Von Radarrückmeldungen zu sicheren Entscheidungen: Radarverarbeitung für maritime Autonomie

Ein unbemanntes Überwasserfahrzeug (USV) der SEA-KIT X-Klasse, gebaut für Fugro. SEA-KIT gehörte zu den ersten Anwendern der Radarverarbeitungssoftware Cambridge Pixel. Bildnachweis: SEA-KIT.

Ohne einen Besatzungsangehörigen mit umfassender Lageerfassung sind die Sensorsysteme autonomer und ferngesteuerter Schiffe entscheidend für die Navigationssicherheit und den Erfolg der Mission. Der bordeigenen Kameraausrüstung wird viel Aufmerksamkeit zuteil, aber auch Radargeräte und die zugehörige Datenverarbeitung sind Bestandteil des Sensorsystems.

Bei der Spezifizierung von Radarsystemen für autonome Schiffe konzentrieren sich Entwickler häufig auf Faktoren wie Reichweite, Auflösung, Antennengröße und Technologie. Diese Auswahlmöglichkeiten sind zwar wichtig, bestimmen aber nicht, welche Daten das autonome System oder der Fernbediener letztendlich empfängt. Entscheidend ist die Qualität der Radardatenverarbeitung.

Ein autonomes Steuerungssystem benötigt maschinenlesbare Informationen; ein Fernbediener benötigt ein möglichst klares Lagebild der See, um Entscheidungen zu erleichtern und die kognitive Belastung zu reduzieren. In beiden Fällen ist ein Satz von Sensoren, deren Daten verarbeitet und zu nutzbaren Informationen zusammengeführt werden, ideal.

Warum Radar weiterhin wichtig ist

Ein autonomes Schiff kann Kameras, einen AIS-Empfänger (Automatisches Identifizierungssystem), GNSS-Empfänger (Globales Navigationssatellitensystem), LiDAR, Sonar und weitere Sensoren mitführen. Kameras helfen bei der Objektidentifizierung, während AIS die Identität, Position, den Kurs und die Geschwindigkeit des sendenden Schiffes übermittelt. Allerdings liefert keines der beiden Systeme allein ein vollständiges Bild.

Kameras können durch Dunkelheit, Blendung, Nebel, Regen und Spritzwasser beeinträchtigt werden. Die meisten können nur Peilungen oder bestenfalls eine grobe Entfernungsschätzung liefern. Kleine und ortsfeste Objekte verfügen in der Regel nicht über AIS-Transponder, und selbst bei vorhandenen Geräten kann das AIS-System ausgeschaltet oder falsch konfiguriert sein. Radar hingegen kann auch bei schlechter Sicht über große Entfernungen hinweg präzise Positionsinformationen für kleine und nicht kooperative Objekte liefern.

Radar ist nicht unfehlbar. Seine Leistungsfähigkeit wird durch die Installation, den Seegang, das Wetter, die Zielgröße und -reflexion sowie die Prozessoreinstellungen beeinflusst. Radar sollte andere Sensoren ergänzen, nicht ersetzen, bleibt aber eine wichtige, unabhängige Informationsquelle, die autonome Systeme nicht ignorieren sollten.

Von Echos zu Detektionen

Ein Radargerät gibt Videodaten aus, entweder analog oder zunehmend digital. In der Radarterminologie bezeichnet „Video“ den Strom der vom Radar reflektierten Intensitäten, im Gegensatz zu bildähnlichen Kameraaufnahmen. Es handelt sich um ein sich ständig veränderndes Reflexionsfeld im Polargebiet.

Das Radarbild kann unübersichtlich und komplex sein. Ein Stahlschiff erzeugt zwar ein starkes Radarecho, aber auch eine Hafenmauer oder eine Brücke. Ein kleines Schlauchboot erzeugt möglicherweise nur ein schwaches Radarecho, das durch Wellengang und damit verbundene Störungen überlagert werden kann. Regen verursacht unerwünschte Echos, und Land- sowie Hafenanlagen erzeugen anhaltende Reflexionen. Eine effektive Bildverarbeitung ist daher unerlässlich.

