BAVAR-RADAR - BAVarian Advanced Resolution RADAR

Das Projekt ‘BAVarian Advanced Resolution RADAR’ (BAVAR-RADAR) fokussiert sich auf die Anwendung generativer künstlicher Intelligenz (KI) zur optimalen Verwertung von Radar-Rohdaten im Automobilen Einsatzbereich. Dabei besteht eine wesentliche Herausforderung in der Entwicklung einer KI-basierten Signalverarbeitungskette, mittels derer die spärlichen Rohdaten kostengünstiger Radar-Sensoren in verhältnismäßig hoch auflösende, dreidimensionale Abbilder (‘Punktwolken’) der Umgebung überführt werden.

Als notwendige Grundlage für das Trainieren der signal-verarbeitenden KI wird während des Projekts ein umfangreicher Radar-Datensatz erstellt, in dem sowohl reale Daten aus Sensoren der Fa. Valeo enthalten sind, als auch simulierte Daten eines synthetischen Sensor Modells im digitalen Zwilling einer realen Aufnahme-Umgebung. Diese Aufnahmen werden komplettiert durch Daten von hochauflösender Referenz-Sensorik, bestehend aus Laserscanner und Referenz-Lokalisierung. Die angestrebte, verbesserte räumliche Auflösung einer Radar-basierten Umfelderfassung eignet sich zur signifikanten Verbesserung der Genauigkeit und Zuverlässigkeit von Fahrerassistenzsystemen im Bereich der Unfallvermeidung, insbesondere bei der Detektion von Fußgängern. Hoch aufgelöste Radar-Punktwolken erlauben die verlässliche räumliche Trennung von Fahrzeugen und Fußgängern bei Distanzen, die hinreichend groß sind für eine Frühwarnung und Einleitung Unfall vermeidender Manöver wie beispielsweise einer Gefahrenbremsung.

BAVAR-RADAR liefert einen wesentlichen Beitrag zur Steigerung der Verkehrssicherheit durch optimale Verwertung der Daten aus kostengünstigen Radar-Sensoren, welche in einem Großteil (>70%) der heute in Serie gefertigten Fahrzeuge ohnehin enthalten sind. Gleichzeitig ergibt sich vorhersehbar ein Wettbewerbsvorteil für eine in Bayern beheimatete Kette von Zulieferern, Herstellern und Abnehmern von automobilen Radarsensoren, resultierend in einer gesteigerten Wertschöpfung und erhöhten Absatzzahlen.