Das Thema Autonomes Fahren hat sich zu einem immensen Forschungsgebiet entwickelt. Erste große Schritte wurden zwar bereits in den 80er Jahren des letzten Jahrhunderts gemacht (siehe Dickmanns and Zapp [1987]), größere Popularität aber erhielt das Thema erst nach den sogenannten DARPA Challenges (Grand und Urban, siehe Buehler et al. [2007] und Buehler et al. [2009]). Heutzutage liest man regelmäßig Ankündigungen, dass der nächste Highway Pilot oder das nächste Autonome Taxi nur noch wenige Jahre (oder Monate) entfernt sei. Genauso regelmäßig werden
diese Ankündigungen der großen Technologiekonzerne und Autobauer dann allerdings wieder verschoben, was zeigt, dass es noch genug ungelöste Probleme gibt. In dieser Arbeit wird das Thema Autonomes Fahren im unstrukturierten Gelände, also zum Beispiel auf Waldwegen oder in beengten städtischen Szenarien, behandelt. Ziel dieser Arbeit ist es, in diesen anspruchsvollen Fällen das Fahrverhalten zu verbessern, insbesondere was den Komfort und die Präzision angeht.

 

Da jede Kette nur so stark ist wie ihr schwächstes Glied —in diesem Fall ist die Wirkkette von der Wahrnehmung über Fusion und Planung zur Aktuation gemeint— wird zuerst die Systemarchitektur betrachtet. Die vorgeschlagene neue Architektur gewährleistet einen besseren Informationsfluss zu den hinteren Teilen der Wirkkette, was nötig ist um die Leistung dieser, und somit zugleich die Gesamtleistung, zu verbessern. Zusätzlich vereinfacht die vorgeschlagene Architektur auch den Entwicklungsprozess und die Wartbarkeit der Software. An einfachen praktischen Beispielen wird gezeigt, dass sich durch die getroffenen Maßnahmen das Fahrverhalten selbst unter Verwendung der gleichen Regler verbessert.

 

Der eine thematische Schwerpunkt dieser Arbeit ist die Bewegungsplanung. Das Rückrad des TAS Planungsframeworks bildet eine erweiterte Version des hybrid-state A* Algorithmus (siehe Dolgov et al. [2008]), also eine durch eine Heuristik geführte Suche. Des Weiteren wird die klassische Pfad-Geschwindigkeits-Dekomposition (siehe Kant and Zucker [1986]) genutzt und erweitert indem sie mit modernen Trajektorienplanungs- und Optimierungsmethoden zusammengebracht wird. Für die Freifahrt, d. h. ohne Führungsfahrzeug, wird der Stand der Technik in der Kollisionsprüfung
übertroffen. Für die Folgefahrt, d. h. ein Fahrzeug folgt einem anderen, wird die TAS-eigene, preisgekrönte Performance verbessert. Für Mehrfahrzeugkonvois wird die Grenzen des Machbaren unter erschwerten Bedingungen ausgelotet: Ohne Querführung durch etwa Straßenmarkierungen und unterstützt durch eine Interfahrzeugkommunikation mit einer geteilten Bandbreite von nur 19.2 kbit/s .

Der andere thematische Schwerpunkt ist die Fahrdynamikregelung. Es wird eine Architektur vorgestellt, die aus einem fahrzeugspezifischen low-level und einem fahrzeugunspezifischen high-level Teil aufgebaut ist. Während Ersterer hautpsächlich der Vollständigkeit halber beschrieben wird, beinhaltet Zweiterer mehrere Neuerungen. Der primäre Arbeitsmodus ist die Trajektorienfolgeregelung. Hierbei wird auf die Wichtigkeit einer Lokalisierung des Fahrzeugs auf der Trajektorie sowohl im Raum als auch der Zeit eingegangen. Diese erlaubt es, zusammen mit den Garantien zur Glattheit, Kontinuität usw. der Trajektorienplanung aus den vorderen Kapiteln, Totzeiten effizient zu kompensieren. Des Weiteren werden Erweiterungen zur klassischen
Trajektorienfolgeregelung diskutiert, insbesondere für Folgefahrt-Szenarien. Schließlich wird ein Ansatz beschreiben, der es ermöglicht ein normalgroßes (Elektro-) Fahrzeug in Outdoor-Konditionen mit Sub-Zentimeter-Präzision zu positionieren.