Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
Elektronik automot ive 9 Autonomes FAhren Fahrerassistenzsysteme sorgen heutzutage für erhöhte Fahrsicherheit Komforterweiterung und Verbesserung des Fahrerlebnisses Die Anwendung dieser Systeme erfordert eine zunehmende Anzahl an Sensoren Aktoren und Modulen im Fahrzeug die über Datenbusse Informationen transportieren und mit dem Steuergerät kommunizieren Unter Zuhilfenahme vernetzter Systeme werden diese schließlich in hochdynamische automatisierte Steuerungsaktionen transformiert Automatisiertes und autonomes Fahren AD der Level 3 bis 5 benötigt fortgeschrittene Assistenzsysteme Advanced Driver Assistance Systems ADAS Die Vernetzung von Abstand-Regeltempomat radarbasierten Abbiegeassistenten GPSund optischen Daten aus Infrarotkameras Stereokameras sowie Radar Lidar und Ultraschall bilden das sensorische Frontend für automatisierte Fahrsysteme Entwickler müssen sämtliche Risiken ihrer Steuerungslösungen reduzieren um eine erfolgreiche Zulassung ihres Systems und die Akzeptanz durch die Verbraucher gleichermaßen zu gewährleisten Dabei erhöht die steigende Anzahl an hochentwickelter Sensorik im Fahrzeug den Komplexitätsgrad bei der Integration und Absicherung ihrer Funktionen Um neue ADASund AD-Entwicklungen zu validieren werden möglichst realitätsnahe Datensätze benötigt Durch hochauflösende Sensoren werden Informationen während der Testfahrten aus der Umgebung aufgezeichnet Schilder Wetter und Verkehrsteilnehmer können dabei über Objektklassifizierung und KIbasierte Modelle miteinbezogen werden um reale Verkehrsszenarien zu erfassen Daraus ergeben sich entsprechend hohe Anforderungen an die Aufnahmequalität der Signale Kommt es während eines Testlaufs zu einer Fehlfunktion greifen die Kontrollfahrer manuell in die Fahrzeugsteuerung ein Damit die autonome Steuerungssoftware durch solche Korrekturen »lernen« kann müssen sämtliche Datenströme vor und nach einem Fahrfehler präzise erfasst ausgewertet und anschließend in die Steuerungssoftware eingespeist werden Dies führt zu einem noch nie dagewesenen Ausmaß an Sensordaten – mehrere Terabytes an Sensordaten pro Minute Automobilhersteller stehen daher vor der Herausforderung Messdaten unter realen Fahrbedingungen im Fahrzeug parallel aufzuzeichnen zu speichern und auszuwerten Nach erfolgreichen Tests folgt die Virtualisierung zum Beispiel innerhalb eines Hardwareinthe-Loop HiL -Systems Die gewonnenen Daten sollen als Grundlage zur Anlernung von neuronalen Netzen dienen um durch Deep-Learning-Mechanismen eine künstliche Intelligenz zu entwickeln die in der Lage ist die aufgezeichneten Situationen real zu bewerten Jene Art von Datengewinnung spart Zeit Ressourcen und finanzielle Mittel durch eine schnelle und einfache Replikation von Testfällen mit definierten oder beeinflussbaren Sand-Box-Umgebungen für die Serienabsicherung In der ADAS AD-Entwicklung wird folglich ein robustes System benötigt das enorme Rechenleistung hohe Schreibraten und Speicherkapazität bereitstellt Serverperformance im Fahrzeug Als Hersteller und Entwickler indus - trieller Computersysteme mit langjähriger Erfahrung im Automotive-Markt ist InoNet in der Lage den Alltag für Fahrzeugentwickler durch das Automotive Computing Ecosystem wesentlich einfacher zu gestalten Um den steigenden Anforderungen vor allem in der Absicherung neuer Fahrzeugentwicklungen gerecht werden zu können reichen übliche Embedded-PCs nicht aus Es wird performante Servertechnik auf Das InoNet Automotive Computing Ecosystem Bild InoNet Mayflower-B17-LiQuid mit Dual Intel Xeon Scalable CPU Bild InoNet