Eberhard Kaus

Making Bertha Drive?An Autonomous Journey on a Historic Route

125 years after Bertha Benz completed the first overland journey in automotive history, the Mercedes Benz S-Class S 500 INTELLIGENT DRIVE followed the same route from Mannheim to Pforzheim, Germany, in fully autonomous manner. The autonomous vehicle was equipped with close-to-production sensor hardware and relied solely on vision and radar sensors in combination with accurate digital maps to obtain a comprehensive understanding of complex traffic situations. The historic Bertha Benz Memorial Route is particularly challenging for autonomous driving. The course taken by the autonomous vehicle had a length of 103 km and covered rural roads, 23 small villages and major cities (e.g. downtown Mannheim and Heidelberg). The route posed a large variety of difficult traffic scenarios including intersections with and without traffic lights, roundabouts, and narrow passages with oncoming traffic. This paper gives an overview of the autonomous vehicle and presents details on vision and radar-based perception, digital road maps and video-based self-localization, as well as motion planning in complex urban scenarios.

Fault detection for an active vehicle suspension

After a short introduction into the topic of active vehicle suspension systems, a mathematical model of the used active vehicle suspension, which is presented in a test rig, is derived. It is shown how the unknown parameters can be obtained experimentally by parameter estimation. Using parameter estimation and LOLIMOT - a special type of neuronal networks, models of the active suspension are identified. These models are used for model based fault detection and identification, in order to obtain reliable knowledge of the systems state. All results are shown for measurements from an active suspension on a test rig.

Autonomes Fahren auf der historischen Bertha-Benz-Route

Zusammenfassung Im Jahre 1888 trat Bertha Benz die erste Überlandfahrt in der Geschichte des Automobils an. 125 Jahre später wiederholte die Mercedes Benz S-Klasse S 500 Intelligent Drive diese historische Fahrt von Mannheim nach Pforzheim – selbständig, ohne Fahrereingriff und im realen Verkehr. Die Bertha-Benz-Route ist 103 km lang und zeichnet sich durch eine breite Vielfalt von zu bewältigenden Fahrsituationen aus, die repräsentativ für den heutigen Alltagsverkehr sind. Die Strecke beinhaltet die Innenstädte von Mannheim und Heidelberg sowie die Durchfahrung von 23 Ortschaften und kleineren Städten. Zu den Situationen, die ein autonomes Fahrzeug auf der Bertha-Benz-Route beherrschen muss, gehören z. B. Kreisverkehre, Kreuzungen mit und ohne Ampelanlagen, Zebrastreifen, Überholen von Radfahrern oder enge Ortsdurchfahrten mit entgegenkommendem Verkehr. Eine Besonderheit des vorgestellten Projektes war die ausschließliche Verwendung seriennaher Sensorik. Kameras und Radarsensoren in Verbindung mit einer präzisen digitalen Karte ermöglichten die Erfassung des Fahrzeugumfelds auch in komplexen Situationen. Dieser Artikel liefert eine Systemübersicht des Fahrzeugs. Er beschreibt die kamerabasierte Umgebungswahrnehmung, die verwendeten digitalen Karten und die kartenrelative Selbstlokalisierung sowie die Manöverplanung in komplexen Verkehrsszenarien.

Model based sensor fault detection for an active vehicle suspension

Abstract At the beginning, a short introduction into the topic of active vehicle suspensions and the LOLIMOT neuronal network, which is used to identify accurate models of the active suspension system, is presented. Subsequently, physical mathematical models of the considered active vehicle suspension implemented in a test rig are derived. The structure of these nonlinear physical models is then used to define the inputs and outputs of the local linear neuronal network LOLIMOT. Hence, a semi-physical modelling approach results. This network is then trained with test rig data, in order to obtain accurate parity equations for model based fault detection. Various faults are simulated with test rig data and it is shown, how these faults are detected.