TP 7Interaktion mit schwächeren Verkehrsteilnehmern

Nicht selten kommt es im Verkehrsgeschehen zu Situationen, die durch Interaktion zwischen Verkehrsteilnehmern aufgelöst werden, indem diese ihre Absichten oder ein gewünschtes Verhalten durch Handlungen und Gesten signalisieren. Typische Beispiele sind die Aufnahme von Blickkontakt zwischen Fahrer und Fußgänger an einem Zebrastreifen, das Handzeichen mit dem ein Fahrradfahrer eine Abbiegeabsicht signalisiert oder die Handzeichen eines Polizisten, der den Verkehr regelt.


Mit der Automatisierung von Fahrzeugen treten technische Systeme als Akteure in den bisher alleine durch menschliches Handeln geprägten Straßenverkehr ein. Automatisierte Fahrzeuge stehen dabei vor der Herausforderung, vielfältige und komplexe Situationen mit anderen Verkehrsteilnehmern sicher zu beherrschen. Eine wesentliche Voraussetzung dafür ist, dass automatisierte Fahrzeuge dazu in der Lage sind, das Verhalten und die Absichten von anderen Verkehrsteilnehmern zu erkennen und zu verstehen. Dies gilt in ganz besonderem Maße in Situationen mit schwächeren Verkehrsteilnehmern.


Verhaltensanalyse und Intentionserkennung

Schwächere Verkehrsteilnehmer kommunizieren im Straßenverkehr überwiegend mittels Posen und Gesten. Dies geschieht zum einen zielgerichtet, indem Absichten bewusst durch Gesten signalisiert werden. Ein Radfahrer zeigt beispielsweise durch Handzeichen die Absicht an, den Fahrstreifen zu wechseln oder an einer Kreuzung abzubiegen. Andererseits senden schwächere Verkehrsteilnehmer auch unbewusst Signale aus, mit deren Hilfe andere Verkehrsteilnehmer in der Lage sind, auf deren zukünftiges Verhalten zu schließen. Das kann z.B. die Blickrichtung eines Fußgängers sein, die darauf hindeutet, dass dieser ein herannahendes Fahrzeug gesehen hat. Um das Verhalten von verletzlichen Verkehrsteilnehmern zu antizipieren, müssen automatisierte Fahrzeuge solche Handlungen und Gesten sicher erkennen und richtig interpretieren können.

Dies sind die Ziele des Teilprojektes „Interaktion mit schwächeren Verkehrsteilnehmern“.

Ausgangspunkt für eine weitergehende Verhaltensanalyse ist die sichere und robuste Erkennung von schwächeren Verkehrsteilnehmern im Straßenverkehr. Dafür kommen Stereo-Kameras sowie ggf. Laserscanner und hochauflösende Radarsensoren zum Einsatz. Durch eine Sensorfusion werden die Informationen der unterschiedlichen Sensorquellen dann zu einem konsistenten Bild zusammengefasst. Die Erkennung von schwächeren Verkehrsteilnehmern soll insbesondere auch mittels lernender Verfahren realisiert werden, wie beispielsweise tiefen neuronalen Netzen, und soll in der Lage sein, schwächere Verkehrsteilnehmer auch unter erschwerten Bedingungen, wie z.B. bei teilweiser Verdeckung, robust zu erkennen.

Ein Schwerpunkt des Teilprojekts liegt auf der Detailanalyse von schwächeren Verkehrsteilnehmern. Basierend auf einer Feldstudie werden zunächst relevante Interaktionsmerkmale sowie eine Menge an Elementargesten identifiziert und auf ihre Relevanz hin bewertet werden. Unter Nutzung verschiedener Sensormodalitäten werden dann relevante Merkmale zur Intentions- und Gestenerkennung aus den Sensordaten extrahiert. Diese Merkmale bilden die Grundlage für eine Erkennung von Posen (wie z.B. Kopf- und Körperpose, Blickrichtung oder Beinstellung) und Gesten (wie z.B. Handzeichen eines Radfahrers) von schwächeren Verkehrsteilnehmern.


Kontextinformationen

Oft ist für die genaue Verhaltens- oder Absichtsinterpretation der Kontext von Bedeutung, in dem schwächere Verkehrsteilnehmer agieren. Deshalb müssen ebenfalls relevante Elemente des Verkehrsumfeldes (z.B. Objekte, Belegung / Freifläche, Bordsteinkanten, Zebrastreifen) als Kontextinformationen erkannt und in Kombination mit den Gestenmerkmalen interpretiert werden.

Auf Basis der erkannten Posen und Gesten sowie der relevanten Kontextinformationen kann dann eine Intentionserkennung und Verhaltensmodellierung für schwächere Verkehrsteilnehmer erfolgen. Dafür sollen insbesondere lernende Verfahren zur Anwendung kommen. Mittels einer nachgelagerten Situationsanalyse und Verhaltensplanung werden dann Handlungsstrategien für das automatisierte Fahren abgeleitet und umgesetzt.

 

TP 1

Umfelderfassung und Situationsverstehen

 

TP 2

Digitale Karte und Lokalisation

 

TP 3

Konzepte und Pilotanwendungen

 

TP 4

Mensch-Fahrzeug-Interaktion

 

TP 5

Automatisiertes Fahren über urbane Knotenpunkte

 

TP 6

Automatisiertes Fahren auf urbanen Straßen

 

TP 7

Interaktion mit schwächeren Verkehrsteilnehmern

Sitemap

@CITY-Logo