Radarsensoren aus dem Automobilbereich sind gegenüber Wetter- und Lichteinflüssen deutlich robuster als LIDAR- und Kamerasensoren. Lukas Lang behandelt daher zum einen die Verwendung von Radardaten für Kollisionserkennungen und ihrer Wahrscheinlichkeiten zwischen Verkehrsteilnehmern durch KI- und ML-Ansätze. Zum anderen wird der Einfluss verschiedener Datensätze auf das Ergebnis mittels einer Domain Gap Analyse untersucht. Die Studie konzeptioniert und implementiert dazu beide Bereiche und diskutiert die Ergebnisse.

Radarpunktwolken in Grid-Maps Erzeugung neuer Radardaten Auswahl von Distanzmetriken

Autorentext

**Lukas Lang ist wissenschaftlicher Mitarbeiter am Institut für Fahrzeugtechnik der Universität Stuttgart als Mitglied des Fahrsimulatorteams und hat dort promoviert. Der Fokus seiner Tätigkeit liegt auf Umgebungs- und Sensorsimulationen und ihrer Validierung von simulierten zu realen Messdaten sowie deren Verwendung für KI- und ML-Anwendungen.

Inhalt

Einordnung der Thematik zur Domain Gap Analyse von Radardaten und ihren Herausforderungen.- Konzeption der Herangehensweise zur Domain Gap Analyse von Radardaten.- Konzeption und Implementierung zur Vorhersage der Kollisionswahrscheinlichkeit zwischen Verkehrsteilnehmer und dem Ego-Fahrzeug mittels Radardaten.