Die Radarverarbeitungssoftware erfasst zunächst Radarvideodaten über eine Hardwareschnittstelle oder einen digitalen Netzwerkstrom. Anschließend wendet sie Filter- und Detektionsverfahren an, um Echos zu finden, die sich vom Hintergrund abheben.

Dies ist komplexer als die einfache Festlegung eines Schwellenwerts, ab dem ein Radar-Videosignal als Kontakt gewertet wird. Der Hintergrund ändert sich mit Entfernung, Plattformbewegung, Wetter und Seegang. Einstellungen, die für ruhiges Wasser geeignet sind, können bei starkem Regen viele Fehlalarme auslösen; Einstellungen, die diese unterdrücken, können ein echtes Ziel verdecken.

Die adaptive Signalverarbeitung reagiert auf lokale Gegebenheiten. Die dynamische Schwellenwertanpassung gleicht veränderliche Rauschpegel aus, während geografische Masken die Signalverarbeitung über bekannten Landflächen oder Bauwerken reduzieren. Sofern die Software dies zulässt, können in verschiedenen Bereichen unterschiedliche Radarverarbeitungseinstellungen angewendet werden, um eine höhere Empfindlichkeit in einem Fahrwasser oder direkt vor dem Schiff zu erzielen. Ziel ist die zuverlässige Erfassung von Daten ohne übermäßige Fehlalarme.

Erkennung, Verfolgung und Meldung von Hindernissen

Sobald ein signifikantes Echo identifiziert wurde, können benachbarte signifikante Echos zu einem Diagramm zusammengefasst werden (Erkennung). Ein Diagramm stellt eine einzelne Beobachtung dar: An einer bestimmten Position scheint während eines Radarscans ein interessantes Objekt vorhanden zu sein.

Die Objektverfolgung ergänzt die Historie und die Bewegungsbahn. Die Software vergleicht die Daten aufeinanderfolgender Scans und ermittelt, welche wahrscheinlich zum selben Objekt gehören. Aus diesen verknüpften Beobachtungen werden Kurs, Geschwindigkeit und die voraussichtliche zukünftige Position berechnet. Zuverlässigkeitsprüfungen verhindern, dass fälschlicherweise eine falsche Bewegungsverfolgung durch nicht zusammengehörige Objekte verursacht wird.

Bei kleinen Zielen kann die Verfolgung schwierig werden, da die Erfassungsstärke und -zuverlässigkeit abnehmen. Hier kann die Videoverfolgung Abhilfe schaffen: Eine bereits mit herkömmlichen Erfassungs- und Verfolgungsmethoden aufgezeichnete Bahn kann durch die direkte Verfolgung anhand des Radarvideos länger aufrechterhalten werden.

Für die autonome Navigation ist es nicht immer sinnvoll, auf eine vollständig etablierte Route zu warten. Kurzstrecken- oder intermittierende Objekterkennungen, beispielsweise von einem treibenden Container oder einer kleinen Ankerboje, können eine Gefahr darstellen, die gemeldet werden muss, bevor eine Route generiert werden kann. Annäherungserkennungen eines Radarprozessors melden die nächstgelegenen Signale, die die konfigurierten Kriterien innerhalb eines definierten Bereichs um das Schiff erfüllen.

Näherungserkennungen werden bei jedem Scan mit sehr geringer Latenz gemeldet, während sich das Radar dreht. Sicherheitszonen können Geschwindigkeit, Manövrierfähigkeit und Umgebungsbedingungen berücksichtigen. Eine größere Sicherheitszone kann sich bei höherer Geschwindigkeit weiter ausdehnen, während eine kleinere Zone für Hafenmanöver geeignet sein kann.

