inLane

Low Cost GNSS and Computer Vision Fusion for Accurate Lane Level Navigation and Enhanced Automatic Map Generation

inLane

Ziele

Das Ziel von inLane ist, fahrspurgetreue Information an das Fahrzeug-Navigationssystem zu liefern, die Fahrern die Möglichkeit gibt, die optimale Fahrbahn auszuwählen – auch im dichten städtischen und außerstädtischen Verkehr. Dies wird durch die Fusion von EGNSS und Bildverarbeitungstechnologien realisiert. inLane wird die Risiken verbunden mit Fahrspurwechsel-Manövern in der letzten Sekunde reduzieren und eine neue Generation von verbesserten Mapping-Informationen basierend auf Crowdsourcing ermöglichen. 

Errungenschaften

Im inLane-Projekt wurde ein Sensordatenfusionsmodul entwickelt, welches die Beobachtungen von GNSS (GPS, Galileo und EGNOS-Korrekturen), IMU und Visual Odometry kombiniert, um eine fahrspurgenaue Position des Fahrzeugs zu schätzen. Dazu wurde ein Kalman-Filter implementiert, der sowohl absolute (GNSS Pseudorange und Doppler) als auch relative (mittels Visual Odometry aus Bildinformationen gewonnene Translationen und Rotationen) Beobachtungen des Zustands verarbeiten kann.

Übersicht über die verfügbare Sensorik
Übersicht über die verwendeten Sensoren und deren Charakteristik

Mit Visual Odometry steht ein Stützsensor zur Verfügung, mit dem längere Phasen mit schlechten GNSS-Beobachtungsbedingungen effektiv überbrückt werden können. Dies stellt einen deutlichen Fortschritt gegenüber herkömmlichen GNSS/IMU-Systemen dar. Bei der Verwendung preisgünstiger inertialer Messeinheiten wachsen die Fehler schon nach wenigen Sekunden so stark an, dass Fahrspurgenauigkeit nicht mehr gegeben ist. Die Effektivität des Ansatzes wurde während der inLane-Pilottests auf einer Autobahn mit mehreren langen mehrspurigen Tunnels demonstriert.

RTMaps view of the lane-matching result and the sensor fusion output
Lane-Matching Ergebnis auf der Karte (blaue Kreuze) und die zugrundeliegende Positionsschätzung (rote Punkte) in einem Tunnel. Links ist das Kamerabild mit eingeblendeten Fahrspurerkennungen zu sehen.

Die Softwarekomponenten wurden für die Middleware RTMaps entwickelt. Dies erleichterte die Integration mit den anderen Systemkomponenten. Im Laufe des Projekts entstand ein vollintegrierter Prototyp, welcher in mehreren Phasen getestet wurde. Der vom Konsortium entwickelte Prototype bietet folgende Funktionalität:

  • fahrspurgenaue Navigation basierend auf Sensordatenfusion, Lane-Matching und HD-Karten
  • Fahrspurerkennung
  • Verkehrszeichenerkennung
  • Senden der Verkehrszeichenbeobachtungen an den Karten-Server für Kartenaktualisierung

 

RTMaps-Implementierung der Sensordatenfusions
RTMaps-Diagramm der Sensordatenfusion

Die Genauigkeit der erhaltene Positionslösung bildet eine gute Grundlage für fahrspurgenaue Navigation. 

Genauigkeitsvergleich zwischen dem inLane-Sensorfusionsmodul und einem Standard-GNSS-Receiver
Genauigkeitsvergleich zwischen dem inLane-Sensorfusionsmodul und einem Standard-Automotive-Grade-GNSS-Receiver

 

Kurzbeschreibung

Fahrspurgetreue Positionierung und Map-Matching sind mitunter die größten Herausforderungen für Navigationssysteme. Obwohl die Fahrzeug-Telematik Services mit Positionierungsanforderungen bietet, die von kostengünstigen GNSS-Empfängern erfüllt werden, werden komplexere Straßen- und Fahrzeugassistenzanwendungen aufgrund der steigenden Nachfrage vermehrt eingesetzt. Diese beinhalten fahrspurgetreue Information sowie auch fahrspurgetreue Navigation und priorisierte Warnungen abhängig vom jeweiligen Szenario (Verkehrszeichen, Navigationsanweisungen, ADAS-Anweisungen). Diese Anwendungen benötigen ein präziseres und zuverlässigeres Positionierungssubsystem. Ein gutes Beispiel für diese neuen Anforderungen kann im steigenden Interesse für fahrspurgetreue Navigation beobachtet werden – durch Anwendungen wie erhöhtes Fahrerbewusstsein, intelligente Geschwindigkeitswarnungen und einfache Fahrspur-Zuordnung. 

Wie auch die Genauigkeit der Positionsdaten ein großer Treiber ist, gibt es ebenfalls die Fragestellung rund um die Anpassungsfähigkeit von Navigationssystemen an diese Anwendungen. Erstens hängt das von der Verfügbarkeit einer präzisen, gemeinsamen Referenz für Positionierung (eine verbesserte Karte) und zweitens vom Level der bereitgestellten Lagebestimmung (Integrität) ab. Jedoch scheinen weder die aktuellen Straßenkarten noch die traditionellen Integritätsparameter besonders geeignet für diese Zwecke. Durch das Bereitstellen von fahrspurgetreuer Information für ein in das Fahrzeug integrierte Navigationssystem und das Kombinieren mit der Möglichkeit für Fahrzeuge, Informationen untereinander auszutauschen, wird Fahrern die Möglichkeit gegeben, die optimale Fahrspur zu wählen, sogar im dichten Verkehr in Stadt- und außerstädtischen Gebieten. Jedem Fahrer wird es möglich sein, die passende Fahrspur zu wählen und die Risiken durch Spurwechselmanöver im letzten Moment zu reduzieren. inLane bietet kostengünstige, fahrspurgetreue, präzise, Turn-by-Turn-Navigationsanwendungen der neuen Generation durch die Fusion von EGNSS und Bildverarbeitungstechnologien. Dies wird eine neue Generation verbesserter Mapping-Informationen basierend auf Crowdsourcing ermöglichen. 

Facts

Projektpartner

  • Vicomtech – IK4, Spanien (Koordinator)
  • ERTICO – ITS Europe, Belgien
  • Honda Research Institute Europe GmbH, Deutschland
  • Intel Corporation, Deutschland
  • TeleConsult Austria GmbH, Österreich
  • TomTom International BV, Netherlands
  • Technische Universiteit Eindhoven, Niederlande
  • Automobil Club Assistencia SA, Spanien
  • Ifsttar, Frankreich
  • Institut Municipal D'Informática de Barcelona, Spanien
     

Finanzierung

Dieses Projekt wurde von der europäischen GNSS-Aufsichtsbehörde (GSA) im Rahmen des Innovationsprogramms Horizon 2020 der Europäischen Union unter Grant Agreement Nr. 687458 gefördert. 

Status

  • Laufend

Weitere Information