Die Entwicklung des autonomen Fahrens ist dabei, die globale Automobilindustrie zu verändern. Bis 2026 wird der Markt für autonome Fahrzeuge (AV) voraussichtlich 557 Milliarden US-Dollar erreichen, was das enorme Wachstumspotenzial dieser Technologie verdeutlicht. Weltweit sind derzeit mehr als 500 Unternehmen an der Entwicklung der autonomen Fahrzeugtechnologie beteiligt, wobei die wichtigsten Akteure in den USA, China und Deutschland ansässig sind. Es wird erwartet, dass die Zahl der autonomen Fahrzeuge auf den Straßen von 8,5 Millionen im Jahr 2019 auf mehr als 20 Millionen im Jahr 2030 ansteigen wird.
Darüber hinaus wird die Branche das autonome Fahren der Stufe 3 (L3) einführen, das unter bestimmten Bedingungen ein freihändiges Fahren ermöglicht, wobei die Premium-Automobilhersteller planen, solche Funktionen bis 2024 in ihren Spitzenmodellen einzuführen. Ab 2023 entwickeln sich die rechtlichen Rahmenbedingungen für diese Fortschritte, insbesondere in Nordamerika, Europa und Asien, und ebnen den Weg für eine breitere Einführung.
Verschiedene Sensoren sorgen für sofortiges Umweltbewusstsein beim autonomen Fahren
Navigieren in die Zukunft: Das Niveau des autonomen Fahrens verstehen
Die Zukunft des Verkehrswesens wird durch die Technologie des autonomen Fahrens vorangetrieben. Durch den Einsatz fortschrittlicher Computertechnik, künstlicher Intelligenz, Kartierungs- und Sensorsysteme sollen autonome Fahrzeuge ein höheres Maß an Sicherheit und Effizienz erreichen als menschliche Fahrer. Die Society of Automotive Engineers (SAE) hat sechs Stufen der Fahrautomatisierung definiert, die von Stufe 0 (keine Automatisierung) bis Stufe 5 (vollständige Automatisierung) reichen.
Die meisten Fahrzeuge, die heute mit autonomen Fahrsystemen ausgestattet sind, fallen in die Kategorie Level 2 (L2). Diese Systeme, die oft als fortschrittliche Fahrerassistenzsysteme (Advanced Driver Assistance Systems, ADAS) bezeichnet werden, bieten Funktionen wie Spurhalte- und adaptive Geschwindigkeitsregelsysteme. Das autonome Fahren der Stufe L2 verbessert das Fahrerlebnis in Szenarien wie dem Fahren auf der Autobahn, kann aber komplexe Straßenverhältnisse nicht autonom bewältigen. Der Fahrer muss immer noch ständig auf die Straßeninformationen achten und das Fahrzeug bedienen.
Die Automatisierungsstufe 3 (L3), die auch als bedingte Automatisierung" bezeichnet wird, verlässt allmählich das Labor und hält Einzug in unseren Alltag. Auf dieser Stufe können Fahrzeuge die meisten Fahraufgaben selbstständig ausführen, einschließlich Navigation, Spurwechsel und Reaktion auf die Verkehrsbedingungen. Der Fahrer muss zwar immer noch die Arbeit des Fahrzeugs überwachen, um Unfälle zu vermeiden, aber die Zahl der erforderlichen Vorgänge ist stark reduziert.
Robotaxi von Baidu, Autonom fahrendes Taxi, ausgestattet mit CHCNAV-Sensor
Die Rolle von GNSS in Ökosystemen für autonomes Fahren
Vereinfachte Architektur für autonomes Fahren
Autonome Fahrsysteme der Stufe 2 und höher benötigen ein umfassendes Sensor-Ökosystem, um die für die Entscheidungsfindung erforderlichen Umgebungsinformationen und Positionsdaten zu liefern. Dieses Ökosystem umfasst in der Regel:
Situationserkennungssensoren
- RGB-Kameras: Liefern visuelle Informationen.
- LiDAR (Light Detection and Ranging): Bietet präzise 3D-Kartierung.
- Millimeterwellen-Radar: Erfasst Objekte und misst die Geschwindigkeit.
- Ultraschallsensoren: Werden für die Hinderniserkennung im Nahbereich eingesetzt.
Ortung und Navigation
- GNSS/INS-Systeme: Liefern genaue Standort- und Zeitinformationen, die für die autonome Navigation unerlässlich sind.
Die GNSS/INS-Kombination ist von grundlegender Bedeutung, da sie das Rückgrat für das Situationsbewusstsein und die Entscheidungsfindung von Fahrzeugen bildet. Diese Technologie ermöglicht es den Fahrzeugen, ihre Position auf der Straße genau zu bestimmen, sich in komplexen Straßennetzen zurechtzufinden, fundierte Entscheidungen über die Streckenführung und das Manövrieren zu treffen und sich mit anderen Fahrzeugen und der Infrastruktur zu synchronisieren.
