Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB

Filters

1 1 1
Reset filters

Settings
Now showing 1 - 10 of 14
No Thumbnail Available
Publication

Cooperative Automated Driving for Bottleneck Scenarios in Mixed Traffic

2023-06 , Baumann, M.V. , Beyerer, Jürgen , Buck, H.S. , Deml, Barbara , Ehrhardt, Sofie , Frese, Christian , Kleiser, Dominik , Lauer, Martin , Roschani, Masoud , Ruf, Miriam , Stiller, Christoph , Vortisch, Peter , Ziehn, Jens

Connected automated vehicles (CAV), which incorporate vehicle-to-vehicle (V2V) communication into their motion planning, are expected to provide a wide range of benefits for individual and overall traffic flow. A frequent constraint or required precondition is that compatible CAVs must already be available in traffic at high penetration rates. Achieving such penetration rates incrementally before providing ample benefits for users presents a chicken-and-egg problem that is common in connected driving development. Based on the example of a cooperative driving function for bottleneck traffic flows (e.g. at a roadblock), we illustrate how such an evolutionary, incremental introduction can be achieved under transparent assumptions and objectives. To this end, we analyze the challenge from the perspectives of automation technology, traffic flow, human factors and market, and present a principle that 1) accounts for individual requirements from each domain; 2) provides benefits for any penetration rate of compatible CAVs between 0 % and 100 % as well as upward-compatibility for expected future developments in traffic; 3) can strictly limit the negative effects of cooperation for any participant and 4) can be implemented with close-to-market technology. We discuss the technical implementation as well as the effect on traffic flow over a wide parameter spectrum for human and technical aspects.

View
No Thumbnail Available
Publication

Die Zukunft fährt selbst. Anwendungsfälle, Chancen, Herausforderungen und Handlungsempfehlungen für die autonome Mobilität der Zukunft

2023 , Boispéan, Stéphane du , Hartmann, Volker , Kiebel, Marc , Miller, Andrea , Pape, Rüdiger , Schellert, Maximilian , Schulz, Holger , Teer, Nathalie , Wigger, Jonas , Wolfert, Michael , Ziehn, Jens , Teer, Nathalie

Die Technologie des automatisierten und vernetzten Fahrens entwickelt sich rasant. Einerseits eröffnet sie Lösungen und Anwendungsfälle für die Mobilitätswende, die vor wenigen Jahren noch in weit entfernter Zukunft schienen. Andererseits haben die Technologie und deren rasante Entwicklung massive Auswirkungen auf die Industrie und stellen diese vor dem Hintergrund ihrer digitalen Transformation vor große Herausforderungen: Die Automobilindustrie trifft auf neue, technologiegetriebene Player, die auf den Markt drängen und sie insbesondere im internationalen Kontext unter Druck setzen. Doch nicht nur die Industrie und die Technologie selbst erfahren eine rasante Entwicklung, auch die rechtlichen Rahmenbedingungen wurden in den letzten Jahren entschlossen und in hoher Geschwindigkeit vorangebracht: Deutschland und die Europäische Union haben mit ihren Rechtsrahmen zum autonomen Fahren eine sehr gute Basis geschaffen, die autonome Mobilität auf die Straße zu bringen - der regulatorische Rahmen ist ein starker Wettbewerbsvorteil gegenüber anderen Ländern der Welt. Allerdings geht es nun darum, diesen zügig und konsequent umzusetzen, um die Technologie schnellstmöglich auszurollen. Dieses Whitepaper greift diese vielseitigen Chancen und Herausforderungen auf und stellt diese anhand konkreter Anwendungsfälle aus der Wirtschaft dar. Ziel ist es, einerseits einen Überblick über verschiedene Lösungen und Anwendungen zu geben und diese damit greifbarer zu machen. Andererseits werden auf Basis der Anwendungsfälle jedoch insbesondere Handlungsempfehlungen für Politik und Wirtschaft abgeleitet. Dabei beantwortet das Papier die folgenden Fragen: - Welche Möglichkeiten ergeben sich durch das autonome und vernetzte Fahren für den Personen- und Gütertransport? - Wie kann das autonome Fahren zur Mobilitätswende beitragen? - Vor welchen Herausforderungen stehen einzelne Akteure sowie auch die Branche insgesamt? - Was kann die Politik tun, um den Roll-out der Technologie voranzutreiben und die Anwendungsfälle auf die Straße zu bringen? - Und was könnten Stakeholder selbst tun, um den Prozess sicher und effizient zu gestalten? Schlussendlich möchte dieses Papier auch zu einem Dialog und zu einer verstärkten Zusammenarbeit zwischen Politik, Verwaltung, Wissenschaft, Technologie- und Mobilitätsunternehmen anregen.

