Dirk Kemper, Stefan Biermeier, Christoph Klas, Amogh Sakpal

• Für automatisierte Fahrmanöver eines Fahrzeuges im Straßenverkehr ist eine Erkennung der Situation, in dem sich das Fahrzeug befindet, eine notwendige Voraussetzung. Längsmarkierungen werden bei automatisierten Fahrmanövern zur Querpositionierung genutzt und müssen hierfür von der Sensorik des Fahrzeuges detektiert werden. Neben der Güte des Sensors und der Signalverarbeitung sind die Ausprägungen spezifischer Merkmale eines Objektes für das Ergebnis einer Detektion entscheidend. Diese qualitative Ausprägung kann im Kontext der Detektion als maschinelle Erkennbarkeit bezeichnet werden. Für die Ableitung einheitlicher und fundierter (Mindest-) Standards für Markierungen als Bestandteil einer automatisiert befahrbaren Straße besteht wissenschaftliches Interesse an der Entwicklung von Methoden zur Quantifizierung der maschinellen Erkennbarkeit einer Markierung. Ziel des Forschungsprojektes ist neben der Erforschung von Anforderungen an Fahrbahnmarkierung für das automatisierte und vernetzte Fahren auch der Abgleich mit aktuellen Qualitätsanforderungen, die bisher maßgeblich die Wahrnehmbarkeit von Markierung durch den menschlichen Fahrer sicherstellen sollen. Eine Literatur- und Marktanalyse ist die Grundlage für Prüfsystematik und Bewertungsmetrik. In Fahrversuchen auf einem Testfeld und einer öffentlichen Autobahn wurden Markierungskenngrößen (Leuchtdichtekoeffizienten Qd, RL und RL,w sowie Geometrie und Material) und äußere Einflussfaktoren (Tag, Nacht und Gegenlicht sowie Nässe und Trockenheit) gezielt und kontrolliert variiert. Zur Bewertung der maschinellen Detektierbarkeit wird der Kontrast zwischen der Markierung und der benachbarten Fahrbahnoberfläche in Kamerabildern und LiDAR-Punktwolken analysiert. Alle Markierungskenngrößen und äußeren Einflussfaktoren können bezüglich des Einflusses auf die maschinelle Detektierbarkeit bewertet werden. Insbesondere der Kontrast der Leuchtdichtekoeffizienten von Markierung und benachbarter Fahrbahnoberfläche ist maßgebend. Es kann grundsätzlich festgestellt werden, dass bei trockenen und nassen Bedingungen die Erneuerungswerte nach ZTV M 13 ausreichen, um einen Weberkontrast von 0,1 in Kamerabild und LiDAR-Punktwolke sicherzustellen. Auch ein Weberkontrastwert von 0,5 kann in vielen Fällen durch die Erneuerungswerte der ZTV M 13 erreicht werden. Im direkten Vergleich ist die Kamera-Detektierbarkeit bei Tageslicht (Qd) und bei Nacht und Nässe (RL,w) durch bisherige Standards deutlich weniger sichergestellt als bei Nacht und Trockenheit (RL). Bisherige Anforderungen an RL,w stellen eine deutlich geringere LiDAR-Detektierbarkeit bei Nässe sicher als Anforderungen an RL bei Trockenheit (unabhängig von der Beleuchtungssituation). Die Ergebnisse der wissenschaftlichen Arbeit sind Grundlage für weitere Forschungsaktivitäten auf dem Gebiet der Fahrzeugautomatisierung im Zusammenspiel mit der Straßeninfrastruktur und leisten einen Beitrag zur Sicherstellung der automatisierten Befahrbarkeit dieser. Es werden Empfehlungen an Kontrast der Leuchtdichtekoeffizienten von Markierungen und der benachbarten Fahrbahnoberfläche gegeben. Für die fundierte Definition von Mindestwerten sind zukünftig die Einflüsse von falsch-positiven Detektionen zu berücksichtigen und zu erforschen.
• For automated driving manoeuvres of a vehicle in road traffic, recognition of the situation in which the vehicle is located is necessary. Longitudinal markings are used for transverse positioning in automated driving manoeuvres and must be detected by the vehicle's sensor system for this purpose. In addition to the quality of the sensor and the signal processing, the characteristics of specific features of an object are decisive for the result of a detection. In the context of detection, this qualitative characteristic can be referred to as machine detectability. To derive uniform and scientifically founded (minimum) standards for markings that increase autonomous trafficability, there is scientific interest in the development of methods for quantifying the machine recognizability of a marking. The aim of the research project is not only to investigate the requirements for road markings for automated and connected driving, but also to compare them with current quality standards, which are intended to ensure the perceptibility of markings by human drivers so far. A literature and market analysis is the basis for test systematics and evaluation metrics. In driving tests on a test field and a public highway, marking parameters (luminance coefficients Qd, RL and RL,w as well as geometry and material) and external influencing factors (day, night, and backlight as well as wetness and dryness) were varied in a specifically and controlled manner. To evaluate the machine detectability, the contrast between the marking and the adjacent road surface is analysed in camera images and LiDAR point clouds. All marking parameters and external influencing factors can be evaluated with respect to the influence on machine detectability. In particular, the contrast of the luminance coefficients of the marking and the adjacent road surface is decisive. In principle, it can be stated that under dry and wet conditions, the renewal values according to ZTV M 13 are sufficient to ensure a weaver contrast of 0.1 in the camera image and LiDAR point cloud. Even a Weber contrast value of 0.5 can be achieved in many cases by the renewal values of ZTV M 13. Camera detectability in daylight (Qd) and at night and in wet conditions (RL,w) is much less ensured by current standards than at night and in dry conditions (RL). Current RL,w requirements ensure a significantly lower LiDAR detectability in wet conditions than RL requirements in dry conditions (independent of the illumination situation).