Page - (000445) - in Autonomes Fahren - Technische, rechtliche und gesellschaftliche Aspekte

42920.3 Methoden zum Umgang mit Unsicherheiten der maschinellen Wahrnehmung Sensoren signifikant, d. h. außerhalb der statistisch zu erwartenden Schwankungsbreite, ab, liegt eine entsprechende Leistungsminderung vor. Es bleibt jedoch festzuhalten, dass eine Einschränkung der Sensorfunktion nur erkannt werden kann, nachdem sie aufgetreten ist. Außer Trendaussagen bei langsamer Degene- ration ist keinerlei Vorhersage der zukünftigen Wahrnehmungsleistung bezogen auf die Zustandsunsicherheit möglich. 20.3.3 Existenzunsicherheit Für die Realisierung des automatisierten Fahrens ist die Existenzunsicherheit mindestens genauso relevant wie die Zustandsunsicherheit. Sie drückt aus, mit welcher Wahrschein- lichkeit das Objekt in der Fahrumgebungsrepräsentation auch wirklich einem realen Objekt entspricht. Eine Notbremsung eines automatisierten Fahrzeugs sollte beispielsweise nur im Falle einer sehr hohen Existenzwahrscheinlichkeit eines erkannten Hindernisses ausgelöst werden. Während die Schätzung von Zustandsunsicherheiten nach dem Stand der Technik durch Methoden der Bayes-Schätzung theoretisch fundiert erfolgt, wird die Existenzwahrschein- lichkeit in heutigen Systemen noch meist aufgrund eines heuristischen Qualitätsmaßes bestimmt. Ein Objekt gilt als bestätigt, wenn das Qualitätsmaß einen sensor- und an wen- dungsabhängigen Schwellwert überschreitet. Die Qualitätsmaße basieren beispielsweise auf der Anzahl der Messungen, die das Objekt bestätigt haben, oder einfach auf der Zeit- spanne zwischen Initialisierung des Objektes und dem aktuellen Zeitpunkt. Häufig wird auch die Zustandsunsicherheit des Objektes (s. Abschn. 20.3.2) zur Validierung verwendet. Ein theoretisch besser fundierter Ansatz ist die Schätzung einer wahrscheinlichkeitsba- sierten Existenzwahrscheinlichkeit. Hierfür ist zunächst eine Definition der spezifischen Objektexistenz notwendig. Während in manchen Anwendungen sämtliche realen Objekte als existent betrachtet werden, kann die Objektexistenz auch auf die in der aktuellen An- wendung relevanten Objekte eingeschränkt werden. Des Weiteren ist eine Einschränkung auf die mit dem aktuellen Sensor-Setup auch detektierbaren Objekte möglich. Im Gegen- satz zu einem Schwellwertverfahren ermöglicht diese Bestimmung der Existenzwahr- scheinlichkeit jedoch eine wahrscheinlichkeitsbasierte Interpretationsmöglichkeit. Bei- spielsweise bedeutet eine Existenzwahrscheinlichkeit von 90 Prozent, dass die Messhisto- rie sowie das Bewegungsmuster des Objektes mit einer Wahrscheinlichkeit von 90 Prozent von einem realen Objekt erzeugt wurden. Folglich kann die Handlungsplanung des auto- matisierten Fahrzeugs diese Wahrscheinlichkeiten bei der Bewertung von Handlungsalter- nativen verwenden. Ein bekannter Algorithmus zur Berechnung einer Existenzwahrscheinlichkeit stellt das ebenfalls auf dem allgemeinen Bayes-Filter aufbauende Joint-Integrated-Probabilistic- Data-Association- (JIPDA-) Verfahren dar, das erstmals 2004 von Musicki [13] vorgestellt wurde. Es verwendet hierfür zusätzlich die als bekannt vorausgesetzten Detektions- und Falschalarmwahrscheinlichkeiten der Sensoren.