Das hochautomatisierte Fahren steht im Fokus von Entwicklungsaktivitäten vieler Automobilhersteller. Anforderungen wie 360°-Rundumsicht mit zahlreichen heterogenen Sensoren, hochpräzise Positionierung oder Fahrzeugkonnektivität sind anspruchsvolle Themen für Werkzeugzulieferer.

Die Antwort darauf gibt dSPACE in Form einer End-to-End-Werkzeugkette für autonomes Fahren, und zwar aus einer Hand. Einzigartige Rapid-Prototyping-Lösungen für leistungsstarke Plattformen und eine maßgeschneiderte Software-Umgebung sorgen für die Entwicklung kompletter Multisensoranwendungen im Fahrzeug, von Perzeptions- und Fusionsalgorithmen bis hin zu Echtzeitregelungen. Die deutlich gewachsenen Testaufwände lassen sich nur durch Vorverlagern der Tests in eine Software-in-the-Loop (SIL)-Simulation bewältigen. PC-Cluster ermöglichen einen hohen Testdurchsatz mit Hilfe von größtmöglich parallelisierten Computerknoten und Simulationen bei gleichzeitig maximaler Skalierbarkeit. Für Freigabetests bleibt die Hardware-in-the-Loop (HIL)-Simulation weiterhin unverzichtbar. Zu den größten Herausforderungen zählt dabei die Integration von echten Umgebungssensoren wie Kamera, Radar oder Lidar sowie die Sensorfusion. dSPACE unterstützt dabei die ganze Palette an Integrationsoptionen, angefangen bei einfacher Restbussimulation über Rohdateneinspeisung bis hin zu Over-the-Air-Stimulation.

Die Wirkkette des autonomen Fahrens besteht im Allgemeinen aus unterschiedlichen Verarbeitungsstufen. Vorab müssen die Rohdaten des Sensors vorverarbeitet werden (Perzeption). Ziel dabei ist, Eigenschaften, statische und dynamische Objekte sowie Freiflächen in der Fahrzeugumgebung auf Basis einzelner Bilder oder von Reflexionspunkten zu erkennen. Anschließend werden die Ergebnisse zusammengeführt und zu einem konsistenten Umgebungsmodell zusammengefasst (Datenfusion). Dafür ist die Zeitsynchronisierung und -korrelation der Sensordaten entscheidend. Zudem ist es notwendig, den genauen Standort und die Fahrspurposition des Fahrzeugs anhand einer hochauflösenden Karte zu kennen (Lokalisierung).

Basierend auf dem Umgebungsmodell, werden die Situation um das Fahrzeug herum analysiert, potentielle Fahrtrajektorien geplant, die Entscheidung für das jeweilige Manöver getroffen und die Längs- und Quersteuerung ausgeführt.

Eine detaillierte und umfassende Simulation der realen Welt ist die Basis für eine erfolgreiche Absicherung. Sowohl der Einsatz geeigneter Sensormodelle als auch die Integration realer Sensoren mit der Testumgebung spielen eine entscheidende Rolle. Sensormodelle gibt es sowohl in technologieunabhängigen Varianten, die Objektlisten direkt aus den Informationen generieren, die das Umgebungsmodell liefert, als auch in phänomenologischer oder physikalischer Form. Diese Modelle werden üblicherweise auf leistungsstarken GPUs gerechnet und speisen die Rohdaten in die angeschlossenen realen Sensoren wie Kamera und Radar ein. Es gibt unterschiedliche Integrationsoptionen für die Sensoren, je nach Art der Daten und der zu stimulierenden Schicht. Diese Optionen können bis zur direkten Stimulation des Sensor-Front-ends reichen, entweder over-the-air (zum Beispiel mit Radar) oder über HF-Kabel mit GNSS (Globales Navigationssatellitensystem) oder V2X (Vehicle-to-X)-Signale. Die realen Sensoren in der Testumgebung sind oftmals unverzichtbar, da die Signalvorverarbeitung, die Sensordatenfusion und das Erstellen des Umgebungsmodells im Sensorsteuergerät großen Einfluss auf die Wirkkette haben.