Sensortechnologien für ADAS-Anwendungen

Mit Radar erfolgreich zu Level 3+

5. Oktober 2022, 11:45 Uhr | Autorin: Prajakta Desai, Redaktion: Irina Hübner

Fortsetzung des Artikels von Teil 1

Bildgebendes Radar oder Lidar?

Je weiter die Entwicklung auf dem ADAS-Sektor voranschreitet, umso mehr ADAS- und Unfallvermeidungs-Technologien finden Eingang in die Sicherheitsbewertung von Fahrzeugen. Die Leistungsfähigkeit von Sicherheitsmaßnahmen wie dem automatischen Notbremssystem (Automatic Emergency Breaking, AEB), dem autonomen Notlenksystem (Autonomous Emergency Steering, AES), dem Abstandsregeltempomat (Adaptive Cruise Control, ACC) und dem Auffahrwarnsystem (Forward Collision Warning, FCW) hängt von der Art und der Komplexität der verwendeten Sensoren ab. OEMs und Tier-One-Zulieferer legen ein großes Augenmerk auf die Auswahl der Sensortypen für diese Funktionen, um sicherzugehen, dass die Radarsensoren den strikten Anforderungen der NCAP-Tests genügen.

Fußgängererkennung, Spurhalteassistenten, automatische Bremslösungen und Abstandsregeltempomaten nutzen üblicherweise die Lidar-Technik. Lidarsensoren für Kfz-Anwendungen arbeiten mit Lichtwellen und ermöglichen die Detektierung von Objekten in fast 200 m Entfernung vor der Fahrzeugfront. Ein entscheidendes Problem beim Einsatz der Lidartechnik sind jedoch die hohen Kosten. Aus Tabelle 1 war bereits zu entnehmen, dass Bildverarbeitung und Radar kosteneffiziente Lösungen bis zum Autonomiegrad 3+ sind, während für Level 4 und darüber hinaus möglicherweise zusätzlich Lidar benötigt wird.

Anbieter zum Thema

zu Matchmaker+
Ein bildgebendes Radarsystem kann statische Objekte identifizieren und unterscheiden. Im Beispiel: Erkennung eines unter einer Brücke liegengebliebenen Fahrzeugs, erforderliche Winkelauflösung: Φel < 1,14°
Bild 3. Ein bildgebendes Radarsystem kann statische Objekte identifizieren und unterscheiden. Im Beispiel: Erkennung eines unter einer Brücke liegengebliebenen Fahrzeugs, erforderliche Winkelauflösung: Φel < 1,14°.
© Texas Instruments

Eine Sensorkonfiguration aus mehreren kaskadierten Millimeterwellen-Radarsensoren (mmWave) des Typs AWR2243 von TI ermöglicht ein bildgebendes Radar, bei dem die Sensoren auf synchronisierte Weise wie eine Einheit arbeiten und eine deutliche Steigerung der Winkelauflösung und der Reichweite erzielen. Durch die Kaskadierung können mmWave-Sensoren eine Reichweite von bis zu 400 m erzielen. Um das zu erreichen, werden integrierte Phasenschieber für die Strahlformung verwendet. Ein gängiger Anwendungsfall, an dem die Vorteile bildgebender Radarsensoren deutlich werden, ist die Identifikation statischer Objekte mit hoher Auflösung (Bild 3).

Radar für neue Anwendungen

Für eine 360°-Rundumsicht werden noch mehr Sensoren benötigt, die von den Automobilherstellern an beengten Stellen wie etwa in Türgriffen untergebracht werden müssen. Die kompakte Bauform der AoP-Sensoren (Antenna-on-Package) der Typen AWR1843AOP und AWR6843AOP von TI erlaubt die Platzierung an Stellen, die bisher nicht infrage kamen. Bei den AoP-mmWave-Sensoren von TI sind die Antenne, der Radar-Transceiver, der digitale Signalprozessor, der Mikrocontroller und die Schnittstellen-Peripherie in einen Chip integriert. Durch die Integration von Gehäuse und Chip entfällt die Notwendigkeit, ein HF-taugliches Substratmaterial zu verwenden, was die Kosten und die Fertigungskomplexität erheblich senkt und darüber hinaus etwa 30 % Leiterplattenfläche spart.

