ADAS
Bringen Sie Ihre ADAS-Projekte schnell und sicher auf die Spur

Advanced Driver Assistance Systems (ADAS)

Für die verschiedenen Aufgabenstellungen bei der Entwicklung von Fahrerassistenzsystemen (ADAS) bietet Vector Ihnen umfassende Lösungen in Form von Software- und Hardware-Tools sowie Embedded-Komponenten:

  • messtechnische Erfassung der Sensordaten
  • Überprüfung und Optimierung der Steuergerätefunktion
  • Softwarekomponenten
  • Algorithmus-Entwurf

Vorteile

  • Komplette und durchgängige ADAS-Werkzeugkette aus Tools, Softwarekomponenten, Algorithmen-Framework und Hardware
  • Schnelles Entwickeln, Debuggen und Testen von Multisensor-Applikationen durch Visual Studio Integration
  • Online- und Offlineverifikation durch Objektüberlagerung im Video sowie durch Darstellung in der Vogelperspektive
  • Einspielen von Testfahrten im Labor
  • Schnelle Steuergeräteanbindung zur Erfassung der Sensordaten
  • Rapid-Prototyping (Bypassing) für OEM-spezifische Entwicklung
  • Unterstützung bei der Entwicklung von Datenfusion im Rahmen von Dienstleistungen durch unseren Partner BASELABS

Überblick

Was sind "Advanced Driver Assistance Systems"?

Fahrerassistenzsysteme oder auch Advanced Driver Assistance Systems (abgekürzt ADAS) sind elektronische Komponenten im Fahrzeug. Diese

  • unterstützen den Fahrer,
  • erhöhen die Sicherheit,
  • verbessern den Komfort und die Ökonomie.

Entscheidender Erfolgsfaktor für das Unterstützen und Entlasten des Fahrers ist die vollständige Wahrnehmung des Umfelds mit allen relevanten Objekten. Dazu zählt auch das zuverlässige Abschätzen der zukünftigen Entwicklung eines Verkehrsszenarios. Unterschiedliche Sensoren erfassen dazu die Fahrzeugumgebung, die Messdaten werden in den Steuergeräten analysiert und fusioniert.

Herausforderungen bei der Entwicklung von ADAS

Aus unterschiedlichen Sensoren wie Radar, Lidar, Ultraschall, Laser und videobasierten Systemen müssen große Datenmengen zusammengeführt, visualisiert und validiert werden.

Grundlegende Aufgaben bei der Entwicklung von ADAS sind:

  • Entwicklung von Multisensor-Applikationen
  • Sensordatenfusion
  • Entwurf von probabilistischen Algorithmen
  • Integration der Bildverarbeitung
  • Automatisierte Auswertung großer Datenmengen
  • Objektvalidierung
  • Schneller Zugriff auf steuergeräteinterne Daten
  • Einbindung von Steuergeräten in ein Netzwerk

Fachartikel mit wertvollem Know-how

Grafik eines beispielhaften ADAS-Level-3-Setup mit Sensoren von fünf verschiedenen Zulieferern und fünf Aufzeichnungssystemen
Beispielhaftes ADAS-Level-3-Setup mit Sensoren von fünf verschiedenen Zulieferern und fünf Aufzeichnungssystemen

Logging-Herausforderungen für ADAS-Entwicklungen meistern

Je mehr Aufgaben Fahrerassistenzsysteme auf dem Weg zum autonomen Fahren übernehmen, desto höher ist die Anzahl an Sensoren von verschiedenen Zulieferern im Fahrzeug. Die perfekten Referenzdaten zum Testen liefern der reale Straßenverkehr in unendlicher Vielfalt. Zu diesem Zweck schicken OEMs und Systemlieferanten mit High-End-Datenloggern ausgestattete Testfahrzeuge auf die Straße, um anschließend in einer Re-Simulation bestimmte Verkehrssituationen exakt im Labor mit einem neuen Softwarestand zu überprüfen. Anstelle einer Vielzahl von Sensor-spezifischen Aufzeichnungssysteme sind skalierbare Ansätze und Strategien notwendig.

Millionen gefahrene Testkilometer, zehntausende Stunden Aufzeichnungsdauer, Terabyte an Logging-Daten bei höchsten Übertragungsraten – die Herausforderungen beim Erfassen von ADAS-Sensordaten sind äußerst vielfältig und komplex. Wie Sie mit der flexiblen Logging-Lösung von Vector Ihre ADAS-Sensordaten im Griff haben, erfahren Sie im Fachartikel.

Foto Autonomes Fahren
Die komplexe Hard- und Softwareumgebung beim autonomen Fahren wirft die Frage auf, wie Freigabeprozesse für diese Systeme gestaltet werden können.

