Road Users and Infrastructure Elements for Automated Driving", Stefan Müller-Schneiders, 20th International Conference on Research and Education in Mechatronics (REM), 2019
• "A Novel Multi-Hypothesis Tracking Framework for Lane Recognition", Kun Zhao, Mirko Meuter, Stefan Müller-Schneiders, Josef Pauli, IEEE International Conference on Information Fusion, 2014

Ziel dieses Projekts ist es, per Kamera und Radar Hindernisse nicht nur zu erkennen und an das eigene Fahrzeug, sondern auch an andere Fahrzeuge weiterzuleiten. Ein Vorgang, für den große Rechen- und Übertragungskapazitäten benötigt werden. Das Konsortium hat sich im NRW-EU-Ziel-2-Wettbewerb durchgesetzt und erhält bei einem Gesamtvolumen von rund 3,5 Millionen Euro Fördergelder in Höhe von 1,6 Millionen Euro für drei Jahre ab 2009.

Das Konsortium des Projektes setzt sich wie folgt zusammen:

• Delphi (Federführung)
• Bergische Universität (Algorithmen)
• Ceteq (Software und Qualitätsmanagement)
• Maschinenbau-Kooperation-Wuppertal (Kamerasysteme, Kalibrierung, Vorarbeiten zur Serienfertigung)
• Riedel (Auto-zu-Auto-Kommunikation und Bandbreite)
• Wirtschaftsförderung (Administration und Messe-Vorbereitung)
• Volkswagen

Das AKIS-Mitglied Müller-Schneiders hat in diesem Projekt als Konsortialführer gearbeitet.

Anselm Haselhoff; Lars Höhmann; Anton Kummert; Christian Nunn; Mirko Meuter; Stefan Müller-Schneiders, “Multi-Camera Pedestrian Detection by Means of Track-To-Track Fusion and Car2Car Communication” in: The International Conference on Computer Vision Theory and Applications (VISAPP'11) , pp. 307 – 312, March 2011.