Radar für autonome Fahrzeuge erweitert Zugriff auf Rohsensordaten

BITSENSING, ein südkoreanisches Unternehmen für Radartechnologie, hat AIR4D vorgestellt, eine 4D-Imaging-Radarplattform, die speziell für Anwendungen des autonomen Fahrens entwickelt wurde. Das System soll die Kommerzialisierung autonomer Fahrzeuge unterstützen, indem es direkten Zugriff auf hochauflösende Radarausgaben bietet, darunter Rohsensordaten, Punktwolkendaten und Doppler-Daten für die Entwicklung und Validierung von Wahrnehmungsmodellen.

Die Einführung adressiert eine wachsende Herausforderung im Bereich autonomer Fahrzeuge: die eingeschränkte Verfügbarkeit von Rohsensordaten bestehender Automobilradarsysteme. Viele aktuelle 4D-Radarplattformen arbeiten als geschlossene Systeme und begrenzen den Zugriff der Entwickler auf die zugrunde liegenden Radardaten, die für das Training und die Optimierung KI-basierter Wahrnehmungsalgorithmen erforderlich sind. Durch die Bereitstellung von Roh-Radardaten soll AIR4D schnellere Entwicklungszyklen autonomer Fahrsoftware sowie effizientere Validierungsprozesse für den realen Einsatz ermöglichen.

Radararchitektur speziell für autonomes Fahren entwickelt
Im Gegensatz zu vielen Radarplattformen, die ursprünglich für Fahrerassistenzsysteme (ADAS) entwickelt wurden, wurde AIR4D speziell für die Wahrnehmung autonomer Fahrzeuge konzipiert. Das System kombiniert 4D-Radarsensorik mit Kameraintegration, um eine Wahrnehmungsarchitektur für autonome Mobilitätsanwendungen im Flottenmaßstab bereitzustellen.

Das Radar erzeugt räumliche und geschwindigkeitsbezogene Informationen in vier Dimensionen und ergänzt herkömmliche Radardaten um Höheninformationen. Diese zusätzliche Dimension verbessert die Objekterkennung und Umgebungswahrnehmung, indem sie zwischen Fußgängern, Fahrzeugen, Verkehrsschildern und Straßeninfrastruktur unterscheiden kann. In autonomen Fahrumgebungen ist diese hochauflösende Wahrnehmung entscheidend für Navigation und Hinderniserkennung im dichten Stadtverkehr.

Laut BITSENSING liefert AIR4D direkte Geschwindigkeitsmessungen einzelner Objekte in Echtzeit. Dadurch können autonome Systeme die Bewegung umliegender Fahrzeuge, Radfahrer und Fußgänger erfassen, ohne sich ausschließlich auf kamerabasierte Auswertungen verlassen zu müssen.

Langstreckenerkennung und Zuverlässigkeit unter schwierigen Bedingungen
AIR4D unterstützt die Objekterkennung auf Entfernungen von bis zu 300 Metern und erweitert damit das Reaktionsfenster autonomer Fahrzeugsysteme im Stadt- und Autobahnverkehr. Das Radar arbeitet zudem unter schlechten Sichtbedingungen, einschließlich Umgebungen mit weniger als 0 Lux Beleuchtungsstärke, in denen die Leistung optischer Kameras deutlich eingeschränkt sein kann.

Das Unternehmen gibt an, dass das System seine Sensorleistung bei Regen, Nebel und Schnee durch den Einsatz von Millimeterwellen-Radarfrequenzen aufrechterhält, die Umweltstörungen durchdringen können, welche optische Sensoren häufig beeinträchtigen. Diese Widerstandsfähigkeit gegenüber Umwelteinflüssen gewinnt zunehmend an Bedeutung, da autonome Fahrzeugprogramme von kontrollierten Testumgebungen in den kommerziellen Straßeneinsatz übergehen.

Die Radarplattform ist zudem hinsichtlich Energieverbrauch und Wärmeentwicklung optimiert, was insbesondere für den Dauerbetrieb autonomer Flotten und Elektrofahrzeugarchitekturen relevant ist.

Bedeutung von Roh-Radardaten im automobilen Datenökosystem
Der Zugriff auf Rohsensordaten ist zu einem wichtigen Thema im automobilen Datenökosystem geworden, da autonome Fahrmodelle auf umfangreiche Trainings- und Validierungsdatensätze angewiesen sind. Roh-Radardaten ermöglichen Entwicklern den Aufbau individueller Wahrnehmungspipelines, die Optimierung von Sensorfusionsalgorithmen sowie die Analyse komplexer Fahrsituationen deutlich effektiver als vorverarbeitete Sensordaten.

BITSENSING positioniert AIR4D als Plattform zur Reduzierung der Abhängigkeit von kostenintensiven Sensorsystemen und zur Unterstützung skalierbarer Einführungsmodelle. Das System nutzt eine Kamera-Radar-Architektur anstelle komplexerer Multi-Sensor-Konfigurationen, die die Integrationskosten pro Fahrzeug erhöhen können.

Dr. Jae-Eun Lee, CEO von BITSENSING, erklärte, dass das Ziel des Unternehmens darin bestehe, Entwicklern autonomer Fahrzeuge hochauflösende Wahrnehmungsdaten und uneingeschränkten Zugriff auf Radarrohdaten bereitzustellen, um skalierbare autonome Systeme zu unterstützen.

Fokus auf die Kommerzialisierung autonomer Mobilität
Die Einführung von AIR4D spiegelt die branchenweiten Bemühungen wider, die Zuverlässigkeit von Wahrnehmungssystemen zu verbessern und Hürden für den Einsatz autonomer Mobilität zu reduzieren. Da Programme für autonome Fahrzeuge über Pilotprojekte hinaus wachsen, werden Radarsysteme mit zuverlässiger Funktion unter unterschiedlichen Umweltbedingungen zunehmend als ergänzende Technologie zu kamerabasierten Wahrnehmungssystemen bewertet.

Durch den direkten Zugriff auf Roh-Radardaten und die Integration hochauflösender 4D-Sensorik richtet sich AIR4D an Entwickler autonomer Fahrplattformen für kommerzielle Flotten, Robotaxis, Logistikfahrzeuge und moderne Mobilitätsdienste.

Bearbeitet von der Industriejournalistin Sucithra Mani mit Unterstützung von KI.

www.bitsensing.com