Einführung in ADAS und die Validierung des autonomen Fahrens
Fahrerassistenzsysteme (ADAS) helfen Fahrzeugen dabei, ihre Umgebung wahrzunehmen, und unterstützen den 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 Sichtfeldes zu erkennen.
Die größten Herausforderungen bei der Prüfung von Fahrerassistenzsystemen
ADAS- und autonome Fahrfunktionen müssen in einer Vielzahl von Situationen zuverlässig funktionieren:
- Starker Verkehr oder Stadtverkehr
- Wechselhafte Wetterbedingungen
- Verschiedene 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 Park Assist – müssen zudem den Sicherheitsanforderungen im Automobilbereich sowie den Vorgaben zur Systemintegration entsprechen.
Avernas 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 Automobilhersteller und Tier-1-Zulieferer mit vollständig maßgeschneiderten Testlösungen für die Automobilindustrie, die auf spezifische technische Anforderungen zugeschnitten sind.
Unsere Teams entwickeln Validierungsplattformen, die den gesamten Testzyklus abdecken, sodass Hersteller von der frühen Entwicklungsphase über die Systemintegration bis hin zur Produktionsvalidierung mit einem einzigen Partner zusammenarbeiten können.
Zu den wichtigsten Validierungsmaßnahmen gehören:
- Umfassende 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 Record-and-Playback-Workflows
- Funktionsprüfung und Kalibrierung von Wahrnehmungssensoren vor dem Einsatz
Diese Aktivitäten stellen nur einen Teil der erforderlichen Validierungskapazitäten 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, wodurch eine Verifizierung vor der Integration in ein Fahrzeug ermöglicht wird.
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, wodurch eine schrittweise Einbindung von Systemkomponenten unter Beibehaltung der Kontrolle über die Testbedingungen ermöglicht wird.
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 Record-and-Playback-Workflows können Ingenieure die Sensorleistung anhand echter Verkehrsdaten validieren.
Dank dieser Arbeitsabläufe können Ingenieure:
- Echte Sensordaten erfassen
- Systeme auf Testgeländen validieren
- Randfälle identifizieren
Prüfung von Radarsensoren und Wahrnehmungssensoren
In Testumgebungen wird untersucht, wie Radar-, LiDAR-, Kamera- und Ultraschallsensoren die Fahrsituation erfassen.
Die Radarvalidierung stützt sich auf physikalisch fundierte Simulationen, die die Signalausbreitung und -reflexion modellieren. Ingenieure analysieren die Sensorantworten, indem sie Entfernung, Winkel oder Relativbewegung variieren.
Physikalische Faktoren wie Stoßstangenmaterialien oder Lack können Radarsignale verändern, und die Sensorsynchronisation ist unerlässlich, wenn Daten mit anderen Wahrnehmungsdaten zusammengeführt werden.
Für eine genaue Bestimmung des elektromagnetischen Verhaltens sind zudem Fernfeldbedingungen erforderlich. Moderne Kfz-Radarsysteme arbeiten über große Bandbreiten, was fortschrittliche HF-Prüfverfahren erfordert.
Validierung von Kamerasensoren und Test der Videopipeline
Kameramodule spielen eine entscheidende Rolle bei der Wahrnehmung. Die Validierung zielt sowohl auf die optische Leistung als auch auf die Zuverlässigkeit der Videoübertragungskette ab.
Zu den Validierungsmaßnahmen gehören:
- Kalibrierungsprüfung
- MTF-Messung
- Überprüfung der Bildschärfe
- Validierung der Videopipeline
Kameras für den Automobilbereich nutzen Hochgeschwindigkeitsschnittstellen 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.
Aktive Ausrichtungssysteme 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 Tiefenwahrnehmung
- Erkennung sauberer 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 Ultraschallprüfung
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 Laufzeit zwischen der Aussendung des Impulses und dem Eintreffen des Echos.
Testsysteme können Folgendes simulieren:
- Objekte in unterschiedlichen Entfernungen
- Echoverszögerungen
- Amplitudenschwankungen
Dies ermöglicht die Validierung von Einparkhilfen und Nahbereichserkennungssystemen.
Umwelt- und EMV-Prüfungen
ADAS-Sensoren müssen unter unterschiedlichsten Umgebungsbedingungen zuverlässig funktionieren. Auf Testplattformen werden Temperaturschwankungen, Feuchtigkeit und Vibrationen simuliert, um die Stabilität sicherzustellen.
Bei der EMV-Prüfung wird das Verhalten von Sensoren unter elektromagnetischen Störungen bewertet, um eine stabile Leistung in komplexen Fahrzeugelektroniksystemen sicherzustellen.
Prüfung und Kalibrierung von Sensoren
Moderne Fahrerassistenzsysteme (ADAS) stützen sich auf synchronisierte Daten von Radar, LiDAR, Kamera und GNSS. In Serientests wird die Abstimmung überprüft und sichergestellt, dass die Wahrnehmung 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, Record-and-Playback 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 Verkehrs
• Aufzeichnungs- und Wiedergabe-Workflows mit Datenerfassung bei hoher Bandbreite
• Objektsimulation für Radar, LiDAR und Ultraschallsensoren
• Einblendung 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 (ADAS) 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.“