Ein Angebot von /

Radar-Datenlogger – Erkennungsrate der ADAS und AV-Sensoren zielgerichtet erhöhen

| Autor / Redakteur: Thomas Dörfler / Benjamin Kirchbeck

Nur im Einsatz unter realen Bedingungen kann geprüft werden, ob die Sensoren alle relevanten Objekte im Erfassungsfeld wirklich erkennen, klassifizieren und verfolgen können.
Nur im Einsatz unter realen Bedingungen kann geprüft werden, ob die Sensoren alle relevanten Objekte im Erfassungsfeld wirklich erkennen, klassifizieren und verfolgen können. (Bild: Hersteller)

Die Automatisierung des Fahrbetriebs über „Advanced Driver Assistance Systems“ (ADAS) hin zum Autonomous Vehicle (AV) setzt eine hochtechnisierte Sensorik voraus. Doch wie lässt sich die Erkennungsrate der ADAS und AV-Sensoren zielgerichtet erhöhen?

Weltweit entwickeln Ingenieure und Softwarespezialisten die nächste Generation von Radar-Sensoren, die es Fahrzeugen zunehmend ermöglicht, ihre Umwelt zu sehen und zu begreifen. Um diese Sensoren auch praxistauglich und kostenoptimiert realisieren zu können, ist der Einsatz von höchstintegrierten Controllern erforderlich. Sie vereinen geeignete Schnittstellen zur mehrkanaligen Radar-Signalerfassung mit der notwendigen Speicherkapazität für die anfallenden Rohdatenmengen und ausreichender Rechenleistung für die Datenauswertung auf einem Chip. Die Signale der Radar-Antenne werden damit im chipinternen AD-Wandler mit bis zu 320MBit/sec digitalisiert, gespeichert, verarbeitet, ausgewertet und verlassen den Chip erst wieder in abstrahierter Form, so dass sie problemlos auch über langsame Schnittstellen wie CAN weitergegeben werden können.

So elegant und effizient der voll integrierte Aufbau im endgültigen Produkt ist, so tückisch ist er für die Entwicklungsteams: zur anspruchsvollen Aufgabe, einen so komplexen Chip optimal zu programmieren, kommt noch die Problematik, dass die Radar-Rohdaten den Chip nie verlassen. Die Chips verfügen über keine Kommunikationsschnittstelle, die schnell genug ist, um diesen Datenstrom in Echtzeit auszugeben. Aber wie kann ein Algorithmus zur Datenaufbereitung entwickelt und vor allem verifiziert werden, wenn die zugehörigen Rohdaten nicht extern analysiert werden können?

Praxisbezug durch Testfahrten

Sehr aussagekräftig für den Entwicklungszyklus sind reale Testfahrten. Nur im Einsatz unter realen Bedingungen kann geprüft werden, ob die Sensoren alle relevanten Objekte im Erfassungsfeld wirklich erkennen, klassifizieren und verfolgen können. Wo befinden sich Fahrbahn, feste Begrenzungen und Hindernisse, welche Objekte bewegen sich im Umfeld, wo sind potentielle Gefahrensituationen? Ist die Hardware empfindlich genug, um gut auswertbare Rohdaten zu liefern? Sind die Algorithmen fein genug abgestimmt, um nicht nur Fahrzeuge in der Nähe, sondern auch weiter entfernte Objekte zu erkennen? Wie gut gelingt die Trennung benachbarter Objekte? Und wie stark beeinflusst die Witterung die Resultate?

Testfahrzeuge sind viele Stunden unterwegs, um eine ausreichende Anzahl kritischer Situationen durchfahren zu können. Die Erkennungsrate der Sensoren kann damit zwar punktuell bewertet werden, aber mehr Resultate liefert eine Testfahrt nicht. Wird ein Objekt nicht oder nicht richtig erkannt, so ist das Entwicklerteam erst einmal auf Mutmaßungen angewiesen, wo in der Auswertung der Fehler liegt. Und noch schlimmer: Nach einer Verbesserung der Algorithmen gibt es keine Möglichkeit, dieselbe Fahrsituation noch einmal durch zu spielen.

Entsprechend intelligente Sensorsysteme sind in Entwicklung und auch schon in einigen Fahrzeugen im Einsatz. Optische Kamerasysteme, laserbasierte LIDARs und Sensoren auf Radar-Basis haben unterschiedliche Stärken und ergänzen sich in modernen Fahrzeugen. Wer die extrem hohen Anforderungen an die Zuverlässigkeit der Objekterkennung ernst nimmt und sich der Komplexität der Sensorsysteme bewusst ist, befasst sich frühzeitig mit der methodischen Validierung dieser Systeme. Im Hinblick auf den Projektzeitplan, ist die Effizienz der Validierung sogar entscheidend für den Projekterfolg.

Maßgeschneiderte Lösung

Um den Entwicklerteams endlich die erforderliche Transparenz zu ermöglichen, ist der Einsatz innovativer Systeme wie dem DP²4R Datenlogger (direct prototyping data processor for radar systems) erforderlich. Dieses System wurde von Grund auf konzipiert, um im Automotiveumfeld Daten verteilt mit hoher Bandbreite zu erfassen, zentral zu speichern und für die Offline-Verarbeitung bereitzustellen. Der DP²4R ermöglicht es, während einer Testfahrt gleichzeitig bei bis zu vier Sensor-Einheiten beliebige Daten abzuziehen, an den zentralen DP² Controller zu übertragen, dort lückenlos zu speichern und nach Abschluss der Fahrt extern auszuwerten. Pro Sensor können dabei 320MBit/sec erfasst werden.

Aber nicht nur die Sensordaten werden erfasst, zusätzlich kann die Testfahrt auch automatisch dokumentiert werden. Bei Bedarf können laufend sowohl die GPS-Koordinaten als auch ein Kameravideo mit gespeichert werden, das die Fahrsituationen aufzeichnet. Dies erleichtert später die Auswertung der Daten, damit ist sichtbar, was sich auf der Straße abgespielt hat.

Inhalt des Artikels:

Kommentar zu diesem Artikel abgeben

Schreiben Sie uns hier Ihre Meinung ...
(nicht registrierter User)

Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
Kommentar abschicken
copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45287408 / Software Engineering)