GNSS/INS-Sensoren: Überwindung von Herausforderungen bei der autonomen Fahrzeugnavigation
Im Gegensatz zu GNSS-Empfängern, die in Vermessungsanwendungen eingesetzt werden, stehen diejenigen, die für das autonome Fahren entwickelt wurden, vor einer Reihe von besonderen Herausforderungen:
- Höhere Positionierungsgenauigkeit: Autonome Fahrzeuge benötigen eine Genauigkeit im Submeter- oder sogar Zentimeterbereich, um zu bestimmen, in welcher Spur sich das Fahrzeug befindet. Hohe Gebäude in Stadtzentren können Satellitensignale blockieren, was die Anzahl der für den Empfänger sichtbaren Satelliten verringert und möglicherweise die kinematischen Echtzeitverbindungen (RTK) stört. Darüber hinaus können Mehrwegeffekte, die durch Signalreflexionen an Gebäuden verursacht werden, die Ortungsgenauigkeit beeinträchtigen.
- Anpassungsfähigkeit an die Umwelt: GNSS-Empfänger in Fahrzeugen müssen mit ständigen Vibrationen und extremen Temperaturschwankungen zurechtkommen. Abgesehen von der physischen Zuverlässigkeit ist die Aufrechterhaltung einer gleichbleibenden Positionsgenauigkeit für ein sicheres Fahren entscheidend.
- Präzise Positionierung in Echtzeit: Autonome Fahrzeuge müssen selbst in schwierigen Umgebungen wie Straßenschluchten, unter Überführungen und in Tunneln, wo GNSS-Signalverluste und RTK-Verbindungsunterbrechungen an der Tagesordnung sind, genaue Positionsdaten in Echtzeit liefern.
Komplexe städtische Fahrbedingungen
Eng gekoppelte GNSS- und INS-Systeme: Das Rückgrat einer zuverlässigen autonomen Navigation
Ein eng gekoppelter GNSS- (Global Navigation Satellite System) + INS-Empfänger (Inertial Navigation System) ist eine fortschrittliche Technologie, die die Navigationsgenauigkeit, Zuverlässigkeit und Robustheit erheblich verbessert. Dieses System integriert die satellitengestützte Positionsbestimmung mit Trägheitsmessungen und ist daher für Anwendungen, die eine präzise Navigation erfordern, wie autonome Fahrzeuge, Luft- und Raumfahrt und Präzisionslandwirtschaft, unerlässlich.
In einem eng gekoppelten System arbeiten die GNSS- und INS-Sensoren in enger Abstimmung. Die GNSS-Komponente liefert globale Positionsdaten, indem sie Signale von mehreren Satelliten empfängt, während das INS Beschleunigungsmesser und Gyroskope verwendet, um die Position, Geschwindigkeit und Ausrichtung des Empfängers relativ zu einem bekannten Ausgangspunkt zu verfolgen. Im Gegensatz zu einem lose gekoppelten System, bei dem GNSS und INS weitgehend unabhängig voneinander arbeiten und die Integration erst auf der Ausgangsebene erfolgt, werden bei einem eng gekoppelten System die Rohdaten beider Sensoren in einem viel früheren Stadium zusammengeführt. Diese Fusion erfolgt in der Regel im Rahmen eines Kalman-Filters, der kontinuierlich GNSS-Pseudoentfernungs- und Doppler-Messungen zusammen mit Rohdaten über Beschleunigung und Drehrate vom INS verarbeitet.
Der Hauptvorteil eines eng gekoppelten Systems ist die Fähigkeit, auch in schwierigen Umgebungen, in denen GNSS-Signale schwach oder behindert sein können, eine genaue Navigationslösung zu erhalten. Das INS liefert kontinuierliche Navigationsdaten, die Lücken in der GNSS-Abdeckung füllen, während die GNSS-Daten dazu beitragen, die inhärente Drift des INS über die Zeit zu korrigieren. Diese Synergie führt zu einer zuverlässigeren und genaueren Navigationslösung als ein lose gekoppeltes System, das bei Ausfällen des GNSS-Signals Probleme haben kann.
Die fortschrittliche Lösung von CHCNAV: Die CGI GNSS+INS-Sensorserie
CHCNAV weiß, wie wichtig eine hochpräzise Positionierung beim autonomen Fahren ist. Unsere eng gekoppelten CGI GNSS+INS-Sensoren sind speziell für die präzise Positionierung und Navigation in einer Vielzahl von Fahrzeugen konzipiert. Der CGI-610 GNSS/INS-Sensor zum Beispiel löst diese Herausforderungen durch mehrere innovative Ansätze:
- Genauigkeit auf Zentimeter-Ebene: Der CGI-610 bietet eine Positionierungsgenauigkeit im Zentimeterbereich, die eine präzise Fahrzeuglokalisierung für einen sicheren autonomen Betrieb gewährleistet.
