Fraunhofer FHR entwickelt leistungsfähigeren Radarzielsensor

In autonomen Fahrzeugen lesen die Insassen Zeitung, sich unterhalten oder Videos schauen anstatt sich auf den Verkehr zu konzentrieren, dies erfordert sehr zuverlässige Sensoren.

Radarsensoren müssen beispielsweise selbstständig Hindernisse erkennen und entsprechende Bremsvorgänge einleiten können.

Sensoren für Fahrassistenzsysteme wie die automatische Abstandskontrolle werden bereits heute eingehend geprüft, bevor sie verbaut werden. Für vollständig autonomes Fahren sind die Anforderungen an diese Sensoren jedoch noch um ein vielfaches höher. So werden mehrere Millionen Testkilometer zurückgelegt, Fehler analysiert und die Fahrzeuge nach Rekalibrierung erneut auf die Teststrecke geschickt. Ein langer Prozess, um die Zuverlässigkeit von Sensoren statistisch nachweisen zu können. Um die Straßentests und den Aufwand zu reduzieren, versucht man diese Tests ins Labor zu verlagern. Dafür muss man im Labor die Realität nachbilden können.

Radarsensoren beispielsweise senden ein Radarsignal aus, das von verschiedenen Gegenständen reflektiert wird. Die Sensorelektronik analysiert anhand des entstandenes Echos das Szenario und ermittelt daraus die Entfernung eines Objektes und dessen Geschwindigkeit. Mithilfe sogenannter Radarzielsensoren, die diese Informationen als künstliches Echobild ans Auto zurücksenden, kann dieses Prinzip im Labor nachgestellt werden. So kann der Testaufbau aus Autoradar und Radarzielsensor kann im Labor Tag und Nacht laufen. Doch bei diesem Versuchsaufbau gibt es bisher ein kleines Problem: Die Radarzielsensoren können bisher keine ganze Echolandschaft generieren.

„Letztlich können die meisten nur ein sehr reduziertes Bild mit einer einstelligen Anzahl von Reflexionen erzeugen und zum Autoradar zurücksenden“, sagt Dr.-Ing. Thomas Dallmann, Leiter der Forschungsgruppe Aachen am Fraunhofer FHR. „Im Vergleich zur natürlichen Umgebung ist das extrem wenig.“

Veröffentlichung:
04. April 2019

Auto-mat ist eine Initiative von

TCS

Das Portal wird realisiert von

Mobilitätsakademie
 

in kooperation mit

Swiss eMobility

veranstaltungspartner

Schweizer Mobilitätsarena
 
 
 
Datenschutzhinweis
Diese Webseite nutzt externe Komponenten, welche dazu genutzt werden können, Daten über Ihr Verhalten zu sammeln. Lesen Sie dazu mehr in unseren Datenschutzinformationen.
Notwendige Cookies werden immer geladen