Sensornahe Datenkompression ermöglicht sicheres autonomes Fahren Das autonome Fahren revolutioniert den Individualverkehr, serviceorientierte Mobilitätskonzepte und den Nutzfahrzeugbereich. Die Absicherung des Gesamtsystem und seiner Komponenten erfolgt durch steuerbare und reproduzierbare szenariobasierte Tests in realen oder virtuellen Umgebungen. Für die flexibel anpassbare und hoch performante Verarbeitung der anfallenden Datenmengen wird ein In-Vehicle Edge-Server Konzept für eine bedarfsorientierte Datenkompression erarbeitet und prototypisch umgesetzt.

Die Validierung von bildverarbeitenden Steuergeräten in hoch technisierten Anwendungen, wie dem autonomen Fahren, ist eine anspruchsvolle Aufgabe mit zunehmender Komplexität. Einerseits nimmt die Anzahl der verbauten bildgebenden Sensoren zu, andererseits steigt auch deren räumliche Auflösung und damit in direkter Konsequenz auch die aufkommende Datenmenge. Ein Ergebnis, das neue und herausfordernde Anforderungen an die zu verarbeitenden Systeme stellt. Um die komplexe Aufgabe der leistungsstarken Entwicklung und Absicherung von Anwendungen für das autonome Fahren zu bewältigen, setzt sich zunehmend die Aufzeichnung von geeigneten Szenarien im realen Fahrzeug (Data Logging) durch. Die so gespeicherten Sensordaten werden dann später jederzeit bei Bedarf wieder abgespielt (sog. Data Replay) um damit die Steuergeräte kosteneffektiver zu testen. Um die begrenzte Speicherkapazität des im Fahrzeug verwendeten Systems zur Aufzeichnung effizienter zu nutzen, werden daher - den Anforderungen der Sensordaten entsprechende - Verfahren zur verlustlosen Kompression benötigt.

Im Rahmen des Transferprojekts wurden verschiedene State-of-the-Art-Verfahren zur verlustlosen Bilddatenkompression untersucht und hinsichtlich ihrer Tauglichkeit für die im Fahrzeug typischen Bilddaten evaluiert. Dazu wurden zunächst die Charakteristika automotiver Sensordaten erarbeitet und bei der Analyse der Kompressionsverfahren berücksichtigt. Unter den untersuchten Verfahren wurde ein ausgewählter Algorithmus prototypisch in einem Demonstrator auf Basis der In-Vehicle-Plattform AUTERA der Firma dSPACE umgesetzt. Um die vorhandene maximale Bandbreite und die Speicherkapazität des Systems bestmöglich auszunutzen, wurden die Daten dabei möglichst sensornah komprimiert und erst kurz vor dem Einspeisen ins Steuergerät wieder dekomprimiert. Dieses Kriterium, in Verbindung mit der erforderlichen Echtzeitfähigkeit des Systems, erfordert die Umsetzung einer hardware-beschleunigten (De-)Kompressionslösung auf Basis einer flexiblen und hochleistungsfähigen FPGA-Erweiterungskarte der dSPACE AUTERA In-Vehicle-Plattform (vgl. Abbildung). Ziel war ein Proof-of-Concept der intelligenten und bedarfsgerechten Datenkompression für Data Logging und Data Replay im Kontext des autonomen Fahrens.

Anforderungen, Trends und Herausforderungen im Bereich Data-Logging und Data-Replay von Sensordaten im Automobilsektor wurden ermittelt und eine Übersicht verlustfreier Kompressionsverfahren für Kameradaten erstellt. Durch Evaluation mit realen Testdaten konnten Vor- und Nachteile gängiger Kompressionsverfahren bei der Verarbeitung von Bilddaten aus dem Bereich des autonomen Fahrens aufgezeigt werden. Mit Hilfe zusätzlicher, ökonomischer und auf die Zielplattform zugeschnittener Bewertungskriterien wurde JPEG-LS, als Bild-basiertes Kompressionsverfahren ausgewählt. Die Umsetzung als flexibles und an verschiedene Anwendungsfälle anpassbares FPGA-Design, ermöglicht den Einsatz mit einer hochleistungsfähigen FPGA-Erweiterungskarte der dSPACE AUTERA In-Vehicle-Plattform.