Mit Laserscan und 3D-Stadtmodell: Informationsbasierte Lokalisierung von autonomen Fahrzeugen

Projekt: Mit Laserscan und 3D-Stadtmodell: Informationsbasierte Lokalisierung von autonomen Fahrzeugen

Forschende: Rozhin Moftizadeh

Projektidee: Infrastrukturen einer Umgebung bieten Informationen, mit denen sich fahrerlose Fahrzeuge in städtischen Gebieten lokalisieren lassen.

Sie sollen sich künftig ohne menschliches Einwirken möglichst unfallfrei durch unsere Städte bewegen: autonome Fahrzeuge wie Autos oder Drohnen. Damit sie einwandfrei funktionieren, müssen die Fahrzeug laufend ihre Position bestimmen. Wenn wir uns verlaufen, schalten wir die Ortung am Handy ein und orientieren uns. Das funktioniert bei autonomen Fahrzeugen ähnlich: Sie nutzen dafür ein globales Satellitennavigationssystem (GNSS) wie Galileo oder GPS zusammen mit einer Inertialmesseinheit (IMU), die mit verschiedenen Sensoren die Bewegungen erfasst. Obwohl solche Navigationssysteme in der offenen Landschaft zuverlässig sind, kann man ihnen in innerstädtischen Gebieten nicht uneingeschränkt trauen. Der Grund: Hochhäuser und andere Bauwerke können die Satellitensignale verdecken, die das Navigationssystem benötigt (=> mehr dazu in der GeoWerkstatt Februar 2020 - Link). Andererseits sind die IMUs, unabhängig von der Art der Umgebung mit der Zeit anfällig für Fehler. Wie lassen sich diese Probleme beseitigen? Wie kann man einem autonomen Fahrzeug zu einer präzisen Lokalisierung verhelfen?

Zum Beispiel indem man aus einem Nachteil einen Vorteil macht: Eigentlich stören die Hochhäuser den Empfang der Signale der Navigationssatelliten. Andererseits sind sie auffällige Bauwerke, die sich für die Positionierung nutzen lassen. Die Idee ist, die Geometrie der Gebäude in die Sprache der Mathematik zu übersetzen, also mathematisch zu definieren, und diese Definition dann für Algorithmen zu verwenden, mit denen autonome Fahrzeuge ihre Position bestimmen. Eine solche mathematische Definition der Umgebung befindet sich schon in bestimmten Datenbeständen, die als 3D-Stadtmodelle bezeichnet werden.

Zuerst ist es wichtig zu wissen, an welchen Bauwerken das Fahrzeug auf seiner Fahrt vorbeikommt. Das lässt sich mit Hilfe spezieller Sensoren erfassen: Im aktuellen Projekt werden zu diesem Zweck kostengünstige 3D-Scanner eingesetzt. Deren Laserstrahlen tasten die Bauwerke ab und es entstehen aus Millionen von Messpunkten 3D-Punktwolken, die diese Bauwerke abbilden. Durch einen Abgleich mit dem 3D-Stadtmodell kann man die Position des Fahrzeugs zuverlässig bestimmen. Eine schematische Darstellung davon ist in der folgenden Abbildung zu sehen. Die grauen Boxen stellen die Gebäudemodelle in einem 3D-Stadtmodell dar und die grünen Bereiche sind die gescannten Teile der umliegenden Gebäude, die die Scanner am Fahrzeug erfasst haben.

Um die Positionierung während der Fahrt möglichst präzise hinzubekommen und Fehler zu reduzieren, wird der Algorithmus, der dem Ganzen zugrunde liegt, in diesem Projekt noch mit speziellen mathematischen Verfahren, einem Partikelfilter, verfeinert. Der Grund für die Wahl dieser Filtertechnik ist ihre Anpassungsfähigkeit an die realen Messbedingungen, hauptsächlich Ungenauigkeiten und Fehler in den Messwerten. Das Hauptziel: Einen effizienten Algorithmus zu entwickeln, der wichtige Aspekte des gesamten Messszenarios berücksichtigen kann.