Einführung in ADAS und die Validierung des autonomen Fahrens
Fahrerassistenzsysteme (ADAS – Advanced Driver Assistance Systems) helfen Fahrzeugen dabei, ihre Umgebung zu erfassen. Gleichzeitig unterstützen sie die Fahrer dabei, auf die Straßenverhältnisse zu reagieren. Diese Systeme kombinieren verschiedene Sensortechnologien mit integrierter Software, die die Umgebung interpretiert und den Fahrer bei seinen Entscheidungen in Echtzeit unterstützt. Bei ADAS-Tests steht die Überprüfung im Vordergrund, wie diese Sensoren und Algorithmen in realen Fahrsituationen zusammenwirken.
Diese Sensorkombination umfasst:
- Radarsensoren, die die Entfernung und die relative Geschwindigkeit von Objekten in der Nähe messen.
- LiDAR-Systeme, die detaillierte räumliche Informationen liefern. Dies hilft dabei, Hindernisse und Straßenmerkmale zu erkennen.
- Kamerasysteme zur Objekterkennung, die die Identifizierung von Fahrzeugen, Fußgängern, Fahrbahnmarkierungen und Verkehrszeichen ermöglichen.
- Ultraschallsensoren, die üblicherweise für die Nahbereichserkennung in Anwendungen wie Einparkhilfen eingesetzt werden.
Neben den bordeigenen Sensortechnologien nutzen viele moderne Fahrzeuge auch die V2X-Kommunikation, um Informationen mit anderen Fahrzeugen in der Nähe oder mit der Straßeninfrastruktur auszutauschen. Diese zusätzliche Datenebene kann dabei helfen, Gefahren außerhalb des direkten Sichtfelds vorauszusehen.
Die größten Herausforderungen bem Testen von Fahrerassistenzsystemen
Funktionen für ADAS und autonomes Fahren müssen in einer Vielzahl von Situationen zuverlässig arbeiten:
- Starker Verkehr oder Stadtverkehr
- Wechselhafte Wetterbedingungen
- Unterschiedliche Straßen- oder Infrastrukturmaterialien
- Komplexe Wechselwirkungen zwischen Fahrzeugen und Fußgängern
Funktionen, die den Fahrer unterstützen und die Verkehrssicherheit verbessern sollen – wie beispielsweise ACC, AEB, LKA und Einparkhilfen – müssen zudem den Sicherheitsanforderungen im Automotive-Bereich sowie den Vorgaben zur Systemintegration entsprechen.
Averna-Ansatz bei der Validierung und Systemintegration
Averna verfügt über umfassende Erfahrung in der Validierung von Fahrerassistenzsystemen (ADAS) und autonomem Fahren. Seit Jahren unterstützen wir führende OEMs und Tier-1-Zulieferer mit vollständig maßgeschneiderten Testlösungen für die Automotive-Branche, die auf spezielle technische Anforderungen zugeschnitten sind.
Unsere Teams entwickeln Validierungsplattformen, die den gesamten Testzyklus abdecken. Somit können Hersteller von der frühen Entwicklungsphase über die Systemintegration bis hin zur Produktionsvalidierung mit einem einzigen Partner zusammenarbeiten.
Zu den wichtigsten Validierungsmaßnahmen zählen:
- Groß angelegte Szenario-Validierung unter Verwendung von Simulations- und XIL-Umgebungen
- Systemintegrationstests innerhalb von Fahrzeugarchitekturen
- Validierung der Erfassungsergebnisse von Radar-, Kamera-, LiDAR- und Ultraschallsensoren
- Validierung unter realen Bedingungen mithilfe von Testgeländen und Aufnahme-und-Wiedergabe-Workflows
- Produktionstests und Kalibrierung von Erfassungssensoren vor dem Einsatz
Diese Aktivitäten stellen nur einen Teil der erforderlichen Validierungsfunktinalität dar.
Technologien für zuverlässige Tests von Fahrerassistenzsystemen
Fahrerassistenzsysteme stützen sich auf eine Vielzahl von Sensortechnologien, die eine umfassende Objektsimulation und eine sorgfältige Validierung der Sensorfusionsalgorithmen erfordern.