View
No Thumbnail Available
Publication

Onboard Sensor Systems for Automatic Train Operation

2022 , Tagiew, Rustam , Leinhos, Dirk , Haar, Henrik von der , Klotz, Christian , Sprute, Dennis , Ziehn, Jens , Schmelter, Andreas , Witte, Stefan , Klasek, Pavel

This paper introduces the specific requirements of the domain of train operation and its regulatory framework to the AI community. It assesses sensor sets for driverless and unattended train operation. It lists functionally justified ranges of technical specifications for sensors of different types, which will generate input for AI perception algorithms (i.e. for signal and obstacle detection). Since an optimal sensor set is the subject of research, this paper provides the specification of a generic data acquisition platform as a crucial step. Some particular results are recommendations for the minimal resolution and shutter type for image sensors, as well as beam steering methods and resolutions for LiDARs.

View
No Thumbnail Available
Publication

Deutsche Normungsroadmap Künstliche Intelligenz

2020 , Adler, R. , Kolomiichuk, Sergii , Hecker, Dirk , Lämmel, Philipp , Ma, Jackie , Marko, Angelina , Mock, Michael , Nagel, Tobias , Poretschkin, Maximilian , Rennoch, Axel , Röhler, Marcus , Ruf, Miriam , Schönhof, Raoul , Schneider, Martin A. , Tcholtchev, Nikolay , Ziehn, Jens , Böttinger, Konstantin , Jedlitschka, Andreas , Oala, Luis , Sperl, Philip , Wenzel, Markus , et al.

Die deutsche Normungsroadmap Künstliche Intelligenz (KI) verfolgt das Ziel, für die Normung Handlungsempfehlungen rund um KI zu geben, denn sie gilt in Deutschland und Europa in fast allen Branchen als eine der Schlüsseltechnologien für künftige Wettbewerbsfähigkeit. Die EU geht davon aus, dass die Wirtschaft in den kommenden Jahren mit Hilfe von KI stark wachsen wird. Umso wichtiger sind die Empfehlungen der Normungsroadmap, die die deutsche Wirtschaft und Wissenschaft im internationalen KI-Wettbewerb stärken, innovationsfreundliche Bedingungen schaffen und Vertrauen in die Technologie aufbauen sollen.

View
No Thumbnail Available
Publication

An Approach to Systematic Data Acquisition and Data-Driven Simulation for the Safety Testing of Automated Driving Functions

2023 , Eisemann, L. , Fehling-Kaschek, Mirjam , Gommel, H. , Hermann, D. , Klemp, M. , Lauer, M. , Lickert, Benjamin , Lüttner, Florian , Moss, Robin , Neis, N. , Pohle, Maria , Romanski, S. , Stadler, Daniel , Stolz, Alexander , Ziehn, Jens , Zhou, J.

With growing complexity and criticality of automated driving functions in road traffic and their operational design domains (ODD), there is increasing demand for covering significant proportions of development, validation, and verification in virtual environments and through simulation models. If, however, simulations are meant not only to augment real-world experiments, but to replace them, quantitative approaches are required that measure to what degree and under which preconditions simulation models adequately represent reality, and thus, using their results accordingly. Especially in R&D areas related to the safety impact of the "open world", there is a significant shortage of real-world data to parameterize and/or validate simulations-especially with respect to the behavior of human traffic participants, whom automated driving functions will meet in mixed traffic. We present an approach to systematically acquire data in public traffic by heterogeneous means, transform it into a unified representation, and use it to automatically parameterize traffic behavior models for use in data-driven virtual validation of automated driving functions.

View
No Thumbnail Available
Publication

Deutsche Normungsroadmap Künstliche Intelligenz

2022-12-09 , Adler, Rasmus , Bunte, Andreas , Burton, Simon , Großmann, Jürgen , Jaschke, Alexander , Kleen, Philip , Lorenz, Jeanette Miriam , Ma, Jackie , Markert, Karla , Meeß, Henri , Meyer, Olga , Neuhüttler, Jens , Philipp, Patrick , Poretschkin, Maximilian , Rennoch, Axel , Roscher, Karsten , Sperl, Philip , Usländer, Thomas , Weicken, Eva , Wrobel, Stefan , Zidowitz, Stephan , Ziehn, Jens , Kläs, Michael , Cheng, Chih-Hong , Heinrich, Jana , Knoblauch, Dorian , Heidrich, Jens , Görge, Rebekka , Kolomiichuk, Sergii , Lämmel, Philipp , Plinge, Axel , Rauh, Lukas , Tcholtchev, Nikolay Vassilev , Wahlster, Wolfgang , Winterhalter, Christoph

