ASTech - Automotive Safety Technologies

Zurück

Machine Learning für radarbasierte Systeme

Nina Eichenseher,

Wie sieht der Bereich aus, in dem Fahrzeuge heute und in Zukunft sicher unterwegs sind? Welcher Weg ist befahrbar – welcher nicht? Auf welche Objekte bzw. Hindernisse muss geachtet werden? Welche Vorhersagen können für die Bewegung anderer Verkehrsteilnehmer getroffen werden? Fragen, mit denen sich unser Machine Learning-Team täglich auseinandersetzt.

Zwei unserer Experten, Chetan und David, beschäftigen sich intensiv mit Machine Learning Anwendungen für radarbasierte Fahrerassistenzsysteme, um neue Lösungsansätze zu kreieren. Während die Entwicklung von Machine Learning-Algorithmen für kamerabasierte Systeme bereits breit etabliert ist, stecken die entsprechenden Forschungen mit Radarsensoren noch in den Kinderschuhen. Die beiden sind überzeugt, dass Radartechnologie auch in Zukunft ein ganz zentraler Bestandteil der Sicherheitsarchitektur für Fahrerassistenzsysteme bis hin zum autonomen Fahren sein wird. Denn Radarsensoren sind robust gegenüber der Umwelt, bieten eine einfache 360°-Integration ins Fahrzeug und liefern Informationen, die nur mit Kamera und LiDAR nicht erhältlich wären. Kameras und LiDAR sind empfindlicher gegenüber Lichtreflexionen und verschiedenen Wetterverhältnissen wie Regen, Schnee oder Nebel als Radarsensoren. Mittlerweile können Radarsensoren auch Objekte in höheren Entfernungen detektieren oder durch Reflektionen sogar teilweise „um die Ecke schauen“.

Das ASTech-Team hat verschiedene, einzigartige KI-Anwendungen für radarbasierte Assistenzsysteme entwickelt. Unsere Machine Learning-Algorithmen können beispielsweise mit nur einem Radarsensor kollisionsfreie Fahrbereiche vorhersagen (Drivable Area Detection) oder Fahrzeuge, Fahrräder und andere Objekte erkennen (Object Detection). Ein weiterer Algorithmus kann mit Hilfe von kinematischen Daten nahegelegener Fahrzeuge (Geschwindigkeit, Position, etc.) die Wahrscheinlichkeit des Drehens bzw. Abbiegens ermitteln.

Drivable Area Detection


Grundlage für die Entwicklung dieser Algorithmen sind Millionen von Daten, die das Team über zwei Jahre lang mit unserem eigens dafür umgebauten Audi Q7 gesammelt hat. Das Fahrzeug ist mit mehreren Kameras, kommerziellen Radarsensoren, Forschungsradaren und einem LiDAR ausgestattet und so optimal für die Datengenerierung geeignet. Mit Hilfe eines selbst entwickelten Tools werden alle Daten automatisch gelabelt und anonymisiert.

Mit dem innovativen Forschungsradar und den entwickelten Projekten sehen wir uns als Vorreiter. More to come…