Proximity Sense through Ultrasonic Skin (proSenseUSkin)

Im Projekt proSenseUSkin (Proximity Sense through Ultrasonic Skin) entwickeln die Hochschule Heilbronn und der Industriepartner Valeo Schalter und Sensoren ein Verfahren zur Umfeld- und Situationserkennung. Zur Erfassung der Umgebung werden kostengünstige Ultraschallsensoren verwendet, die nahtlos in die Trägersysteme eingebettet werden. Die Auswertung der Sensorsignale erfolgt mittels künstlicher Intelligenz. Die Projektleitung hat Prof. Dr. Raoul Zöllner inne.

Herausforderung

Autonome Systeme dringen in immer weiter in verschiedenste Bereiche der Gesellschaft ein. Erfolg und Akzeptanz dieser Systeme hängen unmittelbar von ihrer Sicherheit und ihrem Bedienungskomfort ab. Daher wird der Bedarf an Sensorik zunehmen, die das Umfeld eines autonomen Systems – etwa eines Fahrzeugs – erfasst. Auch die Auswertungsverfahren für die Sensorsignale müssen zunehmend anspruchsvolleren Anforderungen genügen.

Bekanntestes Beispiel für eine Umfelderfassung sind die Abstandssensoren bei Parkunterstützungssystemen in Fahrzeugen. Bisher müssen diese Sensoren in die Trägerstruktur – meist die Stoßfänger des Autos – eingesetzt werden, wofür die Trägerstruktur angebohrt und somit verändert wird. Zudem sind die Sensoren bei dieser Bauweise Umwelteinflüssen ausgesetzt. Hinzu kommt, dass die Systeme beim Wiederanfahren nicht erkennen können, ob sich Objekte unter dem Fahrzeug befinden – dies ist aber gerade bei autonomen Fahrzeugen enorm wichtig für einen sicheren Betrieb.

Ziele und Vorgehen

Entwicklungsziel des Projekts proSenseUSkin ist ein Verfahren, mit dem kostengünstige Ultraschallsensoren nahtlos mit dem Trägermaterial verschmolzen werden können, ohne die Detektionseigenschaften der Sensoren zu beeinträchtigen. Vielmehr sollen die Sensoren sogar eine zusätzliche Funktion erfüllen: Durch die Nutzung verschiedener Ultraschallfrequenzen will das Projektteam die simple Abstandsmessung um eine Objekterkennung erweitern. Für die Auswertung der Sensordaten wird ein neuronales Netz entwickelt, das Objekte mit unterschiedlichen Geometrien und Materialien sowie verschiedene Untergründe klassifizieren kann. Dieses lernende System soll auch ganze Sensorcluster auswerten können und vor allem im Bereich autonomes Parken zum Einsatz kommen.

Innovationen und Perspektiven

Ein entscheidender Vorteil der angestrebten Lösung liegt darin, dass sie mit kostengünstiger, serientauglicher Ultraschallsensorik umgesetzt werden kann. Da Ultraschall, anders als Kamerasysteme, zudem keine personenbezogenen Daten aufzeichnet, ist ein solches System auch aus Datenschutzsicht von Vorteil. Der Projektpartner Valeo will die Projektergebnisse aufgreifen, um sie in Anwendungen im autonomen Fahren zu verwerten. Denkbar sind dabei auch andere Einsatzgebiete, etwa die Überwachung von Einstiegsbereichen.

Die Projektergebnisse sollen außerdem über Publikationen der Öffentlichkeit zugänglich gemacht werden, dies gilt auch für Algorithmen, Testdaten und Studien. Geplant ist auch ein Versuchsträger für Testfahrten, sowohl auf dem Testfeld autonomes Fahren des Landes Baden-Württemberg als auch im öffentlichen Verkehrsraum.