FAU-Forschungsteam verbessert autonomes Fahren im Straßenverkehr

Radarsensoren – sie erfassen ihre Umgebung bei Regen, Nebel und Dunkelheit. Viele Fahrzeugradare scannen allerdings nur grobe Umrisse. Für automatisiertes Fahren ist das ein Problem. Das Projekt BAVAR-RADAR arbeitet mit KI und neu kombinierten Datensätzen daran, diese Schwäche gezielt zu überwinden. Die Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) ist mit einem Team um Prof. Dr. Vasileios Belagiannis maßgeblich beteiligt.

Unscharfe Wahrnehmung beim autonomen Fahren

Autonom fahrende Fahrzeuge müssen ihre Umgebung zuverlässig und schnell erfassen. Radarsensoren gelten als robust und kostengünstig, liefern jedoch oft nur grobe Daten. Die geringe Auflösung erschwert es, Objekte klar zu unterscheiden und Bewegungen präzise zu erkennen. Gerade in kritischen Verkehrssituationen kann das die Reaktionsfähigkeit automatisierter Systeme einschränken, etwa bei plötzlich auftauchenden Fußgängern.

Datenzwillinge als Trainingsgrundlage

Eine Forschungsgruppe unter FAU-Wissenschaftler Prof. Dr. Vasileios Belagiannis, Professor für Maschinelles Lernen in der Signalverarbeitung, begegnet diesem Problem mit einem neuartigen Datensatz.  Im Projekt „Bavarian Advanced Resolution Radar (BAVAR-RADAR)“ verknüpfen die Forschenden reale Messungen mit künstlich erzeugten Daten aus digitalen Zwillingen derselben Szenen. So entstehen kombinierte Datensätze, welche die reale und simulierte Wahrnehmung der Sensoren direkt vergleichbar machen und das Training moderner KI-Modelle ermöglichen.

⛶

Viel Computerarbeit

An der FAU trainieren die Forschenden neuronale Netze mit großen Datenmengen echter Fahrzeugradare. Dabei lernen die Modelle, aus diesen spärlichen Signalen detailreiche 3D-Punktwolken zu rekonstruieren. Generative Modelle wandeln die Radarpunkte in dichte dreidimensionale Strukturen um. Gleichzeitig gleichen sie Unterschiede zwischen simulierten und realen Daten aus. Schritt für Schritt verbessern die Teams so die Genauigkeit der Umgebungswahrnehmung automatisierter Fahrzeuge.

Sichere Fahrfunktionen

Das Projekt BAVAR-RADAR will bestehende Radarsysteme deutlich leistungsfähiger machen, ohne neue Hardware zu entwickeln. Ziel ist eine präzisere Umgebungserkennung für Fahrerassistenz und autonomes Fahren. Systeme sollen etwa Kinder hinter parkenden Autos frühzeitig erkennen und reagieren können. Die entwickelten Methoden sollen perspektivisch in Serienfahrzeuge einfließen.

Für mehr Sicherheit im Straßenverkehr

Bis 2028 wollen die Forschenden in einem Testfahrzeug zeigen, dass KI-basierte Signalverarbeitung die radarbasierte Wahrnehmung deutlich verbessern kann. Neben der FAU ist auch die Hochschule für Angewandte Wissenschaften Hof an dem Projekt beteiligt. Sie fokussieren sich darauf digitale Zwillinge zu erstellen, Szenarien zu simulieren und den Einbau der IT-Technik im Testauto zu unterstützen.

Die Valeo GmbH ist der industrielle Partner und verantwortlich für die Bereitstellung und Aufrüstung des Testfahrzeugs. Zudem stellt die Firma die realen Messdaten von Fahrzeugradarsensoren zur Verfügung.

Mehr Informationen: