Projekte

Radar ist der wichtigste Sensor für autonomes Fahren. Ein hohes räumliches Auflösungsvermögen wird nach dem multiple-input/multiple-output (MIMO) Prinzip durch eine große Anzahl von Antennen erreicht, welche alle jeweils mit einzelnen Toren integrierter Radar-ICs verbunden werden müssen. Bei der Auslegung der komplexen hochfrequenztechnischen Verbindungsnetzwerke stoßen die bisher verwendeten Leiterplattentechnologien an ihre Grenzen.

Mit der zunehmenden Automatisierung von Luftfahrzeugen gewinnen sichere Start-, Lande- und Navigationsprozesse in Bodennähe stark an Bedeutung. Im Projekt NiKoLaS werden dafür neue Sensor- und Assistenzsysteme entwickelt, die eine zuverlässige Kollisionsvermeidung für autonome Luftfahrzeuge ermöglichen. Im Fokus stehen insbesondere Lufttaxis, UAVs und automatisierte Flugplattformen im urbanen Umfeld.

Während sich drahtlose Netze in Richtung 6G entwickeln, rückt die Verschmelzung von Kommunikations- und Ortungsfunktionen innerhalb einer gemeinsamen Hardware- und spektralen Infrastruktur als eine der vielversprechendsten Forschungsrichtungen dieses Jahrzehnts in den Fokus. Joint Communication and Sensing (JCAS) ermöglicht es Geräten und Netzen, gleichzeitig Daten zu übertragen und umfassende Umgebungsinformationen aus demselben Signal zu extrahieren. Dies eröffnet neue Möglichkeiten für Lageerfassung, Automatisierung und sicherheitskritische Anwendungen.

Eine zuverlässige Umfelderfassung ist eine zentrale Voraussetzung für autonome Navigationssysteme im maritimen Umfeld. Insbesondere auf stark frequentierten Wasserstraßen stellen wechselnde Sichtbedingungen, verdeckte Bereiche und komplexe Verkehrssituationen hohe Anforderungen an Sensorik und Datenverarbeitung.Im Projekt Radar4FER wird die Nutzung verteilter Radarsysteme zur umfassenden Umfelderfassung untersucht. Ziel ist es, durch die Fusion mehrerer Sensorsignale eine robuste und vollständige Wahrnehmung der Umgebung zu ermöglichen und so die Grundlage für zuverlässige Kollisionsvermeidungssysteme und autonomen Fährbetrieb zu schaffen.

Zukünftig werden Paketlieferdrohnen, Inspektionsplattformen und Lufttaxis denselben Luftraum teilen, was neue Herausforderungen für Sicherheit und Luftraumüberwachung mit sich bringt. Im Forschungsprojekt MIMO-Air entwickelte ein Konsortium aus Forschungsinstituten und Industriepartnern einen Demonstrator für ein solches Luftraumüberwachungssystem.

SCaRL ist ein selbst-entwickelter, großflächiger synthetischer Datensatz, um das Training und die Validierung von autonomen Fahrsystemen zu unterstützen. Aufbauend auf unserem vorangegangenen CARLA-Simulator stellt SCaRL vollständig synchronisierte Daten aus einer vollständigen und vielfältigen Sensorik bereit – darunter RGB-, Semantik-, Instanz- und Tiefenkameras, kohärentes LiDAR mit Doppler-Fähigkeit sowie MIMO-FMCW-Radar. Er umfasst 140.000 zeitlich abgestimmte Frames mit dynamischen, Multi-Akteur-Verkehrsszenarien.

Im Projekt RADIKAL (Radarsensorik für automatisierte Drohnensteuerung mit intelligenter Kamera-Bildverarbeitung und abgesicherter Landung) werden innovative Sensor- und Assistenzsysteme für autonome Transportdrohnen entwickelt. Ziel ist es, den sicheren und flexiblen Einsatz von Drohnen in der Logistik entscheidend voranzubringen – insbesondere im Expressverkehr, auf der letzten Meile sowie in der industriellen Intralogistik.

Seit fast einem Jahrhundert haben sich die Betriebshöfe deutscher Straßenbahnbetriebe kaum verändert. Noch immer werden alle Fahrzeugbewegungen manuell durch Mitarbeiterinnen und Mitarbeiter ausgeführt. Dabei sind Fahrbetrieb und Rangierfahrten meist strikt voneinander getrennt. Straßenbahnen werden an festgelegten Übergabepunkten übergeben; Wasch- oder Wartungsplätze werden manuell angefahren. Auf einem durchschnittlichen Betriebshof legen die Beschäftigten täglich mehrere Kilometer zu Fuß zurück und führen rund 100 Fahrzeugbewegungen durch, die nicht der Personenbeförderung dienen.

Im Forschungsprojekt SHIELD (Störfestes harmonisches ISM-Radar für echtzeitfähige Logistik und Distribution) wird ein skalierbares Sensornetzwerk entwickelt, das zuverlässige Lokalisierung in hochdynamischen Lagerumgebungen ermöglicht, in denen autonome Roboter, menschliche Mitarbeitende und komplexe Materialflüsse parallel agieren.