
LiDAR-Fusion
LiDAR-Fusion bezeichnet das Zusammenführen von Messdaten eines Laserscanners mit Daten anderer Sensoren — etwa Kameras oder Radar —, damit ein System seine Umgebung genauer erkennt, als es ein einzelner Sensor je könnte. Das Verfahren ist zentral für selbstfahrende Fahrzeuge und Roboter.
LiDAR steht für « Light Detection and Ranging » — ein Messverfahren, das mit Laserpulsen die Entfernung zu Objekten bestimmt. Das Ergebnis ist eine dreidimensionale Punktwolke: Tausende bis Millionen Messpunkte, die zusammen die Form der Umgebung abbilden. LiDAR-Fusion bedeutet, diese Tiefendaten mit dem zu kombinieren, was andere Sensoren liefern — zum Beispiel Farbbilder einer Kamera oder Geschwindigkeitsmessungen eines Radars. Kein einzelner Sensor ist perfekt. Erst das Zusammenführen mehrerer Quellen ergibt ein Bild, das zuverlässig genug ist, um darauf zu reagieren. Das System sieht dann gleichzeitig: wo etwas ist, was es ist und wie schnell es sich bewegt.
Warum kein einzelner Sensor ausreicht
Jeder Sensor hat eine andere Schwäche. LiDAR misst Abstände mit hoher Präzision, liefert aber kein Farbbild. Es kann deshalb nicht lesen, ob ein Schild « Stop » zeigt oder « 30 km/h ». Eine Kamera dagegen erkennt Farbe und Text, aber sie scheitert bei Regen, Nebel oder Gegenlicht — Bedingungen, unter denen LiDAR-Laserpulse weniger anfällig sind. Radar wiederum misst zuverlässig Geschwindigkeit, selbst bei Dunkelheit, zeigt aber kaum Formdetails.
Für sicherheitskritische Systeme wie ein autonomes Fahrzeug ist ein einziger Ausfall fatal. LiDAR-Fusion schafft Redundanz: Fällt eine Quelle aus oder liefert unsinnige Werte, kompensieren die anderen. Das ist kein Luxus, sondern eine Grundvoraussetzung für den Einsatz auf öffentlichen Straßen.
Wie die Datenzusammenführung abläuft
Das technische Problem ist, dass verschiedene Sensoren verschiedene Datenformate, verschiedene Bildwiederholraten und verschiedene Blickwinkel haben. Ein Kamerabild ist ein zweidimensionales Raster aus Farbwerten. Eine LiDAR-Punktwolke ist eine ungeordnete Menge von 3D-Koordinaten. Bevor man sie zusammenführen kann, muss man sie auf ein gemeinsames Koordinatensystem umrechnen — dafür braucht man die genaue physische Position und Ausrichtung jedes Sensors am Fahrzeug.
Es gibt zwei grundlegende Strategien. Bei der frühen Fusion werden die Rohdaten aller Sensoren zuerst zusammengelegt, dann gemeinsam ausgewertet. Bei der späten Fusion wertet jeder Sensor seine Daten zuerst für sich aus — die Kamera erkennt ein Fußgänger-Symbol, das LiDAR misst seinen Abstand —, und danach werden die Ergebnisse abgeglichen. Moderne KI-Systeme nutzen häufig eine Mischform: neuronale Netze, also rechnerische Systeme, die aus Beispieldaten lernen, verarbeiten alle Eingaben gleichzeitig in gemeinsamen Schichten.
Ein klassisches Beispiel ist die Projektion: Man nimmt jeden Punkt der LiDAR-Punktwolke und berechnet, auf welchen Pixel im Kamerabild er fällt. So bekommt jeder Tiefenpunkt auch einen Farbwert. Das klingt einfach, ist aber nur dann präzise, wenn Kamera und LiDAR perfekt kalibriert sind — und diese Kalibrierung muss regelmäßig überprüft werden.
LiDAR-Fusion in Fahrzeugen, Drohnen und Robotern
Am bekanntesten ist LiDAR-Fusion aus der Debatte um selbstfahrende Autos. Unternehmen wie Waymo setzen seit Jahren auf das Zusammenspiel von LiDAR, Kameras und Radar. Tesla dagegen verzichtet auf LiDAR und setzt ausschließlich auf Kameradaten — eine grundlegend andere Designentscheidung, über die in der Branche heftig diskutiert wird. Beide Ansätze spiegeln eine echte offene Frage wider: Wie viele Sensoren braucht ein autonomes System wirklich?
Jenseits des Autos taucht LiDAR-Fusion in Lieferdrohnen auf, die beim Landeanflug Hindernisse erkennen müssen, in Lagerrobotern, die Paletten greifen, und in der Vermessung — etwa wenn Bauingenieure ein Gelände digital erfassen. In all diesen Fällen ist die Grundidee dieselbe: Einzelne Sensoren liefern Bruchstücke. Die Fusion macht daraus ein vollständiges Bild.
In Nachrichtenartikeln erscheint der Begriff oft, wenn neue Fahrzeugmodelle oder Robotikplattformen vorgestellt werden. Steht dort, ein System nutze « Multisensor-Fusion » oder « kamerabasierte Tiefenschätzung », ist das häufig eine Variante derselben Grundidee — mit oder ohne echten LiDAR-Scanner.