Software-Lösungen für kamerabasierte Assistenzsysteme

Wie erfolgsversprechend ist es, Hardware und Software verbindlich miteinander zu verknüpfen und aus einer Hand zu liefern? Bei Computern und Smartphones etwa hat sich Apple mit dieser Strategie eine höchst profitable Nische geschaffen: In punkto Verkaufspreise und Gewinnspannen sind die Kalifornier den Mitbewerbern ein ordentliches Stück voraus. Nach Stückzahlen und Marktanteilen betrachtet, liegen jedoch das Windows- beziehungsweise das Android-Lager mit riesigem Vorsprung vorn. Beide Lager unterstützen verschiedenste Hardware-Lösungen von anderen Anbietern für ihre Software.

Ganz anders sieht es im Bereich der kamerabasierten Assistenzsysteme aus. Auf Tier-1-Ebene konkurrieren hier zahlreiche Anbieter in einem stark fragmentierten Markt, bei dem sich viele Player mit einem geringen Anteil begnügen müssen. Doch auf Tier-2-Ebene hat sich der israelische Bildverarbeitungsspezialist Mobileye mit einem Anteil von über 70 Prozent eine außergewöhnlich dominante Position erarbeitet. Von den großen Systemzulieferern arbeiten nur noch wenige Anbieter mit eigenen Lösungen. Die Mehrzahl – darunter ZF TRW, Valeo, Delphi und Magna – setzt dagegen auf Mobileyes Bundle aus dem EyeQ-Chip und der darauf abgestimmten ADAS-Software.

Auf der Suche nach Alternativen

Kay Talmi, Geschäftsführer von Hella Aglaia: „Wir bieten ADAS-Software als eigenständiges Produkt an, sodass unsere Kunden ihre Hardware-Plattform frei wählen können.“ Hella

Je mehr Player allerdings die gleiche Lösung nutzen, desto schwieriger wird es für die einzelnen Unternehmen, sich voneinander zu differenzieren. Zudem möchten Hersteller sich nicht von einem einzelnen Anbieter abhängig machen. Genau an diesem Punkt will Kay Talmi, Geschäftsführer der Berliner Hella Aglaia Mobile Vision GmbH, ansetzen: „Unser Ziel ist es, der Branche eine attraktive Alternative zu bieten.“ Talmi will Hella Aglaia dabei nicht einfach als einen zusätzlichen Anbieter kamerabasierter Assistenzsysteme positionieren. Die Hella-Tochter aus Berlin setzt stattdessen technologisch auf einen ganz neuen Ansatz und bietet eine rein Software-basierte Lösung an. Diese ist nicht an eine spezielle Hardware-Plattform gebunden, sondern ermöglicht die Verwendung von Standard-Chips unterschiedlichster Halbleiterhersteller.

Aktuell hat Hella Aglaia bereits drei Software-Komponenten zur Verkehrszeichenerkennung, Lichtsteuerung und Spurerkennung entwickelt. Zusätzlich sollen Funktionen zur Fußgänger- und Objekterkennung ab dem dritten Quartal 2017 verfügbar sein. Die Software läuft auf einem Bildverarbeitungs-Framework zur Kameraanbindung, das entweder von Aglaia oder vom Kunden stammen kann. Im letzteren Fall wird die Software entsprechend angepasst. Zu den unterstützten Hardware-Lösungen gehören gängige Plattformen etwa von Renesas, NXP, Nvidia oder Texas Instruments.

„Wir haben ein sehr offenes System: Unsere Kunden können auch nur einzelne Funktionen kaufen und somit preislich attraktive, skalierbare Lösungen schaffen und zudem um eigene Software-Lösungen ergänzen“, so Talmi. Neben dieser großen Flexibilität dürfte auch der Preisvorteil durch die Verwendung von Standard-Hardware für die Kunden interessant sein: Die Gesamtkosten für entsprechende Assistenzsysteme sollen laut Talmi deutlich niedriger sein als bei der Verwendung eines spezialisierten Hardware-Software-Bundles. Zudem sorgt der harte Wettbewerb bei Standard-Plattformen für kurze Innovationszyklen und entsprechend schnelle Leistungssteigerungen.

Fünf Jahre im Verborgenen agiert

Neben Preis und Leistung gibt es im Automotive-Bereich allerdings noch ein weiteres entscheidendes Kriterium bei der Wahl eines Anbieters, das mit der Branche nicht vertraute Unternehmen oft unterschätzen: serienrelevante Erfahrungen. Hella gehört zwar zu den großen Automobilzulieferern, doch die 2006 übernommene Tochter Aglaia ist bislang noch nicht als eigenständiger Tier-2-Anbieter in Erscheinung getreten – zumindest nicht im Bereich Assistenzsysteme. Tatsächlich hat das Unternehmen hier die letzten fünf Jahre fast vollständig im Verborgenen agiert. Trotzdem können die Berliner auf eine Reihe prestigeträchtiger Referenzprojekte bei Premium-Herstellern verweisen.

