In der Abschlussarbeit des HRW-Studenten Niclas Hüwe, welche von CAMO Mitglied Prof. Dr.-Ing. Anselm Haselhoff betreut wurde, wird die Genauigkeit unterschiedlicher LiDAR Sensoren bei Objekterkennungssystemen unter der Verwendung von neuronalen Netzen analysiert.
Um Objekte im Straßenverkehr zu detektieren, werden aktuell Kameras und Radarsensoren eingesetzt. Aufgrund ihrer detailreichen Informationen gewinnen LiDAR Sensoren immer mehr an Bedeutung im Bereich des automatisierten Fahrens. Für eine Analyse der Sensordaten, kommen typischerweise neuronale Netze zum Einsatz. Damit diese in den Daten die entscheidenden Muster zur korrekten Klassifizierung erkennen, müssen die Daten anhand von vielen Beispieldaten antrainiert werden. In der Arbeit wurde untersucht, welchen Einfluss die Eigenschaften unterschiedlicher LiDAR Sensoren (Winkelauflösung (Vertikal/Horizontal), Anzahl der Messebenen, Sichtfeld, …) auf trainierte neuronale Netze haben.
Neben dem Einsatz als fahrzeuginterne Sensorik lassen sich LiDAR Sensoren auch im statischen Bereich zur Überwachung und Analyse des Verkehrsgeschehens verwenden. Die LiDAR Sensoren eigenen sich hierbei besser als beispielsweise Kameras, welche bei schlechten Sichtverhältnissen (Nebel, Regen, Gegenlicht, ..) eine erhöhte Unsicherheit besitzen. Auch zur Erstellung von hochgenauen Karten (HD-Maps) werden vorzugsweise LiDAR-Sensoren eingesetzt [1,2].
[1] Ibeo Automotive Systems. LiDAR-Spezialist Ibeo Automotive Systems GmbH kooperiert mit größtem chinesischem HD-Karten-Hersteller NavInfo und LiangDao Intelligence. Abgerufen 06. November 2020, von https://www.ibeo-as.com/de/aktuelles/presse/presse-uebersicht/lidar-spezialist-ibeo-kooperiert-mit-chinesischem-hd-karten-hersteller-navinfo-und-liangdao
[2] Ilci V, Toth C. High Definition 3D Map Creation Using GNSS/IMU/LiDAR Sensor Integration to Support Autonomous Vehicle Navigation. Sensors. 2020; 20(3):899. https://www.mdpi.com/1424-8220/20/3/899/htm