Objektverifikation für Fahrerassistenzsysteme & Datenerfassung von ADAS-Sensoren
Fahrerassistenzsysteme und Systeme für das hochautomatisierte Fahren (HAD oder HAF) erfassen über verschiedenste Sensoren wie Video, Radar, LIDAR etc. die Umgebung des Fahrzeugs. Warnungen an den Fahrer oder (teil-)autonome Eingriffe in die Fahrsituation erfolgen auf Basis von Ergebnissen der Objekterkennung, beispielsweise dem Abstand zum vorausfahrenden Fahrzeug. Während der Fahrt liegt zwar das Messergebnis vor, aber es kann nicht ohne weiteres verifiziert werden. Genau dazu dient die Option Driver Assistance. Sie ermöglicht die Darstellung von Sensordaten in Form von grafischen Elementen, wie Rechtecke und Linien oder als Punktwolken. In CANape kann die Option sowohl während der Messung als auch zur Messdatenauswertung verwendet werden.
Vorteile
Die Option Driver Assistance stellt die von den Sensoren des Fahrerassistenzsystems erfassten Objekte in einem synchron zur Messung aufgezeichneten Videobild einer Referenz-Kamera dar. Sie dient der zusätzlichen Aufzeichnung der Fahrsituation und wird zur Verifikation der Sensordaten benötigt. Anhand der vom Steuergerät berechneten Objektdaten werden an der entsprechenden Bildposition im Videobild geometrische Symbole oder Bitmaps eingeblendet. Über den Abgleich der vom Steuergerät erkannten Objekte mit der realen Umgebung verifizieren Sie so schnell und zuverlässig die Objekterkennungs-Algorithmen der Sensoren.
Im GPS-Fenster können Sie die dazugehörigen Positionsdaten anzeigen und zur Auswertung heranziehen. Als Kartenmaterial stehen unter anderem OpenStreetMap und Shobunsha Super MappleG zu Verfügung. Zusätzlich lassen sich grafische Objekte im GPS-Fenster anzeigen.





Anwendungsgebiete
Die flexiblen Konfigurationsmöglichkeiten der Option Driver Assistance decken weitreichende Einsatzgebiete bei der ADAS-Entwicklung ab:
- Überprüfung von Objekterkennungs-Algorithmen bei ACC (Adaptive Cruise Control), Stop&Go-Systemen sowie Parkassistenten mit Hilfe der Objektüberlagerung
- Entwicklung von Spurhaltesystemen oder adaptivem Kurvenlicht durch Darstellung der Fahrspuren als Kurven
- Unterstützung beim Test von Systemen zur Verkehrszeichenerkennung durch Einbinden von Bitmaps
Funktionen
Über den GFX-Editor erfolgt komfortabel die Zuordnung von detektierten Sensordaten (Fahrzeuge, Fahrbahnmarkierungen, Verkehrszeichen, etc.) zu grafischen Elementen (Polygone für Fahrspurerkennung und Rechtecke zur Fahrzeugkennzeichnung), die im Video- und GPS-Fenster eingeblendet werden. Zusätzlich steht im Multimedia-Fenster eine frei skalierbare Ansicht zur Verfügung. Dieses „Grafx“ genannte Fenster zeigt die Objekte aus einer frei konfigurierbaren Vogelperspektive an.
Darüber hinaus lassen sich Bildverarbeitungsalgorithmen in Form von DLLs in CANape einbinden. Die Verknüpfung von Videoein- und -ausgängen mit Videoströmen erfolgt dabei über CANape. Die Ergebnisse des Algorithmus werden in CANape visualisiert. Somit können Sie die Parametrierung des Algorithmus wie bei einem Steuergerät im Online-Betrieb optimieren.
Objektverifikation konfigurieren

Die Eigenschaften der darzustellenden Objekte, d.h. der Zusammenhang zwischen dem realen Objekt und seiner Darstellung am Bildschirm, sind in der Objekt-Signal-Mapping-Datei hinterlegt. Diese enthält die Zuordnung von Messgrößen oder fest eingestellten Größen für alle Parameter zur Objektdarstellung (X-, Y-, Z-Position, Größe, Farbe, Text-/Ziffernfeld, etc.).
Zahlreiche vordefinierte Zeichenobjekte, wie Occupancy Grids, Sensorfelder, Parkassistenzobjekte, Kreuze, Quadrate, Dreiecke oder Linien, stehen standardmäßig zur Darstellung der Objekte zur Verfügung. Darüber hinaus können Sie auch abgespeicherte Bitmaps zur Objektdarstellung verwenden. Zur besseren Übersicht bei der Auswertung lassen sich einzelne Objekte zu Gruppen zusammenfassen. Der GFX-Editor unterstützt die komfortable Erstellung und Verwaltung der Objekt-Signal-Mapping-Datei.
Darstellung und Auswertung
Objektdaten, die entweder als Messsignale erfasst bzw. als Signale in Messdateien vorliegen, werden als grafische Elemente dargestellt und anderen Informationen überlagert:
- Perspektivische, zeitsynchrone Darstellung der ausgewerteten Objektinformationen im Videobild
- Stufenlos verstellbare Objektdarstellung (von Seitenansicht bis Vogelperspektive) mit variablem Größenraster (X-, Y-, Z-Ausdehnung)
- Zur optimierten Darstellung während der Messung oder der Messdatenauswertung lassen sich Objekte durch Zifferneingabe (z.B. Objektnummer 1-5, 6, 8-10) oder per vorkonfigurierter Gruppe einfach selektieren
- Objekte, Texte und Parameterwerte können als Zusatzinformation an eine feste oder variable Pixelposition gezeichnet werden
- Relativgeschwindigkeit oder Seitenabweichung sind als horizontale und vertikale Auslenkungslinien darstellbar
- Zusätzliches Einblenden von Text- und Zifferninformationen zum Objekt
- Beliebige Zoom-Tiefe im Grafx-Fenster (Vogelperspektive im Video-Fenster) liefert genau den Ausschnitt, den Sie für Ihre Anwendung benötigen
- Zum einfachen Überprüfen von Abständen und Winkeln können diese während der Messung permanent berechnet und im Grafx-Fenster eingezeichnet werden.
- Nachträgliche Anpassung aller Objektparameter (Größe, Farbe, Text-/Ziffernfeld, etc.) für die Messdatenauswertung
- Die Visualisierung von Messdaten der LIDAR-Sensoren (z.B. von Velodyne, Ibeo und Quanergy) erfolgt über das Scene-Fenster, in welchem die empfangenen Punktwolken-Objekte in 3D dargestellt werden. Zur optimalen Auswertung stehen dabei verschiedene Ansichten sowie Rotations- und Zoom-Mechanismen zur Verfügung.