Ausgangspunkt dieser ungewöhnlichen Entwicklung war eine prekäre Situation vor gut fünf Jahren: Damals wurde bei Hella die Entscheidung getroffen, aus dem Geschäft mit Frontkamera-Hardware auszusteigen. „Durch diese Neuausrichtung mussten auch wir als Standort unser Geschäftsmodell komplett überdenken“, erinnert sich Talmi. Denn bis zu diesem Zeitpunkt waren die Berliner als interner Dienstleister maßgeblich für das Kamerageschäft bei Hella tätig. Die Lösung brachte schließlich eine Kooperation mit Autoliv. „Diese Zusammenarbeit führte dazu, dass die von Aglaia entwickelten Software-Lösungen für Kameras nicht nur im Einsatz blieben, sondern vom Entwicklungs-Team auch technisch auf dem neuesten Stand gehalten wurden.“

Nun will Aglaia sich als unabhängiger Tier-2-Anbieter für die gesamte Branche positionieren: „Aktuell sind wir dabei unser Know-how um eigene Lösungen für Fußgänger- und Objekterkennung zu ergänzen“, sagt Talmi. „Wir denken, dass wir damit den Nerv der Zeit treffen, denn kamerabasierte Assistenzsysteme finden eine immer größere Verbreitung.“ Wie wichtig jahrelange praktische Erfahrungen gerade in diesem Bereich sind, erläutert Talmi anhand von zwei Beispielen. So können etwa Wechselkennzeichen nicht richtig erkannt werden, wenn die Frequenz der Kamera und die Taktung der LEDs nicht passend aufeinander abgestimmt sind. Beim Fernlichtassistenten wiederum lassen sich Straßenlaternen leicht anhand ihrer 220-Hertz-Schwebungsfrequenz von Scheinwerfern unterscheiden – doch auf diese Idee muss man erst mal kommen. „Eine 80-Prozent-Lösung ist schnell gefunden, aber die wahre Herausforderung liegt im Automotive-Bereich darin, möglichst nahe an die 100 Prozent zu kommen – und zwar weltweit. Um dies sicherzustellen, werden die Funktionen in über 50 Ländern getestet und validiert“, betont Talmi.

Wie es weiter Richtung autonomes Fahren gehen soll und welche Rolle neuronale Netze dabei spielen, lesen Sie auf der nächsten Seite.

Automatisierte Fahrfunktionen als App?

Deep-Learning-Ansätze erfordern hohe Rechenleistungen. Im Versuchsfahrzeug ist dafür zusätzliche Hardware im Kofferraum untergebracht. In späteren Serienfahrzeugen sollen zentrale Steuergeräte genügend Performance bieten. Hella

Auch wegen neuer Euro-NCAP-Vorgaben spielen die aktuell verfügbaren kamerabasierten Assistenzsysteme eine wichtige Rolle für den Massenmarkt, doch zukünftig sollen solche Systeme noch erheblich mehr leisten können. So haben etwa BMW, Intel und Mobileye eine Kooperation mit dem ehrgeizigen Ziel vereinbart, im Jahr 2021 ein vollautonomes Fahrzeug auf den Markt zu bringen. Nun übernimmt Intel sogar Mobileye. Hat ein kleines aufstrebendes Unternehmen wie Aglaia da überhaupt eine Chance, mit den großen Playern mitzuhalten? Talmi sieht sich interessanterweise durchaus als Profiteur der rasanten technischen Weiterentwicklung: „Wir wollen immer das, was gerade auch tatsächlich an Hardware im Fahrzeug ist, mit unseren Produkten bedienen.“ Konkret würden zurzeit Kamerasysteme für 70 bis 80 Dollar angefragt. Die dort verwendeten Chips sind aktuell aber noch nicht leistungsstark genug, um hochautomatisierte Fahrfunktionen zu unterstützen. „Daher bieten wir momentan auch noch keine entsprechenden Software-Lösungen an.“

Sobald jedoch potente Hardware, wie beispielsweise zentrale Fahrerassistenzsteuergeräte, Einzug in Serienfahrzeuge halten, sieht die Situation völlig anders aus: „Solche Lösungen kann man mit einer Smartphone-Infrastruktur vergleichen, für das es dann die unterschiedlichsten Apps gibt. Das ist für uns ideal“, so Talmi. Damit entfalle die Notwendigkeit, spezialisierte Hardware-Chips einzusetzen, denn die kombinierte Rechenpower eines solchen zentralen Steuergerätes reiche völlig aus, um auch komplexe Software für autonome Fahrfunktionen darauf laufen zu lassen.

Neuronale Netze im Praxistest

„Da es zukünftig höhere Rechenleistungen im Fahrzeug gibt, arbeiten wir auch an Methoden wie Deep Learning“, sagt Talmi. Bei Aglaia beschäftigt sich deshalb ein eigenes Entwicklungsteam für autonomes Fahren insbesondere mit dem Einsatz von neuronalen Netzen. Gerade bei der Objektklassifizierung hat sich die entsprechende Software bereits im frühen Entwicklungsstadium als erfolgsversprechend erwiesen: Bei Testfahrten durch den Stadtverkehr erkennt das Erprobungssystem zuverlässig sowohl die Fahrbahn als auch Autos und Fußgänger. Beim Training der neuronalen Netze profitiert Aglaia vom umfangreichen Datenmaterial, das das Unternehmen schon für die Entwicklung der bisherigen Lösungen zusammengetragen und klassifiziert hat. „Das unterscheidet uns etwa von den Deep-Learning-Spezialisten aus dem Silicon Valley“, betont Talmi. „Sowohl bei den zahllosen unterschiedlichen Länder-Spezifika als auch bei der serienrelevanten Validierung von Software-Lösungen haben wir anders als reine KI-Experten reichlich Erfahrung.“

Damit stellt sich die spannende Frage: Kann ein kleines Unternehmen aus Berlin durch die konsequente Trennung von Hard- und Software den ADAS-Markt so verändern, wie es die Giganten Microsoft und Google im IT- und Handy-Bereich vorgemacht haben? Talmi ist da zuversichtlich: „Wir können auch mit den Großen in unserer Branche mithalten.“

(ku)