Differenzanalyse von synthetischen und realen Wetterphänomenen in RGB-Bilddaten

Abstract

Eine korrekte Umweltwahrnehmung ist für autonome Fahrzeuge entscheidend. Wetterbedingungen wie Regen oder Nebel können die Leistungsfähigkeit von Sensoren in Umweltwahrnehmungssystemen jedoch erheblich beeinträchtigen. Damit diese Systeme dennoch unter allen Bedingungen zuverlässig arbeiten, werden zunehmend virtuelle Tests eingesetzt. Derzeit fehlt jedoch eine belastbare Möglichkeit, die Realitätstreue solcher Simulationen nachzuweisen. Daher wird in der vorliegenden Arbeit werden Simulationen von Licht- und Regeneffekten in der Unreal Engine 5 für eine Differenzanalyse zwischen realen und simulierten Bildern berücksichtigt. Hierzu wird ein Datensatz realer Wetterbedingungen erhoben und in der Simulationsumgebung nachgebildet; die resultierenden Datensätze werden anschließend anhand definierter Metriken verglichen. Die Ergebnisse verdeutlichen, dass reale Wettereffekte durch komplexe Abhängigkeiten - etwa Tageszeit, Bewölkung und kamerainduzierte Einflüsse - geprägt sind, die in Simulationen berücksichtigt werden müssen, um phänomenologische Korrektheit zu erreichen. Zudem zeigt sich, dass die durchgeführte Differenzanalyse geeignet ist, Defizite in der Wettersimulation zu identifizieren.