Die autonome Mobilität von morgen soll den Verkehrsfluss effizienter gestalten und damit Ressourcen einsparen und die Verkehrssicherheit erhöhen. Durch die Reduktion der Treibhausgasemissionen kann das autonome Fahren einen Beitrag zur Erfüllung der Pariser Klimaziele leisten, sofern die Potentiale der operativen Effekte - wie zum Beispiel des eco-driving, platooning, und die intersection connectivity - vollumfänglich genutzt werden. Um autonomes Fahren zu ermöglichen, werden Kamerasysteme eingesetzt, welche hinter der Fahrzeugverglasung angebracht sind. Die Leistungsfähigkeit KI-basierter Erkennungsmodule wird durch die optischen Eigenschaften der Verglasung beeinflusst. Die zwei Hauptkomponenten sind dabei die Verzeichnung und die Unschärfe. Den Auswirkungen dieser optischen Effekte auf die Prädiktionsgenauigkeit KI-basierter Erkennungsmodule soll durch zwei unterschiedliche Strategien begegnet werden. Zum einen soll die Verzeichnung über hochaufgelöste Deflektionsmessungen aktiv korrigiert werden und zum anderen soll die Unschärfe durch erhöhte Qualitätsanforderungen an die Verglasung unterdrückt werden, sodass diese Aberrationskomponente vernachlässigbar wird. Um dieses Vorhaben zu realisieren, sind zunächst die Korrelationen zwischen Glasqualität und KI-System-Performance zu untersuchen, damit die Sicherheits-anforderungen aus der KI-Welt auf optische Kenngrößen abgebildet werden können. Viele KI-Systeme weisen eine Opazität auf, was den Zusammenhang zwischen Bild-Eingabedaten und KI-Ausgabe für den Nutzer nur schwer greifbar macht. Dies stellt insbesondere bei sicherheitsrelevanten Anwendungen ein großes Problem dar. Beispielsweise ist die Bestimmung von Leistungsgrenzen innerhalb eines erforderlichen Vertrauensniveaus für solche KI-Systeme nicht oder nur schwer möglich. Erkenntnisse aus dieser Dissertation können helfen, die Zuverlässigkeit von KI-Systemen für das autonome Fahren zu erhöhen und bieten eine Entscheidungsgrundlage zur internationalen Standardisierung im Rahmen der ISO6041. Zudem leistet diese Arbeit einen Beitrag zur Steigerung der Robustheit KI-basierter Systeme gegenüber optischen Aberrationen der Windschutzscheibe auf Basis der Fourier Optik, der optischen Messtechnik und dem maschinellen Lernen. Die dadurch erzielte Vertrauenswürdigkeit des Systems ist essentiell, um die notwendige gesellschaftliche Akzeptanz zu etablieren, um den Mehrwert des autonomen Fahrens großskalig zu realisieren und damit die Sicherheit sowie die Ressourceneffizienz in der Mobilität nachhaltig zu erhöhen.
Safeguarding AI-based autonomous driving against distribution shifts induced by wavefront aberrations of the windshield
2025
Buch
Elektronische Ressource
Englisch
Wavefront coding sees through aberrations
British Library Online Contents | 1999
Windshield Damage and Driving Safety
NTIS | 1981
|Windshield damage and driving safety
Elsevier | 1984