Deep Learning Methods for Automotive Radar Signal Processing

Vorschau

Leseprobe, PDF (160 KB)
Inhaltsverzeichnis, PDF (35 KB)

Um autonomes Fahren zu ermöglichen, müssen zukünftige Sensorsysteme nicht nur in der Lage sein, das Fahrumfeld zu erfassen, sondern auch semantische Informationen zu liefern. In dieser Arbeit werden Deep Learning Methoden, die die klassische Radarsignalverarbeitungskette verbessern oder sogar ersetzen sollen, entwickelt und im Hinblick auf das Automobilumfeld evaluiert. Für diesen Zweck werden hochmoderne Bilderkennungsalgorithmen auf die Domäne der Radarsignale angepasst und zur Klassifizierung und Detektion verschiedener Verkehrsteilnehmer angewendet.

For autonomous driving to become a reality, future sensor systems must be able to not only capture the vehicle’s environment, but also to provide semantic information. In this work, deep learning methods, meant to enhance—or even replace—the classical radar signal processing chain, are developed and evaluated in the context of automotive applications. For this purpose, state of the art computer vision approaches are adapted and applied to radar signals in order to detect and classify different road users.