Problemstellung

Mit wachsender Bedeutung der Urban Air Mobility (UAM) steigt die Relevanz sicherer Umfelderfassungslösungen für unbemannte Luftfahrzeuge (UAS) kontinuierlich. Insbesondere bei bodennahen Missionen sowie dem Starten und Landen müssen statische Hindernisse sicher und automatisiert erfasst werden. Während 3D-Karten für das autonome Fahren längst etabliert sind, müssen für die Luftfahrt Methoden zur maschinenlesbaren Digitalisierung des unteren Luftraums entwickelt werden, um die für den Flug außer Sichtweite (BVLOS) sowie teil- und vollautomatisierten Flug notwendigen Redundanzen über hochgenaue semantische 3D-Karten zu bilden.

Projektziel

ADAM setzt dafür auf die Kartierung über eine automatisierte Drohnen-basierte Sensordatenfusion. Mittels KI-gestützter Datenauswertung und D-GPS-Ortung werden georeferenzierte semantisch annotierte Voxelkarten erstellt, die eine sichere, redundante Trajektorienplanung in Flughöhen unterhalb von 150 Metern garantieren. Die generierten Karten sollen als erweiterter/optionaler Geo-Awareness-Service in das UTM zur Nutzung im Rahmen des U-Space integriert werden. Dabei wird die Homologation der Formate und Methoden untersucht und auf den Weg gebracht, um zukünftig Standards für eine sichere und autonome UAM zu schaffen.

Durchführung

• Erweiterung des vorhandenen Testfelds in der Lausitz und Aufbau einer virtuellen Test- und Entwicklungsumgebung
• Entwurf und Ausstattung einer Hochleistungsdrohne mit Radar-LiDAR-Kamera-Sensorik
• Digitale Vermessung des unteren Luftraums im Testfeld; Erzeugen eines Referenzdatensatzes
• Entwicklung der Fusionsalgorithmen und KI-basierten Annotation sowie Erstellung der Voxelkarten
• Entwicklung der automatisierten Erzeugung georeferenzierter, annotierter 3D-Karten & Erweiterung des Geo-Awareness-Service für den U-Space
• Entwicklung exemplarischer Anwendungen und Demonstration autonomer Flüge auf Basis der Karten