Titelaufnahme

Die Ausrüstung von Fahrzeugen mit Fahrautomatisierungssystemen hat das Ziel, den Fahrkomfort zu erhöhen und den Menschen, der für die meisten Unfälle verantwortlich ist, bei der Fahraufgabe zu entlasten. Für die Beobachtung der Fahrumgebung verwenden Automatisierungssysteme typischerweise Daten von Umfeldsensoren. In den vergangenen Jahren haben Unfälle mit automatisierten Fahrzeugen allerdings gezeigt, dass Fehler in der Sensordatenerfassung und -interpretation tödliche Folgen haben können. Aus diesem Grund muss bereits vor der Markteinführung von Umfeldwahrnehmungssystemen deren Zuverlässigkeit sichergestellt werden. In der Praxis ist das Testen dieser Systeme unter realen Bedingungen teuer, zeitaufwendig und nicht reproduzierbar. Darüber hinaus führt die zunehmende Systemkomplexität im Allgemeinen zu einem erhöhten Testaufwand und damit zu einer längeren Entwicklungszeit. Um dem entgegenzuwirken, werden Simulationen eine zentrale Rolle im zukünftigen Prozess der Entwicklung, des Testens und der Validierung von Fahrautomatisierungssystemen einnehmen. Da ungünstige Witterungsbedingungen wie Regen und Nebel die Leistungsfähigkeit von Umfeldsensoren aufgrund von Absorptions- und Streuprozessen verschlechtern, müssen zusätzlich externe Störungen im Freigabeprozess von automatisierten Fahrzeugen berücksichtigt werden. Dies führt wiederum zu einem erhöhten Testaufwand. Diese Arbeit präsentiert einen allgemeinen Ansatz zur Simulation der Auswirkungen von widrigem Wetter auf die Sensorrohdaten in realen und virtuellen Umgebungen. Der Fokus liegt hierbei insbesondere auf dem Einfluss von Regen und Nebel auf Daten von Kamera-, Lidar- und Radarsensoren. Im weiteren Verlauf wird eine neue Testmethode vorgeschlagen, die sowohl den realen als auch den virtuellen Simulationsansatz nutzt, um den Aufwand für die Absicherung automatisierter Fahrsysteme unter widrigen Wetterbedingungen zu minimieren. Die Versuchsergebnisse zeigen, dass sowohl die reale Wettersimulation anhand von Indoor-Wetteranlagen als auch die virtuelle Wettersimulation basierend auf physikalischen Modellen das Sensorverhalten unter ungünstigen Wetterbedingungen nachbilden kann. Das übergeordnete Ziel dieser Arbeit ist es, große Teile des Test- und Validierungsaufwands in eine Simulationsumgebung zu übertragen, um so Zeit und Kosten zu sparen.

Equipping vehicles with driving automation systems aims to increase the driving comfort and eliminate the human error that is responsible for the majority of accidents. Automation systems typically use surround sensors to monitor the driving environment. Recently, accidents with automated vehicles have shown that errors in sensor data measurement and interpretation can lead to fatal injuries. It is thus necessary to test the reliability of environmental perception systems before their market introduction. In practice, real-world testing is expensive, time-consuming, and not reproducible. Furthermore, the increasing system complexity generally leads to an increased test effort and, as a consequence, longer development time. To counteract this, test facilities and simulation will play a central role in the future process of development, testing, and validation of driving automation systems. Adverse weather conditions such as rain and fog usually occur randomly, however, they degrade a sensors performance due to absorption and scattering processes. Therefore, environmental conditions need to be considered to ensure safe automated driving. This thesis presents a general approach for simulating the effects of adverse weather on raw sensor data in real and virtual environments. The focus is on the influence of rain and fog on data from camera, lidar, and radar sensors. Further, a novel test method is proposed that uses both the real and virtual simulation approach to minimize the effort required to safeguard environmental perception systems under adverse weather conditions. Experimental results show that real weather simulation using indoor weather facilities and virtual weather simulation using physical-based models can replicate the sensor behavior under adverse weather conditions. The overarching objective of this work is to support vehicle manufacturers to transfer large portions of testing and validation effort into a simulation environment and thus save time and costs.