Schneesimulation: Präzise Radar- & LiDAR-Tests für autonome Fahrzeuge

Ein selbstfahrendes Auto enthält eine Vielzahl von Sensoren, einschließlich Detektoren für Fahrspuren, Verkehrszeichen und Freiraum. Die Komponenten des fortschrittlichen Fahrerassistenzsystems (ADAS) müssen in einer Reihe von Bedingungen evaluiert werden, bevor sie offiziell auf die Straße dürfen.

Sichere Testfahrten in der Simulation

Ein sicherer Weg für eine Testfahrt: die Welt in der Simulation nachzubilden. Man kann vom Schreibtisch aus eine Fahrt unternehmen, sagt Warren Ahner, CEO des in San Jose, CA ansässigen Simulationssoftware-Anbieters RightHook.

„Niemand stirbt im Metaverse, zumindest noch nicht“, sagte Ahner diesen Monat in einer von Tech Briefs geleiteten Präsentation mit dem Titel „Neueste Erweiterungen für ADAS-Sensor-Test und Simulation“. „Es macht es wirklich einfach, jene Edge Cases zu erforschen, die man in der realen Welt möglicherweise nicht finden kann.“

Unternehmen wie RightHook bauen ihre virtuellen Umgebungen auf gut verstandenen physikalischen Phänomenen sowie mit Unterstützung von Scanning- und Mapping-Unternehmen auf, die digitale Replikate der realen Welt erstellen.

Herausforderung: Niederschlag simulieren

Aber manche Naturelemente sind schwer nachzubilden. Was, wenn man durch schlechtes Wetter fährt, zum Beispiel?

Während der Live-Präsentation hatte ein Leser folgende Frage an Ahner:

„Wie kompensieren Sie bei Fahrzeugsimulationssoftware die Interaktion von Regen oder Schneestürmen auf LiDAR-Sensoren?“

Warren Ahner: Niederschlag wie Regen und Schnee kann die Leistung eines LiDAR-Sensors definitiv reduzieren. Sie sind besonders betroffen aufgrund der Strahldivergenz und der kurzen Pulsdauer. Schneedetektionsrauschen ist wirklich in der Nähe des Sensors konzentriert und manifestiert sich in großen Clustern.

Was wir sehen: Schneecluster-Rauschen führt zu Falschdetektionen und verdeckt wichtige Hindernisse, was zu wirklich kritischen False-Negative-Situationen führt, und man gerät wirklich in diesen Bereich, sobald man sich einer Schneeanhäufung von 3/4 Zoll pro Stunde nähert.

Wenn man darunter liegt, ist das Rauschen da, aber es wird nicht zum kritischen False-Negative-Gebiet. Erstens und vor allem ist dies einer der Bereiche, in denen wir anfangen, empirische Daten zu nutzen.

Wir könnten eine individuelle Photonen-Partikel-Simulation durchführen, aber das wäre ein riesiger, riesiger Rechenaufwand, der wahrscheinlich eine 30-Sekunden-Simulation auf ein paar Stunden Berechnungszeit bringen würde. Wir wenden ein empirisches Datenmodell darüber an. Wir wenden Daten an, die wir gesammelt haben, oder einige unserer Forschungspartner in Wissenschaft und Regierung, „oben drauf“ auf unser Sensormodell, man würde also z. B. die Schneerate und einige andere Charakteristika der Wettersituation spezifizieren, und wir würden das als Rauschmodell über die Originaldaten legen.

Das sagte, gestern hatte Cruise seine allererste autonome Taxifahrt ohne Sicherheitsfahrer [Link]. Sie operieren in San Francisco, wo es nie schneit, und sie fahren ihre Fahrzeuge nicht im Regen. Wir arbeiten noch mit unseren Kunden und Partnern daran, eine immer bessere Lösung zu bauen. Momentan ist es nicht wirklich das Problem, auf das wir uns zu stark konzentrieren müssen, weil noch niemand dort ist.