Journal: IEEE Transactions on Intelligent Transportation Systems
Autoren: : Amar Almaini, Raphael Boeder, Jakob Folz, Ahmed Al-Dubai, Tobias Koßmann, Martin Schramm, Michael Heigl, Imed Romdhani, Abdelfateh Kerrouche
In der autonomen Fahrzeugtechnologie ist die zuverlässige Objekterkennung mittels Sensoren wie Kameras und LiDAR von entscheidender Bedeutung. Angreifer können jedoch Spoofing-Angriffe durchführen, die diese Sensoren täuschen, indem sie nicht existierende Objekte vortäuschen. Bestehende Methoden zur Erkennung solcher Angriffe setzen überwiegend auf 3D-Punktwolken, was zusätzliche Datenverarbeitung erfordert. Der in diesem Artikel vorgestellte Ansatz, Shadow-Analyzer, nutzt eine reduzierte 2D-Datensatzbasis, abgeleitet aus der 3D-Punktwolke, um sogenannte “Ghost Objects” zu identifizieren. Die Ergebnisse zeigen, dass Shadow-Analyzer Geisterobjekte mit einer Genauigkeit von bis zu 99,17% bei einer durchschnittlichen Verarbeitungszeit von 5,9 Millisekunden identifizieren kann. Diese Effizienz macht Shadow-Analyzer zu einer vielversprechenden Lösung für die Echtzeit-Objekterkennung in autonomen Fahrzeugen und bietet eine signifikante Verbesserung gegenüber herkömmlichen Verfahren. Das Paper wurde beim IEEE Transactions on Intelligent Transportation Systems Journal eingereicht und befindet sich gerade in der zweiten Revisionsrunde.