Verbundprojekt: KI-gestützte Sensorik für autonomes Fahren unter Schlechtwetterbedingungen - AI-SEE -

Der Automobilsektor befindet sich in einem disruptiven Wandel, der innerhalb des Sektors selbst und von weiteren technischen und gesellschaftlichen Umwälzungen eingeleitet wurde. Das automatisierte Fahren ist gefordert, auf diese Unsicherheiten im Transportwesen und darüber hinaus zu reagieren. Große Fortschritte in Richtung Automatisierung sind bei neuen Fahrzeugen zu sehen, die zunehmend mit Fahrerassistenzsystemen ausgestattet werden. Die größte verbleibende Barriere, die automatisierten Fahrzeugen im Wege steht, ist das sichere Fahren unter schlechten Sichtbedingungen. Europa ist traditionell stark in Sensorsystemen und diese Position muss beibehalten werden. Die Herausforderungen für Sensorsysteme sind einerseits die Anzahl der Sensoren, die heute für die 360-Grad-Wahrnehmung und das Situationsbewusstsein der Umgebung benötigt werden, und andererseits die Kosten für LiDAR. Die Preise für einzelne LiDAR-Sensoren liegen derzeit zwischen 6.000 € und über 10.000 €. Diese hohen Kosten stellen eine der Hindernisse für die Einführung des automatisierten Fahrens dar. Das IHT der Universität Stuttgart wird gemeinsam mit dem Partner AMS und IBEO im Rahmen dieses Teilprojektes einen adaptiven SWIR (engl. für shortwave infrared )-LiDAR mit einem neuartigen SPAD (engl. für Single Photon Avalanch Diode) -Empfänger entwickeln und aufbauen, der in der Lage ist, über KI schlechtes Wetter zu antizipieren und sich an dieses anzupassen. Der Empfänger beruht auf einer "Ge-on-Si" (Germanium on Silicon) Technologie. Diese Technologie zeichnet sich dadurch aus, dass sie auf der weltweit führenden Si-Technologie aufbaut und damit für den Massenmarkt tauglich ist. Im Teilprojekt soll ein SPAD -Array mit einer Auflösung von 160 x 120 Pixeln (1/4 VGA) aufgebaut und mit einem Auslesechip über eine Flip-Chip-Bondtechnik miteinander verbunden werden. Dabei arbeiten die SPAD-Dioden im Geigermode, wodurch kleineste Lichtintensitäten detektierbar sind.