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