KI in selbstfahrenden Autos

Selbstfahrende Autos sind längst keine Zukunftsvision mehr, sondern werden dank Fortschritten bei der künstlichen Intelligenz (AI) für das autonome Fahren zunehmend Realität. Diese Fahrzeuge sind stark 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, Verkehrszeichen zu erkennen und komplexe Umgebungen in Echtzeit sicher zu durchfahren.

Da der weltweite Markt für autonome Autos 2021 einen Wert von mehr als 27 Milliarden US-Dollar hatte und bis 2026 voraussichtlich auf fast 62 Milliarden anwachsen wird, ist klar, dass KI für das autonome Fahren die Zukunft des Verkehrs prägt. In diesem Artikel sehen wir uns genauer an, wie Computer Vision in selbstfahrenden Autos eingesetzt wird. Dabei behandeln wir wichtige Anwendungen wie die Erkennung von Fußgängern, die Erkennung von Verkehrszeichen und Spurhaltesysteme und zeigen, wie diese Innovationen die Zukunft des Fahrens verändern.

Die Rolle von KI in selbstfahrenden Autos#

KI kann selbstfahrenden Autos erheblich dabei helfen, ihre Umgebung zu verstehen und in Echtzeit Entscheidungen zu treffen. Sehen wir uns an, wie KI unter ihren zahlreichen Anwendungsbereichen die Erkennung von Fußgängern und Verkehrszeichen unterstützt – zwei wichtige Elemente, die die Zuverlässigkeit des autonomen Fahrens erhöhen.

KI zur Erkennung von Fußgängern#

Autofahren erfordert ständige Konzentration und Aufmerksamkeit für das Geschehen in der Umgebung. KI in selbstfahrenden Autos kann bei vielen Aspekten des täglichen Autofahrens helfen. So kann KI beispielsweise einen wichtigen Beitrag zur Sicherheit von Fußgängern leisten, 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 die Umgebung vollständig zu erfassen – einschließlich Straßen, Gehwegen und Fußgängerüberwegen. Diese Kameras nehmen ständig visuelle Daten auf, sodass das Auto Fußgänger „sehen“ kann, selbst in starkem Verkehr oder schwierigen Situationen.

Die erfassten visuellen Daten können anschließend mit Computer-Vision-Modellen wie Ultralytics YOLOv8 verarbeitet werden. Zunächst kommt die Objekterkennung zum Einsatz, bei der potenzielle Objekte wie Fußgänger, Fahrzeuge und Verkehrsschilder im Bild lokalisiert werden. Nach der Erkennung folgt als nächster Schritt die Klassifizierung, bei der bestimmt wird, um welche Objekte es sich tatsächlich handelt. Die Modelle werden mit umfangreichen Datensätzen trainiert, sodass sie Fußgänger in unterschiedlichen Körperhaltungen, Lichtverhältnissen und Umgebungen erkennen können – selbst wenn diese teilweise verdeckt sind oder sich bewegen.

Während sich einige Computer-Vision-Modelle besonders für Erkennung und Klassifizierung eignen, konzentrieren sich andere auf Aufgaben wie die Vorhersage der Bewegungen erkannter Fußgänger. In solchen Systemen geht das KI-Modell einen Schritt weiter, sobald ein Objekt als Fußgänger klassifiziert wurde, und sagt dessen nächste Bewegung voraus. Steht beispielsweise jemand am Rand eines Fußgängerüberwegs, kann das Auto abschätzen, ob die Person möglicherweise auf die Straße tritt. Diese Vorhersagefähigkeit ist entscheidend, damit das Fahrzeug in Echtzeit reagieren kann, indem es langsamer wird, anhält oder die Richtung ändert, um Gefahren zu vermeiden. Um diese Entscheidungen noch intelligenter zu treffen, können KI-Systeme die visuellen Daten der Kameras mit Eingaben anderer Sensoren kombinieren, etwa von LiDAR. So erhält das Auto ein umfassenderes Bild seiner Umgebung.

Abb. 1. Ultralytics YOLOv8 erkennt eine Fußgängerin oder einen Fußgänger.

