Entwicklung für autonomes Fahren (AD) im Griff – mit RTMaps

20 Jahre RTMaps: Real-Time Multisensor Applications

RTMaps wurde ursprünglich am Center of Robotics of Mines ParisTech (CAOR) im Jahr 1998 entwickelt. Zu dieser Zeit arbeitete ein Team unter der Leitung des ehemaligen Direktors Claude Laurgeau an Robotik und intelligenten Transportsystemen (ITS). Das Team nahm am Eureka-Prometheus-Projekt teil (1987 -1995), einem der allerersten und größten EU-finanzierten F&E-Projekte mit Schwerpunkt auf automatisiertem Fahren. Im Fokus stand die Entwicklung von Computer-Vision-Algorithmen und Bayes'scher-Netzwerk-basierter Datenfusion für die Fahrzeugperzeption und genaue Positionierung. Ihr Ziel war es, diese Algorithmen in Echtzeit in einem Prototyp-Fahrzeug auszuführen, das mit einer Frontkamera, einem Radar und den allerersten Modellen von Lidar-Scannern ausgestattet war.

Aber das Team merkte schnell, dass sie 90 % ihrer Zeit damit verbrachten, an ihrer Software-Architektur zu arbeiten und nicht an den Algorithmen.

Da kein auf dem Markt verfügbares Entwicklungswerkzeug ihren Anforderungen entsprach, entwickelte das Team eine eigene modulare und komponentenbasierte Software-Lösung – RTMaps (Real-Time Multisensor Applications) – und das schon vor mehr als 20 Jahren.

RTMaps: Vertrauenswürdige Middleware

RTMaps ist durch seine Multithreading-Architektur optimiert und holt das Beste aus Ihren Multicore- und Multi-CPU-Architekturen heraus, ohne zusätzliche Arbeit zu verursachen. Die zeitliche Kohärenz ist ein wesentlicher Vorteil der Software: Die Entwickler von RTMaps hatten schon lange die Notwendigkeit erkannt, die verschiedenen Sensoren und Datenquellen in einem Fahrzeug, in dem mehrere Verarbeitungskanäle parallel und mit unterschiedlichen Latenzen ausgeführt werden, zu synchronisieren. Der genaue Zeitstempel-Mechanismus in RTMaps und die integrierten Funktionalitäten für die Resynchronisation des Datenstroms erhalten die Kausalität und zeitliche Kohärenz in Ihrer komplexen Echtzeitarchitektur mit mehreren Tasks oder Steuergeräten. RTMaps unterstützt Betriebssysteme wie Windows^®, Linux (Ubuntu™ LTS) und QNX^®.

Die bewährte RTMaps-Technologie wird in F&E-Teams und Prototypfahrzeugen auf der ganzen Welt eingesetzt, zum Beispiel an Forschungszentren wie der Queensland University of Technology oder bei Vicomtech bzw. in vielen EU-Projekten. Auch kommt es in Entwicklerteams bei OEMs und Tier-1-Zulieferern wie Navya und Valeo zum Einsatz.

Entwicklungsrisiken minimieren

Mit dem Aufkommen des autonomen Fahrens, was im Grunde genommen die Entwicklung von Robotern auf Rädern bedeutet, verlagerte sich der Schwerpunkt in der Automobilindustrie immer weiter von der Mechanik hin zur Elektronik und Software. Die meisten OEMs und Tier-1-Zulieferer haben sich sehr intensiv mit dieser neuen Art der Mobilität auseinandergesetzt. Viele Experten aus Industrie und Beratung sind sich einig: Der Einsatz von Software wird die Automobilindustrie drastisch verändern und Maschinenbauunternehmen in Hightech- und IT-Unternehmen verwandeln.

Diese Umstellung erfordert große Anstrengungen, insbesondere von den klassischen OEMs, da die meisten Kfz-Ingenieure keine Software-Experten sind.

Komplexe Echtzeitsysteme erfordern großes Fachwissen und ein tiefes Verständnis der Software-Mechanismen. RTMaps ermöglicht es den Entwicklungsteams in der Automobilindustrie, sich auf die Implementierung ihrer Algorithmen und weniger auf die Software-Architektur zu konzentrieren, wodurch sie sich auf die Definition genauer Strategien für ihre autonomen Anwendungen konzentrieren können. Der modulare Aufbau und die intuitive Benutzeroberfläche von RTMaps reduzieren die Entwicklungsrisiken, da sie den Aufwand und mögliche Fehler beim Kopieren und Neuschreiben von Code minimieren.

Mit RTMaps haben Sie Zugriff auf einen kompletten Software-Stack für die Entwicklung eines autonomen Fahrzeugs. Darüber hinaus befreit RTMaps die zugrunde liegende Hardware, Sensorschnittstellen und Treiber von ihrer Komplexität für die Nutzer und bietet Ihnen eine intuitive Benutzeroberfläche für die komponentenbasierte Entwicklung per Drag & Drop.

Der von RTMaps angebotene vollständige Software-Stack umfasst über 120 Pakete und mehr als 600 Software-Komponenten, die sofort einsatzbereit sind. Darunter viele Sensor-Interface-Komponenten für Kameras, Radar, Lidar, GPS, IMU, CAN-Decoder und mehr. Zum Beispiel unterstützt RTMaps mehr als 60 Lidar-Modelle von über 15 Herstellern, darunter Velodyne, Leddartech, Ouster, IBEO, Valeo, Robosense, Sick, Hesai, Quanergy, Livox, AEye, Hokyuyo und Slamtech.

Einsatzbereit:

Vom Code auf die Straße

Als schlanke Software kann die RTMaps-Runtime-Engine in allen Entwicklungsstadien von Anwendungen für autonome Fahrzeuge eingesetzt werden: in der Cloud oder in Dockern, auf PCs und sogar auf Steuergeräten und Embedded Targets. Sie können RTMaps auch als Postprocessing-Framework in Hardware-in-the-Loop (HIL)-Simulationen und Cloud-Computing-Architekturen einsetzen, um Perzeptions- und Deep-Learning-Algorithmen oder komplexe Software-Funktionen für das automatisierte Fahren zu validieren.

RTMaps ist vielseitig, modular und hochskalierbar. Es wird häufig für autonome Fahrzeuge der nächsten Generation eingesetzt, vom Prototyping bis zur Validierung.

Die Software kann auf eingebetteten Systemen in Echtzeit eingesetzt und ausgeführt werden. RTMaps unterstützt ARM-basierte Architekturen und Embedded Targets, die für Fahrerassistenzsysteme (ADAS) und hochautomatisiertes Fahren (HAD) bestimmt sind. Die Software bietet umfangreiche Datenverarbeitungsfunktionen für die Fahrzeuge von morgen, die auf Systems-on-a-Chip (SoCs) basieren, wie sie von großen Siliziumherstellern wie NVIDIA, Renesas und NXP entwickelt wurden. Das heißt, dass Sie die Entwürfe und Anwendungen aus den frühen Prototyping-Phasen auf PCs auf den neuesten, für die Massenproduktion konzipierten Steuergeräten verwenden können. RTMaps reduziert die Anzahl der Entwicklungszyklen erheblich und vereinfacht den Einsatz komplexer Algorithmen auf Embedded Targets.

RTMaps beschleunigt die Markteinführungszeit, indem es die Produktivität und die Effizienz Ihres F&E-Engineering-Teams steigert – ein entscheidender Faktor in den sich schnell entwickelnden neuen Formen der Mobilität.