Im Auftrag des Bundesministeriums für Wirtschaft und Klimaschutz haben DIN und DKE im Januar 2022 die Arbeiten an der zweiten Ausgabe der Deutschen Normungsroadmap Künstliche Intelligenz gestartet. In einem breiten Beteiligungsprozess und unter Mitwirkung von mehr als 570 Fachleuten aus Wirtschaft, Wissenschaft, öffentlicher Hand und Zivilgesellschaft wurde damit der strategische Fahrplan für die KI-Normung weiterentwickelt. Koordiniert und begleitet wurden diese Arbeiten von einer hochrangigen Koordinierungsgruppe für KI-Normung und -Konformität. Mit der Normungsroadmap wird eine Maßnahme der KI-Strategie der Bundesregierung umgesetzt und damit ein wesentlicher Beitrag zur "KI - Made in Germany" geleistet. Die Normung ist Teil der KI-Strategie und ein strategisches Instrument zur Stärkung der Innovations- und Wettbewerbsfähigkeit der deutschen und europäischen Wirtschaft. Nicht zuletzt deshalb spielt sie im geplanten europäischen Rechtsrahmen für KI, dem Artificial Intelligence Act, eine besondere Rolle. Die vorliegende Normungsroadmap KI zeigt die Erfordernisse in der Normung auf, formuliert konkrete Empfehlungen und schafft so die Basis, um frühzeitig Normungsarbeiten auf nationaler, insbesondere aber auch auf europäischer und internationaler Ebene, anzustoßen. Damit zahlt sie maßgeblich auf den Artificial Intelligence Act der Europäischen Kommission ein und unterstützt dessen Umsetzung.

View
No Thumbnail Available
Publication

Bildgebende Car2Car-Kommunikation mit sichtbarem Licht

2022 , Ziehn, Jens , Roschani, Masoud , Ruf, Miriam , Brüstle, D. , Helmer, M.

With advances in automated and connected driving, secure communication is increasingly becoming a safety-critical function. Injection of manipulated radio messages into traffic can cause severe accidents in the foreseeable future. To mitigate remaining vulnerabilities in current automotive security architectures, this paper proposes a secondary communication channel using vehicle front and rear lights. In contrast to existing approaches, this method allows both to achieve a sufficient data rate and to extract the angular position of the sender, by means of an imaging process which only requires close-to-market, cost-efficient technology.

View
No Thumbnail Available
Publication

Sensor system for development of perception systems for ATO

2023 , Tagiew, Rustam , Leinhos, Dirk , Haar, Henrik von der , Klotz, Christian , Sprute, Dennis , Ziehn, Jens , Schmelter, Andreas , Witte, Stefan , Klasek, Pavel

Developing AI systems for automatic train operation (ATO) requires developers to have a deep understanding of the human tasks they are trying to replace. This paper fills this gap and translates the regulatory requirements from the context of German railways for the AI developer community. As a result, tasks such as train’s path monitoring for collision prediction, signal detection, door operation, etc. are identified. Based on this analysis, a functionally justified sensor setup with detailed configuration requirements is presented. This setup was also evaluated by a survey within the railway industry. The evaluated sensors include RGB/IR cameras, LIDARs, radars and ultrasonic sensors. Calculations and estimates for the evaluated sensors are presented graphically and included in this paper. However, the ultimate sensor setup is still a subject of research. The results of this paper also address the lack of training and test datasets for railway AI systems. It is proposed to acquire research datasets that will allow the training of domain adaptation algorithms to transform other datasets, thus increasing the number of available datasets. The sensor setup is also recommended for such research datasets.

View
No Thumbnail Available
Patent

Steuerung und Verfahren zur Steuerung einer Vorheizung eines Katalysators für ein Fahrzeug

2022-03-17 , Roschani, Masoud , Ziehn, Jens , Hahn, David , Burgert, Tobias , Michler, Tobias , Bopp, Manuel , Wäschle, Moritz , Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. , Karlsruhe Institute of Technology -KIT-

Steuerung (20) für eine Vorheizung eines Katalysators (14) eines Fahrzeuges (5), mit folgenden Merkmalen: einer Berechnungseinheit zum Bestimmen einer bevorstehenden Abschaltzeit, wobei die Steuerung (20) ausgebildet ist, um in Abhängigkeit von der vorbestimmten Abschaltzeit die Vorheizung (14v) zu aktivieren.

View
No Thumbnail Available
Publication

PAISE®. Das Vorgehensmodell für KI-Engineering

2021 , Hasterok, Constanze , Stompe, Janina , Pfrommer, Julius , Reiter, Sebastian , Ziehn, Jens , Usländer, Thomas , Weber, Michael , Riedel, Till

Das Process Model for AI Systems Engineering, kurz: PAISE®, ist ein Vorgehensmodell für KIEngineering.Es wurde innerhalb des Kompetenzzentrums für KI-Engineering (CC-KING) entwickelt.PAISE® umfasst die systematische und standardisierte Entwicklung und den Betriebvon KI-basierten Systemlösungen. Vorgehensweisen aus der Informatik und datengetriebenenModellbildung werden mit denen der klassischen Ingenieurdisziplinen, wie z. B. SystemsEngineering, kombiniert.

View