- Anzeige -
Radarsensoren für das sichere autonome Fahren
In dem Forschungsvorhaben AuRoRaS – Automotive Robust Radar Sensing – sollen neue Simulationsverfahren und Methoden der Künstlichen Intelligenz (KI) entwickelt werden, um Radarsysteme effizienter und das autonome Fahren sicherer zu machen. Drei Partner aus Forschung und Technologie arbeiten im Rahmen des Förderprogramms KMU-innovativ des Bundesministeriums für Bildung und Forschung (BMBF) daran, die Messqualität von hochauflösenden Radarsensoren dahingehend zu verbessern.

KI für mehr Durchblick

Radarsensoren für das sichere autonome Fahren

Bild: DFKI GmbH

In den nächsten beiden Jahren werden die Astyx GmbH, die BIT Technology Solutions GmbH und das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) ein automobiles Radarsystem für den Einsatz beim hochautomatisierten und autonomen Fahren realisieren. Das Konsortium möchte damit die Qualität der Messdaten des sogenannten Dauerstrichradars signifikant erhöhen. Bei dieser Radartechnologie werden während der Messung ununterbrochen Radarsignale ausgestrahlt und die Reflektionen gemessen.

In der Automobilindustrie sind Radarsensoren bereits stark verbreitet. Der große Vorteil gegenüber kamerabasierten Verfahren oder Laser-Sensoren (Lidar) ist die direkte Messung der Objektgeschwindigkeit und die Robustheit vor Wettereinflüssen wie Nebel oder Schnee. Nachteile sind mögliche Fehler bei der Signalverarbeitung. Diese können durch Geschwindigkeitsmehrdeutigkeiten oder die sogenannte Mehrwegeausbreitung – beispielsweise aufgrund der reflektierenden Straßenoberfläche – entstehen. Bei automatisierten oder autonomen Fahrfunktionen ist jedoch eine sehr hohe Genauigkeit und Robustheit zwingend erforderlich. Im Projekt sollen die physikalisch bedingten Nachteile von Radarsensoren durch innovative KI-Methoden erkannt und beseitigt werden.

Hochauflösende Radargeräte und Software-gestützte Objekterkennung

Astyx steuert neben den hochauflösenden Radargeräten auch das Spezialistenwissen in der Software-gestützten Objekterkennung bei. Dieses Knowhow in den Bereichen 3D-Objekterkennung aus Radarpunktwolken und Deep Learning-basierter Objekterkennung soll genutzt werden, um die KI-basierte Punktwolkenextraktion aus den Radarrohdaten zu verbessern. Außerdem entwickelt Astyx die synchronisierte Datenaufzeichnung, die geometrische Kalibrierung der Sensoren und die Entwicklung der Datenschnittstellen und Werkzeuge zum Annotieren der realen Trainings- und Testdaten.

Simulation der Radarsensordaten

BIT Technology Solutions entwickelt eine synthetische, physikalisch basierende Simulation der Radarsensordaten sowie die benötigten Referenzdaten (Ground Truth). Diese Simulationsumgebung dient als Basis für ein skalierbares und effizientes Training der KI und das qualitative Absichern der KI-Algorithmen. Das Konzept von BIT Technology Solution ermöglicht die Forschung im Bereich der Simulation des gesamten Spektrums elektromagnetischer Wellen und die anschließende Generierung entsprechender synthetischer Daten für Training und Validierung. Durch Kombination von simulierten und realen Radarmessdaten wird die Genauigkeit und Robustheit der KI-Methoden bei der Bereinigung der Messdaten und damit auch die darauf aufbauenden Umfelderkennung eines autonomen Fahrzeugs erheblich verbessert.

- Anzeige -

Das könnte Sie auch Interessieren

Bild: Sick AG
Bild: Sick AG
KI per Cloud 
für Sick-Geräte

KI per Cloud für Sick-Geräte

Bild: Sick AG DStudio ist ein Webdienst von Sick, mit dem neuronale Netze trainiert werden können, die für verschiedene Sick-Geräte ausgelegt sind. Durch die einfache Benutzeroberfläche ist die Nutzung auch ohne fundierte KI-Kenntnisse möglich. Fortschritt und Erfolg...

Bild: Edag Group
Bild: Edag Group
Edag Tech Summit 2020

Edag Tech Summit 2020

Bild: Edag Group Der in den letzten 10 Monaten entwickelte fahrbare Prototyp zeigt das Potential der CityBots anschaulich am Anwendungsfall der Abfallbeseitigung auf. Dank künstlicher Intelligenz und Machine Learning haben Edag-Experten eine Objekterkennung...