ADAS-Testen mit vereinten Kräften – Der geschickte Griff in die Werkzeugkiste

Für den Einsatz moderner Fahrerassistenzsysteme sowie später des automatisierten Fahrens sind komplexe Tests unentbehrlich. Hierfür wiederum spielen die richtigen Werkzeuge eine entscheidende Rolle. Im Beitrag wird einen Beispielaufbau vorgestellt, dessen Ziel es ist, verschiedene Szenarien zum Testen einer Notbremsfunktion zu beschreiben. Die beteiligten Werkzeuge reichen von Requirements-Engineering über Umgebungssimulation bis zu Testautomatisierung und -design.

Case Study

Grafik Model-in-the-Loop-Testsystem zur automatisierten Bewertung von Fahrerassistenzfunktionen
Model-in-the-Loop-Testsystem zur automatisierten Bewertung von Fahrerassistenzfunktionen (schematisch)

Virtueller Model-in-the-Loop-Test für die Entwicklung von Fahrerassistenzsystemen

Durch die weiter steigende Komplexität der Funktionen mit Einbindung und Fusion verschiedener Sensoren, muss die Leistungsfähigkeit von Fahrerassistenzsystemen schon möglichst früh im Entwicklungszyklus bewertet werden. Optimalerweise erfolgt dies automatisiert und schon während der Modellierungsphase. Sollen auch Grenzszenarien mit in die Betrachtung einfließen oder Fälle, bei denen die Fahrdynamik Einfluss auf die Erkennungsleistung des Sensorsystems hat, muss ein Testsystem das Device-Under-Test im Closed-Loop-Betrieb prüfen können. Geeignete applikationsspezifische Metriken, insbesondere für die Bewertung der Datenfusion, stellen eine weitere Anforderung dar. Die Case Study zeigt eine Lösung basierend auf Tools von TASS, BASELABS und Vector.

Die Herausforderung: Datenfusion und Fahrfunktionen früh im Entwicklungszyklus bewerten

Die Lösung: Automatisierter Test der Algorithmen- und Funktionsmodelle in virtuellen Umgebungen

Die Vorteile: Frühzeitige objektive Bewertung der Fahrerassistenzfunktionen und Datenfusion anhand virtueller Szenarien

Tools & Hardware

Folgende Produkte von Vector unterstützen Sie bei der Validierung der Objektdaten sowie beim Test der Bildverarbeitungsalgorithmen:

Mit dem Mess- und Kalibrierwerkzeug erfassen Sie Sensor- und Steuergerätedaten, optimieren den Algorithmus und stimulieren reale oder virtuelle Steuergeräte.
Mit der optionalen Erweiterung von CANape verifizieren Sie die Ergebnisse der ADAS-Algorithmen. Erkannte Objekte aus dem Fahrzeug werden aus der Vogelperspektive und als Überlagerung im Videobild dargestellt.
vADASdeveloper stellt die Infrastruktur zur Entwicklung von Algorithmen für Fahrerassistenzsysteme und das automatisierte Fahren zur Verfügung. Das Werkzeug entlastet Sie bei der Entwicklung von Sensordatenfusions-Anwendungen.
Datenfusion von Kamera, Radar und LiDAR für den Einsatz in der Serie entwickeln Sie am effizientesten mit dem Algorithmen-Framework BASELABS Create Embedded. Es bietet Ihnen unter anderem umfangreiche Objektfusionsverfahren – toolunterstützt vom ersten Prototyp in der Vorentwicklung bis zur Serienproduktion.
Die Mess- und Kalibrierhardware nutzt das standardisierte Protokoll XCP on Ethernet für die hochperformante Datenübertragung zwischen dem Controller-Interface des Steuergeräts und dem PC.

Embedded Software

Im Bereich Embedded Software erhalten Sie mit dem Produkt MICROSAR eine Komplettlösung für die Basissoftware nach AUTOSAR. Dabei sind folgende MICROSAR Funktionen und Eigenschaften für ADAS-Projekte besonderes relevant:

Ethernet
Mit MICROSAR ETH erhalten Sie einen AUTOSAR-basierten Kommunikationsstack für den Datenaustausch in Automotive-Ethernet-Netzwerken. MICROSAR.ETH bietet die notwendigen Funktionalitäten und die Flexibilität für neuartige ADAS-Anwendungen.
AVB
Übertragen Sie Ihre Ethernet-basierten Audio- und Videodaten, wie sie für Assistenzsysteme benötigt werden, einfach und schnell mit MICROSAR AVB.
Safety
Sicherheitsrelevante Anwendungen nach ISO26262 setzen Sie mit dem umfangreichen Portfolio von MICROSAR Safe um.
Security
Sichern Sie Ihre Anwendungen gegen externe Angriffe mit MICROSAR Security. Nutzen Sie die darin enthaltenen kryptografischen Algorithmen, wie zum Beispiel Message Injection und Man-In-The-Middle Attacks in der Car2x-Funk-Kommunikation.
Zeitsynchronisation
Mit MICROSAR SYS können Sie verteilte Anwendungen auf unterschiedlichsten Netzwerken (CAN, FlexRay, Ethernet) zeitlich synchronisieren. Durch eine gemeinsame Zeit werden zum Beispiel Messdaten aus unterschiedlichen Quellen zusammengeführt.