Fraunhofer-Institut für Hochfrequenzphysik und Radartechnik FHRSCaRL 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.
SCaRL ist mehr als nur ein Datensatz – es ist ein voll ausgereiftes Radar-Simulationswerkzeug. Der physikalisch fundierte Radarsimulator basiert auf Ray-Tracing und ermöglicht die Erzeugung von Rohradardaten für beliebige Sensorkonfigurationen, einschließlich kundenspezifischer Array-Geometrien, MIMO-Front-Ends und Wellenformparameter. Dadurch ist SCaRL besonders gut geeignet für das schnelle Prototyping neuer Radar-Konzepte und Verarbeitungsalgorithmen in realistischen dynamischen Szenarien – ohne kostspielige Messkampagnen.
Die kohärente LiDAR-Simulation berücksichtigt physikalische Grundlagen, Oberflächennormale, Einfallswinkel und Doppler-Schätzung mittels Ray-Tracing – und geht damit weit über das hinaus, was herkömmliche LiDAR-Simulatoren typischerweise bieten.
SCaRL wurde entwickelt, um die Lücke zwischen Simulation und realer Wahrnehmung zu schließen. Es ermöglicht Sensorfusionsforschung, neuronales Netzwerk-Pretraining und Benchmarking von Algorithmen über verschiedene Modalitäten hinweg, wobei Domain Adaptation einen natürlichen Weg zur Anwendung auf reale Daten darstellt.