KI in selbstfahrenden Autos

Selbstfahrende Autos sind längst keine futuristische Idee mehr; sie werden Realität, angetrieben durch Fortschritte in der künstlichen Intelligenz (KI) für das autonome Fahren. Diese Fahrzeuge sind in hohem Maße auf fortschrittliche KI-Systeme angewiesen, insbesondere auf Computer Vision, um ihre Umgebung zu verstehen und zu interpretieren. Diese Technologie ermöglicht es ihnen, Objekte zu identifizieren, Straßenschilder zu erkennen und in Echtzeit sicher durch komplexe Umgebungen zu navigieren.

Da der globale Markt für autonome Fahrzeuge im Jahr 2021 auf über 27 Milliarden US-Dollar geschätzt wurde – und bis 2026 voraussichtlich auf fast 62 Milliarden anwachsen wird –, ist klar, dass KI für autonomes Fahren die Zukunft des Transports gestaltet. In diesem Artikel werfen wir einen genaueren Blick darauf, wie Computer Vision in selbstfahrenden Autos angewendet wird. Wir behandeln wichtige Anwendungen wie Fußgängererkennung, Verkehrsschilderkennung und Spurhaltesysteme und zeigen auf, wie diese Innovationen die Zukunft des Fahrens verändern.

Link to this sectionDie Rolle der KI in selbstfahrenden Autos#

KI kann selbstfahrende Autos maßgeblich dabei unterstützen, ihre Umgebung zu verstehen und Entscheidungen in Echtzeit zu treffen. Lass uns untersuchen, wie KI, neben ihren vielen anderen Anwendungen, bei der Fußgängererkennung und der Verkehrsschilderkennung hilft – zwei Schlüsselelemente, die die Zuverlässigkeit des autonomen Fahrens verbessern.

Link to this sectionKI für die Fußgängererkennung#

Fahren erfordert ständige Konzentration und Aufmerksamkeit für das, was um dich herum passiert, während du am Steuer sitzt. KI in selbstfahrenden Autos kann bei zahllosen Aspekten des täglichen Gebrauchs unserer Autos helfen. Zum Beispiel kann KI eine wichtige Rolle beim Schutz von Fußgängern spielen, indem sie diese erkennt und ihre Bewegungen vorhersagt. Laut der "Studie zur Fußgängererkennung in selbstfahrenden Autos" beginnt dieser Prozess mit den Kameras des Autos, die rund um das Fahrzeug angebracht sind, um eine vollständige Sicht auf die Umgebung einschließlich Straßen, Gehwegen und Zebrastreifen zu erfassen. Diese Kameras nehmen kontinuierlich visuelle Daten auf, die dem Auto helfen, Fußgänger selbst in belebten oder schwierigen Situationen zu "sehen".

The visual data collected can then be processed using computer vision models such as Ultralytics YOLOv8. To do so, the first step is using object detection which entails identifying the location of potential objects, such as pedestrians, vehicles, and traffic signs, within the image. Once detected, the AI model moves to the next step, which is classification—determining what each detected object actually is. The models are trained on vast datasets, enabling them to recognize pedestrians in various poses, lighting conditions, and environments, even when they are partially obscured or in motion.

Während einige Computer-Vision-Modelle hervorragend bei der Erkennung und Klassifizierung sind, konzentrieren sich andere auf Aufgaben wie die Vorhersage der Bewegungen erkannter Fußgänger. In diesen Systemen geht das KI-Modell, sobald ein Objekt als Fußgänger klassifiziert wurde, einen Schritt weiter und sagt dessen nächste Bewegung voraus. Wenn zum Beispiel jemand am Rand eines Zebrastreifens steht, kann das Auto antizipieren, ob die Person auf die Straße treten könnte. Diese Vorhersagefähigkeit ist entscheidend, damit das Fahrzeug in Echtzeit reagieren kann, indem es abbremst, anhält oder die Richtung ändert, um potenzielle Gefahren zu vermeiden. Um diese Entscheidungen noch intelligenter zu machen, können KI-Systeme die visuellen Daten der Kameras mit Eingaben anderer Sensoren wie LIDAR kombinieren, was dem Auto ein umfassenderes Verständnis seiner Umgebung verschafft.

Abb. 1. Ultralytics YOLOv8 bei der Erkennung eines Fußgängers.

