AI in selbstfahrenden Autos

Selbstfahrende Autos sind längst keine futuristische Idee mehr. Durch Fortschritte bei der künstlichen Intelligenz (AI) für autonomes Fahren werden sie zunehmend Realität. Diese Fahrzeuge sind stark auf fortschrittliche KI-Systeme, insbesondere auf Computer Vision, angewiesen, um die Welt um sie herum zu verstehen und zu interpretieren. Diese Technologie ermöglicht es ihnen, Objekte zu identifizieren, Verkehrsschilder zu erkennen und komplexe Umgebungen in Echtzeit sicher zu durchfahren.

Der Wert des globalen Marktes für autonome Autos lag 2021 bei über 27 Milliarden US-Dollar und soll bis 2026 auf fast 62 Milliarden US-Dollar steigen. Damit ist klar, dass KI für autonomes 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 Verkehrsschildern und Spurhaltesysteme und zeigen, wie diese Innovationen die Zukunft des Fahrens verändern.

Die Rolle von KI in selbstfahrenden Autos#

KI kann selbstfahrenden Autos entscheidend dabei helfen, ihre Umgebung zu verstehen und in Echtzeit Entscheidungen zu treffen. Sehen wir uns an, wie KI unter ihren zahlreichen Einsatzmöglichkeiten bei der Fußgängererkennung und der Erkennung von Verkehrsschildern unterstützt – zwei wichtige Elemente, die die Zuverlässigkeit des autonomen Fahrens erhöhen.

KI zur Fußgängererkennung#

Autofahren erfordert ständige Konzentration und Aufmerksamkeit dafür, was während der Fahrt um dich herum geschieht. KI in selbstfahrenden Autos kann bei unzähligen Aspekten der täglichen Nutzung unserer Autos helfen. So kann KI beispielsweise eine wichtige Rolle für die Sicherheit von Fußgängern spielen, indem sie diese erkennt und ihre Bewegungen vorhersagt. Laut der Studie „Study of Pedestrian Detection in Self-Driving Cars“ beginnt dieser Prozess mit den Kameras des Autos, die rund um das Fahrzeug angebracht sind und eine vollständige Sicht auf die Umgebung erfassen, einschließlich Straßen, Gehwegen und Zebrastreifen. Diese Kameras nehmen kontinuierlich visuelle Daten auf. Dadurch kann das Auto Fußgänger „sehen“, selbst in dichtem Verkehr oder schwierigen Situationen.

Die erfassten visuellen Daten können anschließend mit Computer-Vision-Modellen wie Ultralytics YOLOv8 verarbeitet werden. Der erste Schritt ist dabei die Objekterkennung. Sie umfasst die Bestimmung der Position potenzieller Objekte wie Fußgänger, Fahrzeuge und Verkehrsschilder im Bild. Nach der Erkennung folgt im KI-Modell der nächste Schritt: die Klassifizierung, bei der bestimmt wird, um welches Objekt es sich tatsächlich handelt. Die Modelle werden auf umfangreichen Datensätzen trainiert, sodass sie Fußgänger in verschiedenen Körperhaltungen, Lichtverhältnissen und Umgebungen erkennen können, selbst wenn diese teilweise verdeckt sind oder sich bewegen.

Während einige Computer-Vision-Modelle besonders gut für Erkennung und Klassifizierung geeignet sind, konzentrieren sich andere auf Aufgaben wie die Vorhersage der Bewegung erkannter Fußgänger. Sobald ein Objekt in diesen Systemen als Fußgänger klassifiziert wurde, geht das KI-Modell einen Schritt weiter und sagt dessen nächste Bewegung voraus. Wenn jemand beispielsweise am Rand eines Zebrastreifens steht, 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 abbremst, anhält oder die Richtung ändert, um mögliche Gefahren zu vermeiden. Für noch bessere Entscheidungen können KI-Systeme die visuellen Daten der Kameras mit den Eingaben anderer Sensoren wie LIDAR kombinieren. Dadurch erhält das Auto ein umfassenderes Verständnis seiner Umgebung.

