Fortschrittliche Trägheitsnavigation für autonome Fahrzeuge

Die Autonomiestufen autonomer Fahrzeuge werden von der Society of Automotive Engineers (SAE) in sechs Stufen (Stufe 0 bis Stufe 5) eingeteilt, die den Grad der Automatisierung im Fahrzeugbetrieb definieren. Hier ist eine Aufschlüsselung:

• Level 0: Keine Automatisierung – Der menschliche Fahrer steuert das Fahrzeug jederzeit vollständig, wobei nur passive Systeme wie Warnmeldungen und Warnungen vorhanden sind.
• Level 1: Fahrerassistenz – Das Fahrzeug kann entweder beim Lenken oder beim Beschleunigen/Verlangsamen helfen, aber der menschliche Fahrer muss die Kontrolle behalten und die Umgebung überwachen (z. B. adaptive Geschwindigkeitsregelung).
• Level 2: Teilautomation – Das Fahrzeug kann sowohl Lenkung als auch Beschleunigung/Verzögerung gleichzeitig steuern, aber der Fahrer muss jederzeit aufmerksam bleiben und bereit sein, die Kontrolle zu übernehmen (z. B. Tesla Autopilot, GM Super Cruise).
• Level 3: Bedingte Automatisierung – Das Fahrzeug kann alle Aspekte des Fahrens unter bestimmten Bedingungen übernehmen, aber der menschliche Fahrer muss bereit sein, einzugreifen, wenn er vom System dazu aufgefordert wird (z. B. Autobahnfahrt). Der Fahrer muss nicht aktiv überwachen, muss aber aufmerksam bleiben.
• Level 4: Hohe Automatisierung – Das Fahrzeug kann alle Fahraufgaben innerhalb spezifischer Bedingungen oder Umgebungen (wie Stadtgebiete oder Autobahnen) ohne menschliches Zutun autonom ausführen. In anderen Umgebungen oder unter besonderen Umständen kann es jedoch erforderlich sein, dass ein Mensch fährt.
• Level 5: Vollständige Automatisierung – Das Fahrzeug ist vollkommen autonom und kann alle Fahraufgaben unter allen Bedingungen ohne menschliches Zutun bewältigen. Es ist kein Fahrer erforderlich, und das Fahrzeug kann überall und unter allen Bedingungen eingesetzt werden.

Diese Stufen helfen, die Entwicklung der autonomen Fahrzeugtechnologie zu definieren, von der grundlegenden Fahrerassistenz bis zur vollständigen Autonomie.

Ein Kilometerzähler ist ein Instrument zur Messung der von einem Fahrzeug zurückgelegten Strecke. Er liefert wichtige Informationen darüber, wie weit ein Fahrzeug gefahren ist, was für verschiedene Zwecke nützlich ist, z. B. für die Wartungsplanung, die Berechnung des Kraftstoffverbrauchs und die Bewertung des Wiederverkaufswerts.

Odometers messen die Entfernung basierend auf der Anzahl der Umdrehungen der Fahrzeugräder. Ein Kalibrierungsfaktor, basierend auf der Reifengröße, wandelt die Radumdrehungen in eine Entfernung um.

In vielen Navigationsanwendungen, insbesondere in Fahrzeugen, können Odometriedaten mit INS-Daten integriert werden, um die Gesamtgenauigkeit zu verbessern. Dieser Prozess, der als Sensorfusion bezeichnet wird, kombiniert die Stärken beider Systeme.

Jamming und Spoofing sind zwei Arten von Störungen, die die Zuverlässigkeit und Genauigkeit von satellitengestützten Navigationssystemen wie GNSS erheblich beeinträchtigen können.

Jamming bezieht sich auf die absichtliche Störung von Satellitensignalen durch das Senden von Störsignalen auf denselben Frequenzen, die von GNSS-Systemen verwendet werden. Diese Interferenz kann die legitimen Satellitensignale überlagern oder übertönen, wodurch GNSS-Empfänger die Informationen nicht mehr genau verarbeiten können. Jamming wird häufig bei Militäroperationen eingesetzt, um die Navigationsfähigkeiten von Gegnern zu stören, und kann auch zivile Systeme beeinträchtigen, was zu Navigationsausfällen und betrieblichen Herausforderungen führt.

