Saxony5-Hackathon – Tag 1

Am 05.08.2019 startete der 1. Hackathon zum Thema „Automatisierte Fahrfunktionen“. Insgesamt 11 Studierende der HTWK Leipzig und der HTW Dresden wollen neue Funktionen für ein Versuchsfahrzeug entwickeln.

Das Hackathon-Team vor dem HTW-Technikum.

Der erste Tag stand im Zeichen der Vorstellung des Mechlab-Teams und der verfügbaren technischen Ausrüstung. Der aktuelle Stand im Versuchsträger BMW i3 wurde auf dem HTW-Prüffeld demonstriert. Die fachliche Betreuung wird von M. SC. Sven Eckelmann koordiniert.

Sven (wild gestikulierend) erklärt den Aufbau des Versuchsträgers.
Sven (immer noch wild gestikulierend) erläutert die Funktionsdemonstration.
Patrick (hinter der Fahrertür) nimmt die erste Gruppe in Empfang.
Erfolgreiche Testfahrt.

Applying Filters on LiDAR Point Clouds


The Point Cloud Library (PCL) offers great possibilities for processing large point clouds. In the following article the principle of different filters and its application on pointclouds from Velodyne Puck and Ouster OS1 LiDARs using ROS shall be described.

For quick configuration changes, all filter parameters can be changed via rqt dynamic reconfigure. So far 4 different types of filtration have been implemented:

Voxel Grid

This type of filter allows downsampling of large point clouds (PCL Voxel Grid Filter). The parameter leaf_size describes the length of a box in 3 dimensions, in which all points are reduced to one point.

Pass Through

A pass through filter allows to restrict point clouds in their dimensions (PCL Pass Through Filter). The parameters are the min and max value of the points in meters, which should (not) be filtered.

Outlier Removal

The library offers different types of filters to remove noise and outliers.

  1. Statistical Outlier Removal: The average distance from each point to its neighbours is calculated. Under the assumption that it is a gaussian distribution, a filtering can take place by using the parameters mean  and standard deviation (PCL Statistical Outlier Removal Filter).
  2. Radius Outlier Removal: We define a certain number of points, which must be present within a radius (PCL Radius Outlier Removal Filter).
  3. Conditional Removal: The filtering object depends on the defined conditon. A condition could be described as a comparison between 2 thresholds. For example a point musst be musst be greater than and less than a given size (PCL Conditonal Outlier Removal Filter). It’s functionality can be compared to the Pass Through Filter.

Intensity Filter

The intensity filter is not part of PCL but the library in addition with Boost can be used to implement such a filter. A point in a cloud needs at least 3 informations (x, y, z) and optionally additonal an intensity or color informations. In our case we will define the PCL point type pcl::PointXYZINow a PCL point cloud pointer with the specified point type can be created as a typedef:

typedef typename pcl::PointCloud::Ptr PointCloudPtr

With Boost it’s easy to iterate through a sequence. Each point is assigned an intensity, which is compared afterwards:

BOOST_FOREACH (const pcl::PointXYZI &pt, input_cloud->points) {
    if (pt.intensity > intensity_threshold)) {
    output_cloud->points.push_back(PointXYZI_(pt.x,pt.y,pt.z,pt.intensity));
    }
}

PointXYZI_ is a inline helper function because the PCL library does not provide a PointXYZI constructor for all needed fields (x, y, z, intensity). Now the whole filter can be implemented as a class method:

PointCloudPtr
LaneClustering::intensityFilter (PointCloudPtr input_cloud, double& intensity_threshold)
{
    PointCloudPtr output_cloud (new pcl::PointCloud());
    BOOST_FOREACH (const pcl::PointXYZI& pt, input_cloud->points) {
        if (pt.intensity > intensity_threshold) {
            output_cloud->points.push_back(PointXYZI_(pt.x,pt.y,pt.z,pt.intensity));
        }
    }

    return (output_cloud);
}

The following image shows the application of the filter with different intensity thresholds to a point cloud of an Ouster OS1 lidar with 64 layers:

It is easy to see that many parts of the point cloud are filtered even at a very low limit value. From a value above 750 almost all points except the road markings are removed. If the limit value is further increased, parts of the track marking are also omitted and only the part with a retro-reflective marking remains.

The following videos show the application of all filters on point clouds from a Velodyne Puck and an Ouster OS1 lidar.

Mechlab @ Cooper University NYC

Cooper University NYC

Im Rahmen von NIVES bestand die Möglichkeit, unsere Aktivitäten mit der Cooper University in New York zu diskutieren und zukünftige gemeinsame Projekte zu besprechen. Als Ziel wurde die Entwicklung eines Mobilitätskonzeptes vereinbart, welches über den gemeinsamen Austausch von Studenten und Lehrkräften beider Hochschulen bearbeitet werden soll. Im Hinblick der Automatisierung wurden Testfelder in NYC, wie beispielsweise Gouverment Island besichtigt.

