Autonome Fahrzeugführung in urbaner Umgebung durch Kombination objekt- und kartenbasierter Umfeldmodelle
Eine vollständig automatische Fahrzeugführung im allgemeinen Straßenverkehr fasziniert Techniker wie Nichttechniker bereits seit der Frühphase des Automobils. Ein Stück näher an die Realität wurde diese Vision durch die DARPA Urban Challenge im November 2007 gebracht. Die Entwicklung der Fahrzeugplattform Caroline für die Teilnahme an der DARPA Urban Challenge bildet den Rahmen für diese Dissertation. Die Systemarchitektur zur Bewältigung der komplexen Fahraufgabe wird in vier elementare Funktionsebenen zur Wahrnehmung, Situationsinterpretation, Aktionsplanung und Aktionsausführung untergliedert. Um ein Verständnis für die Funktionsweise des Gesamtfahrzeugs zu ermöglichen, wird insbesondere auf die enge Verzahnung der Komponenten eingegangen. Eine Schlüsselrolle in der Fahrzeugarchitektur nimmt die maschinelle Wahrnehmung der Fahrzeugumgebung ein. Aufbauend auf den theoretischen Grundlagen der bayes’schen Informationsverarbeitung wird ein hybrides Umfeldmodell entwickelt, indem sowohl herkömmlich-objektbasierte als auch kartenbasierte Modellierungsverfahren zum Einsatz kommen. Die Ansätze werden erweitert für eine Funktion im innerstädtischen Umfeld. Hierbei wird ein Freiform-Objektmodell zur Hinderniserkennung sowie eine kartenbasierte Fahrbereichsanalyse eingeführt, im Rahmen der Situationsinterpretation erfolgt eine Kopplung dieser Online-Umfelddaten mit zusätzlich bereitgestellten, digitalen Navigationsdaten. Das Freiform-Objektmodell ermöglicht die Beschreibung beliebiger Hinderniskonturen und unterscheidet sich somit von klassischen, quaderbasierten Objekthypothesen aus dem Bereich der Fahrerassistenzsysteme. Die Fahrbereichsanalyse ermittelt den urbanen Straßenverlauf durch Fusion von LIDAR- und Kamerasensorik in einer probabilistischen, Dempster-Shafer basierten Gridkarte. Das beschriebene Fahrzeugsystem konnte als eines der 10 besten Fahrzeuge aus dem Verlauf der Urban Challenge hervorgehen.
Fully autonomous vehicle navigation in real-world traffic scenarios is fascinating both engineers as public since the early days of the automobile. This vision did get closer to reality by the DARPA Urban Challenge event in November 2007. The development of Caroline, a vehicle platform designed for the Urban Challenge competition gives the background for this thesis paper. The overall vehicle architecture is divided into four main functional levels for environment perception, situation assessment, action planning and motion control. The close linking of all functional levels is treated in special for a better understanding of the overall system. A key role is given by the environment perception modules. Based on Bayes statistical framework for information processing, a hybrid environment model is developed, combining classical object-based with grid-based approaches. These models are extended for the operation in dense urban traffic. Therefore a free-form object model for obstacle detection is presented next to a grid based driveway analysis. The results are furthermore combined with given offline digital map material for situation assessment. The freeform object model is capable of describing arbitrary object contours and therefore differs from classical box-shaped tracking models originating from the field of driver assistance systems. The driveway analysis is determining the urban roadway drivability through fusion of LIDAR- and camera-based sensors in a probabilistic, Dempster-Shafer based grid map. The described vehicle platform did come out among the best 10 competitors during the Urban Challenge final contest.
Preview
Cite
Access Statistic

Rights
Use and reproduction:
All rights reserved