Frank Lindner

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.

Robust recognition of traffic signals

In this paper a general system for real-time detection and recognition of traffic signals is proposed. The key sensor is a camera installed in a moving vehicle. The software system consists of three main modules: detection, tracking, and sample-based classification. Additional sensor information, such as vehicle data, GPS, and enhanced digital maps, or a second camera for stereo vision, are used to enhance the performance and robustness of the system. Since the detection step is the most critical one, different detection schemes are compared. They are based on color, shape, texture and complete-object classification. The color system, with a high dynamic range camera and precise location information of the vehicle and the searched traffic signals, offers valuable and reliable help in directing the drivers attention to traffic signals and, thus, can reduce red-light running accidents.

Confidence Measurements for Adaptive Bayes Decision Classifier Cascades and Their Application to US Speed Limit Detection

This article presents an adaptive Bayes model for the decision logic of cascade classifier structures. The proposed method is fast and robust with respect to multimodal and overlapping distributions and can be applied to arbitrary stage classifiers with continuous outputs. The method consists of an adaptive computation of thresholds and probability density functions which outperform the threshold based decision. It furthermore guarantees high detection rates independent of the number of stage classifiers. Based on this Bayes model different confidence measures are proposed and evaluated statistically and used for merging detection windows. The algorithm is applied to the detection of US speed limit signs under typical driving conditions. Results show that on a single CPU with 3.3 GHz the proposed method yields single image detection rates of 97 % with 0.2 false positives per image running at 13 Hz, and for a different setup a detection rate of 93 % with 0.2 false positives per image performing with 43 Hz for scanning the whole image (752x480 pixels).

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.

Bildverstehen im innerstädtischen Verkehr

Zehn Jahre nach dem Beginn von PROMETHEUS ist es beinahe selbstverstandlich geworden, das mit Kameras ausgestattete Fahrzeuge auf Autobahnen ohne Fahrereingriff lenken, prazise den Abstand zum Vordermann halten und ihre Geschwindigkeit an die aktuellen Vorgaben der Verkehrszeichen anpassen. Das automatische Fahren im stadtischen Umfeld stellt eine neue Herausforderung an bildverstehende System dar. Dieser Beitrag beschreibt den Stand unserer Arbeiten, deren Ziel es ist, die Verkehrsszene soweit zu verstehen, das unser Versuchsfahrzeug UTA (Urban Traffic Assistant) ohne Verletzung von Verkehrsregeln einem vorausfahrenden Fahrzeug selbstandig folgen kann.