Untersuchung von neuen Fahrspurmarkierungen

Am 26.04.2019 starteten die Tests der retroreflektierenden und kontrastverstärkten Fahrspurmarkierungen der Firma 3M im 2-Wochen Rhythmus. Zuerst werden Messungen der ungereinigten Markierung mit einem Laserscanner durchgeführt. Nach einer Reinigung mit der bereitgestellten Kehrmaschine aus dem Projekt EBALD wird eine weitere Messung durchgeführt. Außerdem gab es bisher eine Vergleichsmessung unter leichtem Regen als Zusatzmessung.

Die Farbe spiegelt die Intensität der Datenpunkte des Laserscanners dar, von blau für weniger intensiv bis orange für intensiver. Das Koordinatensystem ist auf dem Testfeld angelegt. Die Positionierung über die die gewonnen Laserdaten aufgetragen werden erfolgt über eine Sensordatenfusion mit extended Kalman-Filter. Daher kommen auch Ungenauigkeiten in der Transformation der Punkte auf das Testfeld. Die verbesserte äußere Fahrspur ist im Vergleich zur inneren deutlich gelber zu erkennen. Die zweite blaue Punktlinie am äußeren Rand stammt von den Banden rund um das Prüffeld (2).

Untersuchte Einflüsse

Verschmutzung

Im Laufe des Frühlings kam es vor allem zu starken Blütenanlagerungen durch die Bäume auf und in der Nähe der Markierungen (5-8). Dabei ist besonders anzumerken, dass durch die Anrauhung eine erhöhte Verschmutzung auf den neuen Markierungen festzustellen ist. Auch wenn hier die Schrägung des Testfeldes berücksichtigt werden sollte, die den Effekt verstärkt. Die Säuberung wird mit einer einmaligen Fahrt vorgenommen, um nicht zu sehr von Realbedingungen abzuweichen. Beide Markierungen können gleich gut gereinigt werden.

Bei der vollständigen Überdeckung ist die Intensität logischerweise stark verringert (3), außerdem sind die Punkte zerstreut. Nach der Reinigung stellt sich der Normalzustand ein (4). Bei der leichten Verschmutzung sind die gleichen Effekte, allerdings in deutlich geringerem Ausmaß, zu beobachten (10). Trotz der stärkeren Verschmutzung liefert hier die neue Markierung immer noch bessere Daten als die herkömmliche.

Regen

Der Einfluss durch Regen ist die größte Stärke im Vergleich zu herkömmlichen Fahrspurmarkierungen.

Im Bild ist deutlich zu sehen, dass trotz eines verringerten Intensitätsfilters bei leichter Feuchte die innere Markierung kaum zu sehen ist (11). Auch die Intensität der speziellen Markierung ist verringert, aber noch deutlich auszumachen. Hierbei bewältigt die neue Fahrspurtechnologie das Problem von Lidar mit feuchter Straße sehr gut.

Beschädigung

Der bis jetzt am geringsten zu spürende Einfluss, ist die Verminderung der Reflektivität durch die regelmäßige Belastung auf die Markierungen durch die Metallborsten der Kehrmaschine. Nach 4 Reinigungen ist kein Unterschied zu erkennen. (Vgl. 14 und 15)

Allerdings kam es bereits zu leichten Ablösungen und Fadenziehen an den Übergangsstellen. (16-20)

Hierbei ist anzumerken, dass die Anbringung der Markierungen nicht ideal erfolgte. Sie wurden mit nicht optimalem Kleber über den herkömmlichen Markierungen angebracht, wie es normalerweise nicht vorgesehen ist.

Bisheriges Fazit

Die retroreflektierenden Fahrspurmarkierungen erfüllen ihren Zweck gut und halten den Belastungen im Allgemeinen stand. Sie verbessern die wahrgenommene Intensität durch Lidar deutlich. Allerdings sind die Probleme mit dem bisherigen Einzelfall der sehr starken Verschmutzung und der Beschädigung weiter im Auge zu behalten.

Nach der Testphase auf dem Prüffeld werden die Tests auf der B170 fortgesetzt.

