iLIDS4SAM: Integrated LiDAR Sensors for Safe & Smart Automated Mobility

Das Forschungsprojekt „iLIDS4SAM“ fokussiert sich auf die Entwicklung eines leistungsfähigen, kostengünstigen Lidar-Sensorsystems für autonome Fahrzeuge, das ein 3D-Abbild der Umgebung liefert und Gefahren vorausschauend erkennt. Ziel ist es, durch reale Tests und kontinuierliche Optimierung mithilfe von KI und Big Data die Sicherheit und Effizienz der Mobilität der Zukunft zu verbessern.

Kurzbeschreibung

Wenn es um die Mobilität der Zukunft geht, steht die Zuverlässigkeit und Sicherheit von autonomen Fahrzeugen an erster Stelle. Das Geschehen in der Umgebung muss umfassend und schnell erkannt werden. Gerade im komplexen, urbanen Straßen- und Schienenverkehr ist dies besonders herausfordernd. Genau diesem Thema widmet sich das Forschungsprojekt „iLIDS4SAM".

Dazu bündeln elf österreichische Partner aus Industrie und Wissenschaft ihr Know-how. Gemeinsam forschen sie an Sensoren, die autonomen Fahrzeugen auf der Straße oder Schiene ein 3D-Abbild der Umgebung liefern und vorausschauend Gefahren erkennen. Ziel ist es, ein leistungsfähiges und kostengünstiges Laser-Sensorsystem mit einem „Deep Learning" Datenmanagement zu entwickeln. Das Sensorsystem wird in städtischen Straßen- und Schienenverkehr sowie bei landwirtschaftlichen Einsätzen getestet, um die Integration als auch die praktische Leistungsfähigkeit zu demonstrieren.

Es ist ein innovatives Vorzeigeprojekt, weil es die gesamte Technologie-, Anwendungskette mit Hard- und Softwareanpassungen sowie Tests im Labor als auch auf der Straße umfasst.

Dreidimensional sehendes Auge fürs Fahrzeug

Das Team arbeitet an neuartigen und kompakten Lidar-Sensorsystemen, um ein größeres Sichtfeld mit hoher Auflösung zu bieten. Dabei scannt ein Laserstrahl mithilfe von Mikrochip-Spiegeln das Umfeld millimetergenau ab, um den Abstand und die Form von Objekten abzumessen. Das Ergebnis ist ein 3D-Bild von sich bewegenden Fahrzeugen oder Fußgängern, Verkehrszeichen, Hindernissen am Straßenrand oder auch von Fahrbahnmarkierungen.

Ein großes Sichtfeld kombiniert mit hoher Auflösung und einer hohen Bildwiederholrate führen zu einer sehr großen Zahl an Messungen, die pro Sekunde durchgeführt werden müssen. Die Herausforderungen liegen darin, einerseits eine hohe Messrate und damit auch Datenrate zu realisieren, aber auch alle Komponenten, die Verbindungstechnologien als auch das Spiegeldesign zu optimieren und zu miniaturisieren. Das System soll beispielsweise hinter der Windschutzscheibe, im Scheinwerfer oder in den Rückleuchten eingebaut werden.

Lernende Sensoren

Wichtiger Teil des Projektes sind reale Testfahrten mit dem neuen LiDAR-Demonstrator. Ziel ist es, eine große Menge an realen Daten zu sammeln, um mit lernenden Algorithmen das Verhalten vorherzusagen und eine Gefahreneinschätzung ableiten zu können. Mit Big Data sowie künstlicher Intelligenz soll sich das System kontinuierlich verbessern und optimieren.

Das Projekt läuft noch bis Mitte 2023. Der neuartige Sensor wird im Labor auch unter schwierigen Wetterverhältnissen wie beispielsweise Nebel getestet und Simulationen durchgeführt. Reale Tests im städtischen Straßen- und Schienenverkehr und in der Landwirtschaft folgen. Das Projekt trägt zu den SDGs bei, indem es durch intelligente Technologien die Sicherheit aller Verkehrsteilnehmer fördert, die smarte und emissionsfreie Mobilität im urbanen und ländlichen Raum verbessert und die Innovationskraft der Partner insgesamt stärkt.

Publikationen

Broschüre: Digitale Technologien (2024)

Intelligent, grün und souverän in die Zukunft - Projekthighlights aus den Jahren 2016-2021. Redaktionsteam FFG: Olaf Hartmann, Anita Hipfinger, Peter Kerschl
Herausgeber: Bundesministerium für Klimaschutz, Umwelt, Energie, Mobilität, Innovation und Technologie
Deutsch, 72 Seiten

Downloads zur Publikation

Projektbeteiligte

Konsortialführung

  • Infineon Technologies Austria AG

Weitere Konsortialpartner

  • AVL List GmbH
  • ams AG
  • EV Group E. Thallner GmbH
  • FH Campus Wien Forschungs- und Entwicklungs-GmbH
  • Infineon Technologies Austria AG
  • Peschak Autonome Systeme GmbH
  • RIEGL Research Forschungsgesellschaft mbH
  • Silicon Austria Labs GmbH
  • Technische Universität Graz (Institut für Maschinelles Sehen und Darstellen)
  • TTTech Auto AG
  • Virtual Vehicle Research GmbH