Real Environment Detection Area (REDA)

Der autonome Futtermischwagen wird im öffentlichen Außenbereich eingesetzt. Diese Bereiche ergeben besondere Herausforderungen an berührungslose Objektdetektionssysteme (ODS). Neben den schwierigen Umgebungsbedingungen ist ein Ausschluss bestimmter Personengruppen -im Vergleich zu nichtöffentlichen Bereichen- nicht möglich. Standardisierte Prüfkörper waren entweder für den öffentlichen Außenbereich oder für autonome Systeme vorgesehen, jedoch nicht für die Kombination von beidem. Daher wurde in AGRO-SAFETY ein humanoider Prüfkörper entwickelt und verwendet, der auf Erfahrungen und Anforderungen aus beiden Bereichen basiert. Durch die Position des Teststandes im Außenbereich wird die Detektionsfähigkeit der Sensoren unter realen Umgebungsbedingungen in dynamischen Szenarien getestet und dies 24 Stunden an 365 Tagen im Jahr. Die Umgebungsbedingungen werden, wie die Performance der Objektdetektionssysteme, bei jedem Prüfdurchlauf aufgezeichnet. Diese Performance wird durch den Prüfstand, in Form der -im Projekt entwickelten- Real Environment Detection Area (REDA), vergleichbar.

Jeder auf dem Prüfstand getestete Sensor hat eine vom Hersteller individuell einstellbar oder festgelegte Specified Detection Area (SDA). Ein Messcomputer speichert in einem Intervall von 6 ms unter dem jeweiligen Zeitstempel das binäre Signal des Sensors in einer Datenbank ab. Bei einer festgestellten Detektion innerhalb der SDA sendet der Sensor eine 1. Im Umkehrschluss wird bei keiner festgestellten Feldverletzung der SDA eine 0 übergeben. Unabhängig von dem binären Sensorsignal werden die aktuellen Positionen des Prüfkörpers und des Sensors mit dem Zeitstempel abgespeichert.

Das Beispiel links zeigt eine Visualisierung einer realen Messung. Die Software wertet zunächst die Koordinaten des Prüfkörpers und des Sensorsystems für jeden gespeicherten Zeitstempel chronologisch aus. Diese relativen Positionen des Prüfkörpers werden als einzelne schwarze Punkte geplottet und ergeben das links dargestellte Streifenmuster. Nachgehend werden die binären Signale des Sensors zum jeweiligen Zeitstempel ausgewertet. Hat der Sensor zum jeweiligen Zeitstempel eine 1 gesendet wird der Punkt grün eingefärbt. Um die tatsächlich eingestellte Detektionsfläche in Relation stellen zu können wird die SDA in grau über die Messpunkte gelegt. Abschließend wird geprüft ob aus den zusammenhängenden Detektionen eine REDA gebildet werden kann. Wenn diese Zustande kommt wird diese Gelb unterlegt. Eine Non-Detection innerhalb der REDA wird in rot gekennzeichnet.

Um das Messergebnis zu bewerten wird nun evaluiert ob die REDA der im Sensor eingestellten SDA entspricht. Dies ist nicht der Fall, weshalb im nächsten Schritt eine Ursache für diese Diskrepanz gefunden werden soll. Hierfür werden die aufgezeichneten Umgebungsbedingungen auf starke Ausschläge untersucht. Es stellte sich heraus das bei der Messung Nebel über dem Prüfstand stand. Diese Beobachtung legt nahe, dass das Detektionssystem von Nebel beeinflusst werden kann. Rechts sind sogenannte Real Environments Detection Area Matrix (REDAM) dargestellt. Diese stellen das Potenzial der Methode dar. Betrachtet man die REDAs entlang der Anwendungsachse so lässt sich ein maximal kleiner Bereich erzeugen. Diese Fläche entspricht dem Erfassungsbereich des Sensorsystems, der sich im REDAM unter allen eingezeichneten Umweltbedingungsklassen ergibt.

Für den autonomen Futtermischwagen-Selbstfahrer ist ein berührungsloses Sensorkonzept zum Personenschutz wesentlicher Bestandteil. Um ein Konzept im Einvernehmen der Funktionalen Sicherheit zu entwickeln wurde die erste Outdoor-Prüfmethode dieser Art entwickelt.

AGRO-SAFETY

1. Komesker M., Meltebrink C., Detektionsfähigkeit: Evaluation einer zentralen Sensorsystemeigenschaft für die sichere Umfeldwahrnehmung von autonomen Maschinen. 8. Fachtagung MOBILE MACHINES – Sicherheit und Fahrerassistenz für Arbeitsmaschinen: 18. Februar 2025, Karlsruhe, WVMA - Wissenschaftlicher Verein für Mobile Arbeitsmaschinen e.V. [Hrsg.] 1; Geimer, Marcus [Hrsg.], https://publikationen.bibliothek.kit.edu/1000177500
2. Komesker M., Meltebrink C., Ebenhöch S. Stiene S., V-Model Approach for Developing Safe Environment Perception Systems for Autonomous Machinery In LAND.TECHNIK AgEng 2024, VDI Reports No. 2444. The Forum for Agricultural Engineering Innovations, Osnabrück, Germany; VDI Verlag: Düsseldorf, Germany, 2024; pp. 275-281
3. Komesker, M.; Meltebrink, C.; Ebenhöch, S.; Zahner, Y.; Vlasic, M.; Stiene, S. Validation Scores to Evaluate the Detection Capability of Sensor Systems Used for Autonomous Machines in Outdoor Environments. Electronics 2024, 13, 2396. https://doi.org/10.3390/electronics13122396
4. Meltebrink, C.:Validation methodology for sensor systems on autonomous machines for person detection in public outdoor areas under variable environmental conditions.Doctoral Thesis, 2023. doi.org/10.14279/depositonce-17093
5. Meltebrink, C.: Sichere Umfeldwahrnehmung am Beispiel autonomer Futtermischwagen (invited talk). 99. Sitzung des DLG-Ausschusses für Digitalisierung, Arbeitswirtschaft und Prozesstechnik, Bernburg-Strenzfeld, 2023.
6. Meltebrink, C.: Safe environmental perception – a key technologiy for safety of agricultural robots (invited talk). 4th International VDI Conference – Automation and Robotics in Agriculture, Düsseldorf, 2023.
7. Meltebrink C.: New approach for safe environmental perception – a key technology for autonomous machines. International Conference on Agricultural Engineering - LAND.TECHNIK AgEng 2023, Hannover, 2023.
8. Meltebrink, C.: Sichere Umfeldwahrnehmung - Schlüsseltechnologie zur funktionalen Sicher-heit automatisierter Arbeitsmaschinen (invited talk). 5. Symposium der SAFETYON e.V., Osn-abrück, 2022.
9. Meltebrink, C.; Komesker, M.; Kelsch, C.; König, D.; Jenz, M.; Strotdresch, M.; Wegmann, B.; Weltzien, C.; Ruckelshausen, A. REDA: A New Methodology to Validate Sensor Systems for Person Detection under Variable Environmental Conditions. Sensors 2022, 22, 5745. https://doi.org/10.3390/s22155745.
10. Meltebrink, C.; Strotdresch, M.; Wegmann, B.; Weltzien, C.; Ruckelshausen, A. Humanoid test target for the validation of sensor systems on autonomous agricultural machines. LANDTECH-NIK 77(3), 2022, p. 103–120. https://doi.org/10.15150/lt.2022.3282.

Christian Meltebrink, Magnus Komesker, Mario Jenz