Front Side Radar Objekterkennung und -Fusion
Das Ziel dieses Projekts war es, die Objekterkennungsalgorithmen für Front- und Seitenradarsysteme in Automobilanwendungen zu verbessern.
Die Hauptaufgaben umfassten eine detaillierte Analyse der bestehenden Algorithmen und die Entwicklung von Erweiterungsvorschlägen zur Einbindung von Detektionsdaten von Seitenradaren. Diese Verbesserung zielte darauf ab, die Gesamtgenauigkeit und Zuverlässigkeit des Objekterkennungsprozesses zu erhöhen.
Ein kritischer Bestandteil des Projekts war die Integration dieser Änderungen in die gesamte Fusionssoftware, die von Continental entwickelt wurde. Dabei wurde besonderer Wert auf die Zusammenarbeit mit dem Seitenradarteam von Continental gelegt, um eine nahtlose Integration und Funktionalität der verbesserten Fusionsalgorithmen zu gewährleisten.
Funktionale Tests und Key Performance Indicator (KPI) Tests wurden durchgeführt, um die Algorithmen zu optimieren und sicherzustellen, dass sie den gewünschten Leistungskennzahlen entsprachen. Diese Tests waren entscheidend, um die Wirksamkeit der Verbesserungen zu bestätigen und die Zuverlässigkeit der Objekterkennung unter verschiedenen Bedingungen zu gewährleisten.
Das Projekt nutzte eine Vielzahl von Technologien, darunter C++, MTS, DOORS, IMS, MKS und Jira. Die Entwicklungs- und Testaktivitäten wurden mit ROS-Frameworks durchgeführt, was eine effiziente und strukturierte Vorgehensweise ermöglichte.
Durch die enge Zusammenarbeit mit dem Seitenradarteam von Continental konnte das Projektteam sicherstellen, dass die verbesserten Algorithmen reibungslos in das bestehende System integriert wurden. Diese Zusammenarbeit war entscheidend für den Erfolg des Projekts und die Erzielung der angestrebten Leistungssteigerungen.
Das Projekt lieferte signifikante Verbesserungen bei der Radarerkennung und Klassifikation, die zur Gesamtleistung und Sicherheit fortschrittlicher Fahrerassistenzsysteme (ADAS) beitrugen. Die optimierten Algorithmen erhöhten die Präzision und Zuverlässigkeit der Objekterkennung, was wiederum die Sicherheit und Effektivität der Fahrassistenzsysteme deutlich verbesserte. Sensified war verantwortlich für die erfolgreiche Durchführung dieses Projekts und stellte durch den Einsatz modernster Technologien und gründlicher Testmethoden sicher, dass alle Projektziele erreicht wurden.