Autonomes Fahren bei schlechten Sichtverhältnissen

Autonomes Fahren bietet vielfältige ökonomische Einsatzmöglichkeiten rund um die Uhr. Dazu zählen beispielsweise der Gütertransport per Lkw, ÖPNV-Shuttlebusse, Robotaxis, Zustelldienste, landwirtschaftliche Anwendungen sowie militärische Einsätze.

Darüber hinaus kann autonomes Fahren die Lebensqualität erheblich steigern. Ältere Menschen, die nicht mehr selbst fahren können, behalten ihre Mobilität und bleiben länger aktiv in sozialen Kontakten. Auf diese Weise gewinnen sie zusätzliche Lebensjahre, in denen sie persönlich mit ihrer Umwelt verbunden bleiben.

International entwickelt sich das Feld unterschiedlich: Während China rasante Fortschritte bei der Multimedia-Vernetzung von Fahrzeugen macht und die USA bereits seit mehreren Jahren Robotaxis auf den Straßen testen, ist Deutschland führend in der Forschung zum autonomen Fahren unter Schlechtwetterbedingungen. Als traditionelles Automobilland bietet sich Deutschland die Chance, seine Rolle als Anbieter hochentwickelter Engineering-Lösungen weiter zu stärken.

Der zentrale Erkenntnisgewinn des Projekts besteht in der analytischen Lösung der Strahlungstransportgleichung zur Beschreibung der Lichtausbreitung. Dabei werden sowohl Einfach- als auch Zweifachstreuung berücksichtigt – aus der Sicht eines Fahrzeugs bei Tageslicht oder durch künstliche Beleuchtungsquellen in der Szene entlang einer Beobachtungsrichtung.

In Kombination mit einer passenden Implementierung des Algorithmus ist es nun möglich, die Lichtausbreitung in Echtzeit zu berechnen. Vergleiche mit Monte-Carlo-Simulationen zeigen zudem, dass Dreifachstreuung in Kamerabildern vernachlässigt werden kann. Sie tritt nur bei extrem hoher Nebeldichte auf, die einer undurchsichtigen Wand* entsprechen würde.

_{* Unter dieser Bedingung könnte auch sonst niemand selbst fahren}

Wesentliche Ergebnisse aus dem AI-SEE-Projekt:

• Datenbank optischer Eigenschaften von Nebel
  Für die natürlich vorkommenden Nebelarten wurde eine Datenbank optischer Eigenschaften aufgebaut. Die Nebelarten umfassen unter anderem Advektionsnebel (entsteht durch seitlich bewegte Luftmassen), Strahlungsnebel (entsteht nachts durch Abkühlung des Bodens) sowie maritimen Nebel (Küstennebel, der entsteht, wenn Luft vom wärmeren Wasser nachts über eine abkühlende Landmasse strömt).
   
• Für die jeweiligen Tröpfchenverteilungen wurden die Spektren der Absorptions- und Streukoeffizienten, der Phasenfunktion* sowie der Müller-Matrizen** ermittelt. Abhängig von der Entstehungsart des Nebels und den Umgebungsbedingungen existieren mehrere Moden (siehe Abbildung zum Strahlungsnebel), die durch modifizierte Gammaverteilungen mit einer mittleren Tropfengröße charakterisiert sind. Für diese Moden wurden ebenfalls die optischen Eigenschaften bestimmt, wodurch auch die Simulation von Mischformen ermöglicht wird.

_{* Phasenfunktion: beschreibt die Winkelabhängigkeit der Streuung. Sie kann in Monte-Carlo-Simulationen normiert und als Wahrscheinlichkeitsdichte interpretiert werden.
** Müller-Matrizen: erweitern die Phasenfunktion auf polarisiertes Licht. Mathematisch handelt es sich um ein Produkt aus der Müller-Matrix und einer Drehmatrix, wobei die ursprüngliche Phasenfunktion einem Matrixelement entspricht.}

• Zur Validierung der analytischen Lösung der Zweifachstreuung wurde der kritischste Fall eines monodispersen Nebels anhand von Monte-Carlo-Simulationen geprüft. Die sehr gute Übereinstimmung liegt im Bereich des numerischen Rauschens.

