Benachrichtigung aktivieren Dürfen wir Sie in Ihrem Browser über die wichtigsten Nachrichten des Handelsblatts informieren? Sie erhalten 2-5 Meldungen pro Tag.
Fast geschafft Erlauben Sie handelsblatt.com Ihnen Benachrichtigungen zu schicken. Dies können Sie in der Meldung Ihres Browsers bestätigen.
Benachrichtigungen erfolgreich aktiviert Wir halten Sie ab sofort über die wichtigsten Nachrichten des Handelsblatts auf dem Laufenden. Sie erhalten 2-5 Meldungen pro Tag.
Jetzt Aktivieren
Nein, danke
Digitale Revolution

Digitale Revolution Autonomes Fahren: So funktionieren maschinenlesbare 3D-Karten

Maschinenlesbare 3D-Karten sind nach Ansicht der meisten Experten Voraussetzung für sichere selbstfahrende Autos. Diese verarbeiten Milliarden von Informationen in Echtzeit.
Kommentieren
Maschinenlesbare 3D-Karten müssen Milliarden von Informationen in Echtzeit einspeisen. Quelle: HERE Navigation
Here-Navigation

Maschinenlesbare 3D-Karten müssen Milliarden von Informationen in Echtzeit einspeisen.

(Foto: HERE Navigation)

MünchenDreidimensionale, hochauflösende Karten gelten als zentrale Voraussetzung dafür, dem autonomen Fahren zum Durchbruch im Massenmarkt zu verhelfen. Schließlich müssen Roboterautos all das technologisch imitieren, was sonst der Mensch im Straßenverkehr erledigt: sehen, hören, Gefahren einschätzen und die richtigen Schlüsse daraus ziehen.

Sensoren und Kameras alleine reichen dafür nach Ansicht der meisten Experten nicht aus. Erst in Kombination mit der zentimetergenauen Lokalisierung des Vehikels auf der Strecke und der Objekte und Subjekte um das Fahrzeug herum werden selbstfahrende Autos sicher.

Wie genau funktionieren aber digitale Landkarten und wie bleiben sie auf dem neuesten Stand? Um maschinenlesbare 3D-Karten erstellen zu können, müssen die Anbieter zunächst eine gigantische Menge an Daten sammeln und mit Hilfe von Algorithmen auswerten.

Dafür fahren Geokartendienste wie Here Technologies mit Hunderten speziell ausgerüsteten Vermessungsautos Millionen von Kilometer ab. Mit Hilfe von Dutzenden Sensoren sowie Ultraschall- und neuester Lasertechnik (Lidar) wird die Welt vermessen und ein maschinenlesbares Abbild der Straßenoberfläche erstellt.

Milliarden von Informationen werden dabei erhoben: Straßenverläufe, Spuren, Gefälle, Knotenpunkte, Parkplätze, Nothaltebuchten, Zufahrten oder der Abstand zum Bordstein. Alles, was den Verkehrsfluss beeinflussen kann, ist relevant: Stoppschilder, Tempolimits, Ampeln, Zebrastreifen.

Auch die Umgebung wird weiträumig gescannt: Gebäude, Bäume, Hydranten, Briefkästen, Mülltonnen. Die wichtigsten Kriterien sind Präzision und Aktualität. Dafür greifen Kartenhersteller auch auf öffentliche Quellen zurück, um etwa zu ermitteln, wann und wo Bauarbeiten geplant sind.

Grafik

Statische Informationen reichen nicht aus, um ein Roboterauto sicher durch den Verkehr navigieren zu können. Es bedarf auch einer Fülle an dynamischen Daten. Wie schnell fahren die Fahrzeuge vor, hinter und neben einem? Gibt es Hindernisse auf der Fahrbahn? Regnet es? Einen Teil dieser Informationen ermitteln die Roboterautos über ihre Sensoren selbst. Deren Sichtweite ist aber limitiert.

Echtzeitinformationen erfordern 5G

Um zu erkennen, ob beispielsweise hinter einer langen Kurve eine Nebelbank oder Ölspur liegt, sind HD-Karten vonnöten, die in Echtzeit über Cloud-Server aktualisiert werden und die Beobachtungen von möglichst vielen anderen Fahrzeugen auf derselben Route zusammentragen.

Moderne Fahrzeuge sind heute mit Mobilfunkkarten ausgestattet, über die Sensordaten in anonymisierter Form an HD-Kartendienstleister weitergeleitet werden können, sofern die Nutzer zustimmen. Je größer der Pool an Fahrzeugen, die bei dem Datenaustausch mitmachen, desto frischer und präziser sind die Karten.

Um bei der Aktualisierung der Karten die Computer durch die schiere Datenmasse nicht zu überfordern, gliedern die Navigationsdienstleister die Routen in der Regel in Kacheln. Während der Fahrt laden die einzelnen Autos ausschließlich diese Kacheln und nicht bei jeder kleinen Änderung die komplette Karte.

Damit sich die Roboterautos wirklich zentimetergenau orientieren können, müssen alle möglichen Informationen kombiniert und aufeinander abgestimmt werden. Dafür setzen Geokartendienste auf ein Verfahren, das in der Robotik zum Einsatz kommt: die SLAM-Methode.

SLAM steht für simultane Positionsbestimmung und Kartenerstellung. Letztlich wird dabei das, was das selbstfahrende Auto dank seiner Sensoren und Laser von seiner Umgebung weiß, mit den hochauflösenden Karten abgeglichen. So kann sich das Roboterauto exakt verorten.

Bleibt autonomes Fahren eine Utopie?

Um den Verkehr der Zukunft mit Echtzeitinformationen steuern zu können, bedarf es allerdings eines moderneren Mobilfunknetzes, vorzugsweise mit 5G-Standard. Auch wegen der bis dato noch nicht ausgebauten Infrastruktur in diesem Bereich ist der Weg hin zu großen Stückzahlen an autonomen Autos noch sehr lang.

Mehr: Autonom fahrende Autos brauchen exakte Karten. Mit der Gemeinschaftsfirma Here – Daimler, BMW und Volkswagen sind beteiligt – will die deutsche Autoindustrie Google den Kampf ansagen.

Egal, ob es um Künstliche Intelligenz oder um Blockchain geht – die Geschwindigkeit, mit der neue Schlagwörter aus der digitalen Welt auf uns einprasseln, ist enorm. Doch was davon hat Substanz, was ist nur Hype? In unserer Multimedia-Rubrik „Digitale Revolution“ beleuchten Handelsblatt-Redakteure, wie Digitalisierung unsere Unternehmen, unsere Gesellschaft und unseren Alltag verändert. Jede Woche nehmen sich die Redakteure eines Schwerpunktthemas an. Die unterschiedlichen Aspekte werden in mehreren Beiträgen multimedial aufbereitet. Dabei kommen interaktive Grafiken, Videos oder Bildergalerien zum Einsatz.

Startseite

Mehr zu: Digitale Revolution - Autonomes Fahren: So funktionieren maschinenlesbare 3D-Karten

0 Kommentare zu "Digitale Revolution: Autonomes Fahren: So funktionieren maschinenlesbare 3D-Karten"

Das Kommentieren dieses Artikels wurde deaktiviert.

Serviceangebote