Lupe

BLOG

Preis des Hans List Fonds für die Dissertation von Birgit Schlager

Hans List Fonds 2022 für die Dissertation von Birgit Schlager zum Thema:

Fehlerinjektion und -erkennung von gehäusebezogenen Lidar-Fehlern um die Zuverlässigkeit der Umgebungswahrnehmung im Bereich des automatisierten Fahrens zu erhöhen.

 

Lidar-Sensoren messen die Entfernung zu Objekten in der Umgebung mithilfe von Laserpulsen und liefern Daten, auf denen weitere Komponenten von automatisierten und autonomen Fahrzeugen zurückgreifen und angewiesen sind. Die richtige Erfassung der Umgebung ist entscheidend für die Bahnplanung und die Entscheidungsfindung von automatisierten Systemen. Um die Zuverlässigkeit der Umgebungswahrnehmung zu gewährleisten, ist es wichtig, dass Umgebungssensoren korrekte und verlässliche Daten liefern.

Derzeit wird von Sensor-Herstellern eine Lidar-Zustandsüberwachung durchgeführt, welche interne Sensorfehler von Lidarsensoren berücksichtigt. Im Gegensatz dazu beschäftigt sich die Dissertation mit Fehlern, die durch äußere Einflüsse, wie Beschädigungen des Gehäuses (z.B. Kratzer, Risse), Verunreinigungen auf dem Gehäuse (z.B. Schmutz, Tau, Wasser) und auf den Lidar einwirkende Vibrationen, verursacht werden.

Die Ergebnisse bilden die Grundlage für die Entwicklung von Fehlermanagementsystemen. Beispiele für Aktionen im Rahmen des Fehlermanagements sind u.a. die Reinigung des Gehäuses im Falle von Verunreinigungen, die die Sicht des Sensors einschränken, die Berücksichtigung der Fehlerinformation in Sensorfusionsalgorithmen, indem das Vertrauen in die Daten eines fehlerhaften Lidars reduziert wird, oder das Umschalten in einen sicheren Zustand, in dem das autonome Fahrzeug z.B. zum Stillstand gebracht wird.

Lidar Sensor

Im Rahmen der Forschungsarbeit konnten folgende Ergebnisse erzielt werden:

 

  • Klassifizierung von Lidar-Fehlern, Methoden zur Fehlererkennung und Methoden zur Fehlerbehebung
  • Entwicklung von Methoden zur Fehlerinjektion von gehäusebezogenen Lidar-Fehlern, z.B. Vibrationen, Beschädigungen, Schmutz, Schaum, Wasser, Öl, Tau
  • Entwicklung des Open-Source Python-Pakets “pointcloudset” zur Auswertung von Lidar-Daten
  • Bestimmung der Auswirkungen von gehäusebezogenen Lidar-Fehlern auf Sensordaten

 

Weitere Forschungsarbeiten können auf den Ergebnissen der Dissertation aufbauen, um standardisierte Methoden für Fehlerinjektion und -detektion zu definieren und um eine Echtzeit-Fehlererkennung in dynamischen Situationen zu ermöglichen.

 

Die Dissertation hat dazu beigetragen Kernfragen zur Umgebungssensorik automatisierter Systeme zu beantworten und erhielt dafür ein Stipendium des Hans-List-Fonds im Jahr 2022.

 

Erwähnenswerte Publikationen:

T. Goelles, B. Schlager, and S. Muckenhuber, “Fault detection, isolation, identification and recovery (fdiir) methods for automotive perception sensors including a detailed literature survey for lidar,” MDPI Sensors, vol. 20, no. 13, art. no. 3662, 2020. [Online].
B. Schlager, T. Goelles, and D. Watzenig, “Effects of sensor cover damages on point clouds of automotive lidar,” in 2021 IEEE Sensors, 2021, pp. 1–4. [Online].
B. Schlager, T. Goelles, M. Behmer, S. Muckenhuber, J. Payer, and D.Watzenig, “Automotive lidar and vibration: Resonance, inertial measurement unit, and effects on the point cloud,” IEEE Open Journal of Intelligent Transportation Systems, vol. 3, pp. 426–434, 2022. [Online].
B. Schlager, T. Goelles, S. Muckenhuber, and D. Watzenig, “Contaminations on lidar sensor covers: Performance degradation including fault detection and modeling as potential applications,” IEEE Open Journal of Intelligent Transportation Systems, vol. 3, pp. 738–747, 2022. [Online].