Autonomes Fahren hat in den vergangenen Jahren erhebliche Fortschritte gemacht, insbesondere unter guten Sicht- und Lichtbedingungen. Nachtumgebungen stellen jedoch weiterhin eine wesentliche Herausforderung dar, da eingeschränkte Beleuchtung die Leistungsfähigkeit vieler Sensorsysteme reduziert. Im Gegensatz zu aktiven Sensoren wie LiDAR oder Radar senden passive Sensoren keine eigenen Signale aus, sondern nutzen ausschließlich vorhandene Strahlung aus der Umgebung. Dies bringt Vorteile wie geringeren Energieverbrauch und eine reduzierte elektromagnetische Signatur mit sich. Besonders im militärischen Kontext ist dies relevant, da aktive Sensoren potenziell detektierbar sind und damit die Position eines Systems offenlegen könnten.
Ziel der Projektes ist es daher, Ansätze zur Verbesserung der autonomen Navigation bei Nacht unter Nutzung vorwiegend passiver Sensorik zu untersuchen. Im Fokus stehen dabei insbesondere Kamerasysteme im sichtbaren sowie im infraroten Spektralbereich. Durch den Einsatz moderner Bildverarbeitungs- und maschineller Lernverfahren sollen Methoden entwickelt werden, die eine robuste Objekterkennung und Szenenanalyse auch unter schwierigen Lichtbedingungen ermöglichen. Die Ergebnisse der Studie sollen dazu beitragen, automatisierte Systeme zuverlässiger für nächtliche Einsatzszenarien zu machen. Dies ist sowohl für zivile Anwendungen, beispielsweise in der autonomen Logistik, als auch für militärische Anwendungen relevant, bei denen Fahrzeuge unauffällig und sicher in Umgebungen mit eingeschränkter Sicht operieren müssen.
