Machine Learning-basierte Signalverarbeitungsansätze für Automotive-Radarsensoren

Verkehrsszenarien, die sowohl Fahrzeuge als auch leicht verletzliche Verkehrsteilnehmer (LVT, bspw. Fußgänger) umfassen, stellen heute ein entscheidendes Hemmnis auf dem Weg zu hochautomatisiertem Fahren dar. Autonome Fahrzeuge müssen Fußgänger nicht nur zuverlässig detektieren, sondern auch deren Verhalten und Intention analysieren, um im Gegenzug das eigene Verhalten im Sinne einer sicheren Bewältigung dieser Szenarien anzupassen.

Aufgrund ihrer hohen Robustheit gegenüber Wetter- und Umwelteinflüssen stellt die Analyse von Fußgängern anhand von Radarsensoren einen vielversprechenden Ansatz für robuste Systeme zur Absichtserkennung dar. Informationen, die hierbei bspw. mit Machine Learning-Methoden aus Radardaten abgeleitet werden können, sind unter anderem die Position, Orientierung und Aktivität der Fußgänger wie auch Verkehrs- und Kommunikationsgesten. Solche Algorithmen wurden im Rahmen der bisherigen Arbeit am Institut für Mikrowellentechnik bereits entwickelt. Die beständige Weiterentwicklung der verfügbaren Radarsensoren und Ground Truth-Systeme erschließt jedoch fortlaufend neue Möglichkeiten, bestehende Verfahren zu verbessern oder durch neue Signalverarbeitungs- und ML-Methoden zusätzliche Informationen zu gewinnen. Im Rahmen der am Institut angebotenen Abschlussarbeiten sollen daher Verfahren entwickelt werden, die die Ableitung von Fußgänger-Parametern mithilfe hochmoderner Radarsensoren und -sensornetzwerken verbessern und/oder ergänzen. Solche Verfahren umfassen bspw. neuronale Netze, die auf verfügbare Radar-Datensätze trainiert werden.

Der Schwerpunkt der Arbeiten (bspw. Radar-Simulationen, Radar-Signalverarbeitung, Machine Learning) kann dabei je nach Präferenz der Studierenden angepasst werden.

Nicolai Kern, M.Sc.XXXXRaum: 41.1.210Telefon: 0731 50-26430E-Mail
Art der Arbeit

Simulationen, Messungen, Entwicklung und Verifikation von Algorithmen

Empfohlene Grundkenntnisse

Kenntnisse in Signalverarbeitung.
MATLAB- oder Python-Programmierkenntnisse von Vorteil.

Sonstiges

Beginn der Arbeit: ab sofort