Künstliche Intelligenz Radartechnik mit Hilfe von Software optimieren

Auf dem Weg zum automatisierten Fahren spielen Sensoren eine wichtige Rolle. Radar und LiDAR können Entfernungen im Vergleich zum menschlichen Fahrer genau bestimmen. Weil LiDAR Größe und Form von Objekten akkurater wiedergeben kann als Radar, gilt die Technik als Schlüssel für das automatisierte Fahren. Das Software-Start-Up Neural Propulsion Systems hat nun ein System entwickelt, das Radartechnik mithilfe neuer Algorithmen auf LiDAR-Niveau hebt.

Die neue Mercedes-Benz S-Klasse, die für das bedingt automatisierte Fahren gemäß SAE-Level 3 zugelassen wurde, ist mit dem LiDAR-Sensor Scala 2 von Valeo ausgestattet. Der Sensor misst den Abstand zu Objekten in der Fahrzeugumgebung Zentimeter genau, indem er die Zeit berechnet, die sein Laserstrahl benötigt, um zu einem Hindernis und wieder zurückzugelangen. Auf diese Weise wird ein vollständiges 3D-Bild der Fahrzeugumgebung erstellt. Dieses als Punktwolke bezeichnete Bild wird von hochentwickelten Algorithmen analysiert, um alle Objekte zu identifizieren, so dass das Gerät zwischen beweglichen und unbeweglichen Objekten unterscheiden kann. Es klassifiziert sie in verschiedene Kategorien, wie Autos, Lastwagen, Busse, Fahrräder, Motorräder, Fußgänger und Infrastruktur und erfasst ihre Form und Position. Kein Wunder, dass die LiDAR-Technologie als Schlüssel für automatisiertes Fahren gilt. Doch LiDAR hat zwei entscheidende Nachteile: Zum einen ist die Funktion in Bezug auf schwierige Wetterbedingungen, wie Nebel, Regen oder Schnee begrenzt. Zum anderen ist die Technik alles andere als kostengünstig. Radare sind wiederum robust und spielen ihren Vorteil beim Preis aus, haben aber ein eindeutiges Manko bei der Auflösung. Hier setzt die Lösung von Neural Propulsion Systems (NPS) an. Die Software-definierte Radartechnologie zeigt eine LiDAR-ähnliche Auflösung und reduziert Fehlalarme für bildgebende Radarsysteme im Automobilbereich – ist aber im Vergleich erheblich kostengünstiger. So würde ein LiDAR-System nach Aussagen von Dr. Behrooz Rezvani, CEO und Mitbegründer von NPS, das Drei- bis Vierfache kosten.

Verbesserte Auflösung

Auf der CES 2024 demonstrierte NPS ein Automotive-Radarsystem, das mit 77-GHz-Chipsätzen von Texas Instruments ausgestattet war, im A-gegen-B-Test – einmal mit seiner Technologie und einmal ohne. Mithilfe der NPS-Software konnten die vorhandenen Sensoren bis zu einem Drittel der Radarstrahlbreite auflösen und damit eine Punktwolke aus der Umgebung extrahieren, die zehnmal so dicht ist. Außerdem wurde die Zuverlässigkeit erheblich erhöht, weil die Zahl der Fehlalarme, die bei herkömmlichen Radargeräten für Fahrzeuge auftreten, um mehr als das Zehnfache reduziert wird. Die Chips von TI dienten zu Demozwecken – „NPS kann praktisch jeden Satz von Automobilsensoren deutlich leistungsfähiger machen“, wie Lawrence Burns, leitender Berater von NPS und ehemaliger Vizepräsident für Forschung und Entwicklung bei General Motors sowie ehemaliger Berater von Waymo betonte.

Die Kraft der Algorithmen

Das den Algorithmen von NPS zugrunde liegende Patent basiert auf Atomic Norm Framework. Die Software von NPS implementiert die Atomic-Norm-Signalverarbeitung und die Algorithmen des maschinellen Lernens effizient auf Prozessoren mit der Fähigkeit zu neuronalen Netzwerken, zum Beispiel die stromsparende Jetson-Familie von Nvidia. Dieses Software-System kann auf diversen Erfassungsplattformen zum Einsatz kommen, wie Radar, LiDAR, Sonar, Elektronenmikroskope und Verteidigungssysteme. In fortschrittlicheren Anwendungen, bei denen die NPS-Software mit einem Multiband-Radar mit großer Apertur verwendet wird, ermöglicht die Lösung radarbasierten Systemen, durch physische Barrieren wie Sträucher, Bäume und Gebäude hindurchzusehen - und sogar um Ecken herum.  (se)

Von Nachhaltigkeit bis zum Software-definiertem Fahrzeug

Rückblick auf die CES 2024

Autonomes Fahren

Die Erkennung der Welt

(ID:49883837)