Link to this sectionKI für die Verkehrsschilderkennung#

Die Verkehrsschilderkennung, kurz TSR, ist ein weiterer wichtiger Teil von selbstfahrenden Autos. Sie hilft dem Fahrzeug, Straßenschilder wie Stoppschilder, Geschwindigkeitsbegrenzungen und Fahrtrichtungen in Echtzeit zu erkennen und darauf zu reagieren. Dies stellt sicher, dass das Auto Verkehrsregeln befolgt, Unfälle vermeidet und den Passagieren eine reibungslose und sichere Fahrt ermöglicht.

Das Herzstück von TSR sind Deep-Learning-Algorithmen, die die Kameras des Autos nutzen, um Schilder zu identifizieren. Diese Systeme müssen unter verschiedenen Bedingungen wie Regen, schlechtem Licht oder bei Betrachtung des Schildes aus einem Winkel funktionieren. Ältere Methoden stützen sich auf Techniken wie die Analyse von Form und Farbe der Schilder, können jedoch in komplexen Situationen, wie etwa bei schlechtem Wetter, oft versagen.

In der Forschungsarbeit "A YOLOv8-based approach for multi-class traffic sign detection" beschreiben die Autoren den Einsatz des YOLOv8-Modells, um Bildbereiche zu identifizieren, in denen sich Verkehrsschilder befinden. Das Modell wurde auf einem Datensatz trainiert, der Bilder von Verkehrsschildern unter verschiedenen Bedingungen enthält, wie etwa unterschiedliche Winkel, Beleuchtungen und Entfernungen. Sobald das YOLOv8-Modell die Regionen mit Verkehrsschildern erkennt, klassifiziert es diese präzise und erreicht eine beeindruckende Genauigkeit von 80,64 %. Diese Fähigkeiten könnten autonome Fahrzeuge dabei unterstützen, Straßenverhältnisse durch das Erkennen wichtiger Verkehrsschilder in Echtzeit zu verstehen, was potenziell zu sichereren Fahrentscheidungen beiträgt.

Abb. 2. Computer-Vision-Modell erkennt und klassifiziert präzise ein Verkehrsschild und ermöglicht so eine sichere Navigation für autonome Fahrzeuge. (Quelle: computervision.zone)

Link to this sectionVorteile von KI in selbstfahrenden Autos#

KI verändert die Funktionsweise selbstfahrender Autos zunehmend und macht sie sicherer und effizienter. Mit intelligenten Algorithmen und der Fähigkeit, Daten schnell zu verarbeiten, können diese Autos Gefahren erkennen, bessere Fahrentscheidungen treffen und sogar ihren Einfluss auf die Umwelt reduzieren. Hier sind einige der Hauptvorteile, die KI für selbstfahrende Autos mit sich bringt.

Link to this sectionVerbesserte Sicherheit#

KI ist in der Lage, die Sicherheit in selbstfahrenden Autos zu erhöhen, indem sie Gefahren in Echtzeit erkennt und darauf reagiert. Laut einem Bericht der National Highway Traffic Safety Administration (NHTSA) sind 94 % der schweren Unfälle auf menschliches Versagen zurückzuführen. KI hat das Potenzial, solche Vorfälle zu reduzieren, indem sie schneller als menschliche Fahrer reagiert und die Unfallraten möglicherweise um 90 % senkt, sobald autonome Systeme weiter fortgeschritten sind.

Link to this sectionFlüssigerer Verkehrsfluss und Kraftstoffeffizienz#

KI bei der Objekterkennung in autonomen Fahrzeugen hilft nicht nur bei der Sicherheit, sondern verbessert auch den Verkehrsfluss. Mithilfe von KI können diese Fahrzeuge ihre Geschwindigkeit anpassen, einen optimalen Abstand einhalten und die Notwendigkeit für plötzliches Bremsen oder Beschleunigen reduzieren, was dazu beiträgt, Verkehrsstaus zu minimieren. KI-Algorithmen optimieren zudem die Kraftstoffeffizienz, indem sie sicherstellen, dass Autos die effizientesten Routen nehmen, unnötige Stopps vermeiden und den Kraftstoffverbrauch besser verwalten als menschliche Fahrer. Als Ergebnis verbessert KI nicht nur das Fahrerlebnis, sondern trägt auch zur Reduzierung von Emissionen und Kraftstoffkosten bei.

