Seite wählen

RELEVANZ UND ZIELE

Die Generierung von Referenzdatensätzen stellt eine Schlüsselkomponente zur Absicherung des autonomen Fahrens dar. Derartige Datensätze sind für das automatisierte Fahren heute nur auf Basis von annotierten Videodaten begrenzt vorhanden. Multisensorielle, d.h. räumlich und zeitlich kalibrierte Datensätze unter Einbeziehung von Radar- und Lidarsensorik, existieren öffentlich nicht. Der Fortschritt in der AI hängt jedoch maßgeblich von der Verfügbarkeit umfangreicher Datensätze für die Community ab.

Die Maßnahme umfasst damit die Generierung von hochaufgelösten Datensätzen mit Umgebungssequenzen für autonomes Fahren.

VORHABEN

Um eine hohe Winkelauflösung und folglich bessere Detektionseigenschaften zu erreichen wird eine hochdirektive Antennenstruktur benötigt.

Im Rahmen der Maßnahme MM2 wird die Konzipierung und Realisierung hochdirektiver MIMO-Antennenstrukturen im E-Band zur Integration an einem mehrkanaligen Radarsystem betrachtet.

Anschließend wird eine möglichst umfangreiche Szenendatenbank mit annotierten Radar-Messdaten verschiedener Verkehrsszenen geschaffen und öffentlich verfügbar gemacht werden.

EFFEKTE

  • Hohe Korrelation zwischen analytischer und vollwellensimulierter Antennenstruktur.
  • Reduktion der Rechenzeit ermöglicht einen schnelleren Antennenentwurf.
  • Messtechnische Validierung der Antennenstrukturen.
  • Integration an einem mehrkanaligen Radarsystem.
  • Generierung von Datensätzen komplexer Umweltszenarien.
  • Öffentliche Verfügbarkeit der Datensätze.

Durch die öffentliche Verfügbarkeit derartiger Datensätze wird zudem die Innovationsgeschwindigkeit in den AI-Technologien immens erhöht, da derartige Datensätze vielen Forschergruppen heute nicht zur Verfügung stehen.

TRANSFERFORMATE

Die Generierung von Referenzdatensätzen stellt eine Schlüsselkomponente bezüglich der Absicherung des autonomen Fahrens dar. Dabei fokussiert sich die Maßnahme MM2 auf die folgenden beiden Transferkonzepte:

  • Augmented Test Reality steht für die „Aufnahme“ reeller Umgebungssequenzen gefolgt vom „Abspielen“ dieser Sequenzen im Testzentrum, um die Funktionalität von Radar-Sensorik zu validieren.
  • Expert-Lab steht für die Kompetenz-Bündelung von Universität Ulm und Hochschule Ulm sowie für die Kooperation mit industriellen Partnern.

KOOPERATIONSPARTNER

Potentielle Kooperationspartner für diese Projektmaßnahme sind Firmen aus der Fahrzeugelektrotechnik, der Automobilbranche sowie der Radarsensorik.

LEITUNG

Prof. Dr.-Ing. Christian Waldschmidt, Universität Ulm

AKTIVITÄTEN

29. April 2022 | Agile Community: Schreibworkshop

29. April 2022 | Agile Community: Schreibworkshop

Liebe Autorinnen und Autoren, vielen Dank für euer Engagement und Interesse daran, eure Expertise mit uns in einen Artikel zu verwandeln. Damit unser Sammelband trotz der vielen Beteiligten und Beiträge zu einem einheitlichen Produkt werden kann, möchten wir mit euch...

mehr lesen
21. April 2022 | Smart City Forum

21. April 2022 | Smart City Forum

Wie kann Neu-Ulm sich intelligenter, nachhaltiger, „smarter“ aufstellen? Mit dieser Frage beschäftigt sich die Stadt seit 2021. Gemeinsam mit den Bürgerinnen und Bürgern, der Wirtschaft und Wissenschaft entwickelt Neu-Ulm bis Ende 2022 ein Integriertes Digitales...

mehr lesen
07. April 2022 | HNU DESIGN TALKS Vol. 1

07. April 2022 | HNU DESIGN TALKS Vol. 1

HNU DESIGN TALKS ist die neue Event-Reihe der Hochschule Neu-Ulm und InnoSüd für alle Kreativen und Designbegeisterten. In lockerer Atmosphäre im Innovation Space der HNU gehen ausgewiesene Expert:innen den Themen Design, Innovation und User Experience auf den Grund....

mehr lesen