Safety-Aware Radar Data Processing in Automated Parking Functions

Die Entwicklung automatisierter Parkfunktionen befindet sich an der Schwelle eines Automatisierungsgrades, der den Nutzer vollständig von der Fahraufgabe entbindet. Da damit der menschliche Fahrer künftig als Rückfallebene entfällt, steigen die Sicherheitsanforderungen an hochautomatisierte Parkfunktionen erheblich. Eine Gefährdung anderer durch die Funktion muss weitestgehend eliminiert werden. Durch die Vorteile bei der Distanz- und Geschwindigkeitsmessung kommt der radarbasierten Wahrnehmung der Umgebung hierbei eine zentrale Rolle zu.

Diese Dissertation präsentiert eine Methode zur Verarbeitung von Radardaten, die auf die steigenden Sicherheitsanforderungen hochautomatisierter Parkfunktionen zugeschnitten ist und auf mehreren Abstraktionsebenen ansetzt. ... mehrBestehende Verfahren reduzieren das messprinzipbedingte Rauschen durch Filteroperationen, entfernen dabei jedoch potenziell relevante Informationen. Im Gegensatz dazu bewertet die hier vorgeschlagene Methode die Kritikalität sämtlicher Radardaten innerhalb jedes Verarbeitungsschritts anhand eines Fahrschlauchs, der den Raum beschreibt, den das Ego-Fahrzeug in naher Zukunft einnehmen wird. Als kritisch identifizierte Radardaten umgehen die Filteroperationen über Bypässe und bleiben somit garantiert für den Planer verfügbar. Die Arbeit betrachtet die vollständige Radarverarbeitungskette, die ausgehend von den Radar-Rohdaten zunächst ein Spektrum, dann eine Punktwolke, Radar-Cluster und schließlich Objekthypothesen bildet. Die beschriebene Kritikalitätsbewertung ist unabhängig von der jeweiligen Verarbeitungsstufe anwendbar. Für jede Stufe werden spezifische Strategien diskutiert, die das Extrahieren weiterer Hinweise auf kritische Informationen ermöglichen. Diese Strategien beziehen auch den temporalen Kontext bereits verarbeiteter Datenmengen mit ein, um zuvor verworfene Informationen wiederherstellen zu können. Zudem wird eine systematische Vorgehensweise zur Bestimmung der resultierenden Fehlerrate vorgestellt. Die Ansätze werden sowohl anhand bestehender Datensätze als auch in einem Realexperiment evaluiert. Darüber hinaus wird die Annahme, dass das Verwerfen von Informationen zu kritischen Situationen führen kann, von der Objekterkennung auf die Bewegungsschätzung übertragen. Auch hierfür wird ein Konzept zur Erkennung und Verhinderung kritischer Aktionen entwickelt und verifiziert.

Indem die Datenverarbeitung auf Basis der durch den Fahrschlauch des Fahrzeugs vorgegebenen Kritikalitätsbewertung vorgenommen wird, verbindet die vorgestellte Methode Wahrnehmungs- und Planungsfunktion. Zusammen mit leistungsfähigen Radarsensoren schafft sie damit die Grundlage für den Einsatz von Radarsensoren in hochautomatisierten Parkfunktionen mit garantierten Fehlerraten.

The development of automated parking functions is reaching a level of automation that fully relieves the user from the driving task. As the human driver will no longer serve as a fallback, the safety requirements for highly automated parking functions increase significantly. Any potential hazard of other road users by the function must be eliminated to the greatest extent possible. Due to its advantages in distance and velocity estimation, radar-based environment perception plays a central role in this context.

This thesis presents a method for radar data processing that is tailored to the increasing safety demands of highly automated parking functions and is applicable at multiple abstraction levels. ... mehrExisting approaches reduce noise inherent to the measurement principle by applying filtering operations, but in doing so may also remove potentially relevant information. In contrast, the method proposed here evaluates the criticality of all radar data within each processing step based on a driving tube that represents the space the ego vehicle will occupy in the immediate future. Radar data identified as critical are bypassed around the signal processing chain and thus remain guaranteed available to the planner. The work considers the complete radar data processing chain, which derives a spectrum from the raw radar data, then generates a point cloud, radar clusters, and ultimately object hypotheses. The proposed criticality assessment is designed to be independent of the respective processing stage. For each stage, specific strategies are discussed that enable the extraction of further indicators of critical information. These strategies also extend into the temporal context of previously processed data in order to recover information that would otherwise have been discarded. In addition, a systematic procedure is introduced to determine the resulting error rate. The proposed approaches are evaluated using existing datasets and in a real-world experiment. Moreover, the idea that discarding information may lead to critical situations is transferred from object detection to motion estimation. For this domain as well, a concept for recognizing and preventing critical actions is developed and verified.

By performing data processing based on the criticality assessment defined by the vehicle’s driving tube, the proposed method connects the perception with the planning function. Together with high-performance radar sensors, it establishes the foundation for deploying radar sensors in highly automated parking functions with guaranteed error rates.