Link to this sectionDie Zukunft selbstfahrender Autos#

Die Zukunft selbstfahrender Autos dreht sich um das Erreichen der Stufe 5 der Autonomie, was ein vollkommen autonomes Fahren ohne menschliches Eingreifen bedeutet, unabhängig von der Umgebung oder Situation. Um zu verstehen, wohin sich die Technologie entwickelt, ist es wichtig, die fünf Stufen des autonomen Fahrens zu betrachten, wie sie von der Society of Automotive Engineers (SAE) definiert wurden:

• Stufe 0: Keine Automatisierung. Der menschliche Fahrer hat die volle Kontrolle.
• Stufe 1: Fahrerassistenz. Grundlegende Systeme wie der Tempomat unterstützen beim Fahren, erfordern aber menschliche Überwachung.
• Stufe 2: Teilautomatisierung. Das Fahrzeug kann sowohl die Lenkung als auch die Beschleunigung steuern, aber der Fahrer muss aufmerksam bleiben und bereit sein, jederzeit zu übernehmen.
• Stufe 3: Bedingte Automatisierung. Das Fahrzeug kann die meisten Fahraufgaben verwalten, aber in komplexen Situationen ist menschliches Eingreifen erforderlich.
• Stufe 4: Hohe Automatisierung. Das Auto kann in den meisten Umgebungen und Bedingungen selbst fahren, wobei ein Fahrer bei extremen Bedingungen möglicherweise immer noch notwendig ist.
• Stufe 5: Vollständige Automatisierung. Das Fahrzeug ist vollkommen autonom und kann unter allen Bedingungen ohne jegliches menschliches Eingreifen operieren.

Derzeit operieren die meisten kommerziell verfügbaren Fahrzeuge auf Stufe 2 der Autonomie, bei der das Auto zwar beim Lenken und bei der Geschwindigkeitsregelung assistieren kann, der Fahrer jedoch weiterhin aufmerksam bleiben muss. Mercedes-Benz ist eines der ersten Unternehmen, das Stufe 3 der Autonomie erreicht hat, was es Fahrern unter bestimmten Bedingungen ermöglicht, die Hände vom Lenkrad und die Augen von der Straße zu nehmen – und ihre Umgebung wahrzunehmen.

Das Erreichen der Stufe 5 der Autonomie – bei der Fahrzeuge auf jedem Gelände navigieren können, von belebten Stadtzentren bis hin zu abgelegenen Landstraßen, ohne Karten oder menschliches Eingreifen – stellt jedoch erhebliche Herausforderungen dar. Zu diesen Herausforderungen gehört die Entwicklung fortschrittlicher KI, die Entscheidungen in Echtzeit in unvorhersehbaren Umgebungen treffen kann, der Umgang mit komplexen Wetterbedingungen und die Gewährleistung der Sicherheit in allen Fahrszenarien.

Link to this sectionWichtige Erkenntnisse#

KI ist der Schlüssel dazu, selbstfahrende Autos noch mehr zur Realität werden zu lassen. Sie hilft diesen Fahrzeugen, Objekte zu erkennen, Verkehrsschilder zu identifizieren, in der Spur zu bleiben und mit Computer-Vision-Modellen wie YOLOv8 das Verkehrsmanagement sowie die Parkraumverwaltung zu optimieren, was das Fahren sicherer und reibungsloser macht. Technologien wie YOLO und CNNs ermöglichen es Autos, intelligente Entscheidungen auf der Straße zu treffen. Derzeit arbeiten die meisten selbstfahrenden Autos auf Stufe 2, wobei sie beim Fahren unterstützen, aber immer noch menschliche Aufmerksamkeit benötigen, und Stufe 3 der Autonomie wird derzeit getestet, was begrenztes Fahren ohne Hände am Steuer ermöglicht.

Die große Herausforderung, die vor uns liegt, ist das Erreichen der Stufe 5 der Autonomie, bei der Autos unter allen Bedingungen ohne menschliche Hilfe fahren können. Dies erfordert mehr Arbeit, um mit unerwarteten Ereignissen umzugehen und Systeme zu schaffen, die in allen Situationen Entscheidungen in Echtzeit treffen können. Da sich KI ständig verbessert, rücken vollautonome Autos immer näher und versprechen sicherere Straßen und ein komfortableres Fahrerlebnis.

Neugierig auf KI? Erkunde unser GitHub-Repository, um in bahnbrechende Projekte einzutauchen und dich mit unserer wachsenden Community zu vernetzen. Von Durchbrüchen im Gesundheitswesen bis hin zu Innovationen im Bereich autonomes Fahren treiben wir die Zukunft der KI voran!