Auf dem Weg zum sicheren autonomen Fahrzeug der Zukunft

Größe: px

Ab Seite anzeigen:

Download "Auf dem Weg zum sicheren autonomen Fahrzeug der Zukunft"

Emil Geiger
vor 7 Jahren
Abrufe

1 Auf dem Weg zum sicheren autonomen Fahrzeug der Zukunft Christian Zinner AIT Austrian Institute of Technology Digital Safety & Security Department Connected Cars Sicheres Fahren im digitalen Zeitalter 14. Sicherheitskonferenz an der Donau-Universität Krems

Schienenfahrzeuge Anwendungsbereich II: Off-Road,

2 Überblick Digital Safety & Security Departement / 3D Vision and Modelling Anwendungsbereich I: Schienenfahrzeuge Anwendungsbereich II: Off-Road, Arbeitsmaschinen Technologie des Autonomen Traktors Demonstration am Traktor 2

Software Safety & Security Co-Design Künstliche Intelligenz zur Erkennung von Cyber

3 Digital Safety and Security Departement AIT Schwerpunktaktivitäten im Bereich der Sicherheit: V&V für sicherheitskritische Software Systeme Testen von Computer-Vision Software Safety & Security Co-Design Künstliche Intelligenz zur Erkennung von Cyber Angriffen Verschlüsselungstechnologien für Daten in der Cloud Bildverarbeitung: 3D Vision & Modelling

Arbeitsmaschinen Straßen & Stadtbahnen Regionalbahnen Aerial

4 AIT 3D Vision & Modelling Anwendungsfelder Land- u. Luftfahrzeuge LKW Baumaschinen Landw. Arbeitsmaschinen Straßen & Stadtbahnen Regionalbahnen Aerial Vehicles Industrielle Automation Medizin / Dentaltechnik GC Aavada IOS Intraoral 3D Scanner 4

5 Anwendungsbereich I: Assistenzfunktionen und Autonomie für Schienenfahrzeuge Autonomes Fahren auch für den ÖPNV relevant Anforderungen bei Schienenfahrzeuge unterscheiden sich signifikant von Automotive Grade of Automation (GoA) nach UITP GoA 0: Fahren auf Sicht (z.b. Straßenbahnbetrieb) Fahrer ist für alles zuständig GoA 1: Konventioneller Bahnbetrieb: Strecke mit Zugsicherung und Signalen; Lokführer ist für alles zuständig manuell autonom GoA 2: Semi-automatischer Fahrbetrieb: Lokführer befindet sich am Fahrstand, überwacht alles & steuert die Türen GoA 3: Fahrerloser Betrieb mit Begleitpersonal für Türsteuerung und Not- Fahrbetrieb kein Fahrer GoA 4: Fahrerloser Betrieb ohne Begleitpersonal kein Fahrer & kein Begleitpersonal Im Automobilbereich: SAE J3016: Levels of Autonomy Level 0 Level 5

6 Fahrerassistenzsystem für Straßenbahnen ODAS Obstacle Detection Assistance System Kooperation zwischen und Grade of Automation: GoA0+ GoA2 6

7 Forschung zur Automatisierung einer Regionalbahn: Projekt autobahn autobahn Vision Dichter Takt auf Regional- u. Nebenbahnen On-Demand Konzept mit kleinen, fahrerlosen Fahrzeugen Trainlets AIT Stereo Vision System Forschungsfrage: Wie kann sicherer autonomer Betrieb auf bestehender, offener Strecke gewährleistet werden Hinderniserkennung Szenenverständnis (wann wird wie stark gebremst) Zulassungsfragen, Akzeptanz Angestreber Grade of Automation: GoA3 / GoA4 AIT Beiträge Kamerabasierte Hinderniserkennung Streckenatlas Zugortung 7

8 Hindernisdetektion im Lichtraum - Beispiel Erfolgreiche Detektion durch Stereokamera Seite 8

9 Anwendungsbereich II: Einsatz im Off-Road Bereich und bei mobilen Arbeitsmaschinen Autonomes Fahren in unstrukturierter Umgebung nicht näher definiertes Gelände keine Infrastruktur Unterschiedliches Einsatzprofil der gleichen Technologie Realisierbarer Automatisierungsgrad abhängig von technischem Reifegrad Gesetzliche Regelungen Anwendungsszenario + Umgebungsbedingungen

Intelligente Umgebungswahrnehmung für mobile Arbeitsmaschinen Möglichkeiten für Assistenzfunktionen durch Einsatz von Kamerasensorik Verbesserung der

10 Intelligente Umgebungswahrnehmung für mobile Arbeitsmaschinen Möglichkeiten für Assistenzfunktionen durch Einsatz von Kamerasensorik Verbesserung der Sicherheit Steigerung der Effizienz Unterstützung des Fahrers / Ergonomie Projekt SWAMO Kooperative Forschung im Rahmen des FIT-IT Programms des BMVIT

Safecon/Relcon: Proof-of-concept Kooperative Forschung im Rahmen des KIRAS Sicherheitsforschungsprogramms des BMVIT BMLVS als Bedarfsträger

11 Safecon/Relcon: Proof-of-concept Kooperative Forschung im Rahmen des KIRAS Sicherheitsforschungsprogramms des BMVIT BMLVS als Bedarfsträger Lastentransport in gefährlichen Umgebungen Semiautome Konvoiführung LKW Plattform als Versuchsträger Militärisches Übungsgelände für Versuche 11

Mulchen in gefährlicher Arbeitsumgebung Anwendungsszenario am TÜPL Allentsteig Brandschutzstreifen im blindgängergefährdeten Gebiet Das Risiko für das Bedienpersonal kann nur

fernüberwacht) raues Gelände Hinderniserkennung-Kollisionsvermeidung selbsttätiges Umfahren von Hindernissen teilweise limitierte GPS-Verfügbarkeit (z.b. Waldrand) Gemeinsame Anstrengung des AIT mit dem ÖBH Parallel dazu werden auch Anwendungen für das Smart Farming entwickelt Programm "IKT der Zukunft" des BMVIT 21.

12 Mulchen in gefährlicher Arbeitsumgebung Anwendungsszenario am TÜPL Allentsteig Brandschutzstreifen im blindgängergefährdeten Gebiet Das Risiko für das Bedienpersonal kann nur durch den Einsatz von unbemannten Arbeitsmaschinen weiter reduziert werden Teleoperation (Fernsteuerung) der Maschine ist nicht zweckmäßig Herausforderungen: Fahrerlos (aber fernüberwacht) raues Gelände Hinderniserkennung-Kollisionsvermeidung selbsttätiges Umfahren von Hindernissen teilweise limitierte GPS-Verfügbarkeit (z.b. Waldrand) Gemeinsame Anstrengung des AIT mit dem ÖBH Parallel dazu werden auch Anwendungen für das Smart Farming entwickelt Programm "IKT der Zukunft" des BMVIT NUR FÜR DEN INTERNEN GEBRAUCH - 12

13 ELROB 2016 Juni 2016, Eggendorf, NÖ

14 Technologie des Autonomen Traktors

Sensoren Tageslicht- Stereokamera Infrarot Stereokamera Laserscanner Odometrie /

15 Autonomes Fahren im Gelände Aktuatoren Lenkung Gas Bremse Gangwahl Autopilot & Fahrtregler Pfadplanung Controller Missionsplanung / Routendefinition Mapping 3D - Sensoren Tageslicht- Stereokamera Infrarot Stereokamera Laserscanner Odometrie / Lokalisierung Visuelle Odometrie Inertialsensor Magnetometer Raddrehzahl GPS Empfänger Trajekorienfilter 15

16 Sensorsysteme AIT Hi-Res Stereo Vision System Velodyne Laserscanner AIT Night Vision Stereo Cameras

2m 2 oder 3 Kameras 90 AIT Stereo Matching Engine PC, GPU, ARM, FPGA,

17 AIT Stereo Vision Engine S³E Stereokamerakopf Div. Varianten bei Bildsensoren Stereobasis von 0.5cm to > 1.2m 2 oder 3 Kameras 90 AIT Stereo Matching Engine PC, GPU, ARM, FPGA, DSP Anwendungs-SW z.b. 3D Objekt- Detektion 80 cm 20 cm Input: Linkes u. Rechtes Kamerabild Output: Tiefenbild 17

18 Traktor Sensorik Komponenten 3 Frontkameras (Stereokamera) in der Windschutzscheibe integriert Heck- Stereokamera im robusten Gehäuse Laserscanner

19 Mapping Aggregierung der 3D-Sensordaten Zusammenfügen der Punktwolken zu einem gemeinsamen Modell richtige Einfügepositionen durch exakte Odometrie 19

20 Schnittstellen zum Serienfahrzeug Nachrüstung von elektrisch steuerbaren Lenkhydraulik-Ventilen Technische Planung der elektr. Schnittstelle für Anschluss des AIT Rechnerboards Verkabelung im CNH Werk St. Valentin Bussystem herausgeführt div. Steuerleitungen (digital + analog) CAN-Bus Controller von AIT entwickelt Einschleusen von Befehlen an die Traktorsteuerung Verbindung mit AIT Rechnerboard für automatisierten Betrieb Überbrückungsstecker gesteckt Serienzustand, manueller Betrieb 20

21 Sensorik/Rechnersystem Steuerrechner CAN-Gateway Komplexe Software

22 Betriebsmodi des autonomen Traktors Click and Drive Unterschiedliche Modi je nach Einsatzzweck und Szenario Erforschung von Möglichkeiten der Mensch - Maschine Interaktion mit (semi-)autonomen Fahrzeugen

23 AIT Austrian Institute of Technology your ingenious partner Kontakt Christian Zinner Thematic Coordinator 3D Vision and Modeling Safety & Security Department Safe and Autonomous Systems AIT Austrian Institute of Technology

Ähnliche Dokumente

6. KIRAS Fachtagung 18. Oktober 2016, Wien. RelCon. Reliable Control of Semi-Autonomous Platforms

6. KIRAS Fachtagung 18. Oktober 2016, Wien Reliable Control of Semi-Autonomous Platforms Verlässliche Führung semi-autonomer Fahrzeuge Förderprogramm: KIRAS Fördergeber: BMVIT / FFG Budget: Gesamt: ca.