Cambridge Pixel bietet seit über einem Jahrzehnt Technologiekomponenten für Entwickler von unbemannten Überwasserfahrzeugen (USV) und autonomen Überwasserfahrzeugen (ASV) an, darunter die Software SPx Server V2. Diese umfasst Radar-Videoverarbeitung, Annäherungserkennung und -verfolgung zur Kollisionsvermeidung und autonomen Navigation. Die Konfiguration des Erkennungsservers ermöglicht die Plot-Extraktion und Annäherungserkennung, während der Tracking-Server die Zielverfolgung mit mehreren Hypothesen ergänzt. Hindernis- und Zieldaten können in Formaten wie ASTERIX, NMEA-0183, TAK und SAPIENT an externe Autonomie- oder Schiffssteuerungssysteme übermittelt werden.

Kombination von Sensoren

Eine Radaraufzeichnung kann die Annäherung oder den Kurs eines Objekts anzeigen, ohne es zu identifizieren. AIS liefert Identifikationsdaten, die mit der Aufzeichnung korreliert werden können, während eine Kamera eine visuelle Bestätigung ermöglicht. Die Sensordatenfusion kombiniert diese Beobachtungen zu einem umfassenderen Bild.

Eine erfolgreiche Datenfusion setzt konsistente Zeit- und Koordinatensysteme sowie ein Verständnis der Genauigkeit jeder einzelnen Datenquelle voraus, insbesondere hinsichtlich der Position. Die Definition von Unsicherheitsbereichen anhand von Begrenzungsrahmen ist entscheidend, um die Anzahl der Kontaktkorrelationen zu maximieren und gleichzeitig Fehlzuordnungen zu minimieren. Eine robuste Datenfusion ermöglicht es, aus mehreren Sensoren ein kohärentes Navigationsbild zu erstellen.

Ein korrelierter Trackbericht verknüpft die einzelnen Sensorbeobachtungen, die ihn stützen, und ermöglicht dem empfangenden System, Informationen aus beliebigen Eingangsdaten auszuwählen. Beispielsweise können Geschwindigkeit und Kurs aus dem Radartracking, Objektklassifizierung und verbesserte Peilungsmessung aus einem Videotracking und Ladungsinformationen aus dem AIS entnommen werden.

Der SPx Fusion Server von Cambridge Pixel korreliert Trackmeldungen von mehreren Radarquellen und KI-Systemen zu einzelnen, fusionierten Tracks. Bildnachweis: Cambridge Pixel

Positionsgenauigkeit ohne GPS

Autonome Schiffe sind üblicherweise auf GNSS/GPS angewiesen. Signalverlust stellt ein Problem dar, Störungen können einen zuverlässigen Empfang verhindern und Spoofing kann dazu führen, dass ein Empfänger eine plausible, aber falsche Position meldet.

In Küstengebieten kann Radar eine unabhängige Überprüfung der GNSS-basierten Positionsangaben ermöglichen. Cambridge Pixels GPS Assist vergleicht Live-Radardaten mit einem aus Gelände- und Küstenlinieninformationen generierten Radarbild. Durch die Ermittlung der optimalen Übereinstimmung beider Bilder schätzt es die Schiffsposition unabhängig von den eingehenden GNSS-Daten.

Wenn die Positionen deutlich voneinander abweichen, kann GPS Assist einen Alarm auslösen und zusätzlich einen alternativen NMEA-0183-Datenstrom generieren, um Backup-Positionsinformationen bereitzustellen.

Eine sichere und effektive maritime Autonomie wird nicht durch einen einzelnen Sensor oder Algorithmus erreicht. Sie basiert vielmehr auf Systemen, die unabhängige, zeitnahe und verständliche Daten liefern. Radar spielt dabei eine zentrale Rolle, doch die Rohdaten allein genügen nicht. Nur durch eine sorgfältige Datenverarbeitung kann Radar die für autonome Systeme so wichtigen Detektionen, Verfolgungen und Hinderniswarnungen liefern.