KI zur Erkennung von Verkehrszeichen#

Die Erkennung von Verkehrsschildern (TSR) ist ein weiterer wichtiger Bestandteil selbstfahrender Autos. Sie hilft dem Fahrzeug, Verkehrsschilder wie Stoppschilder, Geschwindigkeitsbegrenzungen und Wegweiser in Echtzeit zu erkennen und darauf zu reagieren. So hält sich das Auto an Verkehrsregeln, vermeidet Unfälle und ermöglicht den Fahrgästen eine angenehme und sichere Fahrt.

Im Zentrum der TSR stehen Deep-Learning-Algorithmen, die mithilfe der Kameras des Autos Verkehrszeichen erkennen. Diese Systeme müssen unter verschiedenen Bedingungen funktionieren, etwa bei Regen, schlechten Lichtverhältnissen oder aus einem schrägen Blickwinkel. Ältere Methoden beruhen auf Techniken wie der Analyse von Form und Farbe der Verkehrszeichen, versagen jedoch häufig in komplexen Situationen, beispielsweise bei schlechtem Wetter.

In einer Forschungsarbeit beschreiben die Autorinnen und Autoren, wie sie das Modell YOLOv8 verwenden, um Bereiche in Bildern zu erkennen, in denen sich Verkehrszeichen befinden. Das Modell wurde mit einem Datensatz trainiert, der Bilder von Verkehrszeichen unter verschiedenen Bedingungen umfasst, etwa aus unterschiedlichen Winkeln, bei verschiedenen Lichtverhältnissen und in unterschiedlichen Entfernungen. Sobald das Modell YOLOv8 Bereiche mit Verkehrszeichen erkennt, klassifiziert es diese. Diese Fähigkeiten könnten autonomen Fahrzeugen helfen, Straßenverhältnisse zu verstehen, indem sie wichtige Verkehrszeichen in Echtzeit erkennen und so möglicherweise zu sichereren Fahrentscheidungen beitragen. Öffentliche Datensätze wie TT100K ermöglichen das Training ähnlicher Verkehrszeichenerkennungsmodelle.

Abb. 2. Computer-Vision-Modell erkennt und klassifiziert ein Verkehrszeichen präzise und ermöglicht autonomen Fahrzeugen eine sichere Navigation. (Quelle: computervision.zone)

Vorteile von KI in selbstfahrenden Autos#

KI verändert zunehmend die Funktionsweise selbstfahrender Autos und macht sie sicherer und effizienter. Dank intelligenter Algorithmen und der Fähigkeit, Daten schnell zu verarbeiten, können diese Autos Gefahren erkennen, bessere Fahrentscheidungen treffen und sogar ihre Umweltbelastung verringern. Hier sind einige der wichtigsten Vorteile, die KI für selbstfahrende Autos bietet.

Mehr Sicherheit#

KI kann die Sicherheit selbstfahrender Autos erhöhen, indem sie Gefahren in Echtzeit erkennt und darauf reagiert. Laut einem Bericht der US-amerikanischen Verkehrssicherheitsbehörde (NHTSA) sind 94 % der schweren Unfälle auf menschliches Versagen zurückzuführen. KI kann solche Vorfälle möglicherweise reduzieren, indem sie schneller als menschliche Fahrerinnen und Fahrer reagiert. Mit fortschreitenden autonomen Systemen könnte so die Zahl der Unfälle sinken.

Flüssigerer Verkehr und geringerer Kraftstoffverbrauch#

Die Objekterkennung durch KI in autonomen Fahrzeugen trägt nicht nur zur Sicherheit bei, sondern verbessert auch den Verkehrsfluss. Mithilfe von KI können diese Fahrzeuge ihre Geschwindigkeit anpassen, den optimalen Abstand einhalten und abruptes Bremsen oder Beschleunigen vermeiden. All das trägt dazu bei, Verkehrsstaus zu verringern. KI-Algorithmen optimieren außerdem den Kraftstoffverbrauch, indem sie dafür sorgen, dass Autos die effizientesten Routen wählen, unnötige Stopps vermeiden und den Kraftstoff besser einteilen als menschliche Fahrer. So verbessert KI nicht nur das Fahrerlebnis, sondern trägt auch zur Senkung von Emissionen und Kraftstoffkosten bei.

