Wöhler, ChristianLombacher, Jakob2021-10-222021-10-222021http://hdl.handle.net/2003/40533http://dx.doi.org/10.17877/DE290R-22403Moderne Fahrerassistenzsysteme und autonomes Fahren benötigen eine detaillierte Umgebungserfassung. Neben einer präzisen Beschreibung von Form und Zustand der umgebenen Objekte, ist auch ein immer besseres semantisches Verständnis der Situation erforderlich. Die Anforderungen der funktionalen Sicherheit führen dazu, dass diese oft nur durch Redundanz erreicht werden können. Für Systeme zur semantischen Klassifizierung von Objekten werden heutzutage hauptsächlich optische Sensoren verwendet. Obwohl die Anzahl der im Fahrzeug verbauten Radare immer weiter steigt und die Messeigenschaften jedes einzelnen Sensors sich in Auflösung, Genauigkeit und Sensitivität beständig verbessern, leistet der Radarsensor heutzutage nur einen geringen Beitrag zur Semantik. Im Rahmen dieser Arbeit wird das Potential des Radarsensors zur semantischen Umgebungserfassung für das statische Fahrzeugumfeld untersucht. Ausgehend von Radar-Detektionen untersucht diese Arbeit die gesamte Verarbeitungs- und Entwicklungskette eines Klassifikationssystems für Radar. Anhand eines großen Datensatzes wird gezeigt, dass die Klassifikation der statischen Welt vielversprechende Ergebnisse erzielt und dass durch gezielte Anpassungen der Algorithmen die Resultate deutlich verbessert werden können.deRadarAutomotiveMachine learningOccupancy gridsClassification620TextRadarAutomotive electronics