Reine Simulation (SIL) und XIL-Tests
Autonome Fahrsysteme lassen sich nicht allein durch Testfahrten auf der Straße validieren. Durch Simulation können ADAS-Algorithmen in konfigurierbaren virtuellen Umgebungen ausgeführt werden, wodurch sich der Erfassungsbereich erheblich erweitert.
Bei Hardware-in-the-Loop-Tests (HIL) werden echte Steuergeräte in die Simulation eingebunden. Die Steuergeräte erhalten synthetische Sensordaten, und ihre Reaktionen werden in Echtzeit ausgewertet. Dies ermöglicht eine Verifizierung, bevor die Geräte in ein Fahrzeug integriert werden.
Diese Schritte werden häufig in einem XIL-Validierungsframework (Model-in-the-Loop, Software-in-the-Loop, Hardware-in-the-Loop, Driver-in-the-Loop oder Vehicle-in-the-Loop) kombiniert. So lassen sich die Systemkomponenten schrittweise einbinden, und gleichzeitig wird die Kontrolle über die Testbedingungen beibehalten.
Aufnahme und Wiedergabe auf Testgeländen
Daten aus der realen Welt bieten einen unvergleichlichen Realismus. SIL- und HIL-Simulationen decken zwar einen großen Bereich ab, können jedoch nicht jede Nuance der realen Welt erfassen. Mithilfe von Aufnahme-und Wiedergabe-Workflows können Ingenieure die Sensorleistung anhand echter Verkehrsdaten validieren.
Dank dieser Workflows können Ingenieure:
- Echte Sensordaten erfassen
- Systeme auf Testgeländen validieren
- Grenzfälle identifizieren
Testen von Radarsensoren und Erfassungssensoren
In Testumgebungen wird untersucht, wie Radar-, LiDAR-, Kamera- und Ultraschallsensoren die Fahrsituation erfassen.
Die Radarvalidierung stützt sich auf realitätsnahe Simulationen, die die Signalausbreitung und -reflexion modellieren. Ingenieure analysieren die Sensorantworten, indem sie Entfernung, Winkel oder Relativbewegung variieren.
Physische Faktoren wie Stoßstangenmaterialien oder Lack können Radarsignale verändern, und die Sensorsynchronisation ist unerlässlich, wenn Daten mit anderen Erfassungsdaten zusammengeführt werden.
Für eine genaue Bestimmung des elektromagnetischen Verhaltens sind zudem Fernfeldbedingungen erforderlich. Moderne Kfz-Radarsysteme arbeiten über große Bandbreiten, was fortschrittliche RF-Testverfahren erfordert.
Validieren von Kamerasensoren und Testen der Videopipeline
Kameramodule spielen eine entscheidende Rolle bei der Erfassung. Die Validierung zielt sowohl auf die optische Leistung als auch auf die Zuverlässigkeit der Videoübertragungskette ab.
Zu den Validierungsmaßnahmen zählen:
- Kalibrierungstests
- MTF-Messung
- Überprüfung der Bildschärfe
- Validierung der Videopipeline
Kameras für den Automotive-Bereich nutzen High-Speed-Schnittstellen wie GMSL2 oder FPD-Link III. Serialisierer- und Deserialisierer-Komponenten übertragen Bilddaten, während Konfigurationsbefehle über I2C oder GPIO weitergeleitet werden.
Plattformen können zudem die Stromversorgung über PoC überwachen und die Signalintegrität über Steckverbinder wie FAKRA bewerten. In einigen Fällen emulieren oder verarbeiten FPGAs Videostreams.
Aktive Ausrichtung von Kameramodulen
Die aktive Ausrichtung ist ein hochpräziser Montageprozess, bei dem die Positionierung der Linsen mithilfe von Echtzeit-Sensordaten optimiert wird. Im Gegensatz zur passiven Ausrichtung werden Fokus, Neigung, Zentrierung, Drehung und Achsenausrichtung kontinuierlich angepasst, um eine Genauigkeit im Mikrometerbereich zu erreichen.
