Motivation
Automatisierte Fahrzeuge benötigen Sensoren, um sich auf die aktuelle Verkehrslage einzustellen. Dazu dienen in der Regel optische Kameras. Zur Unterstützung werden zudem Technologien zur Abstandsmessung eingesetzt, die auf Radartechnik oder der verwandten, auf Lasern basierenden LiDAR-Technik beruhen. Radarsensoren bieten gegenüber LiDAR-Sensoren den Vorteil, dass sie deutlich kostengünstiger sind. Allerdings sind sie meist langsamer und weniger präzise. Eine hohe Geschwindigkeit und Genauigkeit der Abstandssensorik ist jedoch besonders wichtig, um Fußgänger im Straßenverkehr zuverlässig zu erkennen.
Ziele und Vorgehen
Im Projekt PreciRaSe soll eine Künstliche Intelligenz (KI) entwickelt werden, die die kostengünstigere Radartechnik so unterstützt, dass sie die Präzision und Geschwindigkeit eines teuren LiDAR-Systems erreicht. Das zu entwickelnde neuronale Netz soll zudem in der Lage sein, die Bewegungsrichtung und Geschwindigkeit von Fußgängern vorherzusagen, um deren zukünftige Position zu berechnen. Um dieses Ziel zu erreichen, wird zunächst ein neuer Datensatz mit optischen, Radar- und LiDAR-Daten als Basis für die KI-Lösung erstellt. Die durch die KI aufbereiteten Radar-Sensordaten werden mittels einer im Rahmen des Projekts entwickelten Software visualisiert, um die Leistungsfähigkeit des neuronalen Netzwerks zu demonstrieren.
Innovationen und Perspektiven
Die mit dem Projekt angestrebte Optimierung der Abstandsmessung und Personenerkennung bildet eine wesentliche Grundlage für den in Zukunft erwarteten starken Zuwachs an (teil-)autonomen Fahrzeugen im weltweiten und deutschen Straßenverkehr.