Mobile Edge Computing basierte Objekterkennung für hoch- und vollautomatisiertes Fahren

Transkript

1 MEC-Server Mobile Edge Computing basierte Objekterkennung für hoch- und vollautomatisiertes Fahren BMWi-BMBF Fachtagung Automatisiertes und vernetztes Fahren Dr. Rüdiger W. Henn, Robert Bosch GmbH, Berlin,

2 Globale Trends als Innovationstreiber Digitale Transformation Urbanisierung Demographie Energie & Klima Bis 2025 werden bis zu 500 Milliarden Dinge vernetzt sein 2020 wird 60 % der Bevölkerung in Städten leben Der Anteil der über 65-Jährigen wächst 2x so schnell wie der Rest der Bevölkerung Die globale Erd-Erwärmung wird bis 2100 wahrscheinlich mehr als 2 C betragen... für zukünftige Konzepte sicherer, umweltverträglicher und komfortabler Mobilität in automatisierten und vernetzten Verkehrssystemen

3 BMWi - Förderprogramm Ausschreibung: Hoch- und vollautomatisiertes Fahren für anspruchsvolle Fahrsituationen - inhaltlicher Schwerpunkt zur Umsetzung des BMWi-Fachprogramms Neue Fahrzeug- und Systemtechnologien Projekt-Eckdaten MEC-View Laufzeit: Konsortium: Volumen: BOSCH, Daimler, ITD, Nokia, OSRAM, TOMTOM, UDE, UULM, Stadt Ulm 11,7 Mio. 50% Förderquote blob=publicationfile&v=4 3

4 MEC-View Mobile Edge Computing für urbanes hochautomatisiertes Fahren Herausforderung Hochautomatisiertes Fahren in komplexen urbanen Wirkfeldern ist in der Regel durch Verdeckungen von Objekten limitiert, die für das automatisierte Fahrzeug relevant sind. Die fahrzeugseitig verbaute Sensorik stößt hier an prinzipbedingte Grenzen. Lösungsansatz Technischer Schwerpunkt des MEC-View Ansatzes liegt auf der Evaluation einer ergänzenden Infrastruktur-Sensorik und hochgenauen digitalen Karten. Ein MEC-Server Frontend liefert ein lokales Umfeld-Modell über LTE-5G Kommunikation. Verwertung/Potential Robert Bosch GmbH Sicheres und robustes automatisiertes Fahren in besonders kritischen Fahrsituationen, wie dem Auffahren auf vorfahrtberechtigte Straßen, dem Ein- und Durchfahren von Kreisverkehren, dem Umfahren von Hindernissen im Allgemeinen. Gleichzeitig bessere Wahrnehmung besonders gefährdeter Verkehrsteilnehmer wie Fußgänger, Radfahrer, Motorradfahrer. 4

5 MEC-View Gesamtsystem-Architektur Any Services Provider D-GPS Unidirektional FCD Traffic Feeds Custom Feeds Event Feeds Verkehrssimulation Kommunikations- Netz LTE-5G RTK Bidirektional offline Digitale Karte MEC-Server Video Drohne Infrastruktur Sensoren Automatisiertes Fahrzeug OpenStreetMap-Mitwirkende Pilotanlage Ulm 5

6 MEC-View Arbeitspakete AP1 Gesamtsystem AP2 Digitale Karte AP3 Kommunikationsnetz AP4 Infrastruktursensorik AP5 MEC-Server AP6 Automatisiertes Fahrzeug Verkehrssimulation - Requirements Engineering - Fortschrittsverfolgung - Pilotanlage - Digitale Karte - Dyn. Streckenfreigabe - Verkehrsflusssimulation - Mobilfunknetz - Serverplattformen - Mobilfunkmodule - Infrastruktursensoren - Integration in Leuchten - Referenz-Messsystem - Architekturevaluation - MEC-Server Implementierung - Deployment & Test - Fahrzeugintegration - Funktionsentwicklung - Use-Case Darstellung Konsortium 6

7 Pilotanlage in Ulm 30 - Infrastruktur-Sensoren - Referenz-Sensoren - Automatisiertes Fahrzeug - Sonstige Fahrzeuge EGO & Server H Use-Case 30 Automatisiertes Auffahren auf eine vorfahrtberechtigte Straße im Realverkehr H 40 H OpenStreetMap-Mitwirkende 7

8 Control Unit Objekterkennung GPS LTE Automatisiertes und vernetztes Fahren Infrastrukturgebundene Umfeld-Sensorik Komponenten Kamera LiDAR Control Unit Methoden Faster-RCNN 1 Objekterkennung Camera LiDAR Object Proposals 2 VGG Feature Extractor 1 Object Classification, Bounding Box Regression Ren, Shaoqing, et al. "Faster r-cnn: Towards real-time object detection with region proposal networks." Advances in neural information processing systems Objekterkennung OSRAM GmbH. Alle Rechte vorbehalten, auch bzgl. jeder Verfügung, Verwertung, 8

9 MEC-Server - Umfeldmodell MEC-Server Daten Buffer Statische Karte Fusion und Prädiktion MEC-Server Umfeld- Modell Fehler Manager Strecken- freigabe- Modul Perzeption Odometrie Eigenlokalisierung Umfeld- Modell Verhaltens -Planung Objekt- Prädiktion Bewegungs- Planung & Trajektorien- Planung Fahrzeug- Regelung 9

10 Zusammenfassung MEC-View beinhaltet vielfältige Themen-Bereiche: - Infrastruktur basierte Sensorsysteme - Kommunikation über prototypisches LTE-5G Mobilfunknetz - MEC-Server basiertes, lokales Umfeldmodell - Verkehrsflussanalysen - Optimierung automatisierter Fahrfunktionen Abgeleitete Fragestellung: - Was ist die optimale Verteilung von Sensoren, Rechenleistung und Algorithmen, um sichere, effiziente und komfortable Mobilität in automatisierten und vernetzten Verkehrssystemen darzustellen?