Occupancy-Grid-Darstellung
Für die Entwicklung autonom fahrender Fahrzeuge werden Umfeldmodelle des Fahrzeugs im Steuergerät benötigt. Ein häufig verwendetes Modell ist das „Occupancy Grid“. Dabei wird die Umgebung in kleine Abschnitte eingeteilt und jedem Abschnitt eine Wahrscheinlichkeit zugeordnet, dass sich an der Stelle etwas befindet oder nicht.
Die erfassten Sensordaten rund um das Fahrzeug werden dazu von speziellen Algorithmen fusioniert und ausgewertet. Das Ergebnis ist die Aufenthaltswahrscheinlichkeit eines Hindernisses an einer klar definierten Stelle in Bezug auf das Fahrzeug. Repräsentiert wird die Aufenthaltswahrscheinlichkeit durch einen normierten Zahlenwert. Abgelegt werden diese Daten in einem zweidimensionalen Kennfeld, welches die Umgebung wiederspiegelt. Dies ist für autonom fahrende Fahrzeuge ein enorm wichtiger Indikator um Entscheidungen bezüglich der möglichen weiteren Fahrtrichtung treffen zu können.
CANape verfügt über die Möglichkeiten Occupancy Grids mit einer Dimension von 500 x 500 und jeweils einem Byte pro Feld zu messen und zu verarbeiten. Durch den Einsatz von Farbfunktionen und dem neuen Überlagerungsobjekt Occupancy Grid visualisieren und validieren Sie die erfasste Umgebung des Fahrzeuges, wie sie der Auswertealgorithmus dem Steuergerät zu Verfügung stellt. Das Occupancy Grid kann dazu im Video-Fenster (dreidimensional), in der Vogelperspektive oder im GPS-Fenster dargestellt werden.
Produktbeschreibungen
- 2020-10-08 Squore: Best Practices to Comply with ISO26262 and the HIS...
- 2020-08-25 Automotive Ethernet Introduction – Technology and Protocols for...
- 2020-07-15 Online and Offline Validation of ADAS ECUs
- 2020-07-02 CANape log - Mastering Demanding ADAS Logging Tasks Efficiently...
- 2020-07-02 CANape log - Mastering Demanding ADAS Logging Tasks Efficiently...
- 2020-06-17 Introduction to Run-time Measurement and Calibration of ECUs with...
- 2020-05-14 VectorCAST: Testing of Satellite-Communications based Software in...
- 2020-05-14 VectorCAST: Test di regressione HIL più intelligenti e veloci con...
- 2020-03-26 Efficient Development of Data Fusion Systems for Automated...
- 2020-02-20 VectorCAST: Integrated Traceability Solutions for Development of...
Sie haben technische Fragen und suchen nach einer passenden Antwort? Unsere KnowledgeBase hält die wichtigsten FAQs für Sie bereit!
Downloads
-
2021-01-11 Add-On/FreewareVector MATLAB/Simulink MC Add-On 15.0 (64 Bit)
-
2020-12-18 DemoCANape 19.0 Demo
-
2020-11-06 Service PackCANape 17.0 SP6
-
2020-11-02 PressemitteilungADAS-Daten zeitsynchron aufzeichnen mit der neuen Logging-Lösung von Vector
-
2020-10-26 Service PackCANape 18.0 SP4
-
2020-10-23 Add-On/FreewareVector MATLAB/Simulink MC Add-On 14.0.30 (64 Bit)
-
2020-10-23 Add-On/FreewareVector MATLAB/Simulink MC Add-On 14.0.30 (32 Bit)
-
2020-08-14 ProduktbeschreibungCANape log
-
2020-04-17 Service PackCANape 16.0 SP7
-
2019-07-16 Service PackCANape 14.0 SP5 HF2
News & Veranstaltungen
Aktuell sind keine Events geplant. Sie finden die vollständige Event-Liste auf der Event-Seite .
Training

CANape Grundlagen Workshop
In den angebotenen Workshops erwerben Sie ein grundlegendes Verständnis von CANape.
Sie haben bei Vector die Möglichkeit Ihre CANape Kenntnisse auf vielfältige Weise aufzubauen und zu erweitern. Als Einstieg in CANape empfehlen wir unseren CANape Grundlagen Workshop. Für die angebotenen Aufbaukurse empfehlen wir zunächst den Besuch des Basiskurses. Es können jedoch alle Kurse unabhängig voneinander gebucht werden.