KI in selbstfahrenden Autos

Selbstfahrende Autos sind längst keine futuristische Idee mehr; sie werden Realität, vorangetrieben durch Fortschritte in der künstlichen Intelligenz (KI) für das autonome Fahren. Diese Fahrzeuge sind stark von modernen KI-Systemen abhängig, insbesondere von der computer vision, um ihre Umgebung zu verstehen und zu interpretieren. Diese Technologie versetzt sie in die Lage, Objekte zu identifizieren, Verkehrsschilder zu erkennen und in Echtzeit sicher durch komplexe Umgebungen zu navigieren.

Da der global autonomous car market 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 das autonomous driving die Zukunft des Transportwesens prägt. In diesem Artikel werfen wir einen genauen Blick darauf, wie Computer Vision in selbstfahrenden Autos eingesetzt wird, und behandeln wichtige Anwendungsbereiche wie Fußgängererkennung, Verkehrsschilderkennung und Spurhaltesysteme, um zu zeigen, wie diese Innovationen die Zukunft des Fahrens verändern.

Die 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.

KI für die Fußgängererkennung#

Das Fahren erfordert ständige Konzentration und ein Bewusstsein dafür, was um einen herum passiert, während man am Steuer sitzt. KI in selbstfahrenden Autos kann bei unzähligen Aspekten der alltäglichen Nutzung unserer Fahrzeuge helfen. Beispielsweise kann KI eine wichtige Rolle dabei spielen, Fußgänger zu schützen, indem sie diese erkennt und ihre Bewegungen voraussagt. Laut der „Study of Pedestrian Detection in Self-Driving Cars“ beginnt dieser Prozess bei den Kameras des Autos, die rund um das Fahrzeug positioniert sind, um eine vollständige Sicht auf die Umgebung einschließlich Straßen, Gehwege und Fußgängerüberwege zu erfassen. Diese Kameras nehmen kontinuierlich visuelle Daten auf, die dem Auto helfen, Fußgänger selbst in unübersichtlichen oder schwierigen Situationen zu „sehen“.

Die gesammelten visuellen Daten können dann mithilfe von Computer-Vision-Modellen wie Ultralytics YOLOv8 verarbeitet werden. Der erste Schritt hierbei ist die Verwendung von object detection, was die Identifizierung des Standorts möglicher Objekte wie Fußgänger, Fahrzeuge und Verkehrsschilder im Bild beinhaltet. Nach der Erkennung geht das KI-Modell zum nächsten Schritt über, der classification, bei der bestimmt wird, was jedes erkannte Objekt tatsächlich ist. Die Modelle werden anhand riesiger datasets trained, sodass sie Fußgänger in verschiedenen Posen, Beleuchtungsverhältnissen und Umgebungen erkennen können, selbst wenn diese teilweise verdeckt oder in Bewegung sind.

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.

Fig 1. Ultralytics YOLOv8 erkennt einen Fußgänger.

KI für die Verkehrsschilderkennung#

Die Verkehrsschilderkennung, kurz TSR (Traffic Sign Recognition), ist ein weiterer wichtiger Bestandteil selbstfahrender Autos. Sie hilft dem Fahrzeug, Verkehrsschilder wie Stoppschilder, speed-Limits und Fahrtrichtungsangaben in Echtzeit zu erkennen und darauf zu reagieren. Dies stellt sicher, dass das Auto die Verkehrsregeln einhält, Unfällen vorbeugt 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.

Im Forschungspapier "A Ultralytics YOLOv8-based approach for multi-class traffic sign detection" beschreiben die Autoren die Verwendung des YOLOv8-Modells, um Bereiche in Bildern zu identifizieren, in denen sich Verkehrsschilder befinden. Das Modell wurde mit einem Datensatz trainiert, der Bilder von Verkehrsschildern unter verschiedenen Bedingungen wie unterschiedlichen Winkeln, Beleuchtungen und Entfernungen enthält. Sobald das YOLOv8-Modell die Regionen mit Verkehrsschildern erkennt, klassifiziert es diese präzise und erreicht eine beeindruckende Genauigkeit von 80,64 %. Diese Funktionen könnten autonome Fahrzeuge dabei unterstützen, die Straßenverhältnisse zu verstehen, indem sie wichtige Verkehrsschilder in Echtzeit identifizieren, was möglicherweise 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)

Vorteile von KI in selbstfahrenden Autos#

KI verändert die Funktionsweise selbstfahrender Autos kontinuierlich und macht sie sicherer sowie effizienter. Dank intelligenter Algorithmen und der Fähigkeit, Daten schnell zu verarbeiten, können diese Fahrzeuge Gefahren erkennen, bessere Fahrentscheidungen treffen und sogar ihren impact on the environment reduzieren. Hier sind einige der Hauptvorteile, die KI für selbstfahrende Autos bringt.

Verbesserte 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.

Flüssigerer Verkehrsfluss und Kraftstoffeffizienz#

KI bei der Objekterkennung 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 die Notwendigkeit plötzlichen Bremsens oder Beschleunigens verringern – all das trägt dazu bei, traffic congestion zu minimieren. KI-Algorithmen optimieren zudem die Kraftstoffeffizienz, indem sie sicherstellen, dass Autos den effizientesten Routen folgen, unnötige Stopps vermeiden und den Kraftstoffverbrauch besser als menschliche Fahrer steuern. Infolgedessen verbessert die KI nicht nur das Fahrerlebnis, sondern trägt auch zur Reduzierung von Emissionen und Kraftstoffkosten bei.

Die Zukunft selbstfahrender Autos#

Die Zukunft selbstfahrender Autos dreht sich um das Erreichen von Autonomie der Stufe 5, was vollständig autonomes Fahren ohne die Notwendigkeit menschlichen Eingreifens bedeutet, unabhängig von Umgebung oder Situation. Um zu verstehen, wohin sich die Technologie entwickelt, ist es wichtig, die fünf Stufen des autonomen Fahrens aufzuschlüsseln, 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 arbeiten die meisten kommerziell erhältlichen Fahrzeuge auf Level 2-Autonomie, bei der das Auto beim Lenken und bei der Geschwindigkeitsregelung helfen kann, aber dennoch erfordert, dass der Fahrer aufmerksam bleibt. Mercedes-Benz ist eines der ersten Unternehmen, das Level 3-Autonomie erreicht hat, was es Fahrern unter bestimmten Bedingungen ermöglicht, die Hände vom Lenkrad und die Augen von der Straße zu nehmen – und die 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.

Wichtige Erkenntnisse#

KI ist der Schlüssel, um selbstfahrende Autos noch weiter zur Realität werden zu lassen. Sie hilft diesen Fahrzeugen dabei, Objekte zu erkennen, Verkehrsschilder zu identifizieren, in der Spur zu bleiben und mit Computer-Vision-Modellen wie YOLOv8 bei der managing traffic und der optimizing parking management zu unterstützen, wodurch das Fahren sicherer und reibungsloser wird. Technologien wie YOLO und CNNs ermöglichen es Autos, intelligente Entscheidungen auf der Straße zu treffen. Im Moment arbeiten die meisten selbstfahrenden Autos auf Level 2, wo sie beim Fahren unterstützen, aber dennoch menschliche Aufmerksamkeit erfordern, während die Autonomie der Stufe 3 getestet wird und ein 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? Erkunden Sie unser GitHub repository, um in bahnbrechende Projekte einzutauchen und sich mit unserer wachsenden community zu vernetzen. Von Durchbrüchen im Bereich healthcare bis hin zu Innovationen beim self-driving treiben wir die Zukunft der KI voran!