0

SRD FUSION ENGINE: EIN MÄCHTIGES ENTWICKLUNGSWERKZEUG FÜR AUTOMATISIERTE FAHRFUNKTIONEN

Die SRD Fusion Engine von EDAG BFFT Electronics verfolgt den zweiten Ansatz und erweist sich als äußerst leistungsfähiges Werkzeug in der Hand der Entwicklungsingenieure von Fahrerassistenz- und automatisierten Fahrfunktionen. Mit der SRD Fusion Engine wird die Modellierung des Fahrzeug-Umfelds auf ein neues Niveau gehoben:

  • 360 Grad-3D-Datenfusion auf Basis der Sensorrohdaten von RADAR/LiDAR und Kamera
  • Kartierung statischer und dynamischer Objekte („Grid Map“, SLAM) mit akkumulierten 3D-Punktwolken
  • Vorhersage von Bewegungen außerhalb des Sensor-Sichtfelds mittels Postprocessing
  • Berechnung von Metriken für die Güte der Objekterkennung
  • Beibehaltung des Bezugs aller Ergebnisse zu den Initialdaten
  • Modernes, modulare Architektur für schnelle und einfache Implementierung weiterer Sensoren oder Funktionsmodule
  • Verfügbarkeit sämtlicher Informationen der gesamten Erprobungsfahrt für die Entwicklungsingenieure bei Offline-Anwendung des Systems

Bei der SRD Fusion Engine werden statische und dynamische Elemente im Fahrzeug-Umfeld werden mittels RADAR-, LiDAR- und Kameradaten identifiziert und können für eine Interpretation bzw. Prädiktion von komplexen Situationen genutzt werden. Die SRD Fusion Engine verschmilzt dazu die Daten der unterschiedlichen Systeme zu einem 360 Grad-Bild, erfasst die Objektbewegungen und entwickelt eine 3D-Karte der Fahrzeugumgebung. Weitere Sensortypen wie DGPS oder Ultraschall können zusätzlich in die SRD Fusion Engine integriert werden. 

Der modulare Aufbau setzt sich in der einfachen Erweiterbarkeit mit Zusatzmodulen, z. B. für Objektklassifizierung oder Fahrspurerkennung, fort.

Mit ihren modular in C++ programmierten Funktionen ist die SRD Fusion Engine in den üblichen Automotive Frameworks ADTF und ROS einsetzbar.

Anwendungsfälle der SRD Fusion Engine sind:

  • Bewertung der fahrzeugbasierten Sensorfusion, dadurch deutlicher Zeitgewinn zur Serienreife
  • Bewertung der Objekterkennung mit detaillierten 3D-Modellen als Referenz
  • Bewertung verschiedener Fahrerassistenz- oder automatisierten Fahrfunktionen
  • Sensor-Performance-Tests, Analyse von Sensoren und deren Grenzen
Loading