Wir betrachten das Problem der Objekterkennung im autonomen Fahren unter Verwendung von Fahrzeugradarsensoren. Im Vergleich zu Lidar-Sensoren sind Radarsensoren kosteneffizient und wetterunabhängig robust für die Wahrnehmung im autonomen Fahren. Allerdings leiden Radarsignale an einer geringen Winkelauflösung und geringen Genauigkeit bei der Erkennung umgebender Objekte. Um die Leistungsfähigkeit von Fahrzeugradarsensoren zu verbessern, nutzen wir in dieser Arbeit die zeitliche Information aus aufeinanderfolgenden egozentrischen Bird’s-Eye-View-Radarbildern für die Objekterkennung. Wir nutzen die Konsistenz der Existenz und der Merkmale (Größe, Orientierung usw.) eines Objekts über die Zeit und stellen eine temporale relationale Schicht vor, die die Beziehungen zwischen Objekten in aufeinanderfolgenden Radarbildern explizit modelliert. In Aufgaben der Objektdetektion und des mehrfachen Objektsverfolgens zeigen wir die Überlegenheit unseres Ansatzes gegenüber mehreren Baseline-Methoden.