Die Zukunft selbstfahrender Autos#

Die Zukunft selbstfahrender Autos hängt davon ab, Autonomiestufe 5 zu erreichen. Das bedeutet vollständig autonomes Fahren ohne menschliches Eingreifen – unabhängig von Umgebung oder Situation. Um zu verstehen, wohin sich die Technologie entwickelt, lohnt es sich, die fünf Autonomiestufen aufzuschlüsseln, die von der Society of Automotive Engineers (SAE) festgelegt wurden:

• Stufe 0: Keine Automatisierung. Der menschliche Fahrer hat die vollständige Kontrolle.
• Stufe 1: Fahrassistenz. Einfache Systeme wie der Tempomat unterstützen beim Fahren, erfordern aber weiterhin die Überwachung durch einen Menschen.
• Stufe 2: Teilautomatisierung. Das Fahrzeug kann sowohl die Lenkung als auch die Beschleunigung steuern, aber der Fahrer muss aufmerksam bleiben und bereit sein, die Kontrolle zu übernehmen.
• Stufe 3: Bedingte Automatisierung. Das Fahrzeug kann die meisten Fahraufgaben übernehmen, in komplexen Situationen ist jedoch ein Eingreifen des Menschen erforderlich.
• Stufe 4: Hohe Automatisierung. Das Auto kann in den meisten Umgebungen und unter den meisten Bedingungen selbst fahren, bei extremen Bedingungen kann jedoch weiterhin ein Fahrer erforderlich sein.
• Stufe 5: Vollständige Automatisierung. Das Fahrzeug fährt vollständig autonom und kann unter allen Bedingungen ohne menschliche Eingaben betrieben werden.

Derzeit erreichen die meisten kommerziell erhältlichen Fahrzeuge Autonomiestufe 2: Das Auto unterstützt beim Lenken und bei der Geschwindigkeitsregelung, der Fahrer muss aber weiterhin aufmerksam bleiben. Mercedes-Benz gehört zu den ersten Unternehmen, die Autonomiestufe 3 erreicht haben. Unter bestimmten Bedingungen können Fahrer dabei die Hände vom Lenkrad nehmen, den Blick von der Straße abwenden und ihre Umgebung betrachten.

Autonomiestufe 5 zu erreichen – bei der Fahrzeuge jedes Gelände bewältigen können, von belebten Stadtzentren bis zu abgelegenen Landstraßen, ohne Karten oder menschliches Eingreifen – bringt jedoch erhebliche Herausforderungen mit sich. Dazu gehören die Entwicklung fortschrittlicher KI, die in unvorhersehbaren Umgebungen Entscheidungen in Echtzeit treffen kann, der Umgang mit schwierigen Wetterbedingungen und die Gewährleistung der Sicherheit in sämtlichen Fahrsituationen.

Die wichtigsten Erkenntnisse#

KI ist entscheidend dafür, dass selbstfahrende Autos Realität werden. Sie hilft diesen Fahrzeugen, Objekte und Verkehrsschilder zu erkennen und in ihrer Spur zu bleiben. Mit Computer-Vision-Modellen wie YOLOv8 unterstützt sie außerdem die Verkehrssteuerung und die Optimierung der Parkraumbewirtschaftung und macht das Fahren so sicherer und reibungsloser. Technologien wie YOLO und CNNs ermöglichen Autos, intelligente Entscheidungen im Straßenverkehr zu treffen. Derzeit arbeiten die meisten selbstfahrenden Autos auf Autonomiestufe 2: Sie unterstützen beim Fahren, erfordern aber weiterhin menschliche Aufmerksamkeit. Autonomiestufe 3 wird getestet und ermöglicht begrenztes Fahren ohne Eingreifen der Hände.

Die große Herausforderung besteht darin, Autonomiestufe 5 zu erreichen, bei der Autos unter allen Bedingungen ohne menschliche Hilfe selbst fahren können. Dafür müssen unerwartete Ereignisse besser bewältigt und Systeme entwickelt werden, die in jeder Situation Entscheidungen in Echtzeit treffen können. Mit den Fortschritten bei der KI rücken vollständig selbstfahrende Autos näher und versprechen sicherere Straßen sowie ein komfortableres Fahrerlebnis.

Neugierig auf KI? Besuche unser GitHub-Repository, um unsere Projekte anzusehen und dich mit unserer wachsenden Community auszutauschen. Entdecke, wie wir Vision AI in verschiedenen Branchen einsetzen – vom Gesundheitswesen bis zum autonomen Fahren.