Systeme zur aktiven Ausrichtung sind für die Herstellung hochwertiger Kameramodule unverzichtbar. Selbst kleinste Abweichungen können zu Unschärfe, Tiefenfehlern oder geometrischen Verzerrungen führen. Die Präzision muss trotz Umwelteinflüssen über die gesamte Lebensdauer des Fahrzeugs hinweg gewährleistet bleiben.
- Genaue Tiefenerfassung
- Präzise Erkennung der Fahrbahnränder
- Zuverlässige Objektklassifizierung
- Korrekte geometrische Kalibrierung für das Zusammenfügen von Surround-View-Bildern
- Einheitliche Vorgehensweise über alle Einheiten hinweg bei der Multisensor-Fusion
LiDAR- und Ultraschalltests
LiDAR-Sensoren erstellen 3D-Umgebungskarten. Die Validierung konzentriert sich auf die optische Charakterisierung, die Objektsimulation, das Verhalten der Steuerung sowie die Entfernungs- und Winkelkalibrierung.
Ultraschallsensoren werden hauptsächlich zum Einparken verwendet. Sie messen die Zeitdauer zwischen der Aussendung des Impulses und dem Empfang des Echos.
Testsysteme können Folgendes simulieren:
- Objekte in unterschiedlichen Entfernungen
- Echoverszögerungen
- Amplitudenschwankungen
Dies ermöglicht die Validierung von Einparkhilfen und Systemen zur Nahbereichserkennung.
Umwelt- und EMV-Tests
ADAS-Sensoren müssen unter unterschiedlichsten Umgebungsbedingungen zuverlässig funktionieren. Auf Testplattformen werden Temperaturschwankungen, Feuchtigkeit und Vibrationen simuliert, um die Stabilität sicherzustellen.
Bei der EMV-Tests wird das Verhalten von Sensoren unter elektromagnetischen Störungen bewertet, um eine stabile Leistung in komplexen Fahrzeugelektroniksystemen sicherzustellen.
Testen und Kalibrieren von Sensoren
Moderne Fahrerassistenzsysteme (ADAS) stützen sich auf synchronisierte Daten von Radar, LiDAR, Kamera und GNSS. In Fertigungstests wird die Abstimmung überprüft und sichergestellt, dass die Erfassung stabil bleibt, wenn mehrere Datenquellen zusammenwirken.
Die Plattformen speisen Sensorsignale ein, überwachen das Systemverhalten und überprüfen die Kalibrierungsgenauigkeit vor der Inbetriebnahme.
Fallstudie: Validierung der Sensorfusion bei XiL
Averna hat eine Sensor-Fusion-XiL-Testplattform entwickelt, die Simulation, Aufnahme und Wiedergabe sowie Closed-Loop-HIL-Validierung in einer einzigen Umgebung vereint.
Die Plattform speist synchronisierte Sensordaten in die ADAS-Steuergeräte ein und überwacht gleichzeitig die Reaktionen unter kontrollierten Verkehrsszenarien.
Zu den wichtigsten Funktionen gehören:
• Szenarioerzeugung für komplexe Verkehrssituationen
• Aufnahme- und Wiedergabe-Workflows mit Datenerfassung bei hoher Bandbreite
• Objektsimulation für Radar, LiDAR und Ultraschallsensoren
• Einspeisen von Videostreams über Fahrzeugschnittstellen
• Integration in Fahrzeugnetzwerke (Ethernet, CAN, LIN, FlexRay)
• Validierung von Sensor-Fusion-Steuergeräten mit synchronisierten Daten
• V2X- und GNSS-Integration für Szenarien mit vernetzten Fahrzeugen
Diese Architektur ermöglicht es Ingenieuren, Fusions- und AD-Funktionen in kontrollierten, aber realistischen Umgebungen zu validieren, bevor sie im Straßenverkehr zum Einsatz kommen.
„Unsere Ingenieure haben verschiedene Technologien in einer einheitlichen Testplattform zusammengeführt. Dadurch konnte unser Kunde unternehmensweit maßgeschneiderte Lösungen zur Validierung von Fahrerassistenzsystemen einsetzen. Dieser modulare, flexible und skalierbare Ansatz verkürzte die Markteinführungszeit und trug dazu bei, die Kosten zu vermeiden, die mit hohen Investitionen in Spezialgeräte verbunden sind.“