Radar für Ultra-Short-Range-Anwendungen

Derzeit setzt man bei Einparkhilfen noch auf Surround-View-Kameras und Ultraschallsensoren. Für das automatische Einparken sollten die Sensoren Objekte in Entfernungen von 3 cm bis mehr als 40 m detektieren können, und zwar in einem weiten Sichtfeld und bei beliebigen Umgebungsbedingungen. Die mmWave-Sensoren leisten genau das, indem sie kleinere Objekte in weniger als 25 cm Entfernung detektieren können, und das bei einer Vielzahl von Wetter- und Lichtverhältnissen, bei denen Kamera- und Ultraschallsensoren möglicherweise überfordert sind.

Vergleich von Reichweite und Sichtfeld: (links) Ultraschallbasierte Einparkhilfe und (rechts) auf mmWave-Radar basierende Einparkhilfe.
Bild 4. Vergleich von Reichweite und Sichtfeld: (links) Ultraschallbasierte Einparkhilfe und (rechts) auf mmWave-Radar basierende Einparkhilfe.
© Texas Instruments

Der AWR1843AOP bietet ein weites Sichtfeld in Azimut- und Elevationsrichtung, sodass eine echte 3D-Detektierung unterschiedlicher Objekte möglich ist. Das weite Sichtfeld mit der integrierten Antenne macht es ferner möglich, mit einer minimalen Anzahl an Sensoren eine echte 360°-Rundumsicht zu erreichen (Bild 4).

Fahrerüberwachung für ADAS-Anwendungen

Radarsensoren verändern nicht nur die Art und Weise, wie Fahrzeuge ihre Umgebung erfassen, sondern auch die Überwachung des Fahrzeuginnenraums. Die Fähigkeiten von Radarsensoren wie dem AWR6843AOP für die Innenraumüberwachung werden immer ausgefeilter, beispielsweise nimmt die Genauigkeit von Fahrerüberwachungs- und Airbagauslösungs-Systemen immer mehr zu. Denkbar ist unter anderem, die Geschwindigkeit zu verändern, mit der sich Airbags entfalten, wenn sich Kinder im Auto befinden und so deren Verletzungsrisiko zu senken. Ebenso könnte ein Radarsensor beginnende Schläfrigkeit bei Fahrern erkennen, indem die Herz- und Atemfrequenz ermittelt wird. Selbst medizinische Notfälle könnten so festgestellt und die Insassen entsprechend gewarnt werden.
 
Ein weiteres Thema ist die Bedienung der verschiedenen Komfort- und Hilfsfunktionen mithilfe von Tasten oder Knöpfen. Ein Radarsensor könnte Gesten wie etwa eine Wischbewegung der Hand oder eine Fingerdrehung erkennen und die entsprechenden Funktionen aktivieren. Durch Radarsensoren ergeben sich somit völlig neue Möglichkeiten für die Erfassung des Fahrzeuginnenraums und für Assistenzfunktionen – sowohl für den Fahrer als auch für Mitfahrer.

 

Der Autor

 

Prajakta Desai von Texas Instruments
Prajakta Desai von Texas Instruments
© Texas Instruments


Prajakta Desai

ist Product Marketing Manager für Industrial Radar bei Texas Instruments. Sie ist seit 2006 im Unternehmen und beschäftigt sich schwerpunktmäßig mit Automotive-Radar. Desai
hat einen Bachelor of Engineering von der University of Mumbai, einen Master-Abschluss in Elektrotechnik von der University of South California sowie einen Master of Business Administration in Marketing von der Southern Methodist University


  1. Mit Radar erfolgreich zu Level 3+
  2. Bildgebendes Radar oder Lidar?

Das könnte Sie auch interessieren

Verwandte Artikel

Texas Instruments Deutschland GmbH