Automatisiertes Fahren erfordert eine zuverlässige Umgebungswahrnehmung zur Gewährleistung der Sicherheit. Eine häufige Wahrnehmungsaufgabe ist die 3D-Objekterkennung, die darauf abzielt, den Ort und die Eigenschaften dynamischer Objekte wahrzunehmen. Die Bewertung der Objekterkennung stützt sich typischerweise auf Datensätze. Obwohl diese Datensätze Bewertungsmetriken bereitstellen, gelingt es ihnen nicht, die Erkennungsergebnisse mit Sicherheitsaspekten wie Unfällen zu verknüpfen. Daher fehlen klare Anforderungen an die Objekterkennung, welche die Sicherheit der Fahraufgabe berücksichtigen.

Dementsprechend ist das Ziel dieser Arbeit, Anforderungen für die 3D-Objekterkennung zu identifizieren, welche die Sicherheit berücksichtigen. Darüber hinaus ist es wünschenswert, interpretierbare Anforderungen zu erhalten. Daher wird die übergeordnete Forschungsfrage bezüglich der Anforderungen für sichere Objekterkennung dekomponiert. Anforderungen für die drei interpretierbaren Aspekte der Klassifizierung, Relevanz und Attribute von Objekten werden separat behandelt. Schließlich besteht das letzte Ziel darin, eine Methode zur Bewertung und Validierung der verschiedenen Anforderungen für jeden dieser Aspekte bereitzustellen.

Die Gesamtmethodik dieser Arbeit identifiziert zunächst gemeinsame Prinzipien, die das übergeordnete Ziel der Anforderungen für Sicherheit spezifizieren. Die vier Prinzipien sind Interpretierbarkeit, rechtliche Anforderungen, Sicherheitsanforderungen und die menschliche Baseline. Durch die Anwendung dieser Prinzipien ist es möglich, unterschiedliche Methoden für die Aspekte Klassifizierung, Relevanz und Attribute zu entwickeln. In dieser Arbeit werden die erforderlichen Objektkategorien, Kriterien für die Relevanz und Anforderungen für Attribute erfolgreich identifiziert. Darüber hinaus wird eine neuartige Validierungsmethode vorgestellt, die auf einer Prädiktion von Trajektorien unter Verwendung eines tiefen neuronalen Netzwerks basiert. Die Anwendung dieser Validierungsmethode auf die in dieser Arbeit vorgeschlagenen Anforderungen ist erfolgreich und unterstützt somit die Ergebnisse. Verbleibende Einschränkungen der vorgeschlagenen Methodik bezüglich verfügbarer Daten und Algorithmen werden identifiziert und diskutiert. Darüber hinaus werden die Auswirkungen der neuen Anforderungen auf Datensätze, Algorithmen und Sensoraufbauten für die 3D-Objekterkennung berücksichtigt.

Die Gesamtmethodik präsentiert einen zweiteiligen Ansatz zur Anforderungsdefinition. Zunächst werden interpretierbare Anforderungen auf der Grundlage einer Sicherheitsargumentation entwickelt. Diese werden dann durch die unabhängige Validierungsmethode untermauert. Die Ergebnisse liefern somit die erforderlichen Anforderungen, um Objekterkennungen im Kontext der Sicherheit für die Aufgabe des automatisierten Fahrens zu testen und zu validieren. Der Autor hofft, dass die Anforderungen die explizite Bewertung und Verbesserung der Sicherheit für die zukünftige Objekterkennung fördern.