- Robuste Positionierung: Durch die Nutzung mehrerer GNSS-Konstellationen bietet der CGI-610 selbst in schwierigen städtischen Umgebungen eine zuverlässige Positionierung.
- Fortschrittliche Algorithmen: Diese ermöglichen eine schnelle Initialisierung und Rekonvergenz, wodurch Ausfallzeiten minimiert und die Zuverlässigkeit erhöht werden.
- Langlebigkeit: Der CGI-610 ist für den Einsatz unter verschiedensten Bedingungen ausgelegt, von extremen Temperaturen bis hin zu Umgebungen mit starken Vibrationen.
CHCNAV CGI-610 GNSS+INS-Sensor
Exzellenz unter Beweis stellen: Feldtest des CGI-610 in realen Szenarien
Um die Leistung des CGI-610 zu validieren, führte CHCNAV Feldtests in komplexen städtischen Umgebungen in Japan durch. Bei diesen Tests wurden die Genauigkeit und die Benutzerfreundlichkeit des Systems unter realen Bedingungen bewertet, einschließlich anspruchsvoller Szenarien wie städtischen Umgebungen, Hochstraßen, Autobahnen und Tunneln.
Testfahrzeug
Das CGI-610 wurde in einen Kleinlastwagen eingebaut und mit einer externen Antenne und einem GNSS-RTK-Korrekturnetz verbunden. Die Testergebnisse zeigten eine bemerkenswerte Leistung:
- Städtische Central Business District Road Szenarien: Die Positionierungsgenauigkeit des CGI-610 lag bei einem RMS-Wert von 0,7 m und einer Kursgenauigkeit von 0,1°.
- Offene städtische Straßen-Szenarien: Die Positionierungsgenauigkeit verbesserte sich auf einen RMS-Wert von 0,1 m, wobei die Kursgenauigkeit bei 0,1° lag.
- Komplexe Szenarien mit hohen Gebäuden in zentralen Geschäftsvierteln: Das CGI-610 behielt die Positionierungsgenauigkeit innerhalb von 0,5-1 m RMS und die Kursgenauigkeit um 0,1° bei.
- Tunnels: Die Positionierungsfehler nahmen proportional zur Tunnellänge zu, blieben aber maximal innerhalb von 1,5‰. Die RMS-Werte in Tunneln blieben insgesamt innerhalb von 0,5 m, die Kursgenauigkeit lag bei etwa 0,1°.
Die Grenzen verschieben: Die Zukunft der GNSS+INS-Technologie beim autonomen Fahren
Die Entwicklung der Technologie für autonomes Fahren steht vor großen technischen Herausforderungen. Eine der dringendsten ist die Gewährleistung der Zuverlässigkeit von Echtzeit-Umgebungssensoren. Diese Sensoren müssen Daten von verschiedenen und komplexen Fahrbedingungen, einschließlich Wetterschwankungen und städtischen Umgebungen, genau erkennen und interpretieren, was hohe Anforderungen an Komponentenhersteller und Automobilintegratoren stellt.
Als führendes Unternehmen im Bereich der GNSS+INS-Technologie setzt sich CHCNAV dafür ein, diese Anforderungen zu erfüllen und die Grenzen der GNSS-Technologie für das autonome Fahren weiter zu verschieben. Die neue Generation der CHCNAV-Empfänger, der CGI-830, baut auf den Stärken des CGI-610 auf und bietet erhebliche Verbesserungen bei der INS-Genauigkeit und der POS-Unterstützung.
Mit der Weiterentwicklung der Technologie für autonome Fahrzeuge wird die Nachfrage nach hochgenauen und zuverlässigen GNSS+INS-Lösungen weiter steigen. CHCNAV bleibt an der Spitze dieser Technologie und entwickelt innovative Lösungen, um die anspruchsvollen Anforderungen der Branche für autonomes Fahren zu erfüllen.
CHCNAV CGI-830 GNSS+INS
____
Über CHC Navigation
CHC Navigation (CHCNAV) entwickelt fortschrittliche Kartierungs-, Navigations- und Positionierungslösungen, die die Produktivität und Effizienz steigern. CHCNAV liefert innovative Technologien für Branchen wie Geodäsie, Landwirtschaft, Bauwesen und Autonomie, die Fachleute unterstützen und den Fortschritt in der Industrie vorantreiben. Mit einer weltweiten Präsenz in über 130 Ländern und einem Team von mehr als 1.900 Fachleuten ist CHC Navigation als führend in der Geospatial-Industrie und darüber hinaus anerkannt. Weitere Informationen über CHC Navigation [Huace:300627.SZ] finden Sie unter: www.chcnav.com
