Mehr Sensoren führen nicht automatisch zu einer besseren ADAS-Performance. Während Fahrzeuge zunehmend mit Kameras, Radar, Thermalsensorik, Ultraschall und LiDAR ausgestattet werden, verschiebt sich die Herausforderung: Weg von der Datenerfassung, hin zu deren Verarbeitung, Fusion und Nutzung.
In vielen konventionellen Architekturen werden Rohdaten von Sensoren oder domänenspezifischen Steuergeräten (ECUs) zunächst in Objektlisten vorverarbeitet, bevor sie weitergeleitet werden. Dieser Ansatz hat die Entwicklung früher ADAS-Funktionen unterstützt, stößt jedoch zunehmend an Grenzen, da sich Fahrzeugarchitekturen hin zu softwarezentrierten Designs entwickeln und die Anforderungen an die Umfelderkennung komplexer werden.
Ab einem bestimmten Punkt erhöhen zusätzliche verteilte Sensoren Kosten und Komplexität schneller, als sie die Leistungsfähigkeit verbessern. Der nächste Schritt besteht darin, mehr Wert aus bestehenden Sensoren zu generieren, indem deren Daten auf leistungsstarken, zentralisierten Recheneinheiten zusammengeführt werden. Richtig umgesetzt verbessert dies die Wahrnehmung, ermöglicht eine bessere Skalierbarkeit der Softwareentwicklung und reduziert den Bedarf, für jede Funktionssteigerung weitere Sensoren oder ECUs hinzuzufügen.
Zentralisierte Rechenleistung erlaubt es, umfangreichere Sensordaten früher zu fusionieren und in einem größeren Kontext zu interpretieren. Statt auf vorverarbeitete Objektausgaben zu setzen, können hochauflösende Rohdaten über breitbandige Verbindungen kombiniert werden, um eine robustere Wahrnehmungsarchitektur zu schaffen. Beispielsweise verbessert die Fusion von Thermal- und Radardaten die Erkennung und Klassifikation bei schlechten Lichtverhältnissen und erweitert die Wahrnehmung über das hinaus, was einzelne Sensoren leisten können. Gleichzeitig ergeben sich in bestimmten Anwendungen Vorteile hinsichtlich Kosten und Packaging.
