Fahrzeugortung in der Stadt: Wie autonome Autos den Überblick behalten

Projekt: Robuste Fahrzeuglokalisierung in urbanen Räumen

Forschende: Marvin Scherff, Hamza Alkhatib

Projektidee: Entwicklung einer Positionierungslösung, mit der Fahrzeuge auch in engen Straßen, an Kreuzungen und bei gestörten Satellitensignalen zuverlässig wissen, wo sie sich befinden.

Warum muss ein Auto seinen Standort so genau kennen?

Beim Autofahren reichen wenige Meter Genauigkeit oft nicht aus. Ein autonomes Fahrzeug muss wissen, auf welcher Spur es fährt, wie groß der Abstand zum Bordstein ist und wie es sich zu anderen Fahrzeugen bewegt. Besonders in Städten ist das schwierig: Es gibt enge Straßen, hohe Gebäude, Kreuzungen, parkende Autos, Bäume und viele Verkehrsteilnehmende.

Für sichere Entscheidungen braucht das Fahrzeug daher eine sehr genaue und zuverlässige Ortung. Es muss nicht nur seine Position kennen, sondern auch seine Orientierung: Zeigt die Fahrzeugfront exakt in Fahrtrichtung, leicht nach links oder leicht nach rechts? Diese Information ist wichtig, damit das Fahrzeug seine Umgebung richtig einordnet.

Warum GPS in Städten nicht immer reicht

Viele Navigationsgeräte nutzen Satellitensignale, um eine Position zu bestimmen. Auf freier Strecke funktioniert das meist gut. In Städten können die Signale jedoch von Gebäuden abgeschattet oder an Fassaden reflektiert werden. Dann kommt das Signal nicht direkt beim Fahrzeug an, sondern über Umwege. Die berechnete Position kann dadurch deutlich ungenauer werden.

Darum kombiniert dieses Projekt mehrere Informationsquellen: Eine inertiale Messeinheit (englisch inertial measurement unit, IMU) misst die Bewegung des Fahrzeugs, also zum Beispiel Beschleunigungen und Drehungen. Ein LiDAR-Sensor (englisch Light Detection and Ranging) tastet die Umgebung mit Lichtimpulsen ab und erzeugt daraus eine dreidimensionale Punktwolke. Kameras liefern zusätzlich Bildinformationen. Jede dieser Technologien hat Stärken und Schwächen. Zusammen können sie ein deutlich stabileres Bild der Fahrzeugposition liefern.

Die Idee: Das Fahrzeug vergleicht seine Umgebung mit einer Karte

Der zentrale Gedanke ist einfach: Das Fahrzeug schaut auf seine Umgebung und vergleicht das, was es sieht, mit einer bereits bekannten Karte. In dieser Karte sind feste Strukturen der Stadt enthalten, zum Beispiel Gebäudefassaden, Straßenflächen oder andere gut erkennbare Objekte. Wenn die gemessenen Punkte aus dem LiDAR gut zu den Strukturen in der Karte passen, lässt sich daraus die aktuelle Position des Fahrzeugs ableiten.

Die Karte entsteht aus Messfahrten, bei denen ein mobiles Messsystem dieselbe Strecke mehrfach aufnimmt. Die einzelnen Messungen werden anschließend zusammengeführt. So entsteht ein detailliertes digitales Abbild der Umgebung. Dieses Abbild dient im Projekt als Grundlage für Simulationen und später auch als Referenz für Auswertungen mit realen Sensordaten.

Mehr Orientierungspunkte für schwierige Situationen

Gebäudefassaden sind besonders hilfreich, weil sie groß und geometrisch gut beschreibbar sind. An manchen Orten gibt es jedoch nur wenige Gebäude in der Nähe, zum Beispiel auf großen Kreuzungen oder in offenen Bereichen. Aber auch andere Fahrzeuge, Busse oder Bäume können die Sicht auf Gebäude teilweise verdecken.

Deshalb untersucht das Projekt zusätzliche Orientierungspunkte. Dazu gehören beispielsweise Laternen, Verkehrszeichen oder Ampeln. Solche Objekte kommen in Städten häufig vor und können dem Fahrzeug helfen, seine seitliche Position und seine Ausrichtung besser zu bestimmen. Wichtig ist dabei, nicht einfach alle Messpunkte zu verwenden. Das System soll gezielt die Punkte auswählen, die für die Ortung wirklich nützlich sind. Dadurch wird die Berechnung schneller und effizienter.

Wenn Fahrzeuge einander helfen

Ein weiterer Baustein sind kamerabasierte Informationen. In den Untersuchungen werden markante Punkte auf einem vorausfahrenden Fahrzeug genutzt. Die Kamera kann diese Punkte wiedererkennen und verfolgen. Wenn ihre Lage bekannt ist, können sie als zusätzliche Referenzen in die Ortung einfließen.

Langfristig ist die Idee noch allgemeiner: Fahrzeuge könnten bestimmte Informationen über ihre Position und ihre Umgebung austauschen. So könnten sie sich gegenseitig unterstützen, etwa bei dichterem Verkehr oder eingeschränkter Sicht. Das Ziel ist nicht, sich auf eine einzige Technik zu verlassen, sondern verschiedene Informationen sinnvoll zusammenzuführen.

Was zeigen die bisherigen Untersuchungen?

Die bisherigen Tests erfolgen in einer simulationsbasierten Umgebung, die auf real aufgenommenen Messdaten beruht. Die Ergebnisse zeigen, dass die kombinierte Nutzung von IMU, LiDAR, Kamera und Karte eine sehr genaue Fahrzeugortung ermöglichen kann. Unter günstigen Bedingungen werden Genauigkeiten im Millimeter- bis niedrigen Zentimeterbereich erreicht.

Der nächste wichtige Schritt ist die Prüfung mit realen Sensordaten im Straßenverkehr. Dort kommen zusätzliche Herausforderungen hinzu: andere Verkehrsteilnehmende bewegen sich, Objekte verdecken sich gegenseitig, Messdaten können verzögert eintreffen und die Umgebung verändert sich. Genau diese Effekte müssen berücksichtigt werden, damit die Methode später zuverlässig eingesetzt werden kann.

Warum ist das wichtig?

Autonome Fahrzeuge brauchen eine Ortung, der sie auch in schwierigen Situationen vertrauen können. Das Projekt zeigt, wie geodätische Messmethoden, digitale Karten und moderne Sensoren gemeinsam dazu beitragen können. Damit leistet es einen Beitrag zu sicheren und robusten Fahrzeugsystemen in zukünftigen Städten.