MdB Stephan Kühn zu Besuch bei Mechlab

Der Bundestagsabgeordnete Stephan Kühn (Bündnis90 / Die Grünen) informierte sich auf seiner ElektromobilTour 2019 über aktuelle Entwicklungen im Bereich automatisierter Fahrfunktionen. Das Mechlab-Team konnte hier detaillierte Informationen zur Umfeldsensorik und zu Test- und Freigabeverfahren liefern. Die bestehenden Probleme bei der genauen Lokalisierung im urbanen Bereich wurden dann auf einer Fahrt im automatisierten Testfahrzeug demonstriert. Prinzipiell ist die Technik aber in der Lage, automatisierte Fahrdienste im unteren Geschwindigkeitsbereich zu ermöglichen. Damit könnte bereits jetzt für das Thema Car-Sharing in Verbindung mit einer zentralen Ladeinfrastruktur ein attraktives Angebot zur Verringerung der Gesamtzahl an Fahrzeugen OHNE persönliche Mobilitätseinschränkungen geschaffen werden.

Herr Kühn (rechts) und Frau Schubert werden vom Rektor der HTW Dresden, Prof. Roland Stenzel, begrüßt.
M. Sc. Marcus Degenkolbe erläutert den technischen Aufbau auf dem HTW-Prüffeld.
M. Sc. Patrick Richter erläutert die Technik in Versuchsträger.
MdB Stephan Kühn auf Testfahrt mit dem Mechlab-Versuchsträger.

Mechlab@LNDW2019 – Resümee

In diesem Jahr konnte das Mechlab-Team mit der automatisierten Fahrt das zahlreich erschienene Publikum begeistern. Insbesondere die gut aufbereitete Darstellung der Umfeldsensorik fand großes Interesse bei den Zuschauern. Viele Fragen zum Potential und zur Einführung automatisierter Fahrzeug konnten so anschaulich erklärt werden. Das Video zeigt die Perspektive aus dem Leitstand.

Mechlab@LNDW2019 – Visualisierung

Auf diesem Video sieht man sehr gut, wie Personen durch einen Laserscanner delektiert werden.

Mechlab@LNDW2019 – Personendetektion

Hier noch einige Impressionen des Abends.

Mechlab@LNDW

In diesem Jahr kann das Mechlab-Team erstmals für Besucher eine automatisierte Fahrt auf dem HTW-Prüffeld anbieten. Dank intensiver Vorbereitung ist es gelungen, den BMW i3 entlang einer GPS-Trajektorie fahren zu lassen. Das ist zwar etwas ungenau, zeigt aber zumindest das Potential einer solchen Routenführung auf. Nicht immer sind Fahrspurinformationen oder vorausfahrende Fahrzeuge vorhanden, so dass die Ortung an GPS-Koooerinaten oder anderen Landmarken ein wichtiger Beitrag für die Fahrzeugautomatisierung ist. Auf einem Prüfstand werden zudem der technische Umbau des Renault-Twizy und die Funktionsweise einer optischen Spurführung erläutert.

Testfahrt für die LNDW 2019

Mechlab@China – Tag 4

Der heutige Tag stand ganz im Zeichen der fachlichen Beratungen. Los ging es am Vormittag in der Universität mit der Vorstellung der Arbeitsgruppe für das automatisierte Fahren. Dabei zeigten sich sehr gute Möglichkeiten für eine Zusammenarbeit, insbesondere auf dem gebiet der Radarsensorik. Dr.-Ing. Kann Liu und Jiang Bin stellten ihre Forschungen sowie ihre deutsche Firma Einstein E-Tech GmbH vor.

Dr.-Ing. Kann Liu erläutert die Live-Messung mit dem Radar-Sensor

Am Nachmittag fand bei der Wirtschaftsförderung eine weitere Beratung mit der Vorstellung von zwei weiteren Unternehmen statt. Danach klang der Abend in etwas kleiner Runde bei leckeren Sushi aus. Dabei wurden mit Liu und Bian konkrete Arbeitspunkte für die kommenden Monate besprochen.

Beratung in der Wirtschaftsförderung
Projektberatung in entspannterer Atmosphäre

Mechlab@China – Tag 3

Nachdem der gestrige Tag der Fahrt nach Hangzhou gewidmet war, ging es heute an die Jiliang-Universität. Diese Spezialhochschule für Metrologie soll künftiger Kooperationspartner der HTW Dresden werden. Zunächst gab es eine Campusführung sowie einen Besuch im Metrologie-Museum.

Verabschiedung der Absolventen vor dem Bibliotheksgebäude.
Erläuterung der Historie der Zeitmessung in China.

Am Nachmittag erfolgte ein Besuch in der Firma „Hangzhou Wolei Intelligent Sci-tech Co. Ltd“, einem Hersteller von Prüfgeräten für die Automobilindustrie. Hier gibt es schon Kooperationsbeziehungen zu Dresdner Firmen, die künftig noch ausgebaut werden sollen. Beim Rundgang erhielt man einen guten Überblick über die Produktpalette.

Maschinen für die automatische Prüfung von Bremsenkomponenten.