Spoofing hingegen beinhaltet die Übertragung gefälschter Signale, die echte GNSS-Signale imitieren. Diese täuschenden Signale können GNSS-Empfänger dazu verleiten, falsche Positionen oder Zeiten zu berechnen. Spoofing kann verwendet werden, um Navigationssysteme in die Irre zu führen oder falsch zu informieren, was möglicherweise dazu führt, dass Fahrzeuge oder Flugzeuge vom Kurs abkommen oder falsche Standortdaten liefern. Im Gegensatz zu Jamming, das lediglich den Signalempfang behindert, täuscht Spoofing den Empfänger aktiv, indem es falsche Informationen als legitim darstellt.

Sowohl Jamming als auch Spoofing stellen erhebliche Bedrohungen für die Integrität GNSS-abhängiger Systeme dar, was fortschrittliche Gegenmaßnahmen und robuste Navigationstechnologien erforderlich macht, um einen zuverlässigen Betrieb in umkämpften oder herausfordernden Umgebungen zu gewährleisten.

Koppelnavigation ist eine Navigationsmethode, die die aktuelle Position eines Fahrzeugs durch kontinuierliche Fortschreibung einer bekannten früheren Position unter Verwendung gemessener Bewegungsinformationen bestimmt, ohne auf externe Signale wie GPS angewiesen zu sein.

In der Praxis beginnt das System an einem Referenzpunkt – oft die letzte bekannte genaue Position – und verwendet bordeigene Sensoren wie Beschleunigungsmesser, Gyroskope, Raddistanzmessung oder Geschwindigkeitslogger, um abzuschätzen, wie sich das Fahrzeug im Laufe der Zeit bewegt hat. Durch die Integration dieser Bewegungsmessungen berechnet die Koppelnavigation Änderungen in Geschwindigkeit, Ausrichtung und Verschiebung und erstellt schrittweise eine aktualisierte Positionsschätzung. Sie bietet zwar eine vollständig autonome Navigation, selbst in GPS-verweigerten oder beeinträchtigten Umgebungen, aber die Koppelnavigation unterliegt von Natur aus einer Fehlerakkumulation: kleine Sensorabweichungen, Skalenfaktorfehler oder Umwelteinflüsse nehmen im Laufe der Zeit zu, wodurch die geschätzte Trajektorie von der Realität abweicht.

Um diese Abweichung zu mindern, wird die Koppelnavigation oft mit externen Hilfsmitteln wie GNSS, Magnetometern, Barometern oder Geländeanpassungstechniken in modernen inertialen Navigationssystemen kombiniert. Trotz ihrer Einschränkungen bleibt die Koppelnavigation ein grundlegendes Prinzip in der Navigation, da sie eine kontinuierliche Echtzeit-Positionierung gewährleistet, selbst wenn absolute Referenzen nicht verfügbar sind.

Ein INS ist eine autonome Navigationslösung, die die Position, Geschwindigkeit und Orientierung einer beweglichen Plattform durch kontinuierliche Messung ihrer Bewegung mittels Trägheitssensoren bestimmt. Im Kern basiert ein INS auf einem Triad von Beschleunigungsmessern, um lineare Beschleunigungen entlang dreier senkrechter Achsen zu erfassen, und einem Triad von Gyroskopen, um Winkelgeschwindigkeiten um dieselben Achsen zu messen. Durch die Integration dieser Messungen über die Zeit berechnet das System, wie sich Geschwindigkeit, Lage und Position der Plattform von einem bekannten Startpunkt aus entwickeln.

Da ein INS nicht von externen Signalen wie GPS, Funkfeuern oder visuellen Referenzen abhängt, kann es zuverlässig in Umgebungen betrieben werden, in denen externe Navigationshilfen nicht verfügbar, verweigert oder beeinträchtigt sind – z. B. unter Wasser, in Innenräumen, unterirdisch oder in militärischen GNSS-Jamming-Szenarien.

Moderne INS integrieren typischerweise ausgeklügelte Filteralgorithmen, meist einen Kalman-Filter, um Rohsensordaten zu fusionieren, Drift zu mindern und den genauesten Navigationszustand zu schätzen. In vielen Anwendungen ist die INS mit GNSS gekoppelt, mit Odometern, Doppler Velocity Logs oder Magnetometern, um Langzeitdrift zu begrenzen und eine hochstabile Navigation zu liefern. Das Ergebnis ist eine robuste Navigationslösung mit hoher Aktualisierungsrate, die unerlässlich ist für Flugzeuge, UAVs, Raketen, autonome Fahrzeuge, Schiffe, AUVs und eine Vielzahl industrieller Systeme, die eine präzise, kontinuierliche Erfassung von Bewegung und Orientierung erfordern.