ALT + + Schriftgröße wechseln
ALT + / Kontrast wechseln
ALT + Q Schnellzugriff
ALT + P Headerleiste
ALT + M Hauptmenü
ALT + U Links in der Fußzeile
ALT + G Sitemap
ALT + O Suche
ALT + I Inhalt
ALT + K Kontakt unten
ESC Einstellungen zurücksetzen
X

Projekt Multiradarsystem

Der Begriff Radar bedeutet Radio Detection and Ranging. Radar ist eine Methode der Funkmesstechnik und arbeitet mit elektromagnetischen Wellen im Gigahertz-Bereich. Mittels Radar lassen sich stationäre und bewegte Objekte detektieren. Dabei strahlt ein Sender eine Funkwelle in die Umgebung ab. Trifft die Funkwelle auf ein Objekt, so reflektiert das Objekt die Funkwelle und kann von einem Sensor wahrgenommen werden.

Aus der reflektierten Funkwelle können folgende Informationen gewonnen werden:

  • die Richtung zum Objekt,
  • die Entfernung des Objektes,
  • die relative Bewegung zwischen Sender und Objekt aus der Frequenzverschiebung durch den Dopplereffekt,
  • die Aneinanderreihung von Messungen beschreibt die Wegstrecke und die absolute Geschwindigkeit des Objektes,
  • bei guter Radarauflösung lassen sich die Objektkonturen erkennen.

Eingesetzt wird die Radar-Technologie in der Luftfahrt, im medizinischen Bereich und beim autonomen Fahren. Ein großer Vorteil der Radar-Technologie ist, das Wetter- und Lichtverhältnisse keinen Einfluss auf die Messung haben. Im Gegensatz dazu ist die ebenfalls beim autonomen Fahren eingesetzte Lidar-Technolgie abhängig  von Wetter- und Lichtverhältnissen. Die Abkürzung Lidar bedeutet Light Detection and Ranging. Ähnlich der Messmethode beim Radar wird beim Lidar die Umgebung mit einem Laserstrahl erfasst. 

 

Wo liegen die Problempunkte beim Radar

Objekte befinden sich im Allgemeinen nicht in einer ansonsten leeren Umgebung. Beispielsweise gibt es beim autonomen Fahren im Straßenverkehr zahlreiche Objekte wie Häuserwände und Verkehrsschilder. Diese Objekte reflektieren ebenfalls das Radarsignal. Darüber hinaus treten mehrfache Reflexionen auf. Das ist der Fall, wenn das zu messende Objekt das Radarsignal zunächst auf andere Objekte reflektiert und diese das Radarsignal zum Sensor reflektieren. Eine aufwändige Nachverarbeitung des empfangenen Sensorsignal ist deswegen notwendig.

Bei einigen Anwendungen wie etwa im Automotive-Bereich oder im Bereich Industrie 4.0 werden hochauflösende Radarsignale benötigt. Darüber hinaus sind Objekte in der Regel von komplexer Struktur. Was zur Folge hat, dass jedes Objektteil das emittierte Radarsignal reflektiert. Im empfangenen Radarsignal sind alle Reflexionen der Objektteile enthalten und bilden das gesamte Objekt als Punktewolke ab. Die Herausforderung dabei ist es, aus dieser Punktewolke auf die physikalische Objektgröße, Position und Objekttyp zu schließen. Im Fall mehrerer benachbarter Objekte resultieren sich überlappende Punktewolken. Die besondere Herausforderung ist es, sich überlappende Punktewolken zu trennen und auf die einzelnen Objekte zu schließen. 

 

Bisherige Projektarbeiten

Es wurde ein kompaktes Radarsystem aufgebaut und evaluiert, das mobil und flexibel eingesetzt werden kann. Das Radarsystem besteht neben einer Tastatur und einem Display aus einer Sendereinheit, einer Sensorkomponente und einer Verarbeitungskomponente für das empfangene Radarsignal. Das Radarsignal liegt im Frequenzbereich von 77GHz. Es wird kontinuierlich frequenzmoduliert abgestrahlt. Das Radarsystem wurde auf ein Dual-Radarsystem erweitert. Dadurch wurde die räumlich Erfassung verbessert, ähnlich dem räumlichen Sehen beim Menschen mit zwei Augen. Für die Klassifizierung von Objekten wurde ein Convolutional Neural Networks implementiert. Erste Ergebnisse wurden als Paper bei IEEE veröffentlich und auf dem International Radar Symposium 2021 vorgestellt.

 

Zukünftige Projektarbeiten

Das bestehende Radarsystem soll zu einem Multiradarsystem ausgebaut werden. Neben Convolutional Neural Networks sollen auch Recurrent Neural Networks zum Einsatz kommen. Zur Einsparung an Rechenleistung sollen für die Signalverarbeitung des Sensorsignals Methoden des Compressed Sensing eingesetzt werden.

 

Veröffentlichungen

Steven Duong; Daniel Kahrizi; Sven Mettler; Clemens Klöck:
Moving Target Classification with a Dual Automotive FMCW Radar System Using Convolutional Neural Networks
21st International Radar Symposium, 2021, Berlin

IEEE Paper

 

Wenn Du Interesse hast an unserem Projekt mitzuwirken oder Du möchtest eine Abschlussarbeit auf diesem Gebiet machen, melde Dich bei den Ansprechpartnern.

 

Ansprechpartner

Foto Clemens Klöck

Prof. Dr.-Ing. Clemens Klöck

Anschrift :

Campus Esslingen Flandernstraße
Raum: F 01.454
Flandernstraße 101
73732 Esslingen

Sprechstunden:

Die Sprechstunde ist

dienstags von 13:00 h - 14:00 h

nach Vereinbarung.

Prof. Dr.-Ing. Steffen Schober

Anschrift :

Campus Esslingen Flandernstraße
Flandernstraße 101
73732 Esslingen

Sprechstunden:

Dienstags von 13:00 - 14:00

Bitte vorher per Mail anmelden

Studentischer Ansprechpartner

Online bewerben für das Sommersemester 2023!

Die Bewerbungsphase für das Sommersemester 2023 beginnt für die Master-Studiengänge am 15. Oktober 2022 und für die Bachelor-Studiengänge am 24. Oktober 2022. Direkt einschreiben in unsere zulassungsfreien Studienangebote ab dem 15. Oktober 2022.

Bitte beachten Sie abweichende Bewerbungszeiten für einige Master-Studiengänge.

Jetzt informieren