  Die Radiance beschreibt die optische Leistung, die innerhalb eines bestimmten Betrachtungswinkels und einer definierten Zeit durch einen Querschnitt tritt. Durch geeignete Integrationsintervalle lassen sich daraus für beliebige Sensoren (LiDAR, RGB-Kamera usw.) die endgültigen Sensorsignale und die im Nebel entstehenden „Bilddaten“ bestimmen.

  In der Grafik wird die Radiance zeitaufgelöst dargestellt. Monodisperse 5 µm-Tröpfchen erzeugen die gezeigte Oszillation des physikalisch korrekten Signals (Green’sche Funktion).

Einfluss der Phasenfunktion auf die Kameraintensität

Die Nebelarten Strahlungsnebel und Advektionsnebel unterscheiden sich in ihrer Rückwärtsstreuung. Strahlungsnebel zeigt ein einzelnes Maximum bei 140° zur Kameraachse, während Advektionsnebel zwei Maxima aufweist, das zweite bei 125° deutlich schärfer. Dieses Verhalten spiegelt sich direkt in den simulierten Kameraintensitäten wider. In beiden Fällen erfolgt die Beleuchtung durch eine koaxial zur Kamera ausgerichtete, kollimierte Kreislichtquelle.

Die Abbildung rechts oben zum Strahlungsnebel zeigt die Phasenfunktion bei 550 nm und die simulierte normierte Kameraintensität für eine koaxiale, kollimierte Lichtquelle.
Die Abbildung darunter zum Advektionsnebel zeigt die Phasenfunktion und die simulierte normierte Kameraintensität, wobei ein zweites, deutliches Rückwärtsmaximum bei 125° erkennbar ist.

Mithilfe wellenlängenaufgelöster Phasenfunktionen lassen sich komplexe atmosphärische Streuphänomene wie der Nebelbogen realistisch darstellen. Für beide betrachteten Nebelarten ist der Nebelbogen bei etwa 140° zur optischen Achse der Kamera sichtbar. Beim Strahlungsnebel weist die Phasenfunktion in diesem Winkelbereich ein breites Maximum mit geringer spektraler Abhängigkeit auf, was zu einem breiten, weitgehend farblosen Nebelbogen führt. Im Gegensatz dazu zeigt Advektionsnebel ein schmaleres, spektral strukturiertes Maximum, das sich in einem engeren Nebelbogen mit schwach ausgeprägten Farbsäumen äußert. 
Zur besseren Sichtbarkeit wurde die Helligkeit der Darstellungen manuell angepasst.

Die Abbildung rechts oben zeigt die wellenlängenabhängige Phasenfunktion und das Rendering des Nebelbogens. Die Helligkeit wurde zur besseren Sichtbarkeit angepasst. Darunter zu sehen ist die Phasenfuntion sowie das Rendering des Nebelbogens mit leicht ausgeprägten Farbsäumen.

• Hinsichtlich der Gefährdung der Netzhaut sind die zulässigen Bestrahlungsstärken bei 1550 nm mehrere Größenordnungen höher als im NIR. Trotz der kurzzeitigen Exposition durch ein fahrendes LiDAR-System, setzen potentielle Augenschäden dem LiDAR-Design Grenzen. NIR-Systeme haben durch die anwendbare CMOS-Technologie (Si) Kostenvorteile.
   
• Maßgeblich für den Signalverlust (Extinktion µ_t, braune Linie) eines LiDAR-Signals ist jedoch nicht allein die Absorption, sondern auch die Streuung (µ_s blaues Spektrum, linke Ordinate), welche bei 1450 nm ein Minimum zeigt.

Sie möchten mehr Details zum Projekt? Laden Sie hier den ausführlichen Projektbericht als PDF herunter. Das ILM-Team freut sich mit Ihnen über die physikbasierte Simulation von Schlechtwetter-Szenen zum Training neuronaler Netze für das autonome bzw. assistierte Fahren zu sprechen. Auch andere Anwendungen, zum Beispiel erschwerte Sichtbedingungen in OPs, Erkennung von Objekten unter streuenden Medien etc. wären potentiell interessant.