Fraunhofer-Institut für Hochfrequenzphysik und Radartechnik FHR
Intelligente Mobilitäts- und Transportsysteme benötigen eine zuverlässige Erfassung und Interpretation von Umgebungsinformationen. Radarbasierte und multimodale Sensorsysteme ermöglichen auch bei Nebel, Regen oder Dampf eine robuste Umweltwahrnehmung und schaffen so die Grundlage für sichere und effiziente Mobilitätslösungen in der Luft, auf der Straße, auf der Schiene und auf Binnenwasserwegen. Ergänzt werden diese Systeme durch KI-gestützte Signalverarbeitung sowie Joint Communication and Sensing (JCAS) für vernetzte und kooperative Anwendungen. Dadurch entstehen Lösungen für präzise Lokalisierung, robuste Verfolgung und intelligente Pfadplanung bis hin zu Assistenz- und Sicherheitsfunktionen. Simulationsumgebungen und digitale Zwillinge unterstützen dabei die Entwicklung und Validierung komplexer Szenarien unter realitätsnahen Bedingungen.
Wenn Sie Ihre Mobilitäts- und Transportsysteme sicherer, effizienter und zukunftsfähig gestalten möchten, unterstützen wir Sie mit maßgeschneiderten Lösungen aus Radar-, Sensorfusion- und KI-Technologien.
Anwendungen im Luftraum
Multimodale Sensorkonzepte und hochauflösende Radarsysteme ermöglichen die zuverlässige Überwachung des Luftraums, insbesondere in niedrigen Höhen. Flugobjekte wie Drohnen, UAVs und Lufttaxis werden in Echtzeit erkannt, verfolgt und klassifiziert. Dadurch können sichere Flugoperationen, Kollisionsvermeidung sowie präzise Landemanöver unterstützt werden.
Zum Einsatz kommen stationäre und flugintegrierte Systeme, die eine kontinuierliche Erfassung der Umgebung und anderer Luftverkehrsteilnehmer ermöglichen. Fortschrittliche Signalverarbeitung und Mikro-Doppler-Analysen erhöhen dabei die Robustheit der Systeme im Bereich der Urban Air Mobility. Adaptive Sensorkonzepte passen sich dynamisch an wechselnde Umgebungsbedingungen an und sorgen so für eine zuverlässige Wahrnehmung. Unsere Systeme werden in Demonstratoren, realen Messkampagnen und Simulationsszenarien umfassend getestet und validiert.
Anwendungen für verschiedene Verkehrsszenarien an Land
Mit unserer langjährigen Erfahrung im autonomen Fahren entwickeln wir Technologien für sichere, automatisierte und vernetzte Mobilität im Straßenverkehr. Verfahren zur Echtzeit-Signalverarbeitung, Sensorfusion und Umfeldwahrnehmung ermöglichen dabei eine zuverlässige Funktion auch in komplexen Verkehrssituationen. Ergänzend kommen moderne Signal- und Wellenformkonzepte zum Einsatz, die eine störungsarme Kommunikation und robuste Sensordatenerfassung unterstützen.
Multimodale Simulationsumgebungen wie SCaRL ermöglichen realitätsnahes Rapid Prototyping ohne aufwändige Messkampagnen und beschleunigen so die Entwicklung und Bewertung neuer Algorithmen und Sensorkonfigurationen. Die entwickelten Lösungen finden zudem Anwendung im urbanen Schienenverkehr, insbesondere für die 3D-Umgebungserfassung, Objekterkennung und sichere Navigation automatisierter Fahrzeuge.
Weiterführende Informationen SCaRL - Synthetischer Multi-Modal-Datensatz für Autonomes Fahren
Anwendungen für die Schifffahrt
Dichte Binnenschifffahrt sowie Einsätze unter Nebel und Wetterextremen stellen hohe Anforderungen an sichere Navigation und zuverlässige Umweltwahrnehmung. Verbesserte Verfahren zur Erkennung, Verfolgung und Pfadplanung helfen dabei, Kollisionen mit Schiffen und anderen Hindernissen zu vermeiden und Abläufe effizienter zu gestalten.
Durch verteilte Sensorik an Bord und am Ufer sowie eine synchronisierte Datenverarbeitung entsteht ein umfassendes Lagebild der Umgebung. Dieses ermöglicht zuverlässige Navigation, sichere Koordination im Schiffsverkehr sowie unterstützende und teilautomatisierte Funktionen. Ergänzt werden die Systeme durch Visualisierungslösungen und zusätzliche Sensorik wie Kameras. Die entwickelten Ansätze werden unter realen Bedingungen mit kommerziellen maritimen Radarsystemen getestet und validiert.
Anwendungen von JCAS & 6G für Transportsysteme
Joint Communication and Sensing (JCAS) im Kontext zukünftiger 6G-Netze ermöglicht die gleichzeitige Nutzung von Kommunikations- und Sensorsignalen. Dadurch können Daten übertragen und Umgebungsinformationen innerhalb desselben Systems erfasst werden. So entstehen vernetzte Systeme, die Informationen austauschen und ihre Umgebung parallel wahrnehmen.
In Kombination mit multimodalen Sensordaten und KI-Methoden werden diese Ansätze unter anderem für bildgebende Verfahren sowie die automatisierte Objekt- und Szenenanalyse eingesetzt. Synthetische Daten und datenbasierte Erweiterungsmethoden unterstützen dabei die Entwicklung robuster Lösungen für unterschiedlichste Mobilitäts- und Logistikanwendungen.