Abb. 1. Ultralytics YOLOv8 erkennt einen Fußgänger.

KI zur Erkennung von Verkehrsschildern#

Die Verkehrsschilderkennung, kurz TSR, ist ein weiterer wichtiger Bestandteil selbstfahrender Autos. Sie hilft dem Fahrzeug, Verkehrsschilder wie Stoppschilder, Geschwindigkeits begrenzungen und Richtungsangaben in Echtzeit zu erkennen und darauf zu reagieren. Dadurch hält sich das Auto an Verkehrsregeln, vermeidet Unfälle und ermöglicht den Fahrgästen eine angenehme und sichere Fahrt.

Das Herzstück von TSR bilden Deep-Learning-Algorithmen, die mithilfe der Kameras des Autos Verkehrsschilder erkennen. Diese Systeme müssen unter unterschiedlichen Bedingungen funktionieren, etwa bei Regen, schlechten Lichtverhältnissen oder wenn das Schild aus einem bestimmten Winkel betrachtet wird. Ältere Verfahren stützen sich auf Techniken wie die Analyse von Form und Farbe der Schilder, versagen jedoch in komplexen Situationen wie schlechtem Wetter häufig.

In der Forschungsarbeit „A Ultralytics YOLOv8-based approach for multi-class traffic sign detection“ beschreiben die Autoren, wie sie das YOLOv8-Modell verwenden, um Bildbereiche zu identifizieren, in denen sich Verkehrsschilder befinden. Das Modell wurde mit einem Datensatz trainiert, der Bilder von Verkehrsschildern unter verschiedenen Bedingungen enthält, etwa aus unterschiedlichen Blickwinkeln, bei variierenden Lichtverhältnissen und in verschiedenen Entfernungen. Nachdem das YOLOv8-Modell die Bereiche mit Verkehrsschildern erkannt hat, klassifiziert es diese präzise und erreicht dabei eine beeindruckende Präzision von 80,64 %. Diese Fähigkeiten könnten autonome Fahrzeuge dabei unterstützen, Straßenbedingungen zu verstehen, indem sie wichtige Verkehrsschilder in Echtzeit erkennen, und so möglicherweise zu sichereren Fahrentscheidungen beitragen.

Abb. 2. Computer-Vision-Modell erkennt und klassifiziert ein Verkehrsschild präzise und ermöglicht dadurch die sichere Navigation autonomer Fahrzeuge. (Quelle: computervision.zone)

Vorteile von KI in selbstfahrenden Autos#

KI verändert zunehmend die Funktionsweise selbstfahrender Autos 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 ihre Auswirkungen auf die Umwelt verringern. Hier sind einige der wichtigsten Vorteile, die KI selbstfahrenden Autos bietet.

Höhere Sicherheit#

KI kann die Sicherheit selbstfahrender Autos 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 kann solche Vorfälle möglicherweise reduzieren, indem sie schneller als menschliche Fahrer reagiert und die Unfallrate bei zunehmender Weiterentwicklung autonomer Systeme potenziell um 90 % senkt.

Flüssigerer Verkehrsfluss und höhere Kraftstoffeffizienz#

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 die Notwendigkeit plötzlicher Brems- oder Beschleunigungsvorgänge reduzieren. All dies trägt dazu bei, Verkehrsstaus zu minimieren. KI-Algorithmen optimieren außerdem die Kraftstoffeffizienz, indem sie dafür sorgen, dass Autos die effizientesten Routen wählen, unnötige Stopps vermeiden und den Kraftstoffverbrauch besser steuern als menschliche Fahrer. Dadurch verbessert KI nicht nur das Fahrerlebnis, sondern trägt auch zur Verringerung von Emissionen und Kraftstoffkosten bei.

