BASELABS startet Dynamic Grid: Raw-Data Sensorfusion für Advanced Automotive Modeling

BASELABS, ein führender Automotive Sensorfusion-Software-Anbieter, hat Dynamic Grid enthüllt – ein hochmodernes Algorithm, das ein kohärentes, hochauflösendes Umgebungsmodell direkt aus Raw-Sensordaten konstruiert. Durch Umgehung aufwendiger Trainingsschritte befähigt Dynamic Grid Automotive-Entwickler, die Erstellung von Fahrerassistenz-Features wie Parkhilfen und Staupiloten zu beschleunigen und liefert Performance, die konventionelle Tracking- und Occupancy-Grid-Techniken übertrifft.

Urbanes automatisiertes Fahren verlangt präziseste Umgebungsrepräsentation. Die Industrie konvergiert auf High-Resolution-Sensoren – Radare, Laserscanner und Kameras mit semantischer Segmentierung – um die feinen Details für solche Szenarien zu erfassen. Traditionelle Fusionsmethoden kämpfen damit, mit diesem Datenzufluss Schritt zu halten.

Dynamic Grid tacklelt diese Herausforderungen head-on, indem es Raw-Datenströme von Radaren, LiDAR und kamerabasierter Segmentierung in einem einheitlichen, self-contained Algorithmus verarbeitet. Das Resultat ist eine self-consistente Map, die sowohl statische als auch dynamische Objekte präzise detektiert und trackt, während sie auch Freiraum schätzt, um befahrbare Zonen und verfügbare Parkplätze abzugrenzen. Die Lösung läuft in Echtzeit auf Standard-Automotive-CPUs und ist entwickelt in Compliance mit ISO 26262 Safety Standards.

Dynamic Grid ist ideal suited für Automatisierungslevel 2 und höher, einschließlich hochautomatisiertem Fahren. Typische Use Cases umfassen autonomes Parken (trainiert oder Valet), automatische Notbremsung mit Ausweichen und Staupilot-Modi. Der Algorithmus integriert sich auch nahtlos in Radar-Subsysteme.

„Dynamic Grid bietet eine überlegene Alternative zum konventionellen Split zwischen Tracking und statischen Occupancy Grids“, sagt Norman Mattern, Head of Product Development bei BASELABS. „Durch Fusion der Daten innerhalb eines einzelnen, integrierten Frameworks eliminieren wir die Inkonsistenzen, die entstehen, wenn zwei disparate Methoden kombiniert werden. Der Algorithmus glänzt in dichten, multi-direktionalen Verkehrsumgebungen und kann Objekte beliebiger Form ohne umfangreiches Training detektieren und tracken.“

Gegründet 2012, liefert BASELABS skalierbare, effiziente Sensorfusion-Lösungen für Automotive OEMs und Zulieferer. Das Unternehmen bleibt unabhängig im Besitz seiner vier Gründer und Vector Informatik, was strategische Neutralität across der Supply Chain sichert.