ZusammenfassungAVL entwickelt und validiert Technologien, die die Zuverlässigkeit automatisierter Fahrzeuge bei widrigen Wetter- und Sichtbedingungen erhöhen. Im Rahmen des europäischen Projekts ROADVIEW (Robust Automated Driving in Extreme Weather) hat AVL Methoden entwickelt, integriert und sowohl unter realen als auch unter kontrollierten Bedingungen validiert, um wetterbedingte Sensorstörungen zu reduzieren und die Perzeption sowie Lokalisierung zu verbessern.
Hauptbeiträge und Fähigkeiten- Teilnahme an ROADVIEW mit 14 Partnern aus Industrie und Wissenschaft zur Behandlung von Perzeption, Lokalisierung, Entscheidungsfindung und Fahrzeugalsteuerung bei widrigem Wetter.
- Entwicklung und Integration von 3D-LiDAR-Ausreißererkennungs- und Filtermethoden zur Entfernung von Messpunkten, die durch Regen, Nebel oder Schnee verursacht werden.
- Gemessene Verbesserungen der Perzeption nach dem Filtern: semantische Segmentierung etwa +5 %; Objekterkennung verbessert um bis zu ca. +2 %.
- Umfangreiche mehrsaisonale Sensor-Datenerfassung zu Regen, Nebel und Schnee in einem Temperaturbereich von -10 °C bis 50 °C.
- Kontrollierte, reproduzierbare Validierung im AVL Mobility and Sensor Center in Roding, einschließlich einer Wetterkammer, die wiederholbare Regen-, Nebel- und Beleuchtungsbedingungen erzeugen kann.
- Untersuchungen zu V2X-Ansätzen, bei denen Infrastruktur-Sensoren Umwelt-, Objekt- und Wetterinformationen mit Fahrzeugen teilen, um die Wahrnehmung zu erweitern, wenn die Bord-Sicht eingeschränkt ist.
- Forschung zu LiDAR-basierter Lokalisierung, die aktuelle Sensordaten mit hochaufgelösten, semantisch angereicherten Umgebungsdarstellungen abgleicht, um zuverlässige Positionierung bei ausgefallenem oder degradiertem GNSS zu unterstützen.
Test- und Validierungsumgebung- Echtwelt-Datenerfassung über Jahreszeiten und Umgebungen hinweg, um verschiedene wetterbedingte Phänomene zu erfassen, die Sensoren beeinflussen (Regen, Nebel, Schnee).
- Kontrollierte Tests in der Wetterkammer mit reproduzierbaren Szenarien zur systematischen Bewertung automatisierter Fahrfunktionen unter extremen Bedingungen.
Repräsentative technische Details und Ergebnisse- 3D-LiDAR-Ausreißererkennung: Methoden zur Identifikation und Entfernung wetterbedingter Störpunkte zur Verbesserung der Perzeptionsqualität.
- Beobachtete Perzeptionsverbesserungen in Projekttests: semantische Segmentierung ≈ +5 %; Objekterkennung bis zu ≈ +2 % nach Filterung.
- Getestete LiDAR-Robustheit über einen Temperaturbereich von -10 °C bis +50 °C.
- Fähigkeiten der Wetterkammer: simulierte Niederschlagsraten bis zu 120 mm/h; dichte Nebelsimulation mit Sichtweiten bis etwa 7 m; variable Beleuchtung bis zur vollständigen Dunkelheit für Sensor- und Perception-Tests.
Positionierung und SystemintegrationAVL kombinierte Algorithmusentwicklung, Systemintegration, Testinfrastruktur und Validierungskapazitäten, um zu zeigen, wie Wahrnehmungsfilterung, präzise Lokalisierung, vernetzte Infrastruktur und realistische Validierungsszenarien gemeinsam die Zuverlässigkeit automatisierter Fahrfunktionen im Alltagsbetrieb verbessern können.
Zitat“Automated driving must prove itself not only under ideal weather conditions. If the technology is to become part of everyday life, it must also be able to cope with rain, fog, snow, and limited visibility. ROADVIEW has demonstrated how robust perception, precise localization, connected infrastructure, and realistic validation can work together. For AVL, it is essential not only to develop technologies, but also to integrate and validate them under both real-world and reproducible conditions. In this way, we are creating important foundations for automated mobility that can be deployed more safely and reliably in everyday applications in the future,” sagt Georg Schwab, Managing Director, AVL Software and Functions.
Technische Spezifikationen- Projekt: ROADVIEW (Robust Automated Driving in Extreme Weather)
- Projektpartner: AVL + 14 Partner (Industrie & Wissenschaft)
- Sensorfokus: LiDAR, Kameras (Perception- und Zuverlässigkeitsbewertung bei widrigem Wetter)
- LiDAR-Ausreißerfilterung: 3D-Erkennung und Entfernung wetterinduzierter Messpunkte
- Beobachtete Perception-Verbesserungen: semantische Segmentierung ≈ +5 %; Objekterkennung bis zu ≈ +2 %
- Echtweltdaten: über alle vier Jahreszeiten gesammelt (Regen, Nebel, Schnee)
- Kontrollierter Teststandort: AVL Mobility and Sensor Center, Roding
- Fähigkeiten der Wetterkammer: Regensimulation bis 120 mm/h; dichte Nebelsimulation (~7 m Sichtweite); variable Beleuchtung bis zur vollständigen Dunkelheit
- Getesteter LiDAR-Temperaturbereich: -10 °C bis +50 °C
- Konnektivitätsansätze: V2X-Integration zur Bereitstellung infrastrukturseitiger Umwelt- und Wetterinformationen für Fahrzeuge
- Lokalisierungsansätze: LiDAR-Matching gegen hochauflösende, semantisch angereicherte Karten für GNSS-unabhängige Positionierung