Die Zukunft selbstfahrender Autos#

Bei der Zukunft selbstfahrender Autos geht es vor allem darum, die Autonomiestufe 5 zu erreichen. Das bedeutet vollständig autonomes Fahren ohne menschliches Eingreifen, unabhängig von Umgebung oder Situation. Um zu verstehen, in welche Richtung sich die Technologie entwickelt, ist es wichtig, die fünf Stufen des autonomen Fahrens aufzuschlüsseln, wie sie von der Gesellschaft der Automobilingenieure (SAE) definiert wurden:

• Stufe 0: Keine Automatisierung. Der menschliche Fahrer hat die vollständige Kontrolle.
• Stufe 1: Fahrassistenz. Einfache Systeme wie der Tempomat unterstützen beim Fahren, erfordern jedoch die Überwachung durch den Menschen.
• Stufe 2: Teilautomatisierung. Das Fahrzeug kann sowohl die Lenkung als auch die Beschleunigung steuern, aber der Fahrer muss aufmerksam bleiben und jederzeit übernehmen können.
• 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, allerdings kann bei extremen Bedingungen weiterhin ein Fahrer erforderlich sein.
• Stufe 5: Vollständige Automatisierung. Das Fahrzeug ist vollständig autonom und kann unter allen Bedingungen ohne menschliche Eingaben betrieben werden.

Derzeit verfügen die meisten im Handel erhältlichen Fahrzeuge über die Autonomiestufe 2. Das Auto kann dabei die Lenkung und Geschwindigkeitsregelung unterstützen, der Fahrer muss jedoch weiterhin aufmerksam bleiben. Mercedes-Benz gehört zu den ersten Unternehmen, die die Autonomiestufe 3 erreicht haben. Diese ermöglicht es Fahrern unter bestimmten Bedingungen, die Hände vom Lenkrad und den Blick von der Straße abzuwenden – und ihre Umgebung wahrzunehmen.

Das Erreichen der Autonomiestufe 5 stellt jedoch eine große Herausforderung dar. Fahrzeuge müssten dann ohne Karten oder menschliches Eingreifen jedes Gelände befahren können – von belebten Stadtzentren bis hin zu abgelegenen Landstraßen. Zu diesen Herausforderungen gehören die Entwicklung fortschrittlicher KI, die in unvorhersehbaren Umgebungen in Echtzeit Entscheidungen treffen kann, der Umgang mit komplexen Wetterbedingungen und die Gewährleistung der Sicherheit in allen Fahrsituationen.

Wichtige Erkenntnisse#

KI ist der Schlüssel dazu, selbstfahrende Autos noch stärker zur Realität zu machen. Sie hilft diesen Fahrzeugen, Objekte zu erkennen, Verkehrsschilder zu identifizieren, die Spur zu halten und mit Computer-Vision-Modellen wie YOLOv8 beim Verkehrsmanagement und bei der Optimierung des Parkraummanagements zu unterstützen, sodass das Fahren sicherer und komfortabler wird. Technologien wie YOLO und CNNs ermöglichen es Autos, intelligente Entscheidungen auf der Straße zu treffen. Derzeit arbeiten die meisten selbstfahrenden Autos auf Autonomiestufe 2. Sie unterstützen beim Fahren, benötigen aber weiterhin die Aufmerksamkeit des Menschen. Die Autonomiestufe 3 wird getestet und ermöglicht ein begrenztes Fahren ohne Hände am Lenkrad.

Die größte bevorstehende Herausforderung ist das Erreichen der Autonomiestufe 5, bei der Autos unter allen Bedingungen ohne menschliche Hilfe selbst fahren können. Dafür sind weitere Fortschritte nötig, um mit unerwarteten Ereignissen umzugehen und Systeme zu entwickeln, die in jeder Situation in Echtzeit Entscheidungen treffen können. Mit der Weiterentwicklung der KI rücken vollständig selbstfahrende Autos näher und versprechen sicherere Straßen sowie ein komfortableres Fahrerlebnis.

Interessierst du dich für KI? Besuche unser GitHub-Repository, um bahnbrechende Projekte zu entdecken und dich mit unserer wachsenden Community zu vernetzen. Von Durchbrüchen im Gesundheitswesen bis hin zu Innovationen beim autonomen Fahren gestalten wir die Zukunft der KI!