Lidar

Erster Fahrtest erfolgreich // First driving test successful

von

Die Arbeitsgruppe „Virtual System Development“ des Fraunhofer-Instituts IIS/EAS führte in KW 7 erste Versuche mit ihrer Messtechnik auf dem HTWD-Prüffeld erfolgreich durch. Es wurden verschiedene Szenarien aus dem urbanen Bereich mit dem Umfeld-Modul des Institutes aufgenommen. Eine erste Auswertung zeigt die Leistungsfähigkeit der Sensorik und der zugehörigen Erkennungssoftware. Ansprechpartner für weitere Informationen ist Gruppenleiter Dr. Christoph Sohrmann.

Der Kontakt zur Arbeitsgruppe entstand auf der VDI-Tagung Umfelderfassung im November 2023. Danach wurde eine Zusammenarbeit zwischen dem Institut, der HTW Dresden (Mechlab) und der Firma tracetronic vereinbart. Der Testlauf auf dem Prüffeld war hierbei nach gegenseitigen Besuchen die erste konkrete Umsetzung. Nachfolgend zu sehen sind einige Impressionen der Datenaufnahme sowie eine erste Auswertung (Rohdaten und Objekterkennung).

The „Virtual System Development“ working group of the Fraunhofer Institute IIS/EAS successfully carried out the first tests with their measurement technology on the HTWD test field in week 7. Various scenarios from the urban area were recorded using the institute’s environment module. An initial evaluation shows the performance of the sensors and the associated detection software. The contact person for further information is group leader Dr. Christoph Sohrmann.

Contact with the working group arose at the VDI “Environmental Perception” conference in November 2023. A collaboration was then agreed between the institute, HTW Dresden (Mechlab) and the company tracetronic. The test run on the test field was the first activity after mutual visits. Below you can see some impressions of the data recording as well as an initial evaluation (raw data and object recognition).

Video der Rohdaten // Video of raw data
Video der Objekterkennung // Video of object detections

Mechlab @ Forst – Vermessung von Rückegassen mit einen Laserscanner

von

Mit dem Ziel zukünftige forsttechnische Maschinen zu automatisieren, soll der Baumbestand von Rückegassen über einen Lidar erkannt und als Referenz zur Positionierung verwendet werden. Im Rahmen einer Bachelorarbeit wurden drei Gassen im Tharandter Wald exemplarisch ausgewählt und mit einen Laserscanner (Ouster OS1) vermessen. Zur Bewertung der Messungen wurde der Baumbestand entlang der Gasse über ein Tachymeter vermessen.

Erfassung der Rückegasse über den Ouster OS1 Lidar sowie Erfassung der Position über ein Leica Rover System
Punkdaten des Ouster OS1

Die Punktdaten des Lidar wurden über eine Cropbox und anschließender Filterung (Voxel, Statistical-Outlier-Removal) reduziert. Über einen RANSAC wurde der Untergrund entfernt. Das anschließende Clustern erfolgte über einen euklidischen Ansatz. Als Ergebnis ist der Baumbestand als Bounding Box dargestellt.

Segmentierte Punktwolke und Darstellung des erkannten Baumbestandes als Bounding Box

Final können die Objekte des Lidar mit den Daten des Tachymeter verglichen und bewertet werden.

Darstellung der Lidar Objekte und der georeferenzierten Daten des Tachymeter

Der Baumbestand in lichten Rückegassen wird sehr gut über das Verfahren erkannt. Eine Positionierung und Navigation von automatisierten Forstfahrzeugen wäre unter diesen Bedingungen und mit der Verwendung eines Lidar möglich. Weniger erfolgreich ist dieser Ansatz bei einem dichten Baumbestand. An dieser Stelle versagen die einfachen Methoden der Punktdatensegmentierung. Hier sind neue Ansätze und ergänzende Technologien gefragt.

Objekterkennung in einem dichten Baumbestand. Durch die Belaubung können die Baumstämme nicht erkannt werden. Die Genauigkeit zur Positionierung eines automatisierten Forstfahrzeuges ist unter diesen Bedingungen nicht gegeben.

Google bekommt Lizenz zur autonomen Fahrt

von

Gestern war ein guter Tag für die autonome Fahrzeugwelt. Google hat in Nevada, U.S.A. die Lizenz zur autonomen Fahrt mit einer Testflotte, bestehend aus 6 Toyota Prius, einem Audi TT und einem Lexus RX450h, erteilt bekommen. Somit können die Fahrzeuge Testkilometer absolvieren, welche anschließend in einer Verbesserung der Algorithmen einfließen und somit zur Verbesserung der Fahrzeuge beitragen werden.

Projektleiter und ehemaliger Stanford Professor Sebastian Thrun räumt im Interview ein, dass derzeit alle paar Tausend Kilometer ein Eingriff der immer an Bord sitzenden Testfahrer notwendig ist. Diesen Zustand gilt es zu verbessern, sodass die Fahrzeuge statistisch weniger Fahrfehler machen als ein ausgeruhter, junger Durchschnittsfahrer.