zur Hauptnavigation springen zum Inhaltsbereich springen

BayWISS-Kolleg Mobilität & Verkehr www.baywiss.de

Projekte im Kolleg Mobilität und Verkehr

© chuttersnap / unsplash.com'

Bestimmung der Merkmale automotiver Radare

An enthusiastic and Innovative Ph.D. student with 7+ industry experience, looking forward to investigate effects of inclement weather conditions over automotive radar sensor. He is research assistant at CARISSMA Institute of Automated Driving (C-IAD) since 2019. Possess B.S. in Electronics/Telecommunications Engineer and M.Sc. in Biomedical Engineering focused in Ultrasound sensors. 

Automated driving is taking up more and more space in the automotive market: sensors help to see the environment clearly, algorithms enable the vehicle to understand situations and increase driving safety.  Therefore, they are expected to work reliably in all conditions, including all weather conditions. Of the 3 main sensors in the vehicle - camera, LIDAR and radar - the latter is known to be the most robust to bad weather.

Radar technology is already widely available and there are several manufacturers and models. To validate the sensor, automotive companies have to spend a lot of time. Therefore, the goal is to simulate the scenarios as much as possible to reduce this effort. To achieve this goal, it is necessary to have a reliable radar model that works properly under different weather conditions.

In this dissertation, the effects of weather-related disturbances on radar beams are investigated and modeled.

 

 

Ein enthusiastischer und innovativer Promovierender mit mehr als 7 Jahren Industrieerfahrung, der sich darauf freut, die Auswirkungen von widrigen Wetterbedingungen auf automobile Radarsensoren zu untersuchen. Er ist seit 2019 wissenschaftlicher Mitarbeiter am CARISSMA Institute of Automated Driving (C-IAD). Besitzt einen B.Sc. in Elektronik/Telekommunikationstechnik und einen M.Sc. in Biomedizintechnik mit Schwerpunkt auf Ultraschallsensoren. 

Automatisierte Fahren nimmt immer mehr Platz im Automobilmarkt ein: Sensoren helfen die Umgebung klar zu sehen, Algorithmen befähigen das Fahrzeug Situationen zu verstehen und die Fahrsicherheit zu erhöhen.  Daher wird erwartet, dass sie unter allen Bedingungen, einschließlich aller Wetterbedingungen, zuverlässig arbeiten. Von den 3 wichtigsten Sensoren im Fahrzeug - Kamera, LIDAR und Radar - ist der letztere bekanntlich am robustesten gegenüber schlechtem Wetter.

Die Radartechnik ist bereits weit verbreitet und es gibt verschiedene Hersteller und Modelle. Um den Sensor zu validieren, müssen die Automobilkonzerne viel Zeit aufwenden. Daher ist es das Ziel, die Szenarien so weit wie möglich zu simulieren, um diesen Aufwand zu reduzieren. Um dieses Ziel zu erreichen, ist es notwendig, ein zuverlässiges Radarmodell zu haben, das auch unter verschiedenen Wetterbedingungen einwandfrei funktioniert.

In dieser Dissertation werden die Auswirkungen von wetterbedingten Störungen auf Radarstrahlen untersucht und modelliert.

MITGLIED IM KOLLEG

seit

Verbundkolleg Mobilität & Verkehr

Betreuer Friedrich-Alexander-Universität Erlangen-Nürnberg:

Prof. Dr.-Ing. Martin Vossiek

 

Forschungsschwerpunkte:

- Radar
- Funksysteme
- Ortung & Navigation

Betreutes Projekt:
Bestimmung der Merkmale automotiver Radare

Betreuer Technische Hochschule Ingolstadt:

Prof. Dr.-Ing. Werner Huber

Leiter CARISSMA Institute of Automated Driving (C-IAD)

Forschungsschwerpunkte:

  • X-in-the-Loop-Testmethoden für automatisiertes Fahren
  • Wirkungsbewertung durch virtuelle Feldtests und Simulation
  • Generische Versuchsfahrzeugplattformen

Betreute Projekte:

Veröffentlichungen

Diogo Wachtel Granado, Sabine Schröder, Fabio Reway, Werner Huber, Martin Vossiek; Validation of a Radar Sensor Model under Non-Ideal Conditions for Testing Automated Driving Systems, in 2021 IEEE Intelligent Vehicles (IV), 2021. (Approved/ to be published)

 

F. Reway, A. Hoffmann, D. Wachtel, W. Huber, A. Knoll und E. Ribeiro, „Test Method for Measuring the Simulation-to-Reality Gap of Camera-based Object Detection Algorithms for Autonomous Driving“, in 2020 IEEE Intelligent Vehicles (IV), 2020.

 

F. Reway, M. Drechsler, D. Wachtel und W. Huber, „Validity Analysis of Simulation-based Testing concerning Free-space Detection in Autonomous Driving“, in 6th International Conference on Vehicle Technology and Intelligent Transport Systems, 2020.

 

Zimbico A.J. et al. (2019) Joint Adaptive Beamforming to Enhance Noise Suppression for Medical Ultrasound Imaging. In: Lhotska L., Sukupova L., Lacković I., Ibbott G. (eds) World Congress on Medical Physics and Biomedical Engineering 2018. IFMBE Proceedings

 

Granado, D.W., Zimbico, A.J., Maia, J.M., Assef, A.A, Schneider F.K., Costa, E.T. Comparison Between F-K Migration and Delay-And-Sum Methods on Plane Waves to Generate Power Doppler Images on A Small String of a Doppler Phantom​, COBEC SEB, 2017

 

A. J. Zimbico et al., "Beam domain adaptive beamforming using generalized side lobe canceller with coherence factor for medical ultrasound imaging," 2017 IEEE International Ultrasonics Symposium (IUS), Washington, DC, 2017

 

Patente

WO2019129354A1: “Method for programming a field programmable gate array and network configuration”, December 28, 2017

 

WO2018130263A1: “Method of operating a unit in a daisy chain, communication unit and a system including a plurality of communication units”, January 11, 2017

Diogo Wachtel Granado

Diogo Wachtel Granado

Technische Hochschule Ingolstadt

Publikationen und Poster

Thomas Rothmeier, Diogo Wachtel, Tetmar von dem Bussche-Hünnefeld, Werner Huber, 06/2023, I Had a Bad Day: Challenges of Object Detection in Bad Visibility Conditions, Anchorage, AK, 10.1109/IV55152.2023.10186674

D. Wachtel, J. Edler, S. Schröder, S. Queiroz and W. Huber, 10/2022, Convolutional Neural Network Classification of Vulnerable Road Users based on Micro-Doppler Signatures using an Automotive Radar, Macau, China, DOI:10.1109/ITSC55140.2022.9921852.

Wachtel Granado D., Schröder S., Reway F., Huber W., Vossiek M., 07/2021, Validation of a Radar Sensor Model under Non-Ideal Conditions for Testing Automated Driving Systems, 2021 IEEE Intelligent Vehicles Symposium (IV), Japan, pp. 83-89, DOI: 10.1109/IVWorkshops54471.2021.9669205

 

Koordination des Verbundkollegs Mobilität und Verkehr

Treten Sie mit uns in Kontakt. Wir freuen uns auf Ihre Fragen und Anregungen zum Verbundkolleg Mobilität und Verkehr.

Dr. Monika Kolpatzik

Dr. Monika Kolpatzik

Koordinatorin BayWISS-Verbundkolleg Mobilität & Verkehr

Technische Hochschule Ingolstadt
Doctoral School
Esplanade 10
85049 Ingolstadt

Telefon: +49 841 93481560
mobilitaet-verkehr.vk@baywiss.de

Marina Schleicher

Marina Schleicher

Koordinatorin BayWISS-Verbundkolleg Mobilität & Verkehr

Technische Hochschule Ingolstadt
Doctoral School
Esplanade 10
85049 Ingolstadt

Telefon: +49 841 93483539
mobilitaet-verkehr.vk@baywiss.de