Fenja
Driverless

Simple but fast

Basierend auf den in der ersten Driverless Saison gesammelten Erfahrungen und mit einem mäßigen elften Platz bei der Formula Student Germany, galt es in dieser Saison das autonome System um neue Funktionalitäten zu erweitern.

RegeländerungenIn der Saison 2017 war es noch erlaubt die Strecke im voraus aufzunehmen, das Fahrzeug musste also nur die bereits bekannte Strecke abfahren. Das Regelwerk wurde in der darauffolgenden Saison dann dahingehend abgewandelt, dass sich das Fahrzeug nun auf einer unbekannte Strecke befindet. Dies bedeutete für uns das innerhalb einer Saison Algorithmen zur Erkennung der Hütchen, welche als Streckenbegrenzung dienen, entwickelt werden mussten und Algorithmen zum Planen einer abzufahrenden Strecke. Ebenfalls war unser alter Ansatz des Notfallbremssystems nach dem neuen Reglement nicht mehr erlaubt.

Emergency Brake SystemJedes Driverlessfahrzeug muss ein Notfallbremssystem eingebaut haben, mit dem das Fahrzeug aus der Ferne sicher zum Stehen gebracht werden kann. Fenja bekam einen pneumatischen Bremsaktuator, welcher beim Betätigen des Notausknopfes das Bremspedal betätigt. Dafür wurde eine Kompressor-Druckspeicherkombination in Fenja eingebaut. Beim Starten des autonomen Systems pumpte der Kompressor den Druckspeicher auf 10 Bar auf, die im Tank gespeicherte Energie würde dann im Notfall auf den Bremskreislauf übertragen werden.

Autonomous System

Kamera Cone DetectionUm die Hütchen korrekt erkennen zu können wurden einerseits zwei Kameras verwendet. Die Bilder dieser Kameras werden auf jeweils einem eigenen FPGA ausgewertet. Auf den FPGAs werden die Hütchen aus den Bilddaten mithilfe der generalisierten Hough Transformation erkennt. Dabei wird das an der HS Augsburg entwickelte ASTERICS Framework verwendet.

Lidar Cone DetectionDa die Positionserkennung mittels Kamera zwar zuverlässig funktioniert , diese aber nicht genau genug sind, wurde zusätzlich ein LiDAR zur Positionsbestimmung der Hütchen verwendet. Dabei wurde ein Algorithmus verwendet der zuverlässig alle Hütchen erkennt die der LiDAR gerade sehen kann.

Sensor FusionDer finale Mapping Algorithmus kombiniert die genauen Positionsdaten des LiDARs mit den exakten Farbinformationen der Kamera. Dabei werden die Vorzüge der einzelnen Systeme optimal kombiniert. Anhand der genau lokalisierten Hütchen kann dann eine Bahn berechnet werden.

Trajectory Planning Eine Mittelbahn durch den Hütchenparcour wird mithilfe der Voronoi-Methode bestimmt, auf diese kann das Fahrzeug dann regeln.

Technische Daten
Leistungsdaten
Leistung 4x 12.3 kW
Max. Drehmoment 4x 287 Nm
Von 0-100 km/h 2,7 Sekunden
Gewicht 245 kg
Kameras 2x Basler Dart
LiDAR Velodyne VLP-16
Ground Speed Sensor Kistler Correvit SFII
Events

Formula Student Formula Student IMechEBeim ersten Event der Saison ging es zur Formula Student IMechE im britischen Silverstone, obwohl es zu ein paar kurzfristigen logistischen Schwierigkeiten kam, traf das gesamte Driverless Team und Fenja pünktlich zum Event ein. Dort bestritt Fenja alle dynamischen Disziplinen erfolgreich. Als besonderes Highlight fuhren wir als zweites Team weltweit einen kompletten Trackdrive. Die Einzelerfolge aus den dynamischen-und statischen Disziplinen führten am Ende zum Gesamtsieg in der dort FS-AI genannten Driverlessklasse. Gestärkt durch einen Sieg ging es danach mit Hochtouren in die Vorbereitungen für die Formula Student Germany in Hockenheim. Dort würden sich in ein paar Jahren die Elite der Driverlessteams treffen.

Formula Student GermanyDie technische Abnahmen, die Grundvoraussetzung um überhaupt fahren zu dürfen, absolvierten wir als erstes Team des Wettbewerbs erfolgreich. Im Konkurrenzkampf mit den anderen Teams konnten wir im Skidpad überzeugen. Den Trackdrive konnten wir leider im Gegensatz zum Wettbewerb in Silverstone nicht beenden. Beim Accelerationwettbewerb schaffte es Fenja an die Spitze aller Teams. Die 75 Meter Strecke wurde voll autonom in 4,2 Sekunden abgelegt, damit stellten wir einen neuen Weltrekord auf. Am Ende konnten wir uns im Vergleich zum Vorjahr stark verbessern und standen auf dem vierten Platz der Gesamtwertung.

Fazit Das Driverlessteam der Saison 2018 hat in nur einem Jahr ein bestehendes Fahrzeug mit einem funktionierenden autonomen System ausgerüstet. Die entwickelte Software ist äußerst robust und wird in den folgenden Jahren noch als Basis für das kommende System dienen.