Autonomes Fahren Die reale Welt emulieren: Radarsensoren im Labor trainieren

Realer Test auf der Straße oder ausgiebig im Labor testen? Autonome Fahrzeuge sind mit einer Vielzahl an Sensoren ausgestattet. Eine komplexe und wiederholbare Straßenszene lässt sich mit einem Radar-Emulator simulieren.

Anbieter zum Thema

ISH Ingenieursozietät GmbH

Syslogic GmbH

Keysight Technologies Deutschland GmbH

Auf dem Weg zum autonomen Fahren müssen Hersteller von Fahrzeugen mit Tests drei wichtige Punkte absichern.

• Fahrzeug erfasst seine Umgebung über verschiedene Sensoren wie Radar, Kamera und Lidar,

• interagiert mit seiner Umgebung über V2X und

• schließlich muss die künstliche Intelligenz aus den Daten lernen.

Von den fünf Stufen des automatisieren Fahrens ist man aktuell bei 2,5, also teilweise automatisiert. Es gibt auch schon höhere Levels. Mercedes testet aktuell in seiner S-Klasse auf Autobahnen die Stufe 3.

Reale Fahrmanöver oder besser im Labor emulieren?

Damit die Algorithmen in den Fahrzeuge trainiert werden können, sind viele Testkilometer notwendig. Das lässt sich auf der einen Seite über reale Fahrmanöver umsetzen. Was allerdings zeitaufwendig ist und die Daten sind nicht reproduzierbar. Auf der anderen Seite ist noch die Simulation. Als eine dritte Möglichkeit gibt es die Validierung.

Aktuell werden die Sensoren in einem Fahrzeug ausschließlich über reine Softwaremodelle abgebildet. Das ist nicht sehr sicher, da man nicht weiß, wie sich der Sensor in der realen Welt verhält. Die Frage ist: Wie nah komm ich mit meinem Modell an die Realität heran?

Reproduzierbare Trainingsdaten

Kameras lassen sich bereits heute sehr gut emulieren. Bei den Sensoren wird das schon komplizierter. Bei realen Tests ist es schwierig, immer wieder die gleiche Situation zu erzeugen oder auch eine Extremsituation zu simulieren. Denn beispielsweise können sich Wetterbedingungen ändern und somit sind Realtests nicht oder nur schwer reproduzierbar.

Hier können komplexe Systeme helfen, die Szenarien mit einer guten Wiederholung darstellen können. Dabei haben sich die Entwickler des Systems die Frage gestellt, wie sich die Anzahl und die Auflösung der einzelnen Objekte erhöhen lässt.

Ein Emulator für das Labor

Mehrere Teilnehmer lassen sich im Labor emulieren: Hierzu hat Keysight das AD1012A entwickelt, einen Radar Scene Emulator entwickelt. Der Emulator kombiniert Hunderte von Miniatur-HF-Frontends zu einem skalierbaren Emulationsschirm. Neben anderen Fahrzeugen lassen sich Fahrradfahrer, Motorradfahrer und besonders Fußgänger darstellen. Es lassen sich laut Aussage bis zu 512 Objekte mit Distanzen bis heran zu 1,5 m emulieren. Für das Sichtfeld ergibt sich ein Sichtfeld von ±70° horizontal und ±15° vertikal. Damit lässt sich ein besseres 3D-Bild des Radars erzeugen.

Für Hersteller von Fahrzeugen wird es zunehmend schwieriger, Algorithmen für das autonome Fahren zu testen und zu validieren. Die Sicherheitsfragen sind dabei ein zentraler Punkt der Untersuchungen. Der Radar Scene Emulator bietet ein vollständiges Szenen-Rendering, das Nah- und Fernziele über ein breites, kontinuierliches Sichtfeld (Field of View) emuliert.

Für den Testingenieur bietet sich so die Möglichkeit, Radarsensoren im Fahrzeug zusammen mit hochkomplexen Multi-Target-Szenen zu testen. Der Radar-Emulator nutzt eine patentierte Technik, um mithilfe Zielsimulation verschiedene Verkehrsszenen zu emulieren.

Die Vorteile des Emulators im Überblick:

• Das große Bild sehen: Der Emulator arbeitet mit einem breiteren, kontinuierlichen Sichtfeld. Er unterstützt nahe und ferne Ziele. Lücken im Sichtfeld werden ausgeschlossen. Ein besseres Training der Algorithmen, um die Umgebung zu erkennen und zu unterscheiden, ist möglich. Dabei sind es vor allem die dichten und komplexen Szenen.

• Komplexe reale Welt: Testet man Radarsensoren gegen eine begrenzte Anzahl von Zielen, so ist die Sicht auf die Umgebung unvollständig. Reale Szenarien mit Variationen der Verkehrsdichte, Geschwindigkeit, Entfernung und Gesamtzahl der Ziele lassen sich mit dem Emulator simulieren.

• Algorithmen beschleunigen: Dank einer deterministischen, realen Umgebung für komplexe Szenen lassen sich Trainingsdaten sammeln, die bisher nur in einem realen Test auf der Straße möglich waren. Komplexe Szenen, die zudem noch reproduzierbar sind, können mit hoher Dichte simuliert werden. Dabei kommen sowohl stehende als auch bewegliche Objekte zum Einsatz. Auch die Umgebungsmerkmale variieren.

• verbesserte Auflösung der Szene: Damit der Algorithmus zwischen Hindernissen auf der Straße unterscheiden kann, sind ausreichend Tests notwendig. Das ist Voraussetzung für automatisiertes Fahren der Stufen 4 und 5. Hier helfen sogenannte Punktewolken (Mehrfachreflexionen pro Objekt), um die Auflösung für jedes Objekt zu verbessern.

Ein Teil der ADE-Plattform

Der Radar-Emulator ist Teil ADE-Plattform (Autonomous Drive Emulation) von Keysight. Es ist im Rahmen einer mehrjährigen Zusammenarbeit zwischen Keysight, IPG Automotive und Nordsys entstanden. Mit der Plattform lässt sich ADAS- und AD-Sofware trainieren, indem vordefinierte Anwendungsfälle wiedergegeben werden, die zeitsynchronisierte Eingaben auf die tatsächlichen Sensoren und Subsysteme in einem Fahrzeug anwenden.

Dazu gehören Satellitennavigation (GNSS), Vehicle to Everything (V2X), Kamera und Radar. Die Plattform ist offen und kann von den Herstellern in kommerzielle 3D-Modellierungen, Hardware-in-the-Loop- (HiL-)Systeme und bestehende Test- und Simulationsumgebungen integriert werden.

(ID:47898148)