Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
Elektronik automot ive 15 Autonomes FAhren silviu tuca ist der Product Line Manager für radarbasierte autonome Fahrzeuge bei Keysight Technologies Nach seinem Master-Abschluss in HF-Elektronik und einem Doktortitel in Biophysik hat er sein ganzes Berufsleben mit Messgeräten verbracht unter anderem mit der Entwicklung neuer Kalibriermethoden und der technischen Beratung Tuca lebt in Stuttgart in seiner Freizeit ist er gerne in der Natur hört Hörbücher oder Podcasts und mag gute philosophische Diskussionen Markt befindlichen Zielsimulationslösungen wurden für große Entfernungen konzipiert Geringere Auflösung zwischen Objekten Bisher konnten Zielsimulatoren nur ein Objekt als eine Radarsignatur verarbeiten was zu Lücken in den Szenendetails führte Auf einer belebten mehrspurigen Straße zum Beispiel müssen die Testgeräte genau zwischen allen Verkehrsteilnehmern unterscheiden können Mit nur einem Echo pro Objekt ist der Algorithmus möglicherweise nicht in der Lage zwischen einem Fahrrad und einem Laternenpfahl zu unterscheiden Neue Technologie erforderlich Die Emulation von vollständigen Szenen im Labor ist der Schlüssel zur Entwicklung von robusten Radarsensoren und Algorithmen die für die Realisierung von ADAS-Funktionen auf dem Weg zu vollständig autonomen Fahrzeugen erforderlich sind Eine Methode besteht darin von einem Ansatz der sich auf die Objekterkennung mittels Zielsimulation konzentriert zur Emulation von Verkehrsszenen überzugehen Bild 3 So lassen sich komplexe Szenarien nachbilden einschließlich nebeneinander existierender hochauflösender Objekte mit einem großen Sichtfeld und einem geringen Mindestabstand zum Objekt Das gesamte FOV Field of View des Sensors muss abgedeckt werden um eine hohe Testabdeckung zu erreichen und ausführliche Testszenarien durchzuführen Um eine reproduzierbare und genaue AoA-Validierung zu ermöglichen ist ein breites FOV erforderlich idealerweise mit HF-Frontends die im Raum statisch sind Realistische Verkehrsszenen erfordern die Nachbildung von Objekten in unmittelbarer Nähe des Radargeräts An einer Ampel bei der die Autos nicht mehr als zwei Meter voneinander entfernt sind könnten beispielsweise Fahrräder auf die Fahrbahn kommen oder Fußgänger plötzlich die Straße überqueren Das Bestehen dieses Tests ist entscheidend • Hochzuverlässige Crystal Units • KDS Arkh 3G 1008size – kleinste Bauform am Markt • Breites Portfolio an Oszillatoren mit Di ff erenzausgang • TXC OE Serie 5×3 2mm – ultrakleiner OCXO Quarze bei CODICO © Ad ob eS to ck Von e st ar 2 02 0 +43 1 86 305–0 | o ffi ce@codico com | www codico com shop für die Sicherheitseigenschaften eines AD ADAS-Systems Die Objekttrennung das heißt die Fähigkeit zwischen Hindernissen auf der Straße zu unterscheiden ist ein weiterer Testbereich für einen reibungsloseren und schnelleren Übergang zu Fahrzeugen der Level 4 und 5 So muss ein Radarerkennungsalgorithmus beispielsweise zwischen einer Leitplanke und einem Fußgänger unterscheiden während das Fahrzeug auf einer Autobahn fährt Größeres Vertrauen in ADAS-Funktionalität erreichen Mehr Ziele ein kürzerer Mindestabstand eine höhere Auflösung und ein kontinuierliches Sichtfeld sind für realitätsnahe Tests unerlässlich Im Labor ermöglicht dies eine höhere Testabdeckung um nicht nur Zeit zu sparen sondern auch Testszenarien sicher durchzuführen und zu wiederholen Ein herkömmlicher Radar-Zielsimulator Radar Target Simulator RTS liefert eine einzige Reflexion unabhängig von der Entfernung während ein Radarszenen-Emulator die Anzahl der Reflexionen erhöht wenn sich das Fahrzeug nähert was auch als dynamische Auflösung bezeichnet wird Das bedeutet dass die Anzahl der Objekte mit der Entfernung des Objekts variiert ADund ADAS-Software-Entscheidungen müssen auf dem Gesamtbild beruhen nicht nur auf dem was die Testausrüstung erlaubt Die kürzlich von Keysight vorgestellte neue Radar-Emulationstechnologie ist eine weitere Möglichkeit das Testen von komplexen Fahrszenarien von der Straße ins Labor zu verlagern ih Literatur [1] road traffic Injuries World health organization 21 Juni 2021 https www who int newsroom factsheets detail roadtrafficinjuries [2] Automated Vehicles for safety national highway traffic safety Administration n d https www nhtsa gov technologyinnovation automatedvehiclessafety