Der Kunde hat beschlossen, seine vertraulichen Daten zu schützen
Computer Vision in einem Fahrerassistenzsystem
Kundeninformationen
Als Anbieter von Automotive-Software wurde Andersen von einem Erstausrüster mit Sitz in Deutschland kontaktiert.
![[object Object] on the map](https://static.andersenlab.com/andersenlab/new-andersensite/bg-for-blocks/about-the-client/germany-tablet-2x.png)
Geschäftsansichten
Dieses IT-Projekt zielte auf die Integration intelligenter Fahrerassistenzsysteme ab. Durch den erfolgreichen Abschluss konnte der Kunde die Einführung des L2-Systems für autonomes Fahren in seinen Fahrzeugen beschleunigen und die Grundlage für die Entwicklung des L3-Systems schaffen.
Herausforderungen
Andersens Kunde stand vor der Herausforderung, eigenständig intelligente Fahrassistenzsysteme zu entwickeln, um die Sicherheit durch kontinuierliche Überwachung von Fahrparametern zu verbessern und das Unfallrisiko zu minimieren.
Während der Entwicklung eines KI-basierten Computer-Vision-Systems zur Fahrerunterstützung, das gelbe und rote Flaggen erkennt und entsprechend reagiert - sei es durch Warnungen oder autonome Maßnahmen - stieß das Automobilunternehmen auf eine bedeutende Hürde.
Die größte Herausforderung bestand in der Implementierung eines eingebetteten KI-Systems, da Entscheidungen innerhalb von Millisekunden getroffen werden mussten. Zusätzlich erforderte die Integration dieses Systems in die Netzwerkinfrastruktur des Fahrzeugs besondere Aufmerksamkeit.
Projektübersicht
Mit dem Automobiltechnologieprojekt sollten drei Ziele erreicht werden: kontinuierliche Überwachung von Fahr- und Fahrerparametern, Alarmierung des Fahrers und Empfehlung geeigneter Maßnahmen.
Lösung
Das eingebettete System fungiert als unabhängiger „Beobachter“. Es analysiert die von den Kameras empfangenen Daten und trifft darauf basierend Entscheidungen. So läuft der Prozess ab:
- Die Front- und Innenkameras senden Signale an die Bilderfassungskomponente, die das Videosignal in regelmäßigen Abständen in .jpeg-Dateien umwandelt;
- Ein Slicer extrahiert den relevanten Bildausschnitt, der für den Computer-Vision-Algorithmus benötigt wird;
- Der Computer-Vision-Algorithmus vergleicht das Bild mit den Trainingsdaten und kategorisiert es entsprechend.
Anhand der kategorisierten Daten kann das System verschiedene Verhaltensweisen zeigen:
- Wenn der Fahrer über einen längeren Zeitraum die Augen geschlossen hat, ertönt ein akustisches Signal und das System empfiehlt eine Pause, indem es die nächstgelegene Haltestelle auf der Karte auf dem Bildschirm anzeigt;
- Zusätzlich ertönt ein akustisches Signal, das den Fahrer auffordert, das Bremspedal zu betätigen, wenn ein vorderes Fahrzeug sich zu stark nähert (basierend auf dem Abstand, gemessen durch einen Annäherungssensor) und die Bremslichter aktiviert sind (durch Computer Vision erkannt);
- Zudem löst das System ein akustisches Signal aus und sendet eine Nachricht an das Lenksystem, um korrigierend einzugreifen, wenn der Fahrer eine Fahrbahnmarkierung überquert, ohne den Blinker zu setzen.
Projektergebnisse
Die von Andersens Team entwickelte Lösung hat die Bedürfnisse des Kunden durch folgende Maßnahmen erfüllt:
- Kontinuierliche Überwachung von Fahrt- und Fahrerparametern, einschließlich des Status der Augenöffnung/-schließung des Fahrers, der Nähe zum nächsten vorderen Fahrzeug und des Überquerens von Straßenlinien;
- Warnung des Fahrers vor erkannten Warnsignalen;
- Empfehlung geeigneter Maßnahmen basierend auf den identifizierten Warnungstypen.
Kostenlose Beratung anfordern
Weitere Schritte
Nachdem wir Ihre Anforderungen analysiert haben, meldet ein Experte bei Ihnen;
Bei Bedarf unterzeichnen wir ein NDA, um den höchsten Datenschutz sicherzustellen;
Wir legen ein umfassendes Projektangebot mit Schätzungen, Fristen, CVs usw. vor.
Kunden, die uns vertrauen:
