Forschungsprojekt UR:BAN Neue Assistenzsysteme speziell für die Stadt

Dank Szenen-Labeling werden Fußgängern, Radfahrern und andere Objekte eindeutig detektiert und erkannt.
Dank Szenen-Labeling werden Fußgängern, Radfahrern und andere Objekte eindeutig detektiert und erkannt.

Die jetzt vorgestellten Ergebnisse des Forschungsprojekts UR:BAN zeigen, wie eine neue Generation von Assistenzsystemen gerade im städtischen Umfeld die Verkehrssicherheit erheblich verbessern kann.

Das Kürzel UR:BAN steht für „Urbaner Raum: Benutzergerechte Assistenzsysteme und Netzmanagement“. Das deutschlandweite Verbundprojekt ist im April 2012 gestartet. Daran beteiligt sind 31 Partner aus Automobil- und Zulieferindustrie, Elektronik-, Kommunikations- und Softwarefirmen, Universitäten sowie Forschungsinstitute und Städte. Das gemeinsame Ziel ist es, Fahrerassistenz- und Verkehrsmanagementsysteme speziell für die Stadt zu entwickeln. Das Bundesministerium für Wirtschaft und Energie (BMWi) fördert das Projekt mit rund 40 Millionen Euro.

Die erzielten Forschungsresultate sind vielversprechend, wie die folgende Übersicht zeigt.

Daimler: Gefahren sehen und erkennen wie der Mensch

Kreuzender Verkehr, Radfahrer, querende Passanten, vielleicht aufs Smartphone fixiert, Mütter mit Buggy, spielende Kinder – der Stadtverkehr fordert den Fahrer in einer Vielzahl von Situationen und birgt Unfallgefahren. Viel Spielraum für Assistenzsysteme, die den Fahrer unterstützen und die Fahrt im urbanen Raum sicherer und stressfreier machen. Auf dem Weg dahin ist den Forschern der Daimler AG im Rahmen der Forschungsinitiative UR:BAN nach eigenen Angaben ein Durchbruch gelungen. Mit dem so genannten „Szenen-Labeling“ klassifiziert das kamerabasierte System völlig unbekannte Situationen automatisch und detektiert so alle für die Fahrerassistenz wichtigen Objekte – vom Radler über den Fußgänger bis zum Rollstuhlfahrer.

Forscher der Abteilung „Umgebungserfassung“ haben ihrem System gezielt tausende Bilder verschiedener deutscher Städte gezeigt, in denen sie manuell 25 verschiedene Objektklassen wie Fahrzeuge, Radfahrer, Fußgänger, Straße, Gehsteig, Gebäude, Pfosten oder Bäume präzise „gelabelt“ hatten. Anhand dieser Beispiele hat das System gelernt, völlig unbekannte Bilder automatisch korrekt zu klassifizieren und so alle für die Fahrerassistenz wichtigen Objekte auch bei starker Verdeckung und in großen Entfernungen zu detektieren. Möglich machen dies leistungsstarke Rechner, die ähnlich dem menschlichen Gehirn künstlich neuronal vernetzt sind, sogenannte Deep Neural Networks.

Damit funktioniert das System vergleichbar mit dem menschlichen Sehen. Auch das basiert auf einem sehr komplexen neuronalen System, das die Informationen der einzelnen Sinneszellen auf der Netzhaut so lange verknüpft, bis der Mensch eine nahezu unbegrenzte Anzahl von Objekten erkennen und unterscheiden kann. Mit dem Szenen-Labeling wird die Kamera vom reinen Messsystem zu einem verstehenden System, so vielseitig wie das Zusammenspiel von Auge und Gehirn. Prof. Ralf Guido Herrtwich, Leiter Fahrerassistenz- und Fahrwerksysteme, Konzernforschung und Vorentwicklung der Daimler AG: „Durch die in den letzten Jahren enorm gestiegene Rechnerleistung rückt der Tag näher, an dem Fahrzeuge ihre Umgebung so sehen wie der Mensch und auch komplexe Situationen in der Stadt richtig verstehen.“ Um schnell voran zu kommen forscht Daimler gemeinsam mit Partnern weiterhin aktiv im Sinne der Vision vom unfallfreien Fahren.

Auf der Abschlussveranstaltung des Verbundforschungsprojekts UR:BAN demonstrierten die Daimler-Forscher ihre Ergebnisse zum Szenen-Labeling sowie zu weiteren Projekten aus den Bereichen Radarsensorik, Umfeldmodell, Absichtserkennung und Spurwechselsystemen in insgesamt fünf verschiedenen Versuchsträgern.