Das zweite Mal autonom

Zum autonomen Fahren wurde das elektrische Rennpferd eH17 der Vorsaison in seine Einzelteile zerlegt und – mit diversen Zusatzfeatures ausgestattet – wieder zusammengebaut. Damit sich der Rennwagen ohne Fahrer in seiner Umgebung zurechtfindet, erfasst ein LIDAR System in Kombination mit Stereo-Kameras die Umgebung und leitet die Daten an einen im Fahrzeug eingebauten Rechner weiter. Mithilfe von Sensoren wird kontinuierlich der Standort des Fahrzeuges bestimmt und Signale zum Beschleunigen, Bremsen und Lenken an hydraulische und elektrische Aktoren gesendet.

Maschinelles Lernen / Neuronale Netze

In den vergangen Jahren geht der Trend in Industrie und Forschung zu neuronalen Netzen und maschinellem Lernen. Diese ermöglichen es, hoch komplexe Probleme zu lösen, bei denen konventionelle Algorithmen versagen. Ein neuronales Netz ist dem menschlichen Gehirn nachempfunden. Es besteht aus Neuronen und Synapsen, die, wie das Gehirn, Zusammenhänge erkennen können. Das Netz lernt aus einem großen Datensatz, um dann Vorhersagen über noch unbekannte Daten zu treffen. Wir nutzen neuronale Netze für verschiedene Zwecke. Zum einen für die Erkennung der Hütchen und zum anderen für die Pfadplanung. Das Netz kann nach einem erfolgreichen Training auf einer Grafikkarte bei unbekannten Bildern mit sehr hoher Wahrscheinlichkeit vorhersagen, ob es sich bei einem erkannten Objekt um ein Hütchen handelt und welche Farbe es hat. Bei der Pfadplanung hingegen nutzen wir Reinforcement Learning. Dabei wird das Auto stärker belohnt, je weiter es die Strecke abfährt ohne ein Hindernis zu berühren.

Simulation

Eine absolute Neuerung im Formula Student Wettbewerb stellt unsere fotorealistische Unreal Engine Simulation dar. Diese ermöglicht es, das Fahrzeug umfangreich zu testen. Für die Validierung verschiedener Konzepte und Algorithmen werden große Datensätze benötigt. Um diese zu generieren, haben wir eine eigene Simulationsumgebung entwickelt. Diese simuliert die wichtigsten Sensoren des Fahrzeugs (zwei Kameras und zwei Laserscanner), Wettereffekte und andere Störungen. Die Simulation setzt dort ein, wo eigentlich die Treiber der Sensoren stehen. Somit wird der Fahrzeugsoftware vorgespielt, dass sich das Fahrzeug bewegt und immer neue Sensordaten vorliegen

Fahrzeugsoftware

Die Fahrzeugsoftware soll den Fahrer des Rennwagens ersetzen. Hierbei ersetzt die Sensorik die Augen, der Lenkmotor die Arme und die Fahrzeugsoftware das Gehirn des Fahrers. Die Hauptaufgabe der Fahrzeugsoftware ist die Berechnung einer optimalen Spur und die Beschleunigung. Zusätzlich muss sie aber auch in Gefahrensituationen richtig entscheiden. Von Hindernissen auf der Strecke bis zu Fehlern im Fahrzeug. Die Software muss sämtliche Faktoren überwachen und im Notfall das Notbremssystem (EBS) auslösen. Wir setzen zwei Kameras, zwei Laserscanner und ein INS (Interiales Navigationsystem) ein, um die Umgebung wahrzunehmen. Die Daten aus den Laserscannern werden auf Objekte überprüft. Wenn ein Objekt erkannt wurde, wird dessen 3D-Position in die Pixelkoordinaten der Kameras umgerechnet, um dort eine weitere Überprüfung durchzuführen. Wenn das Objekt verifiziert wurde, durchläuft es weitere Schritte, wie das Tracking und das Global Mapping. Hier wird eine Identifizierung von Objekten durchgeführt, die über mehrere Frames andauert. So kann am Ende mithilfe des INS eine Karte der Strecke aufgebaut werden, die jede weitere Runde verbessert wird.