PROSENSE - PROaktiv SENSorik för självkörande fordon

Syfte och mål

Trots stor fokus på forskning och innovation inom autonom körning så finns det fortsatt många utmaningar gällande komplexa trafiksituationer med ocklusion. Prosense ämnar att utöka state-of-the-art genom att: 1. Integrera information från flera sensorer för att skapa en representation av omvärlden som innehåller möjliga ocklusioner. 2. Förbättra robustheten av omvärldsperceptionen för olika trafikscenarier. 3. Integrera omvärldsmetadata för ett kontextmedveten detektion & klassificering av dolda fordon & gångtrafikanter samt objektförväntningar & prediktioner.

Förväntade effekter och resultat

När projektet är klart kommer framstegen inom de viktigaste teknikområdena att utöka omvärldsperceptionens förmåga. De främsta resultaten är: 1. Utvecklade avancerad algoritmer för hantering av ocklusioner baserade på multimodal sensordata och omvärldsmetadata. 2. Integration av avancerade algoritmer för omvärldsperception som inkluderar dolda objekt- Dessa algoritmer ska användas på ett autonomt fordon. 3. En demonstration av integrerade algoritmer som imiterar komplexa ocklusioner i trafiken.

Planerat upplägg och genomförande

Projektet kommer att till en början fokusera på två huvudsakliga områden, att generera syntetisk data och att utveckla en ocklusionsmodell i 3D. Under tiden kommer grundläggande forskning bedrivas inom fusion från multipla källor för robust omvärldsperception i realtid samt proaktiv och kontextmedveten objektsperception. Resultaten kommer att publiceras på konferenser och journaler med högt anseende. Vartefter nya algoritmer och funktionaliteter utvecklas, kommer dessa att integreras i ett autonomt fordon för demonstrationer på en testbana.